非线性电阻网络的多故障诊断

在有些讨论非线性电阻电路故障诊断的论文中,常常应用小信号线性化模型来替代非线性器件.这种替代易受工作点漂移的影响.应用非线性器件的等效线性比模型讨论了非线性电阻网络的多故障诊断,可计及工作点漂移的影响,并导出模拟网络多故障诊断方程,达到故障定位和定值.     

基于锂离子电池线性化模型的电流传感器故障诊断

为了对锂离子电池输入电流传感器的故障进行诊断,采用耦合了电池集总热力学模型的一阶Thevenin等效电路模型,基于该模型设计了滑模观测器用于故障诊断策略研究.首先,对非线性参变锂离子电池模型进行线性化,建立了满足整个运行工况运转精度的线性参变锂离子电池模型.然后,对线性参变锂离子电池模型进行重组变换,使原系统中的作为输...     

广义频率响应函数理论及其应用

介绍了广义频率响应函数（ＧＦＲＦ）的基本原理和基本性质,研究了基于ＧＦＲＦ模型非参数模型的辨识算法,并尝试把ＧＦＲＦ理论应用于非线性系统的故障诊断,探讨了从ＧＦＲＦ谱中提取故障特征信息的方法。经实际使用,取得了较为显著的成效。     

基于信息熵和SVM多分类的飞机液压系统故障诊断

飞机液压系统是典型的非线性系统,故障机理复杂,提取故障信息困难,且故障样本较少。针对飞机液压系统部件故障,文章采用了基于信息熵特征权值分配和支持向量机(SVM)多分类的故障诊断方法。先提取飞机液压系统压力信号的统计特征,然后通过计算特征信息熵为特征分配相应权值,将权值较大的特征作为支持向量机的输入向量,最后建立SVM多分类器将正常与多种故障状态进行分类;所采用的方法不仅有效降低了支持向量机模型的计算复杂度,而且提高了分类精度。通过建立飞机起落架收放系统仿真模型,对该故障诊断方法进行了验证研究。仿真结果表明,该方法选用高斯径向基核函数能够有效对液压系统进行故障诊断。     

高速列车浸入与不变自适应容错控制方法

针对高速列车中牵引系统的故障问题,提出了一种高速列车浸入与不变自适应容错控制方法。首先,通过对高速列车进行动力学分析,建立了高速列车多质点误差非线性动力学模型。在此基础上,通过分析高速列车中牵引系统的故障问题,建立了相应的高速列车非线性故障动力学模型。为了实现高速列车在故障模式与非故障模式下的控制器切换,提出了一种基于状态观测器的故障诊断方法。根据故障诊断模块提供的故障信息,通过选择故障时的调节函数β,对相应的浸入与不变自适应估计率进行重构。理论证明了高速列车容错控制系统的稳定性和收敛域,并通过仿真实例验证了本文方法的有效性。     

变体飞行器传感器故障在线主动容错控制

为保证变体飞行器在传感器故障情况下的稳定飞行性能和良好跟踪效果,提高故障诊断准确度和容错控制能力,针对变体飞行器传感器故障诊断与容错控制问题,提出一种基于考虑属性可靠度的置信规则库(BRB-r)专家系统在线主动容错控制方法。首先,给出变体飞行器的气动参数模型和纵向非线性动力学模型,综合考虑外界扰动和传感器故障,利用最小二乘拟合方法和雅克比线性化方法,建立变体飞行器的切换线性变参数(LPV)故障模型;然后,基于BRB-r专家系统构建变体飞行器传感器故障诊断与容错控制模型,通过统计方法对传感器监测指标进行可靠性分析,并引入证据推理(ER)解析算法,提高故障诊断精度和容错控制效果;最后,利用基于投影算子的协方差矩阵自适应优化策略(P-CMA-ES)算法优化故障诊断与容错控制模型,降低系统的复杂度,提高了故障诊断效率。仿真结果表明,变体飞行器传感器故障诊断精度能够达到98.75%,当传感器故障程度小于50%时,所提方法能够有效克服传感器故障和外界扰动,保证变体飞行器的稳定飞行,具有较强的容错控制能力和鲁棒性能。     

非线性系统的一种变结构自适应控制设计

本文研究了一种含有未知参数非线性系统的变结构自适应控制设计方法,作者首先通过状态反馈和坐标变换将非线性系统变成线性系统,然后将变结构控制与自适应控制结合起来,给出了具有滑动模态的模型参考自适应控制设计方法,从而解决了一类非线性系统的模型跟踪问题。最后应用简单算例证实了该设计方法的可行性。     

基于RBF神经网络的非线性系统故障诊断

针对一类含模型不确定性的非线性系统，提出了具有强鲁棒性和高灵敏度的在线故障检测与诊断方法．其中，系统只有输入、输出可检测，故障是关于输入和状态的非线性函数．非线性在线估计器用于估计系统不确定部分，同时监视系统是否发生故障，估计故障的大小．仿真结果表明，故障诊断算法稳定．     

滑动轴承油膜非线性动态特性的探讨

随着故障转子动力学理论研究的深入和故障诊断技术的发展,转子系统非线性振动的研究越来越重要,在给定输入的情况下,将滑动轴承特性视为“黑盒子”,以模式识别与参数估计的方法计算输出,基于系统识别和参数估计理论改进线性模型的刚度系数和阻尼系数,建立一种在线性模型基础上的改进模型,可以得到轴承特性较好的表征,对滑动轴承油膜非线性动态特性的深入研究作一探讨。     

基于LM-BP神经网络的机床伺服系统故障诊断

针对故障复杂、传统维修方法较难实现快速、准确的故障定位问题,在克服传统BP神经网络进行故障诊断存在问题的基础上,引入基于LM-BP的神经网络方法,对机床伺服系统进行故障诊断和分析。设计了一种基于LM-BP神经网络的机床故障诊断方案,应用3层BP神经网络,建立机床伺服系统LM-BP神经网络故障诊断模型,实现在一个复杂的非线性动力系统中,根据设备运行参数的变化调整分类过程,准确判断故障及其位置。实验结果表明,LM-BP神经网络较传统BP神经网络能更精确地诊断机床运行中伺服系统的故障和预测机床运行中伺服系统出现的故障类型。     

过程控制中被控对象神经网络模型的设计

根据控制过程的特点提出了一种新的动态系统辨识方法 将输入、输出信号、滤波后的数据用于训练静态前向神经网络 ,辨识出控制系统工作点处一线性动态模型的参数 ,从而预测过程的输出 文中详细论述了设计方法及算法原理 ,并通过试验对比表明 ,这种模型精度高、计算量少 ,对噪声不敏感 ,特别适用于运行过程复杂、干扰因素多、非线性控制系统的动态辨识     

基于高阶神经网络扩展卡尔曼滤波器算法的非线性动态系统辨识

针对非线性动态系统辨识 ,采用高阶神经网络和径向基函数网络相结合的方法 ,神经网络的连接权值可作为系统的未知参数 ,用扩展卡尔曼滤波器 (EKF)算法来估计 ,确保了该方法的快速收敛 .具体模型的仿真结果表明该方法能快速收敛 ,并能方便的用于在线辨识 .     

基于人工神经网络的脂肪醇闪点预测

建立了一个基于人工神经网络方法的定量结构-性质相关性(QSPR)研究模型,用于预测脂肪醇闪点。根据脂肪醇的分子结构特征,提出一组拓扑指数作为表征脂肪醇分子结构的分子描述符。同时引入具有高度非线性预测能力的误差反向传播人工神经网络方法,以分子结构描述符作为神经网络的输入参数,闪点作为输出,研究脂肪醇的闪点与分子结构之间的相关性。模拟结果表明,闪点预测值与实验值符合良好,优于传统基团贡献法所得结果。该方法不仅能够预测脂肪醇闪点与分子结构之间的定量关系,而且为工程上提供了一种预测有机物闪点的新的有效方法。     

CP神经网络在机械故障模式识别中的应用

机械设备状态监测与故障诊断技术是保证机械设备安全稳定运行的一项重要措施。由于机械设备结构越来越大型化和复杂化 ,依靠人自身的经验和能力难以判断其征兆与故障之间的关系。随着计算机技术在各个领域的应用 ,智能型的自动监测与诊断技术在机械设备中得到了广泛应用。根据几种典型神经网络特点 ,选择了CP神经网络作为机械故障模式识别器。以大型机组典型故障的频率域特征参数作为网络的训练样本 ,对CP网络进行了训练 ,再将实际的一组频率域特征参数输入到模式识别器中 ,对故障类型进行识别。结果表明 ,以CP神经网络构筑的故障模式识别器有很强的非线性映射能力 ,可对机械设备故障模式进行正确分类。     

基于BP神经网络的大跨高空连廊应变监测数据恢复

为了解决大跨高空连廊吊装阶段性态监测中应变监测数据存在缺失的问题,利用BP神经网络进行数据恢复。首先基于相关性分析,选择与数据缺失监测点应变值相关性最强的5个监测点作为参考点;然后利用未缺失时间段内待恢复监测点和参考点的应变数据进行建模和检验,一半数据用来建立BP神经网络模型,一半数据用来进行模型的检验;最后利用建立的模型对缺失的数据进行恢复,得到了完整的应变监测数据。利用得到的恢复数据与参考点数据在缺失段内的相关系数对数据恢复的效果进行了评价。结果表明：该方法可有效地恢复缺失的应变监测数据。     

一种基于BP神经网络的传感器故障诊断方案

针对传感器故障,提出了一种BP网络和修正的Bayes分类算法(MB)的集成故障诊断方法.用BP神经网络建立传感器故障模型,对系统的状态和故障参数进行在线估计,再用修正的Bayes算法进行传感器故障的在线检测、分离和估计.对连续搅拌釜式反应器(CSTR)的仿真结果表明,该集成故障诊断方法能够对传感器故障进行快速准确的分离和估计,并对传感器故障具有容错性.     

反馈神经网络对非自治的非线性离散系统的近似能力

人工神经网络理论是解决非线性问题的有力工具。章研究了离散型反馈神经网络模型的建立，基于带有输入的非线性离散系统的输出可以被一类反馈神经网络输出神经元的状态向量任意逼近，笔将已有的反馈神经网络近似非线性离散系统的能力从定常系统推广到时变系统，对反馈神经网络近似非线性离散系统的能力进行了扩展研究，针对于更普遍的非自治的非线性离散系统，证明了它们在有限时间段内的输出轨迹可以被反馈神经网络输出神经元的状态向量近似到任何程度。     

一种基于RBF神经网络的非线性PCA故障检测方法

针对传统PCA(主元分析)故障诊断方法在非线性过程应用中存在的缺点,提出了一种基于RBF(径向基)神经网络的非线性PCA故障检测方法。首先,提出一个由两个RBF网络构成的非线性统计模型,其中第一个网络用于建立输入变量到主元的非线性映射,第二个网络实现逆映射来重构原始数据。其次,用主元曲线算法来解决网络训练数据的获取问题。最后,给出了使用基于RBF网络的非线性PCA方法进行故障检测的步骤,并通过一个三阶非线性系统的仿真实例验证了该方法的有效性。     

基于蚁群算法的多层前馈神经网络

反向传播算法是神经网络中应用广泛的一种多层前馈神经网络模型．但算法有求解精度低、搜索速度慢、易于陷入极小的缺点．蚁群算法是一种新型的模拟进化算法，有正反馈、分布式计算、启发性收敛等特性．这些特性使得解题过程加快，易于实现分布式计算．将蚁群算法和神经网络相结合起来，实现了非线性模型的辨识问题及倒立摆的控制．仿真实验表明：用蚁群算法训练神经网络，可兼有神经网络广泛映射能力和蚁群算法快速全局收敛的性能．