融合模型基残差分析与数据驱动的气路故障诊断方法研究

为了提高气路故障诊断方法的可靠性,研究聚焦传感器测量噪声、个体差异和性能衰退等不确定性因素影响,导致气路故障诊断方法虚警率过高,无法实现工程应用的问题,开展了融合模型基残差分析与数据驱动的气路故障诊断方法研究;为此,构建了基于发动机模型分析偏差与卷积神经网络建模理论融合的气路故障诊断架构,在建模过程中充分考虑了传感器测量偏差、个体差异和性能衰退等不确定性因素对气路故障诊断结果的影响,据此形成了融合模型基残差分析与数据驱动的气路故障诊断方法;随后,结合多种飞行轨迹和进气条件开展数值模拟分析验证研究,对形成的气路故障诊断方法的虚警率进行了定量验证分析;结果显示,研究提出的融合模型基残差分析与数据驱动的气路故障诊断方法可在多种不确定性因素存在时,提供满意的故障诊断精度,具有工程应用的潜力。     

基于随机森林方法的地铁车门故障诊断

针对现有地铁车门故障诊断方法存在的诊断速度慢以及大量故障检修数据未得到合理利用等问题,提出一种基于信息增益率的随机森林故障诊断方法.该方法将地铁车门历史故障数据集转化成决策表,通过Bootstrap重抽样,建立多棵基于信息增益率的决策树,形成随机森林故障诊断模型,实现地铁车门故障的快速诊断.且随着故障数据的增加,其故障诊断模型可以自动更新完善.通过地铁车门实际故障数据,验证了该方法的有效性.同时,通过对随机森林模型中决策树的数目讨论分析,确定了该方法模型的最优设计结构.     

基于趋势分析和SDG模型的故障诊断

基于趋势分析的故障诊断受数据影响较大,基于定向符号图(signed d irected graph)模型的故障诊断难于建模和推理,而两者结合以提高故障诊断效果的方法还未被考虑.本文将趋势分析的趋势信息和SDG模型的节点信息进行了比较,阐明了两者信息互补的特点,然后利用趋势分析建立SDG模型,并利用SDG模型改进基于趋势分析的故障诊断,建立了数据驱动方法和基于模型方法相结合的故障诊断方法.CSTR(continuous stirred-tankreactor)实例分析表明,基于趋势分析和SDG模型的故障诊断方法提高了诊断的准确性和精确性.     

数据驱动系统方法概述

阐述了关于数据驱动系统方法的几点思考. 文中简要地探讨了以下三个主要问题: 离线数据与在线数据处理方法之间的演变关系, 数据驱动方法与基于模型的方法之间的优势互补关系, 以及数据驱动系统方法的前景. 在现有的知识和研究水平下给出数据驱动系统问题的解决方法是不切实际的. 针对控制、决策、调度和故障诊断, 本文的目的是对这四个领域的数据驱动方法问题进行归纳与分类, 并探讨可行的、有潜力的研究方向.     

概率神经网络故障诊断的粗糙集优化方法

针对径向基概率神经网络故障诊断输入量过多会影响网络学习效率的问题,提出了一种基于粗糙集的概率神经网络故障诊断优化方法.该方法用模糊C均值聚类将故障诊断训练数据离散化,使用粗糙集化简由输入输出属性构成的决策表,利用约简后的输入量重新构建神经网络故障诊断模型,使原有模型得到优化并以柴油机故障诊断为例说明该方法的有效性.     

复合故障诊断技术综述

复合故障诊断是故障诊断技术中的难点问题,因为实际工程和复杂系统中多个故障经常存在.本文对复合故障的故障机理、表现形式、诊断思路进行了概述.将故障模式识别存在多输出可能性的求解问题定义为复合故障诊断的科学问题.分析了复合故障诊断的难点.讨论了复合故障的研究现状,按照基于解析模型、基于定性经验、数据驱动的分类方式分别对现有的典型诊断方法和相关技术进行了综述,指出了这些方法的适用范围和优缺点.并探讨了复合故障诊断技术的发展方向.     

逆变器开关管故障诊断方法综述

逆变器作为电机驱动系统的核心部分,其安全性和可靠性对电机驱动系统的正常运行甚至整个系统的运行是至关重要的。针对逆变器开关管故障,文中主要从基于解析模型、基于信号处理和基于数据驱动三个方面对现有逆变器开关管开路故障诊断方法进行了综述,具体叙述了各种逆变器故障诊断方法的原理,并从这些方法的应用系统、诊断时间、算法实现难易和可靠性等角度对各种方法进行对比,突出了各自的优缺点。最后探讨了今后逆变器开关管故障诊断方法的研究难点和方向。     

基于一种改进的云神经网络涡扇发动机故障诊断

在基于数据驱动的涡扇发动机地面定检系统中,为了提高航空发动机的故障诊断性能,提出一种改进的基于云神经网络的航空发动机故障诊断方法;首先,把云模型和BP神经网络相结合,得到进行故障诊断与检测的模型结构,然后用余弦式改进自适应遗传算法并对网络模型进行优化,得到改进后的云神经网络模型;通过对实际数据的实例仿真表明,该方法对于航空发动机地面稳态的故障诊断是可行的,并且提高了故障诊断系统的诊断精度。     

基于Teager能量谱和卷积神经网络的滚动轴承故障诊断

在智能制造环境下,针对滚动轴承在变负载驱动环境下特征提取难、故障诊断准确率低的问题,提出基于Teager能量谱和卷积神经网络的滚动轴承故障诊断方法.将不同负载驱动下的多种故障振动信号,通过计算Teager能量算子之后进行快速傅里叶变换,绘图得到Teager能量谱图,形成数据集.使用数据集训练改进的卷积神经网络,得到滚动轴承的故障诊断模型,并通过该模型进行故障诊断.经过实验验证,在变负载驱动环境下,使用Teager能量谱图进行故障诊断结果优于使用原始信号时域图和频域图,轴承不同故障的诊断准确率达到93.35％,同时方法使用卷积神经网络解决了人工提取特征不全面、诊断效率低的问题,具有一定的实用性.     

一类基于类别区分的多重故障诊断模型框架

多重故障诊断是故障诊断和容错控制技术中的重难点问题.本文关注数据驱动故障诊断,以基于知识的方法为基本思路,按照故障表现及征兆的组合形式分析了多重故障和征兆之间的映射关系,将多重故障诊断转化为一类由各个组成故障对应于征兆数据集合的类划分问题.在已有应用于故障诊断的分类和聚类方法的基础上,分析了4种基于类别区分的多重故障诊断模型框架.并讨论了其优缺点和适用的类别区分算法.     

基于HsMM的系统在线故障预报

针对故障预报中系统剩余寿命难以精确估计的问题,提出基于隐半马尔可夫模型(HsMM)的系统在线故障预报方法.首先重新设计HsMM模型结构,利用模糊c均值聚类(FCM)方法化连续取值的系统输入输出变量为有限集合内取值,简化了建模计算过程.在实现对故障检测的同时,利用模型的状态驻留参数估计系统的剩余寿命,从而实现系统的故障预报.利用连续搅拌反应釜(CSTR)模型进行仿真验证,在输入输出数据含有噪声的情况下,较准确地估计,系统的剩余寿命,从向表明了方法的有效性.     

基于多模态进化Rao-Blackwellized 粒子滤波器的 移动机器人航迹推算系统的故障诊断

针对一类移动机器人航迹推算系统的故障诊断问题, 提出一种多模态进化Rao-Blackwellized 粒子滤波
器(MERBPF) 算法. 为解决由粒子贫乏引起的不一致性问题, 采用交叉与变异种群策略优化, 根据粒子多样性加入扰
动因子. 利用专家规则判定机器人运动状态所对应的MERBPF, 构造复杂逻辑表述方法. 仿真实验结果表明: 在强过
程噪声下, MERBPF 仍具有较高的鲁棒性, 提高了诊断机器人航迹推算系统的准确率.

     

基于“非伪”理论的非完整移动机器人轨迹跟踪控制

"非伪"控制是一种基于数据驱动的无模型控制方法,它根据输入-输出数据进行在线学习,计算与当前系统状态相匹配的控制量并作用于系统,以获得系统所要求的动静态品质,并以此检验系统是否满足该性能指标.基于"非伪"控制理论,研究了移动机器人的轨迹跟踪控制问题.根据非完整移动机器人的动态方程,采用"非伪"控制,直接作用于移动机器人的控制输入,使移动机器人能快速、准确地跟踪期望轨迹.     

基于分布式传感器信息融合的辐射源识别

针对辐射源识别中基本概率赋值函数(BPAF)获取的难题,提出基于模糊集、灰关联分析和特征参数相似度的3种BPAF获取法,推演了获取BPAF的数学关系,建立了基于分布式传感器数种基本概率赋值获取法的信息融合辐射源识别模型,利用该模型进行了识别实验.识别过程中进行了多周期时域融合与分布式传感器窄域融合,并在不同信噪比下与模板匹配法作识别率比较.实验对比结果表明,分布式传感器信息融合识别法是有效的,辐射源平均识别率超过90%.     

一类仿射型非线性系统智能故障诊断

针对一类仿射型非线性系统,在状态不完全可观测的条件下,研究其智能故障诊断问题.首先,利用微分同胚,提出系统观测器设计问题;然后针对该系统提出基于RBF神经网络逼近故障特性函数的故障诊断方法.所设计的观测器不仅能保证观测器稳定,而且通过观测误差信号识别系统故障的发生,保证了故障检测算法的鲁棒性和故障系统的稳定性;同时该设计方法对于设计常规的高增益观测器有一定帮助.最后通过仿真示例表明了所设计方法的有效性.     

移动机器人路径规划技术综述

智能移动机器人路径规划问题一直是机器人研究的核心内容之一.将移动机器人路径规划方法概括为:基于模版匹配路径规划技术、基于人工势场路径规划技术、基于地图构建路径规划技术和基于人工智能的路径规划技术.分别对这几种方法进行总结与评价,最后展望了移动机器人路径规划的未来研究方向.     

基于蚁群算法的小波降噪双阈值优选方法

将相关性分析方法和阀值降噪方法相结合,提出了一种基于蚁群算法的小波降噪双阙值优选方法.首先根据噪声的分布特点确定合理的寻优区间;然后根据信号和噪声的小波系数自相关系数的不同特点确定优化日标函数;最后利用蚁群算法在寻优区间内搜索最优上下阈值.仿真和压缩机振动故障检测的实际应用表明,该方法能够选掸最优降噪阈值,有效去除噪声...     

无人机三维编队飞行的鲁棒H∞控制器设计

针对无人机编队控制中模型不确定性与外干扰同时存在的情况,首先基于无人机自身的自动驾驶仪和编队运动学关系建立了无入机编队的三维数学模型,这种建模方式物理意义明晰;进而提出一种基于鲁棒H∞控制理论的编队控制器设计方法,按前向、侧向和垂直方向3个通道分别设计控制律,降低了鲁棒控制器的调参难度,简化了三维编队控制问题.仿真结果表明了所设计的控制器的有效性,可实现无碰撞、快速、稳定地保持和调整无人机编队队形,具有良好的鲁棒性能.     

一种基于差分进化算法的多模型建模方法

针对非线性系统的多模型建模问题,基于差分进化算法提出了一种优化建模方法.从系统的输入输出数据出发,将样本空间分割与局部模型建立相结合,首先将PWA辨识问题转化为MIQP问题;然后采用自适应混沌差分进化算法对模型数量及模型参数同时优化;最后利用支持向量基求取分割曲面方程.仿真结果表明,该方法能以最优的线性子模型集准确地逼近非线性系统.     

基于施蒂费尔流形和线性优化重采样的粒子滤波器

为了解决粒子退化问题,提出一种基于施蒂费尔流形和线性优化重采样的粒子滤波算法.将系统模型置于施蒂费尔流形之上,采用朗之万分布描述过程转移概率分布,用矩阵正态分布表示似然函数分布,从而得到一种较为通用的重要性概率密度函数选择方法;同时,将重采样中抛弃的粒子与复制的粒子按照一定的线性组合方式产生新粒子.仿真结果表明.该算法具有较高的滤波效率、滤波精度和较强的滤波鲁棒性.