变工作点非线性系统的故障诊断方法

提出了一种关于变工作点非线性系统故障诊断研究的新方法,将此类非线性系统用变参数线性系统表示,其中模型参数为可测量工作点及故障的函数。基于基函数神经网络,运用带“遗忘因子”递推最小二乘法估计系统模型参数。此外引入“参考工作点”这一新概念。预先训练出系统在各工作点健康运行时相对于参考工作点运行时的模型参数变化量,当系统在任意工作点运行且出现故障时,可将系统工作点变动和故障发生这两者造成的影响区分开来,然后根据故障诊断决策规则确定故障种类。最后,在某位置伺服系统故障诊断研究中证实了这种方法的有效性。     

动态激励下的非线性电阻网络软故障诊断

针对非线性电阻网络软故障、多故障诊断问题,提出了一种基于动态激励的软故障诊断方法.通过解轨迹多项式拟合导出非线性电阻网络动态响应的多项式模型,分析了多项式系数在故障诊断方面的性质;在递推最小二乘(RLS)方法估计多项式系数的基础上,导出基于解轨迹多项式系数的故障诊断方程.该方法不仅具有软故障、多故障分析能力,而且具有实时性好,分析动态范围大等特点.最后,通过仿真实例说明该方法的有效性.     

非线性二端口网络的线性化

本文通过对小信号作用下的非线性电阻元件的函数解析式,将压控型和流控型器件用含受控源等效电路来模拟相应特性。分析非线性双口电阻网络线性化等效电路的模型。该模型用四个导纳来等效,这些导纳是通过函数在工作点附近作泰勒级数展开,略去高阶项用偏导数求得。并通过实际电路演示计算过程,分析和计算简便。     

非线性电阻网络的多故障诊断

本文提出一种非线性电阻网络的多故障诊断方程。这种诊断方程是线性的,类似于线性网络的T.N.Trick 故障诊断方程。     

一种新的模拟故障诊断法和实验性的诊断系统

本文提出了一种诊断电阻网络故障的新方法。通过仅测量节点电压,即可导出二次非线性诊断方程(组)。利用等效电阻的概念,本文首次提出了一个非线性电阻网络诊断方法。基于本文方法,作者研制了一台实验性的模拟故障诊断系统,该系统能准确地诊断出线性电阻网络中任何故障。     

分段线性电阻网络的一种节点分析法

分段线性电阻器的状态模型是表征其分段线性特性的一种有效形式。本文提出一种用节点分析建立分段线性电阻网络状态摸型的方法,并讨论了用此模型求分段线性电阻网络的工作点,DP 图和 TC 图。     

基于曲线求交算法的非线性电阻电路数值计算

针对非线性电阻电路,在电阻的伏安特性由测试数据点给出时,提出了一种求静态工作点数值解的算法.用三次样条重构非线性伏安特性,以直线与样条曲线求交算法为核心,通过逐次等距剖分搜索出工作点的精确值.给出了模拟算例和实测电路,用该算法得到的工作点与模拟结果和实测结果均一致,并能以很低的计算复杂度快速收敛于指定精确度的解.是一种高效、实用的求解方法.     

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。     

含有非线性电阻的动态电路唯一稳态的λ参数判定法

非线性电路的唯一稳态,是一个很重要问题.目前已有的绝大部分成果,只能处理电路中含有线性电阻的情况.虽然个别结果理论上可以扩展为非线性的情形,但由于其应用的复杂性,在实际应用中并无多大的价值.然而在大量的工程应用和理论研究中,非线性电阻是普遍存在的元件.因此研究和确立含有非线性电阻的电路网络的唯一稳态的条件,具有重要的意义.由于该课题的研究,已进行了近30年,已有的成果也相当成熟.所以要进一步推广原有经典结果,就要采用与已有研究不同的方法.以元件成分关系斜率变化区间对应的常数矩阵为基础,通过引入一个参变量构造出多个新的矩阵.通过对这些包含参变量的矩阵分析,从而确定原电路的唯一稳态.结果可以很方便地处理含有非线性电阻的非线性网络的唯一稳态问题.扩展了已有的经典结果.     

基于RBF神经网络的光纤陀螺漂移误差辨识

漂移是存在于光纤陀螺系统中使得输出信号产生较大偏置误差的一种不可忽略因素.漂移信号具有非线性、随机性和易受干扰的特点,准确地辨识漂移并有效地对其进行补偿直接关系到惯性导航系统的测量精度.提出采用多尺度小波分析和RBF神经网络两个模型对漂移误差进行辨识,可以有效提高辨识精度.应用多尺度小波分析方法消除高频噪声,改善信噪比,把消噪信号作为神经网络期望输出,然后利用离线事先学习的RBF网络辨识漂移误差,并且采用带有遗忘因子的梯度下降算法来确定RBF神经网络隐含层基函数的中心位置、宽度和输出层权值的大小.仿真结果表明,该方法可以快速、有效、高精度地辨识并补偿漂移误差.     

容错飞控系统故障隔离与自适应重构设计

容错飞控系统的关键技术就是进行实时故障隔离与重构控制. 结合最优控制和多模型自适应控制的优点, 提出一种基于多模型自适应最优二次型的容错飞控系统设计算法, 该算法建立在多个辨识模型和模型跟随最优二次型控制器的基础上. 首先根据作动器故障参数模型, 设计一系列并行的基于线性二次型估计的辨识模型, 每个模型对应一种故障;然后对应于每个辨识模型建立一个模型跟随最优二次型调节器;最后根据多模型切换控制原理对飞控系统进行实时故障隔离与重构. 应用某型飞机横侧向飞行控制系统进行了仿真, 结果表明: 在舵面严重受损的情况下, 飞机仍能保持良好的性能.     

基于新型ESF的一类非线性系统故障滤波方法

针对传统非线性系统故障诊断方法中存在的线性化误差、滤波发散等问题,对一类含有测量噪声及执行器时变故障的非线性系统研究一类新的故障诊断方法。通过将系统的非线性动态及故障扩张为一新的状态,构造一种可用于故障诊断的扩张状态滤波器,并在此基础上推证出增广系统渐进稳定的充分条件,给出具有鲁棒H_∞性能的故障诊断滤波器设计方法,同时借助于原系统中已知的非线性动态,对滤波后的新扩张状态进行故障分离,实现对故障的滤波及诊断。用该方法对具有测量噪声的典型非线性系统Van der pol振荡器,在分别发生恒值和时变故障情形下进行仿真研究。结果表明,所提方法能较好地解决含噪非线性系统的滤波及故障诊断问题。     

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。     

基于模型的执行器故障诊断

为依据执行器的动态特性分析，实现执行器设备故障的在线诊断与分离，在机理分析的基础上建立起执行器完整的非线性动态数学模型，由执行器工作过程中的实测信号和模型计算获得残差实现故障的在线诊断，通过残差的变化及其组合情况分析完成故障分离.实验结果表明，利用动态机理模型计算得到的阀位、薄膜气室压力的理论计算值和实测值进行残差分析，可以准确及时地诊断与分离出如阀体阻塞、填料函磨擦力增大、薄膜或气路接头破损、气源压力下降、弹簧老化等执行器主要的内在故障.     

模拟电路故障的支持向量机集成诊断新方法

为了解决支持向量机应用于多类别模拟故障诊断时泛化性能较低导致诊断精度难以提高的问题,提出了一种基于支持向量机集成的模拟电路故障诊断新方法.首先,通过将本次迭代中不可分区域的样本加入训练集来构造下一次迭代的训练集,以提高基分类器间的差异性;然后选择分类精度不低于平均分类精度的基分类器进行集成,以提高整体诊断精度.实验表明,该方法应用于线性及非线性模拟电路均取得了良好的诊断效果.     

Deep Multimodal Learning and Fusion Based Intelligent Fault Diagnosis Approach

Industrial Internet of Things(IoT) connecting society and industrial systems represents a tremendous and promising paradigm shift. With IoT, multimodal and heterogeneous data from industrial devices can be easily collected, and further analyzed to discover device maintenance and health related potential knowledge behind. IoT data-based fault diagnosis for industrial devices is very helpful to the sustainability and applicability of an IoT ecosystem. But how to efficiently use and fuse this multimodal heterogeneous data to realize intelligent fault diagnosis is still a challenge.In this paper, a novel Deep Multimodal Learning and Fusion(DMLF) based fault diagnosis method is proposed for addressing heterogeneous data from IoT environments where industrial devices coexist. First, a DMLF model is designed by combining a Convolution Neural Network(CNN) and Stacked Denoising Autoencoder(SDAE) together to capture more comprehensive fault knowledge and extract features from different modal data. Second, these multimodal features are seamlessly integrated at a fusion layer and the resulting fused features are further used to train a classifier for recognizing potential faults. Third, a two-stage training algorithm is proposed by combining supervised pre-training and fine-tuning to simplify the training process for deep structure models. A series of experiments are conducted over multimodal heterogeneous data from a gear device to verify our proposed fault diagnosis method. The experimental results show that our method outperforms the benchmarking ones in fault diagnosis accuracy.     

基于核主元分析和模式匹配的非线性性能监控和故障诊断

利用核主元分析非线性性能监控的优势,并将相似度分析引入故障诊断领域,提出了基于核主元分析和模式匹配技术相结合的性能监控和故障诊断方法。针对PCA相似度分析存在的问题,对该方法进行了改进。由于KPCA方法具有较好的非线性特性提取能力,因此首先利用KPCA法计算数据的非线性主元,然后计算不同数据集之间的非线性主元相似度;并将主元相似度、非线性主元相似度和基于距离的相似度赋予不同的权值构成综合相似度指标来进行模式匹配。TE过程仿真试验验证了该方法在非线性性能监控与故障诊断中的有效性。     

基于Backstepping SISO不确定非线系统模糊自适应鲁棒容错控制

针对一类单输入单输出非线性系统提出了自适应模糊故障检测及将backstepping技术与模糊控制相结合设计容错控制器的方法。首先,应用模糊逻辑系统设计故障估计器,在线估计系统故障向量,实现故障检测：在此基础上,引入补偿控制器,消除故障对系统运行的影响,从而实现容错控制。通过理论分析证明了跟踪误差收敛到一个小的残差集内。仿真结果表明了该方法的有效性。