线性机与粗糙集综合聚类的铣刀破损状态识别

在铣刀状态识别中，为更好地拟合训练样本数据，采用了线性机和粗糙集结合的算法，对训练样本数据进行监督学习，得到了刀具状态分类规则。样本训练的计算简单，分类规则得到简化，样本的分类正确率高，表明应用该算法可较好地获得刀具状态识别规则。     

基于LE和DBN算法的轴承故障信号特征提取及诊断

为了提高机械传动系统的运行稳定性,提出了一种基于半监督拉普拉斯特征映射(semisupervised laplacian eigenmap, SLE)和深度置信网络(deep belief network, DBN)算法的故障信号特征提取方法。选择SLE算法提取高维振动信号的流形参数,在DBN内输入流形学习数据实现特征数据二次挖掘的过程,完成不同故障的分类。研究结果表明:采用SLE-DBN模型进行处理时达到了比其余模型更优性能。采用SLE算法可以显著缩短SLE-DBN组合模型运算时间。训练集样本进行识别得到的准确率接近100%,表明模型能够对训练数据起到良好的拟合效果。SLE算法相对MCA与PCA算法表现出了更优特征提取性能,当设置合适参数时可以获得近100%的准确率。当有标签样本数量介于60～120时,DBN网络相对CNN网络表现出了更优分类性能。SLE-DBN模型对于别轴承故障诊断方面都达到了理想分类精度以及实现快速识别的要求。     

PCA-SAE的齿轮箱故障诊断方法研究

针对因长时间的信号采集使得振动信号面临数据量大的问题。传统的信号分析方法,已无法解决大数据情况下故障的特征提取与分类,同时采集到的数据样本具有多维度多样本的情况,导致训练网络时在前期导入数据阶段耗费大量时间与硬件的内存,并且会导致网络训练中产生过拟合现象,影响分类准确率。针对以上问题本文提出基于主成分分析与堆叠自动编码机相结合的齿轮故障诊断研究,以实现对齿轮振动信号快速准确的特征提取与分类。首先对原始信号进行主成分析,得到各主成分贡献率,其次,选取主成分贡献率高的前几列作为深度学习网络输入样本。最后深度学习网络即堆叠自动编码机网络对训练数据集进行学习提取数据中的特征并应用测试数据集部分进行分类并计算分类的准确率。最终,实验中将所提深度学习方法与传统的特征提取方法和分类方法进行比较最终识别精度进行比较。实验结果表明本文所提方法最终可以达到98.6%的准确率,实现端到端的故障诊断方法,可以很好的应用于故障诊断领域。     

基于改进层次基本熵融合SMA-SVM模型的轴承故障诊断方法

针对煤矿机械轴承的故障特征提取和故障状态识别问题，提出了改进层次基本熵(IHBSE)特征提取融合黏菌优化(SMA)—支持向量机(SVM)分类模型的煤矿机械轴承故障诊断方法。首先，引入了能够同时分析信号低频和高频信息的IHBSE方法，并将其用于捕捉不同状态下，煤矿机械轴承振动信号中的多维故障特征，构建了特征向量；然后，采用具有优异全局寻优性能的黏菌算法，对支持向量机的惩罚系数和核函数的最佳值进行了搜索，提出了黏菌算法—支持向量机(SMA-SVM)模型；最后，利用部分特征样本对诊断模型进行了训练，并采用训练完毕的具有最佳参数的SMA-SVM分类器，进行了轴承故障类型和严重程度的判断。研究结果表明：所提出的煤矿机械轴承故障诊断方法可以有效地识别煤矿机械轴承的运行状态，分类准确率达到了1,而在多次实验下的平均准确率也高于0.98,对实际工程应用具有一定的参考价值。     

基于VMD形态梯度谱与BAS-RF的变压器绕组松动诊断

为有效提取变压器振动信号中的绕组状态信息,提出一种基于变分模态分解（variationalmode decomposition,简称VMD）、形态梯度谱的特征提取,采用天牛须搜索算法优化随机森林（beetle antennae searchrandom forest,简称BAS-RF）识别绕组松动状态的诊断方法。首先,将实测变压器振动信号经VMD分解得到若干个模态分量;其次,计算多个尺度的形态梯度谱以形成初始特征样本集,为防止维数灾难,使用主成分分析法对初始特征样本集进行降维处理;最后,利用天牛须搜索算法对随机森林中决策树的个数和树的深度进行寻优以构造分类器模型,实现对变压器绕组松动状态的识别。实验结果表明,该方法能有效提取变压器绕组松动故障特征信息,且具有优良的抗噪性能,构建的BAS-RF模型具有较高的识别准确率和识别速度。     

基于轴箱振动与动力学模型驱动的高速列车车轮失圆状态识别方法

针对高速列车车轮失圆识别难以兼顾效率与精度问题,提出一种基于轴箱振动与动力学模型的高速列车车轮失圆状态智能识别方法。首先,利用静态检测设备采集车轮非圆原始数据,提出一种数据增强技术构建车轮非圆增强数据集。其次,将增强数据集输入至高速列车车辆—轨道耦合动力学模型,获取车轮不同失圆状态下轴箱振动样本集。最后,通过构建恰当结构与配置参数的一维卷积神经网络(1-dimensional convolutional neural network,1-DCNN),可对轴箱振动信号进行自适应特征提取,实现对车轮失圆状态的智能识别分类。结果表明：提出的车轮失圆状态智能识别方法能实现正常车轮、多边形车轮、擦伤车轮、随机非圆化车轮与局部缺陷车轮5类车轮失圆状态的智能分类,准确率达99.2%(标准差为0.05),且单个样本平均识别耗时为0.4 ms。结合现场试验,所提方法对实测轴箱振动具有较好识别能力,测试精度为95%。与经典的SVM和BP神经网络相比,1-DCNN模型具有更高的识别准确度。     

基于总体局域均值分解及稀疏表示分类的天然气管道泄漏孔径识别

针对天然气管道泄漏受孔径、传感器距离、管道内压力等多种因素影响,特征提取及识别算法较为复杂的问题,提出了基于总体局域均值分解-相对熵的特征提取算法并结合稀疏表示分类的泄漏孔径识别新方法。该方法采用总体局域均值分解方法对泄漏信号进行自适应分解,得到不同孔径泄漏信号的特征信息,并根据KL散度选择包含主要泄漏信息的PF分量,在此基础上提取多种时频特征参数,获取全面准确表征泄漏信号的特征向量;针对小样本复杂信号的分类,提出稀疏表示分类器实现泄漏孔径准确分类。该分类器采用过完备字典求得测试信号的最稀疏解,并以此解作为测试信号的稀疏重构系数,以获取测试信号在不同类别中的重构信号,最终通过判断测试信号与重构信号的残差值大小完成泄漏孔径分类。实验结果表明,所提出的算法比传统的SVM及BP分类算法识别准确率高。     

基于图像处理及特征提取的保护回路压板状态识别与判断

针对二次回路保护压板状态判别困难以及错误率较高的现象，提出了基于图像处理及特征提取的保护回路压板状态识别与判断方法。针对二次回路压板的定义以及状态判据进行了分析，提出了利用直觉模糊C均值聚类方法对红外图像进行分割，得到最佳隶属度和聚类结果。利用聚类后的图形进行特征提取，利用基于方向梯度直方图的方法对特征进行分析，并利用支持向量机选择关键的样本信息进行分类，最终实现压板状态对比和判断。利用仿真分析说明了所提方法的有效性和适用性。     

基于Mixup数据增强的CNN-GRU深度学习电火花线切割放电状态识别

针对电火花线切割放电状态识别中，数据集样本较少导致训练模型准确率不高的问题，提出基于Mixup数据增强的CNN-GRU网络算法。该算法首先使用Mixup数据增强对原始的电火花波形数据进行数据增强，通过线性插值对数据进行混合，得到新的扩容之后的数据集；随后使用增强的数据集训练CNN-GRU模型，并用该模型进行分类。经实验表明，使用Mixup数据增强的CNN-GRU模型能有效的识别出数据中的“时序特征”与“局部特征”，且模型的准确率达到了96%。     

基于半监督稀疏鉴别嵌入的高光谱遥感影像分类

为了有效利用已标记与未标记样本提高高光谱遥感影像分类精度,提出一种新的半监督流形学习方法——半监督稀疏鉴别嵌入算法(SSDE)。该算法结合了近邻流形结构及稀疏性的优点,不仅保留样本间的稀疏重构关系,而且通过引入少量有标记的训练样本以及大量无标记训练样本来获得高维数据的内在属性以及低维流形结构,实现鉴别特征提取,提高分类精度。在Washington DC Mall和Indian Pine数据集上的分类识别实验表明,该算法能够较为有效地发现高维空间中数据的内蕴结构,分类性能比其他算法有明显的提升。在随机选取8个有类别标记和60个无类别标记的数据作为训练样本的情况下,本文提出的SSDE算法在上述两个数据集上的分类精度分别达到了77.36%和97.85%。     

无人机飞控系统故障仿真及数据生成

为解决由于无人机故障数据缺乏且无故障标签而造成的无人机故障诊断、健康管理等工作开展困难的难题,提出了一种基于飞行控制系统仿真模型的全数字仿真的故障数据生成方法。详细分析了执行机构和传感器的故障模式及对应的数学模型。在明尼苏达大学无人机模型上,进行故障注入与故障仿真,生成故障数据,同时分析了不同故障类型、注入节点和幅值大小对故障数据生成的影响,总结了一套基于仿真模型生成故障数据的方法。所提出的方法利用了数字仿真操作简单,故障注入方式灵活、无人机机理表现充分等优点,可方便模拟无人机实际飞行过程中故障发生时间及故障模式的随机性,对改善目前无人机故障诊断领域缺少有效故障数据的现状具有重要意义。     

飞行试验中转子故障模式的模糊识别方法

故障模式的识别是工程实际中进行故障诊断的一个难点,对此提出了将模糊方程应用于飞行试验中航空发动机转子故障模式识别的方法.简要介绍了模糊方程的基本原理,根据飞行试验的工程特点,定义了故障模式和故障特征向量,建立了隶属度矩阵.最后利用实测飞行故障数据对该方法进行了验证并取得了良好的效果.     

基于过采样投影近似基追踪的无人机异常检测

针对无人机飞行模式切换导致飞行数据在线异常检测准确率低的问题,提出基于过采样投影近似基追踪(OSPABP)的在线异常检测框架。首先利用滑窗和Z-score变换消除飞行数据流量纲,并抽取相关的飞行数据子集;然后过采样当前时刻子集的输入数据,放大异常数据对数据子空间的影响,并通过在线估计和追踪匹配过采样后数据子空间的投影近似基方向变化,从而判断子集实时输入数据的异常程度。同时该方法还可抑制飞行模式切换对异常检测效果的影响。采用Flight Gear模拟飞行数据和明尼苏达大学真实无人机飞行数据的实验结果表明,所提出方法对飞行模式切换敏感度低,可明显降低异常检测的误检率,并有效提高检测准确率。此外,算法的计算和存储复杂度均可满足机载处理要求。     

基于改进平衡优化算法的多无人机网络覆盖技术

针对通信受限区域网络覆盖优化问题,提出一种改进平衡优化算法,提高多无人机编队飞行网络覆盖率。分析无人机网络覆盖特性,对多无人机进行网络覆盖面积建模,完成无人机数量预估;采用随机反向学习机制生成平均初始种群个体,提高了平衡池候选解的样本分布;对候选解采用莱维飞行方法进行优化迭代,提高了算法的收敛速度;并引入非线性递减的变种群数量策略,动态调整平衡算法的粒子数量,有效地提升了算法的计算效率。设计算法仿真样例,仿真结果表明,所设计的改进型算法比传统的平衡优化算法迭代次数减小近50%,同时目标区域的网络覆盖率得到显著提升。     

柔性双臂医疗机器人无传感器零力控制算法研究

提出了一种无传感器零力控制算法,来实现机器人的牵引示教功能。首先,根据机器人的结构特点建立机器人动力学模型;其次,将采集的混杂有高频噪声的驱动器数据进行滤波得到了可供辨识使用的有效信息数据;再次,结合摩擦力数据分布不规律的特性,采用切比雪夫拟合法对摩擦力模型进行辨识,模拟牵引到停止过程中完整的加减速过程中的摩擦力补偿变化,并分析了其相对于传统的最小二乘法的优势;最后,通过拟合实验证明本算法的准确性,验证机器人本体在工程上的有效性,并根据操作的实际情况分析了拟合次数对于摩擦模型准确度的影响。     

无线日盲紫外光测距定位方法

在无人机的自主飞行及着陆引导中,测距与定位是其中的关键问题。本文提出了一种基于无线紫外光的测距定位方法,对无线紫外光直视通信模型和非直视通信模型进行了分析,推导出直视和非直视情况下的距离计算公式。根据四节点定位算法,可以解出未知节点的位置坐标。使用波长为255nm的"日盲"紫外LED及光电倍增管作为收发器件,测距信号采用10kHz的方波信号,在不同天气情况下进行测距实验。实验结果表明:在直视情况下,被测距离真值为0~100m的测距误差均小于5m;在非直视情况下,由于多径散射的影响,有效测距距离降为0~70m。当发送仰角和接收仰角均小于10°时,测距误差较小,均小于5m,当发送仰角和接收仰角均大于10°时,随着发送仰角和接收仰角的增大,有效测距距离明显降低。总的来说,该算法有着较高的精度,在GPS无法正常使用时能够为无人机提供导航数据,基本能够满足自主降落和飞行引导的要求。     

System identification and stability evaluation of an unmanned aerial vehicle from automated flight tests

This paper presents a consequence of the systematic approach to identify the aerodynamic parameters of an unmanned aerial vehicle (UAV) equipped with the automatic flight control system. A 3-2-1-1 excitation is applied for the longitudinal mode while a multi-step input is applied for lateral/directional excitation. Optimal time step for excitation is sought to provide the broad input bandwidth. A fully automated programmed flight test method provides highquality flight data for system identification using the flight control computer with longitudinal and lateral/directional autopilots, which enable the separation of each motion during the flight test. The accuracy of the longitudinal system identification is improved by an additional use of the closed-loop flight test data. A constrained optimization scheme is applied to estimate the aerodynamic coefficients that best describe the time response of the vehicle. An appropriate weighting function is introduced to balance the flight modes. As a result, concurrent system models are obtained for a wide envelope of both longitudinal and lateral/directional flight maneuvers while maintaining the physical meanings of each parameter.     

基于改进SIFT图像匹配的无人机高精度避障算法设计

为提高无人机避障能力,提出基于改进SIFT图像匹配的无人机高精度避障算法.通过角点匹配和多分辨模式识别,实现对无人机高精度避障的图像显著特征点检测,通过对比梯度分析和参数融合识别,实现对无人机高精度避障图像信息加权融合处理,采用改进SIFT图像匹配方法,匹配无人机高精度避障地理空间网格,实现避障算法的优化设计.仿真结果...     

基于改进扩展状态观测器的四旋翼无人机轨迹鲁棒跟踪控制

针对四旋翼无人机在轨迹跟踪过程中会受到内外部扰动、模型误差等不确定性因素的影响,本文提出了一种基于改进型扩展状态观测器的积分滑模控制方案。具体来讲,首先,将四旋翼无人机系统存在的模型误差以及内外部扰动等不确定性因素视作集总干扰,通过借鉴的改进扩展状态观测器对其进行观测;进而,在此基础上,进一步考虑四旋翼无人机系统控制的连续性,基于四旋翼无人机轨迹误差、速度误差、姿态角误差和姿态角速度误差设计积分滑模控制器,分析了系统的稳定性并分别进行了数值仿真和实机实验。结果表明,采用本文算法时,在数值仿真中,各状态跟踪误差不超过1%,跟踪精度最高;在实机实验中,位置跟踪误差总体上能控制在20%以下。因此,本文方法具备有效性和可行性。     

系统可靠性灵敏度分析方法及其应用研究

基于已有的单个失效模式可靠性灵敏度分析,建立多模式串、并联系统失效概率对基本变量分布参数的灵敏度分析方法,着重研究多模式并联系统可靠性灵敏度分析的近似方法.该方法以数字模拟为基础,根据样本点对系统失效概率的贡献,对计算失效概率的所有样本点进行筛选,并由筛选出的样本点线性回归模拟并联系统失效域,得到等价的单个线性极限状态方程,从而将多模式并联系统的可靠性灵敏度分析等价转换为单个模式的灵敏度分析.对于多模式串联系统的可靠性灵敏度分析,文中采用的方法是将串联系统的失效概率精确转换成单个模式失效概率与多个模式并联系统失效概率的代数和,然后逐项进行灵敏度分析,进而得到串联系统的可靠性灵敏度.对于结构系统的极限状态方程含有复杂综合随机变量的灵敏度分析问题,提出一种基于二次回归分析的近似处理方法,通过推导的综合随机变量分布参数对基本变量分布参数的偏导数公式和复合函数求导法则,最终得到复杂多模式系统失效概率对基本变量分布参数的灵敏度.文中用理论数值算例验证所提算法的精度与可行性,并将所提方法推广应用到工程算例中,验证其工程应用价值.