动态流量软测量系统中神经网络训练策略的研究

将神经网络运用到动态流量的软测量中，探索解决液压伺服系统中对瞬时动态流量的测试问题是该领域的二个难点和热点问题，该文在概要介绍了神经网络动态流量软测量系统的总体设计和神经网络结构的确定方法之后，重点讨论了神经网络的训练策略，最后通过实验验证了该训练策略的性能。     

智轨列车电液伺服转向系统动态特性测试试验台与测控系统开发

车辆转向时其转向系统的动态特性是十分重要的性能指标。针对智轨列车电液伺服转向系统的动态特性测试问题，先开发设计出具有针对性的动态特性测试试验台，并以此平台模拟智轨列车在PID闭环控制下的转向工况。使用LabVIEW编写转向系统动态特性测试的软件程序，在PID闭环控制下对电液伺服转向系统的动态特性进行测试，得到了完整的测试数据。为智轨列车转向系统动态特性分析提供了灵活、方便的测试手段，为转向系统性能改进提供了数据支撑。     

基于大数据简约及PCA改进RBF网络的短期电力负荷预测

针对电力负荷大数据化越发突出,引入最小绝对值收敛及选择（Lasso）算法解决电力负荷大数据难题,对电力负荷及相关天气因素大数据进行高维数据特征提取,获得有用数据集。为避免输入空间严重自相关及网络维数较高,造成径向基函数（RBF）神经网络预测精度严重下降的不良影响,提出基于主元分析(PCA)改进的RBF神经网络电力负荷预测模型,消除多气象因素相关性,剔除冗余,提取天气因素特征量,将新天气特征量与历史负荷数据共同作为RBF网络的建模对象,既全面表征天气因素对电力负荷的影响,又简化预测模型,加快预测速率。 经美国南部某地区实际电力负荷数据的预测分析,充分证明该方法的有效性及可靠性。     

基于RQA与GG聚类的滚动轴承故障识别

提出递归定量分析与GG聚类相结合的滚动轴承故障识别方法。利用能够表征信号发散程度的RQA参数--确定率和分层率组成轴承故障识别的特征向量,结合GG模糊聚类实现滚动轴承故障模式识别。对实际故障数据进行分析,结果表明,该方法不仅能够识别滚动轴承的不同程度损伤,而且能够实现不同部位的轴承故障诊断。研究结果为滚动轴承故障识别提供了一种高效、直观的新方法。     

基于蚁群优化的神经网络智能PID控制策略研究

提出了一种基于蚁群优化、BP网络学习和RBF网络辨识的智能PID控制策略,有效地克服了BP算法训练过程中收敛慢和易陷入局部极小值的缺陷.利用该控制策略,对PID参数进行在线调整,并应用于材料试验机电液位置伺服系统.仿真结果表明,与各种传统PID控制策略相比,采用该智能PID控制器控制的系统具有更好的动态响应特性和抗扰动能力.     

基于双树复小波和深度信念网络的轴承故障诊断

提出了一种基于双树复小波(DTCWT)和深度信念网络(DBN)的轴承故障诊断新方法。采用DTCWT对轴承振动信号进行分解实验,结果表明DTCWT能够很好地将信号分解到不同频带。进而提取能量熵作为故障特征,采用DBN小样本分类模型对轴承故障进行分类,并与传统分类器进行比较,结果表明该方法能准确识别不同故障类型,扩展了DBN在机械故障诊断中的应用。     

变结构控制中抖振问题的研究

研究了变结构控制理论产生抖振的主要原因,并给出了多种削弱抖振的方法.在此基础上,为某液压伺服系统设计了一种新型变结构控制器,并进行了仿真研究.仿真结果表明,该变结构控制器既能保持较强的鲁棒性能,又能有效地削弱系统抖振现象.     

基于虚拟仪器的电液伺服阀静动态特性测试

介绍了采用虚拟仪器实现对电液伺服阀进行静动态特性测试的方法以及虚拟仪器技术和本测试系统的软硬件组成。事实证明,采用了利用虚拟仪器的计算机辅助测试（CAT）系统,使电液伺服阀的测试实现了自动化,简化了仪器仪表等设备,加快了测试速度,提高了测试精度。     

变结构控制方法在热轧卷取机踏步控制系统中的应用

以往热轧卷取机在卷取开始时,由于带钢头部搭头部位与助卷辊发生冲撞,产生过大的冲击.笔者参考实际现场卷取工艺,研制了电液踏步控制系统,以实现助卷辊对台阶的自动回避.针对实验室建造的热轧卷取机踏步控制半物理实验模型,设计了一种滑模变结构控制器,通过设计切换函数以保证系统具有良好的动态特性.仿真结果表明:变结构控制能够有效地克服系统变参数的影响,可以取得较高的伺服跟踪效果,使系统具有较强的鲁棒性和良好的动态性能.     

粗糙集在液压泵故障诊断研究中的应用

针对液压泵故障诊断的现实需要,提出了基于粗糙集理论的故障诊断方法.该方法利用小波分析对测量的原始数据进行去噪处理并结合Labview软件进行特征提取,得到揭示其内在规律的数据信息并建立故障诊断决策表.采用粗糙集理论提取决策表中的诊断规则,为液压泵的故障诊断提供有效的依据.通过实验证明了该方法可有效的应用于液压泵的故障诊断.