基于特征差异性学习卷积神经网络的齿轮箱故障诊断方法

针对齿轮箱故障诊断需要大量专家经验知识、人工提取特征困难的问题，提出基于特征差异性学习卷积神经网络(FDLCNN)的故障诊断方法。构建不同深度的多尺度网络，并引入残差模块，以提升网络的特征提取能力；提取一维时序信号中不同尺度不同深度的故障特征，再通过自适应平均池化层处理后进行特征融合，以丰富智能诊断决策信息；最后在全连接层实现特征降维，使用Softmax分类器输出诊断结果。利用10种齿轮箱故障状态实验数据与现有3种方法进行对比分析，结果表明：FDLCNN故障识别精度更高，鲁棒性更强，收敛速度更快。     

多机电力系统附加NNPSS的在线学习神经网络逆励磁控制器

为提高发电机机端电压和转速的综合控制性能,设计了附加神经网络电力系统稳定器(NNPSS)的在线学习神经网络逆(OLANNI)励磁控制器。针对多机系统同步发电机组模型,根据逆系统方法得到发电机励磁系统的逆系统的表达形式,并通过离线训练得到发电机励磁系统的神经网络逆系统。借鉴传统的AVR/PSS控制方法,并考虑到其对电力系统不确定性的自适应能力的不足,在离线训练的基础上分别设计了自适应的OLANNI、NNPSS以取代传统的AVR、PSS,给出了基于在线梯度算法的OLANNI和NNPSS的在线学习算法,并根据Lyapunov稳定性理论证明了OLANNI和NNPSS在线学习的收敛性。将设计的控制器应用于一个典型的2区域4机系统,仿真研究结果表明:在系统遭受扰动时,所设计的控制器较AVR/PSS和OLANNI控制器具有更好的综合控制性能。     

电液位置伺服系统的模糊预测函数控制

针对电液位置伺服系统的非线性、参数时变性等突出问题,提出了一种新型模糊预测函数控制方法.它将预测函数控制和具有参数自调整的模糊控制进行综合来共同控制电液位置伺服系统,并且根据控制系统的位置偏差和偏差变化率,利用放大倍数对模糊控制器的参数进行在线修改.仿真结果表明,采用该控制方法设计的控制器满足系统对快速性和稳态精度的要求,系统具有较强的鲁棒性和抗干扰性,能够实现复杂系统的有效控制.     

永磁同步电机调速系统的分数阶积分滑模控制

为了提高永磁同步电机(PMSM)调速系统对负载扰动及参数变化的鲁棒性,采用速度误差的分数阶微积分,设计了非线性积分滑模面,并提出一种基于分数阶积分滑模控制算法(FOISMC)的PMSM速度控制系统。通过Lyapunov定理证明了所设计的控制器的稳定性,并对该控制器进行了性能分析。理论分析和数值仿真结果表明:所提方法比整数阶积分滑模控制以及常规PI控制具有更好的动态性能和抗扰动能力,以及更高的速度跟随精度。     

基于在线学习RBF神经网络的汽门开度自适应补偿控制方法

汽门控制对于提高电力系统暂态稳定具有重要作用。为了提高汽门系统的控制性能,提出了基于在线学习RBF神经网络的汽门开度自适应补偿控制方法。首先,根据逆系统方法分析了被控汽门系统的可逆性、推导了被控汽门系统输出的α阶导数和伪控制量之间的误差,并设计了用于补偿此误差的在线学习RBF神经网络。然后,基于Lyapunov稳定性理论设计了RBF神经网络的在线学习算法,证明了闭环系统跟踪误差和RBF神经网络权值估计误差的一致最终有界性。所提出的控制方法仅需被控汽门系统很少的先验知识,而无需其精确数学模型,并且用于自适应补偿控制的RBF神经网络无需离线训练过程。最后,针对典型的单机无穷大汽门控制系统进行了数值仿真。仿真结果表明,所提出的控制方法较传统的非线性最优控制方法能明显提升电力系统的暂态控制性能。     

工业过程多变量时滞系统的预测函数控制

为提高工业过程中多变量、时滞和强耦合系统的动态特性和耦合能力,文章将预测函数控制与解耦控制相结合,给出了一种新的多变量时滞系统预测函数控制算法.该法首先给出了解耦控制算法,通过对解耦后的对象幅频和相频特性分析,获得对象的一阶加纯滞后模型;然后根据预测函数控制原理对解耦后的多个单变量时滞对象设计控制器;最后仿真结果表明,该控制方法具有在线计算量小、跟踪快速和精度高等特点,能够实现复杂多变量系统的更有效控制.     

基于模糊预测函数的直线伺服系统的速度控制

针对永磁直线同步电机伺服系统存在非线性、强耦合、参数时变等特点,提出了一种新型的模糊预测函数控制方法。它将预测函数控制和具有参数自调整的模糊控制进行综合来共同控制直线同步电机伺服系统,并且根据控制系统的速度偏差和偏差变化率,利用放大倍数对模糊控制器的参数进行在线修改。仿真结果表明,采用该控制方法设计的控制器满足系统对快速性和稳态精度的要求,系统具有较强的鲁棒性和抗干扰性,能够实现复杂系统的有效控制。