利用嵌套微分进化算法选择微下击暴流模型参数

微下击暴流场的建模在飞行仿真中具有重要意义。将多涡环微下击暴流模型参数选择看作一个优化问题,引入微分进化算法来解决该问题。在按照水平垂直风速最大峰值比进行参数选择中,同时包含了互相关联的两种寻优过程。对标准微分进化算法进行改进,提出利用嵌套的微分进化算法同时完成目标寻优和中间寻优两个过程。仿真试验表明,本文方法可灵活地生成任意水平垂直风速最大峰值比值的微下击暴流场,并且能够满足用户设定的误差范围要求。     

基于EEMD样本熵和SRC的自确认气体传感器故障诊断方法

针对非线性、非平稳情况下自确认气体传感器的故障诊断问题,提出了对传感器不同故障模式信号进行特征提取和智能识别的在线故障诊断方法。首先,该方法根据传感器信号的变化进行集合经验模态分解(ensemble empirical mode decomposition,EEMD),自适应地获得一组固有模态函数(intrinsic mode functions,IMFs),对每个IMF及残余分量进行样本熵分析,提取传感器输出信号的完备特征;然后,利用稀疏表示分类(sparse representation-based classification, SRC)将各故障模式下训练样本的特征向量构成超完备字典。为了提高故障诊断方法的自适应能力,对SRC分类器进行在线更新。通过求解最小1范数约束问题,获得测试样本的稀疏表示系数,再由不同故障类型的重构误差确定测试样本归属,进行传感器故障类型识别。实验结果表明,与目前其他传感器故障诊断方法比较,本文提出的方法能够更显著地提取传感器故障信号特征,故障识别率提高4%以上,达到97.14%。