v支持向量回归用于退化轨迹建模

针对小样本情形下的退化轨迹建模问题,为解决用ε-支持向量回归(ε-support vector regression,ε-SVR)建模时不敏感参数ε不易选择的难题,提出一种基于v支持向量回归(v-support vector regression,v-SVR)的退化轨迹建模方法,并用遗传算法优化模型参数以提高建模精度。参数v-与支持向量和错误样本点的个数有关,根据这一性质确定v的取值范围,并实现对支持向量或错误样本点个数的控制。对疲劳裂纹增长数据的实例分析表明,所提方法不仅便于确定参数,而且相对于以往文献的方法有更高的建模精度。     

高稳快速非线性-线性跟踪微分器设计

针对典型跟踪微分器函数形式复杂、稳定性差和输出振颤明显的问题,设计了一种改进的高稳定性快速收敛非线性-线性跟踪微分器(MTD).首先通过引入非线性奇指数函数环节和线性函数环节构造MTD的跟踪函数,然后利用李雅普诺夫直接法和系统等价性证明MTD的全局渐近稳定性,最后通过对参数物理意义和参数变化对跟踪输出精度影响的分析得到MTD参数整定规则.跟踪过程中,当状态与平衡点距离较远时,MTD以非线性环节为跟踪函数主体驱动状态向平衡点快速收敛,以提高系统输出的跟踪速度;当状态与平衡点接近时,MTD以线性环节为跟踪函数主体驱动状态平稳逼近平衡点,以抑制系统输出振颤.仿真表明,MTD参数容易整定,与典型跟踪微分器相比,MTD在系统稳定性、收敛速度和输出平稳性方面具有优势,且具有滤波功能.     

非奇异快速终端滑模液位跟踪控制

针对传统终端滑模控制中控制输入奇异和收敛时间长的问题,提出了一种非奇异快速终端滑模(NFTSM)控制方法.该方法由NFTSM滑模面和控制律组成.在此框架下,首先通过在非奇异终端滑模面中引入指数函数和符号函数来设计NFTSM滑模面,其中指数函数用来加快状态远离平衡点时的收敛速度,符号函数用来提升系统稳定性.然后,基于NFTSM滑模面来设计由等效控制输入和切换控制输入构成的NFTSM控制律,该控制律具有能同时实现控制输入非奇异和系统状态有限时间内快速收敛的优势.最后,根据给出的耦合双容水箱模型数学描述,将NFTSM方法应用于耦合双容水箱液位控制中,设计了NFTSM液位跟踪控制器.仿真证明,在存在外扰且参数摄动25%条件下,该控制系统仍能精确跟踪给定液位,表明了NFTSM控制方法的有效性和鲁棒性.     

一种基于遗传算法优化小波支持向量回归机的实时寿命预测方法

针对现有实时寿命预测方法没有充分利用同类产品性能退化数据信息的问题,从研究退化轨迹相似性的角度出发,提出一种基于遗传算法（GA）优化小波支持向量回归机（WSVR）的实时退化轨迹建模和寿命预测方法.首先基于GA优化WSVR建立各同类产品的性能退化轨迹模型,然后以特定个体的历史测量时刻向量为基准,计算同类产品的相应退化测量值向量及其与特定个体退化测量值向量的Euclid距离,并根据Euclid距离确定隶属度权值,基于加权思想建立特定个体的退化轨迹模型,最后结合实时测量数据依次更新退化测量值向量、Euclid距离、隶属度权值和退化轨迹模型,实现实时寿命预测.实例分析验证了所提出的方法是有效的.