不稳定子系统组成的离散时间切换系统区间观测器设计

目的 研究离散时间切换系统区间观测器的设计,实现所有子系统不稳定的离散时间切换系统状态估计,解决电主轴等复杂系统的状态监测.方法 针对不稳定子系统组成的离散时间切换系统设计区间观测器,通过构造一类递减Lyapunov函数,利用驻留时间方法给出误差系统的指数稳定条件.结果 在数值仿真中,所有子系统的状态不稳定,采用切换策...     

基于改进核主元分析的故障检测

针对电主轴系统特点,提出基于改进核主元分析(KPCA)的故障检测方法,引入混合核函数的定义,将多项式核和径向基核的混合核方法与主元分析方法(PCA)相结合,解决采用单一核函数诊断故障时的高误诊率问题.首先对数据进行预处理,然后使用混合核函数对数据矩阵进行映射,映射到高维特征空间,使非线性数据变量变为线性数据变量,并使用PCA提取变量数据的高维空间相关特征确定主元个数,最后根据混合非线性主元特征计算出的T2和Q统计量,实现在线故障检测.该方法改进传统核函数的选取方法,充分考虑工业过程中的非线性,更精确地描述工业过程特性,可以准确、有效地检测出电主轴系统故障.对田纳西-伊斯曼(TE)过程以及电主轴系统的应用实例证明该方法的可行性.     

高速电主轴转子系统临界转速的计算与分析

目的为减小传统传递矩阵法计算高速电主轴转子系统临界转速产生的误差,分析高转速对主轴系统的影响,解决传统矩阵法运算精度降低的问题.方法以170SD30电主轴作分析对象,考虑陀螺力矩和剪切等影响因素,利用Riccati传递矩阵法建立电主轴理论模型,同时运用Matlab编程并计算高速电主轴前3阶临界转速和固有频率等动力学参数.结果仿真数据与实验数据对比,Riccati传递矩阵法与实验结果最大误差为7.2%,比传统传递传递矩阵法精度提高了2.3%.结论验证了Riccati传递矩阵法准确性与可行性,提高了传递矩阵法的计算速度与计算稳定性.     

基于能量耦合的船舶起重机消摆控制

为了解决船舶起重机在外部海浪干扰下负载摆动幅度大、小车定位精度不高、抗干扰能力差的问题,通过非线性能量耦合方法,应用欧拉-拉格朗日方程对带有船舶横摇以及船低沉降的船舶起重机进行动力学建模,然后构造了一种复合型误差信号来增强小车运动特性以及船舶载荷摆动的耦合关系并将动力学模型转化.在此基础上设计控制器,并进行了基于李雅普诺夫(Lyapunov)方法的稳定性证明和仿真模拟实验.验证了该方法在复杂情况下的可行性,实现船舶起重器系统在平衡点的渐进稳定性.可见所提的控制方法具有良好的控制性能、适应性和鲁棒性.对于运输过程中摆角抑制、系统定位和效率提高具有良好的效果.     

多模态过程过渡初期与末期的监测方法

针对多模态过程中的过渡模态监测问题,提出了一种基于高斯混合模型的多模型过程监测方法.在过渡初期与末期时,利用高斯混合模型,采用稳定模态与过渡模态联合监测的思路对其进行监测.通过仿真发现,此方法对于过渡模态尤其在过渡初期与末期,监测效果较好,具有一定的实用价值.     

基于多目标粒子群的加热段炉温优化设定

目的在考虑退火工艺指标和能耗指标的同时,对冷轧不锈钢连续退火炉加热段的炉温稳态进行优化研究,合理地设定连续退火炉加热段稳态炉温.方法通过考虑退火工艺指标和能耗指标的同时,使用基于R2指标和分解策略的多目标粒子群优化算法(R2-MOPSO)建立炉温稳态设定的多目标优化模型,从所提出的算法获得的Pareto最优解集和Pareto最优前沿中通过加权的方法选取适合生产的最优解.结果将基于R2指标和分解策略的多目标粒子群优化算法(R2-MOPSO)与基于分解的多目标粒子群优化算法(d MOPSO)针对加热段炉温稳态优化设定的仿真结果进行对比,R2-MOPSO算法优化得出的带钢温度升温曲线较为理想,消耗燃料较少.结论在满足生产质量要求和降低成本的同时,R2-MOPSO算法可以合理地设定连续退火炉加热段稳态炉温,更好地引导工业生产.     

基于WDCNN-DLSTM的滚动轴承故障诊断方法

滚动轴承是机械设备中的核心部件,其运行状态对设备的运转有重要影响。深度学习作为滚动轴承故障诊断的重要方法越来越受到重视。由于传统的故障诊断方法没有充分利用数据时序性,提出了一种将第一层为宽卷积核的深度卷积神经网络(deep convolutional neural networks with wide first-layer kernels, WDCNN)和深度长短时记忆网络(deep long short-term memory networks, DLSTM)相融合的模型(WDCNN-DLSTM)。WDCNN将传统的CNN第一层卷积核尺寸加宽,提高了模型对一维振动信号中的空间特征信息的提取能力;DLSTM将多个LSTM模块进行堆叠,提高了模型对一维振动信号中时序信息的提取能力。WDCNN-DLSTM将二者通过连接层融合,优势互补,提高了模型的判别能力。通过实验结果表明,相较于一些其他模型,所提出的方法具有更高的精确度。在变负载的情况下,也仍然实现了更好的分类效果。     

基于观测器的转子系统不对中早期故障

在旋转机械故障中,转子系统不对中故障十分常见。针对传统数据周期采样会出现通讯浪费的问题和系统发生故障时会带来严重损失的情况，研究数据量化和故障的早期判断具有现实意义。采用luenberger区间观测器的故障诊断方法,通过引入L1/H∞性能参数提升观测器残差的故障敏感度和鲁棒性，并且建立新式混合量化器，分析数据量化前后数据变化和量化对故障诊断影响。实验结果表明，故障敏感度的提高可以更早的判断故障是否发生，数据经过量化后减轻了通讯压力并且不影响故障判断，证明本文方法的有效性。