基于严格二叉树编码和GA的模糊树结构学习

为解决模糊树模型结构学习中存在的信息冗余、寻优效率低等问题,提出了一种基于严格二叉树编码和遗传算法的结构学习方法。通过严格二叉树编码对模型结构进行编码,改善了现有矩阵编码的信息冗余问题;考虑到编码特殊性和算法收敛性,提出了一种改进的遗传算法用来对模糊树模型的结构进行寻优。实验结果表明,不同数据集上该算法的稳定性和计算速度均较好,能够寻找到一个较优的二叉树结构,从而提高模糊树模型的建模精度。     

基于Bagging集成策略和多元状态估计的风电机组齿轮箱状态监测

风电机组齿轮箱的故障率和维护成本相对较高,有必要对其运行状态进行实时监测。多元状态估计(multivariate state estimate technique, MSET)是一种常用的状态监测方法,但在记忆矩阵规模较大时,MSET在线计算的实时性较差。为此,提出一种基于Bagging集成策略和MSET的新方法:首先基于Bagging集成策略,对训练数据进行多次随机抽样,构造多个记忆矩阵规模较小的MSET子模型,最终将子模型的结果平均后作为集成模型的输出。以某2 MW风电机组的运行数据为算例,对集成MSET的性能进行了对比实验。结果表明:在精度相当的前提下,集成方法的计算时间仅为常规方法的60%;结合统计过程控制技术设计了预警阈值和滑动窗口异常率,并对集成MSET的故障预警能力进行验证,结果表明,集成方法能够提前约10 d预警齿轮箱的实际故障。     

基于概率鲁棒的水轮机调速系统鲁棒性评估

针对常规鲁棒性评估方法不能定量给出评估结果的问题,提出了一种基于概率鲁棒方法的控制律鲁棒性定量评估方法。首先确定水轮机调速系统的数学模型和控制策略,并确定参数的摄动范围、置信水平等;然后对系统进行蒙特卡洛仿真,得到阶跃响应曲线簇并绘制性能指标的累计频率曲线;最后计算性能指标的可接受概率、样本均值等统计量,实现鲁棒性的定量评估。以紧水滩水力发电厂水轮机调速系统为研究对象,分别设计了基于PID和模糊内模的调速系统控制器,并用上述方法对两种控制器的鲁棒性进行评估。结果表明,模糊内模控制器的鲁棒性更优,与概率鲁棒的鲁棒性评估结果一致,验证了概率鲁棒对控制律鲁棒性定量评估的有效性。