考虑多故障同发的可重构机械臂分散主动容错控制

针对含有传感器故障及执行器故障的可重构机械臂系统的轨迹跟踪问题,提出一种基于滑模观测器的分散主动容错控制方法。通过引入一个新增状态将传感器故障等效为执行器故障,针对新系统构造滑模观测器,并用模糊神经网络去逼近可重构机械臂各关节间的非线性项及关联项,进而实现对不同类型传感器故障及执行器故障的重构。最后对2个不同构型的三自由度可重构机械臂进行仿真。研究结果表明:该方法不需进行故障诊断,通过实时重构故障,能够及时实现主动容错控制。仿真结果验证了所提方法的有效性。     

BCOISOA--BP网络在磨矿粒度软测量中的应用

传统人群搜索(SOA)算法通过计算搜索方向、搜索步长和搜寻更新个体位置三个步骤进行寻优.它的缺点在于计算量大,种群之间信息交流少,导致寻优速度慢.针对人群搜索算法存在的缺点,本文提出二项交叉算子改进人群搜索算法(BCOISOA)对其改进.在计算搜索步长方面,本文采用随机数与最大函数值位置乘积判断子群位置,进而提高全局寻优计算速率.在更新位置方面,本文提出二项交叉算子加强种群之间的联系,避免在更新搜索方向过程中,算法因局部最优而导致过早收敛,进而达到快速、准确寻找最优解的目的.本文将以上二项交叉算子改进人群搜索-BP神经网络算法应用在二段式磨矿过程中,实现磨矿粒度在线软测量.仿真结果表明,与人群搜索算法和粒子群算法进行比较,二项交叉算子改进人群搜索算法收敛速度更快,预测精度最高,满足对磨矿粒度实时检测的要求.     

基于PCA的火电厂湿法烟气脱硫系统的传感器故障诊断

提出一种基于主元分析(PCA)的故障诊断方法,用于解决火电厂湿法烟气脱硫系统的传感器故障诊断问题.该方法利用PCA建立故障诊断模型,通过计算平方预报误差、传感器识别指数、故障重构值,对传感器故障进行检测、识别及恢复.利用华能福州电厂湿法烟气脱硫系统的采集数据进行传感器的完全失效、偏差、漂移与精度等级下降等4种类型故障的...     

基于主成分分析法的变风量空调系统传感器故障诊断

在已经建立的建筑空调系统仿真器的基础上,针对变风量（VAV）空调系统的传感器故障,提出一种基于主成分分析（PCA）和法则相结合的传感器故障诊断方法。建立了PCA模型,将由传感器测量值所组成的测量空间分解为主成分和残差两个子空间,进行故障检测后再由基于法则的策略进行故障重构。仿真试验表明,该方法不仅能够准确地检测并隔离传感器故障,而且可以初步地进行故障重构,为进一步研究传感器的故障诊断提供了必要的基础。     

PCA在火箭发动机试车台传感器故障诊断中的应用

为了解决液体火箭发动机在试车过程中氢供应系统的关键传感器的故障诊断问题，该文利用主元分析（PCA）方法为几个重要传感器建立了主元分析模型。在所建立模型的基础上，根据平方预报误差（SPE）对传感器故障敏感的特点利用其进行传感器的故障检测。该文根据一种量化的指标参数——传感器有效度指标（SVI）对故障传感器进行辨识，实现故障分离。一般的基于传感器对SPE贡献率的辨识方法只能进行定性分析，而SVI则将辨识参数量化到0～1之间。更具实用价值。同时，证明了迭代收敛的重构解析表达式，去除了故障传感器数据对重构精度的影响，实现了数据重构。通过仿真实例验证了这种传感器故障诊断及重构方法的有效性．为发动机的正常试车提供了有力的保证。     

基于BP网络的热力系统参数仿真

针对热力系统的传感器损坏率较高,导致有些分析软件失效的现状,提出了一种改进ＢＰ算法的人工神经网络,对一些重要的热力参数进行了仿真研究．在该方法中,网络学习过程通过同时调整学习率和动量修正因子两个参数,使得收敛速度沿着最佳方向进行．经实例计算结果表明,真实值和仿真值之间的误差在１％以内,可以满足工程应用的需要．文中最后给出的在调峰机组的寿命管理系统中的应用实例,对动力系统的热力参数在线仿真、减少传感器的维护量,尤其是提高基于参数采集的应用软件的可靠性具有较大的参考价值     

基于解析余度的导弹执行机构故障诊断方法

针对导弹飞行过程中执行机构的故障问题,提出了基于解析余度的导弹执行机构故障诊断方法.该方法借鉴解析余度的思想,在分析导弹姿态控制系统数学模型以及其执行机构的结构与功能的基础上,分别得到4个执行机构喷管摆角的理论计算值和反映喷管摆角的位移反馈电位计输出值,通过分析执行机构的结构与功能得到反映喷管摆角的位移反馈电位计输出值,从而根据二者在功能上的解析冗余关系得到了用于导弹执行机构在线故障诊断的残差,利用该残差的变化即可判断执行机构的故障情况.将该方法用于某型导弹伺服机构的在线故障诊断仿真实验,结果验证了该方法的有效性.     

基于改进遗传算法的胎面生产线故障诊断方法

为了解决胎面生产线故障诊断的问题,提出一种基于改进遗传算法的故障诊断方法;该方法调整初始种群的生成方式,既避免了初始种群产生无效个体,又避免了因初始种群距离最优解太近或者太远,而使结果停留在局部最优;引入布谷鸟搜索思想的交叉算子,兼顾收敛速度和种群多样性2项指标;根据分类问题的特点,设计染色体的编码方法与适应度函数,将集成分类器设计思想融入方法中。通过对机器学习数据库的3个常用数据集与胎面生产线历史数据的仿真实验,证明了该方法的有效性。     

基于重构贡献的双容水箱故障诊断方法

针对流程工业过程中变量数据众多,变量间耦合性强,常规主元分析法对于故障数据的分离存在一定局限性,提出了基于主元分析和重构贡献的双容水箱系统故障检测与诊断方法,介绍了一种基于SPE和T2统计量的综合评价指标,定义了重构贡献统计量,分析了重构贡献法的故障诊断性能,利用重构贡献法与传统贡献法进行对比诊断实验研究,并验证了重构贡献法故障诊断的有效性。     

基于小波包和支持向量机的传感器故障诊断方法

针对自确认压力传感器的故障诊断问题,提出了一种基于小波包变换和支持向量机的传感器故障诊断方法。该方法对传感器输出信号进行三层小波包分解,提取各个节点的小波包系数,对每个节点的小波包系数通过一定的削减算法增强故障特征,然后利用重构的时域信号计算各个节点的能量以及整个信号的削减比作为特征向量,以此作为输入来建立支持向量多分类机,判断传感器的故障类型。对自确认压力传感器、温度和流量传感器的故障诊断结果表明,该方法能有效地应用于传感器的故障诊断中。     

基于小波除噪与时-频指数分布的故障诊断新技术

通过快速的小波任意尺度的分解,为具体分析与实现原始信号的信噪分离与干扰成分的剔除提供了有效手段,而改进的指数时－频分析技术能够同时实现时域与域的高分辨分析,有效地压缩交叉干扰项,从时域的相位时间特征与步域的尖谱特征的结合途径揭示了信号的构成本质,为故障诊断提供了强有力的工具。     

PCA 在过程故障检测与诊断中的应用

讨论了基于主无分析（PCA）的过程故障检测与诊断的原理,运用T^2统计、Q统计方法,结合贡献图对一典型过程进行了仿真分析,结果表明PCA方法可对简单传感器故障进行检测与诊断,并指出了该方法中的不足,提出了将PCA方法同基于过程动态模型的故障诊断方法相结合的研究思路。     

阴性选择算法在工业控制系统故障诊断中的应用

受生物免疫系统的启发,把免疫原理应用到故障诊断领域.分析了现有阴性选择算法在故障诊断应用中的不足之处,提出了改进后的阴性选择算法.介绍了田纳西-伊斯曼(TEP)过程仿真系统,用改进后的阴性选择算法对该系统的21种故障样本进行仿真试验,各故障的平均检出率达到85%以上,验证了此算法在工业控制系统故障诊断中的有效性.     

基于K-Means和粗糙集神经网络的节点故障诊断

传感器节点通常被随机布撒于环境恶劣甚至无人能及的区域,容易发生各类故障.为了解决此问题,研究了基于K-Means算法和粗糙集神经网络的节点故障诊断方法.首先,采用改进的K-Means算法离散化数据连续属性值;然后,通过粗糙集互信息法对数据属性进行约简,以提高诊断效率;最后,建立三层的BP神经网络故障诊断模型,通过蛙跳算法对权值优化得到最终的故障诊断模型.仿真实验证明文中方法能实现传感器节点故障诊断,且与其他方法相比,具有较高的故障诊断精度和较少的诊断时间.     

一种基于RBF神经网络的传感器故障诊断方法

针对传感器故障，提出了一种基于RBF神经网络的集成故障诊断方法，用RBF神经网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合，进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器进行故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

自适应学习速率法在变压器故障诊断中的应用

为了提高电力变压器故障诊断的准确率,针对油中溶解气体分析,提出了一种基于误差自动调节修正因子的自适应学习速率法,使神经网络通过自身的误差变化过程自动调整学习速率修正因子,保证网络总是以最大的可接受学习速率进行训练,从而提高网络收敛速度。针对电力变压器故障气体及故障类型的特点,建立了电力变压器故障诊断BP(Back-Propagation)网络模型,应用该算法和原算法对该故障诊断网络模型进行训练。仿真结果表明,该算法的训练次数减少了35.4%,收敛速度提高了44.9%,有效地改善了网络模型的性能。将该算法应用于电力变压器故障诊断,能较为精确地判断出电力变压器的故障类型,故障诊断准确率达90.8%。     

PH值传感器的故障模式及其预报

分析了在线pH值传感器特性,探讨其在线使用中产生的主要故障类型及其模式,提出一种基于时间序列的故障诊断方法,在污水处理系统中应用时,可将系统故障预报准确率从60%～70%提高到95%以上,较好地解决了自动控制系统中故障信息互相关联带来的难题,也为相关控制系统的故障诊断及预测预报提供参考。     

基于改进CNN-GRU网络的多源传感器故障诊断方法

提出一种复杂系统内多源传感器的故障诊断方法.利用多源传感器数据之间的相关性,使用卷积神经网络提取不同传感器之间的联系和特征.在卷积网络中,设计了传感器数据标定模块使得网络更关注学习与故障信号相关的传感器数据.利用循环网络对传感器自身的时序特征建模,引入跳跃连接和辅助损失函数降低网络的训练难度.最后综合时空特征,一次计算得到故障分类结果和故障参数估计.仿真结果表明,改进后的CNN-GRU网络能够实时准确地诊断传感器的固定偏差故障和漂移偏差故障,传感器数据标定模块和跳跃连接的引入有效地提高了诊断算法的准确率和精度.      

基于粗糙集的传感网络节点故障诊断方法研究

传感网络节点一般分布于环境复杂的区域,当前故障诊断方法诊断精度低,虚警率高,整体性能低。提出一种基于粗糙集的传感网络节点故障诊断方法,给出传感网络结构图,采用粗糙集方法,通过过滤传感网络节点故障数据不关键属性集,得到简化的节点故障属性集,保持了分类能力,提高了运行效率。通过对传感网络故障节点数据进行约简,减少传感网络节点故障数据特征向量维数。建立简化层次各异的传感网络节点故障诊断决策网络,对故障诊断决策规则覆盖度进行分析,求出所有符合既定采集规定的诊断决策规则集,完成新故障状态的处理,实现传感网络节点的故障诊断。实验结果表明,所提方法不仅具有很高的诊断精度,而且虚警率低、整体性能高。     

某控制系统传感器组件故障树算法优化设计

在控制技术中,传统的故障树分析方法已不能适应时代的要求。以某控制系统传感器组件的故障树为例,对传统的故障树算法进行了优化设计,定性地将故障树信息写入两个矩阵中。通过对矩阵进行遍历,最终得到了代表故障树分析结果的最小割集和最小径集,并定量地计算出结构重要度、概率重要度和关键重要度。分析结果表明该算法能够准确定位故障,对故障诊断系统具有一定的参考价值。