改进的BP神经网络在故障诊断中的应用

针对传统BP算法存在的收敛速度缓慢和易陷入局部极小值的固有缺陷,提出用具有全局搜索能力的模拟退火算法优化BP神经网络,避免陷入局部极小值,提高网络的稳定性;引入Powell算法优化模拟退火算法,加快网络的收敛速度.最后,以齿轮箱故障诊断为例进行仿真试验,结果表明改进后的BP神经网络比传统BP神经网络的训练收敛速度快、精...     

基于LM算法的相关模糊神经网络及其应用

针对输入变量相关性较高的非线性建模模型,经典模糊神经网络算法存在收敛速度缓慢、模糊规则数大、陷入局部最小值的问题。提出一种基于LM算法的相关模糊神经网络模型;该模型基于聚类思想,构建多变量高斯模糊隶属度函数,将其表示为不可分离的模糊关系来处理相关变量模型;再采用LM优化算法,通过Hessian矩阵和一阶梯度向量同时调整网络参数;并引入Cholesky定理缩减网络参数个数。应用LM算法的模糊神经网络模型实验结果表明,可以加快收敛速度、减少模糊规则数,比经典的模糊神经网络有更好的预测精度。     

基于改进蝙蝠算法优化BP神经网络的电力变压器故障诊断研究

提出了一种基于改进蝙蝠算法优化BP神经网络的电力变压器故障诊断方法。利用蝙蝠算法对BP神经网络的权值和阈值参数进行优化,并针对蝙蝠算法优化后期易陷入局部最优缺点,使用混沌算法对群体进行混沌优化,使其减少无效迭代,提高收敛速度。将优化得到的参数值应用到构建的BP神经网络诊断模型中,对数据进行训练和测试。通过实例分析,表明改进蝙蝠算法优化BP神经网络用于变压器故障诊断具有实用性和有效性。     

基于改进灰狼算法-BP神经网络的智能巡检机器人电磁兼容故障诊断

智能巡检机器人巡检电力线路时可能受到电磁干扰而影响工作甚至发生故障,为有效地完成智能巡检机器人电磁兼容故障的诊断,提出一种基于改进灰狼算法(improved grey wolf optimizer, IGWO)优化BP神经网络(IGWO-BP)的故障诊断模型。由于智能巡检机器人电磁兼容故障征兆与故障原因之间具有复杂的非线性关系,采用一般BP神经网络诊断模型存在着收敛速度较慢,易陷入局部最优,诊断准确率偏低的缺陷。针对以上问题,利用IGWO-BP的权值与阈值,将优化后的BP神经网络应用于智能巡检机器人电磁兼容故障诊断。仿真结果表明,相比于GWO-BP神经网络和一般BP神经网络,IGWO-BP神经网络诊断模型收敛速度加快,网络泛化能力增强,故障诊断准确率提高。     

改进BP神经网络在发动机性能趋势分析和故障诊断中的应用

针对常规BP神经网络参数的经验式取值方法以及收敛速度慢,容易陷入局部最小点等缺陷,设计了一种改进的神经网络系统,利用蚁群算法优化神经网络连接权初值,并采用LM算法对人工神经网络进行训练,提高了网络的收敛速度,降低了训练误差。将其应用于某型利用ACARS报文实时获取飞机性能参数的发动机趋势分析和故障诊断中,可以快速准确地实现对发动机的性能趋势分析和复杂故障的诊断。最后通过仿真,对算法进行检验,结果表明改进算法的诊断置信度比改进前高。     

多层感知器学习算法研究

多层感知器是一种单向传播的多层前馈网络模型,由于具有高度的非线性映射能力,是目前神经网络研究与应用中最基本的网络模型之一．BP算法是多层前向神经网络中应用最重要的算法,但是由于BP算法实质是一种梯度下降的搜索算法,它存在着其固有的不足,如收敛速度较慢,易于陷入误差函数的局部极值．本文基于权值外推和三项因子的思想,提出了一种改进算法,能够有效的提高网络收敛的速度和精度,计算机仿真结果也有力的证实了这一点．     

思维进化算法优化模糊神经网络的变压器故障诊断

提出一种基于思维进化算法的模糊神经网络变压器故障诊断方法。该方法利用思维进化算法中的趋同和异化操作,对模糊神经网络中输入变量的隶属度函数位置参数和宽度参数以及神经网络的连接权值进行全局优化,可有效地克服常规模糊神经网络BP算法收敛速度慢、精度不高和遗传算法训练模糊神经网络速度缓慢、易陷入局部极小等缺点,有利于更快地收敛于全局最优解。并将其应用到基于溶解气体分析的变压器故障诊断中,实例表明,采用该方法具有较快的收敛速度和较高的诊断准确度,说明了该方法的正确性和有效性。     

DNA优化的BP神经网络在故障诊断中的应用

针对BP神经网络收敛速度慢和容易陷入局部极小值问题,将DNA算法和神经网络有机结合,利用DNA算法的全局搜索能力,优化网络的初始权值和阈值,解决其本身固有的两个缺陷,进而提高了BP神经网络诊断故障时的准确性和快速性。以道岔控制电路的故障诊断为研究对象,建立了基于DNA优化的BP神经网络的故障诊断优化模型,使用MATLAB仿真软件对故障诊断模型进行了仿真分析。结果表明,DNA算法优化的BP神经网络的泛化能力、诊断精确性都要优于BP神经网络。     

蚁群神经网络在变压器故障诊断中的应用

针对蚁群算法收敛速度慢的问题, 提出了一种改进方法, 通过为蚁群算法增加一种收敛因子, 使其在信息素的全局更新中为每次迭代产生的最优路径赋予额外的信息素增量, 降低了算法陷入局部最优解的可能性。分析了改进蚁群算法的收敛性, 并对其寻优能力进行了测试, 结果表明, 改进蚁群算法具有较强的寻优能力和较快的收敛速度。用改进蚁群算法优化神经网络并将其应用于变压器的故障诊断, 与BP神经网络诊断结果对比, 蚁群算法优化神经网络具有更快的收敛速度和更高的诊断精度。     

改进的Elman网络在非线性系统辨识中的应用

通过对Elman网络的研究,提出一种新型的基于输入层、隐层、输出层神经元递归的动态递归神经网络,给出Elman网络的标准BP学习算法,针对标准BP算法的收敛速度慢和容易收敛于局部极小点的缺点,利用非线性动量项自适应变步长的BP算法进行改进,从而提高算法的收敛速度,避免陷入局部极小点的问题.通过在系统辨识中的应用,表明该网络收敛速度快,模型精度高,并具有较强的自适应性和鲁棒性,适合于动态系统的实时辨识.     

当前统计模型自适应滤波算法改进

由于"当前"统计模型自适应滤波算法对于最大加速度的过分依赖,使其对于弱机动目标并不具有较高的跟踪精度,基于"当前"统计模型自适应滤波算法的研究及目标跟踪性能的分析,提出了将目标的机动状态划分为强机动和弱机动,当目标在作弱机动运动时,可通过修正最大加速度来提高跟踪精度,分别针对常速、常加速、弱变加速三种弱机动情况进行了数学仿真,仿真结果表明,通过修正最大加速度的方法,可使该算法对于弱机动目标的跟踪精度大大提高。     

起升动载激励下岸桥起升传动系统动态特性

为研究岸桥起升传动系统在起升复杂工况下的动态特性,建立了起升机构的动力学模型,模拟了传动系统所受的起升动载.考虑传动系统中齿轮副的时变啮合刚度和支撑刚度,建立了起升传动系统平移-扭转耦合的动力学模型,得到了电机从启动到匀速最后减速到停止的起升过程中传动系统各构件的振动响应,并对不同阶段的啮合力进行了频域分析.研究表明,传动系统各构件的扭转振动与起升动载有相同的变化趋势,且由于起升速度的变化,加速和减速阶段的啮合力频谱出现了边频带现象.     

提高控制精度的并联机构速度规划算法

利用并联机构的动力学模型，对机构在笛卡儿坐标中基于驱动器空间限制的速度规划算法进行了研究，提出了基于驱动器空间限制的S形速度规划算法．该算法不仅考虑了运动中的速度和加速度，还考虑了加速度的变化即加加速度，从而得到更为精确的速度规划．仿真实验表明，S形速度规划算法在笛卡儿坐标中能够获得具有更好的位置和速度跟踪性能的高速高精度运动．     

加速移动质量作用下简支梁的动态响应

考虑移动质量块的加速度、质量和梁自身的质量等因素,研究了移动质量作加速运动时简支梁的动态响应．从简支梁的控制方程出发,采用伽辽金截断对简支梁模型进行离散化,由此形成了系统的动力学方程．数值分析时,首先考虑质量块作匀速移动时梁的动态响应,根据前人给出的结果验证了建模及计算的准确性和有效性;然后重点研究了质量块在加速移动时简支梁的动态响应,分析了加速度等参数对系统动态响应的影响．研究表明,质量块在匀速移动时和加速移动时,简支粱的动态响应有着显著的不同．     

凸轮轴磨削加工过程的动态优化和仿真

为了提高凸轮轴的加工效率及加工精度,开发凸轮轴磨削加工过程动态优化仿真模块．根据凸轮轴恒线速加工的数学模型,提出一种基于最小二乘法的速度优化算法,对加工过程运动曲线进行优化仿真,得到了波动较小的速度曲线并减小了联动轴加速度的跳动．在此基础上根据工艺系统各组件的运动轨迹完成凸轮轴加工过程的实时三维动态仿真,全面、逼真地反映现实的加工状态和加工环境,使操作者可以直观地观测加工过程中是否存在碰撞和干涉现象,对各种型号凸轮轴的生产具有指导意义．     

自适应模糊控制车辆悬架系统试验

根据车辆操纵稳定性及行驶平顺性的评价标准，以车辆系统的簧上质量加速度、车轮动栽荷和悬架动挠度为主要评价指标，针对路面-车辆系统特点，提出一种以解析方法确定模糊控制规则的算法，利用LMS自适应模块调整模糊控制器的修正因子，提高模糊控制算法对路面一车辆系统的适应性，在以路面信号作为激励源的仿真过程中，与自适应控制悬架系统相比较，簧上质量加速度峰值减至1／20．对简化车辆模型，在2DOF系统试验台架上进行了试验验证，对比结果进一步证明自适应模糊控制方法更适合车辆悬架系统的振动控制，     

单自由度磁流变阻尼实验台多控制算法仿真对比研究

建立了以加速度作为路面激励输入信号,且不考虑非悬置质量的履带车辆单自由度磁流变阻尼控制实验台动力学模型.选定状态变量,推导出悬挂系统状态方程和振动微分方程.依据现代控制理论,分别采用滑移模态控制和极点配置控制算法实现实验台动力学模型的仿真计算,对比分析了在三种不同采样频率下,两种不同控制算法的控制效果,并与被动控制效果进行比较.结果表明,两种算法都能很好地控制车体相对位移、相对速度和加速度,滑移模态控制效果更好.滑移模态控制不仅适用线性问题而且适用非线性问题,因此比极点配置更实用.最后分析确定了最佳仿真采样频率,为控制算法的实验台调试奠定了基础.     

Attitude Determination for MAVs Using a Kalman Filter

This paper presents a Kalman filter to effectively and economically determine the Euler angles for micro aerial vehicles （MAVs）, whose size and payload are severely limited. The filter uses data from a series of micro-electro mechanical system sensors to determine the selected 3 variables of the direction cosine matrix and the bias of the rate gyro sensors as state elements in a dynamic model, with the gravitational acceleration to build a measurement model. For high speed maneuvers, rigid motion equations are used to correct the measurements of the gravitational acceleration. The filter is designed to automatically tune its gain based on the dynamic system state. Simulations indicate that the Euler angles can be determined with standard deviations less than 3°. The algorithm was successfully implemented in a miniature attitude measurement system suitable for MAVs. Aerobatic flights show that the attitude determination algorithm works effectively. The attitude determination algorithm is effective and economical, and can also be applied to bionic robofishs and land vehicles, whose size and payload are also greatly limited.     

飞行模拟器新型倾斜协调体感算法应用分析

经典洗出滤波算法在一次突发过载运动后,平动低频输出持续加速度与参考加速度存在较大的感觉误差,为提高模拟器动感逼真度,针对经典洗出算法结构提出一种新型倾斜协调体感算法:采用模糊逻辑补偿思想,以人体感官模型洗出信号误差及变化率作为模糊控制器输入补偿于倾斜协调通道;去除低通滤波器,将输入参考信号与平动高频信号差值及模糊补偿合成信号代替低通滤波器输入信号,结合平动高通角加速度二次滤波补偿和加速度补偿使得洗出效果在有限的空间内达到最优。以模拟飞机加速度信号进行Simulink仿真,结果表明提出的算法在相位延迟和虚假暗示方面有较大改善,同时扩展了运动范围,增加了模拟逼真度。     

基于HHT和广义Fourier变换变频调速异步电动机故障诊断

在变频调速异步电动机的故障诊断过程中,由于电源频率的时变性,容易淹没故障特征信号.针对调速过程中常见的恒加速和恒减速运行模式,提出了采用HHT(Hilbert-Huang变换)方法识别运行模式、利用广义Fourier变换进行时频转换的故障诊断方法,可将线调频的电源信号转换为新的时频域的恒频信号.仿真表明该方法能达到突出故障特征的目的.