孪生数据与特征增强融合驱动的装备小样本诊断方法

近年来,得益于新一代信息技术的快速发展,智能故障诊断技术在航空航天、海洋工程、汽车工业等领域得到了广泛的关注与应用.然而,一方面,智能故障诊断模型在实际应用部署时,面临着故障样本不足的难题,导致所构建的模型诊断可靠性较低;另一方面,现有面向小样本问题的智能诊断方法往往需要相关性较强的实测数据作为支撑,这极大限制了该方法的实用性.基于此,本文提出了一种孪生数据与特征增强融合驱动的机械装备小样本故障诊断方法.首先,构建机械装备的虚拟模型,并结合装备的运行机理知识和健康状态的实测数据对模型进行优化修正,以获取高保真模型,进而基于该模型获取高质量的孪生故障数据;其次,以孪生故障数据为输入,利用生成对抗网络进行装备孪生故障数据的特征增强,并将增强后的数据用于卷积神经网络模型的训练,从而实现装备的智能故障诊断;最后,以某汽车用变速器为研究对象,验证所提方法的可行性.该方法丰富了新一代工业人工智能与大数据分析理论,为现代装备的小样本智能故障诊断提供了一种新的解决思路.     

机械故障数值模拟驱动的生成式对抗网络及智能诊断原理

预测性维护是智能制造领域潜在爆发点.人工智能诊断作为其关键一环,成为近年来工程领域研究的热点,发展出一系列极具应用前景的诊断方法.众所周知,完备故障样本是激活智能诊断模型的关键,然而,在工程实践中,机械系统实际发生的故障远多于我们能预先从运行状态下获得的故障样本.因此,基于机械故障数值模拟驱动的生成式对抗网络,获得完备...     

基于深度强化学习的机械装备剩余使用寿命预测方法

随着机械装备发展的日益大型化和复杂化,其使用安全性和可靠性也越来越受到重视.剩余使用寿命(remaining useful life, RUL)预测技术,通过分析设备的运行数据,预测设备还能正常运行的时间,利用该技术可有效提升设备运行的安全性和可靠性,同时可为设备的后续维修决策提供关键依据.本文提出一种基于深度强化学习(deep reinforcement learning, DRL)的RUL预测方法,首先通过自编码器(autoencoder, AE)对机械装备的原始信号进行特征提取,利用提取到的特征构成强化学习的状态变量,通过设置合适的动作空间和奖励函数训练强化学习模型,使其能依据样本间的时序相关性对装备的RUL进行准确预测.与其他方法相比,强化学习方法的时序交互决策逻辑可以自然地保留样本间的时序依赖关系,降低了RUL预测的波动性.最后利用涡轮发动机数据集CMPASS对提出的方法进行实验验证,所提出的方法在RMSE和Score两项指标上均优于目前多种RUL预测方法,且所提出方法对于接近退化末期的装备预测效果有明显提升.     

基于EMD和LSSVM的滚动轴承故障诊断

滚动轴承故障的特征信号具有非平稳性,处于较低频带内,并且容易被噪声所淹没、难以检测,在现实条件下很难获得大量故障样本。针对滚动轴承故障信号的这些问题,提出了经验模态分解(EMD)和最小二乘支持向量机(LSSVM)结合的滚动轴承故障诊断方法。使用经验模态分解,将故障特征信号分解为若干个固有模态函数之和,提取特征向量,训练最小二乘支持向量机,通过对N205型号的滚动轴承实验数据的验证,表明了该诊断方法获得较高的准确率,能有效识别滚动轴承的故障类型。     

基于多特征的域间路由节点安全状态评估方法

域间路由节点安全状态评估能够实现对BGP节点安全状态的直观、实时描述,可为制定合理的安全策略,及时定位、抑制异常路由事件提供数据参考.然而由于完整的异常域间路由集难以获取,使得传统基于数据融合的状态评估方法不再适用.分析BGP节点间交互路由过程中存在的统计特征以及这些特征与域间路由节点安全状态的关系,进而提出一种基于多特征的安全状态评估方法.以平均路径长度和路由事件发生频率等属性为安全特征,并借鉴云模型理论转换定量特征为定性概念的思想,构建域间路由安全特征云,将正常态下的多属性综合安全特征转换为安全正常态,然后通过度量安全特征偏离正常态的程度来计算节点偏离正常态的程度,由此得到域间路由节点面临安全威胁的概率.实验结果表明,该方法能够实现对域间路由节点安全状态的评估,准确性高、实时性强,可为域间路由系统的安全稳定运行提供有力支撑.     

非正态变量情况下结构可靠性分析的条件概率马尔可夫链模拟方法

基于对失效域样本的高效马尔可夫链模拟方法和鞍点估计法,提出了一种可快速分析高维小失效概率情况下含非正态变量的非线性极限状态函数的可靠性方法.所提方法在非正态空间中,将所求失效概率转化为线性极限状态函数的失效概率与一个特征比例因子的乘积.线性极限状态函数是通过马尔可夫链模拟非线性极限状态函数失效域中的样本而获得的,它与非线性极限状态函数具有近似相同的设计点.而概率论中的乘法定理是获取特征比例因子的理论依据,它反映了非线性极限状态函数失效概率与线性极限状态函数失效概率的关系.线性极限状态函数的失效概率可以由鞍点估计法求得,而特征比例因子可以由马尔可夫链快速模拟线性与非线性失效域中的样本而近似算得.定性分析和定量的算例对比分析表明,所提算法具有较广的适用范围,并且它的实现过程较为简单,计算精度和效率均较高.     

快速评估颗粒污泥性能的无锚实例分割方法

现有的Anammox颗粒污泥性能评估方法中,生化反应等效测定的方法较为精确但耗时长,基于图像颜色建模的方法足够快但不够精确.因此本研究基于实例分割任务,提出一种新的结合颗粒污泥视觉特征(如颗粒污泥颜色、尺寸、粗糙度等)进行性能评估的模型,使其能够在快速评估的同时保证较高精度.首先设计采样方案,收集颗粒污泥图像后进行图像标注,进而构建颗粒污泥图像数据集.针对图像场景中样本不均衡和小目标信息难提取的难点,本研究对无锚实例分割方法BlendMask进行改进,在主干网络上结合可变形卷积提取小目标信息,在头部网络上提出自适应样本选择策略平衡样本,并重新设计了后处理、损失函数与数据增强等模块,使改进后的BlendMask方法能快速精确提取图像场景中的颗粒污泥个体.然后获取颗粒污泥的视觉特征,设计视觉特征与性能的关联模型,判别输入图像的性能类别.相比之前的研究,本文提出的方法能够快速精确地获得颗粒污泥的性能评估.最后比较了所提出改进的BlendMask方法和先进方法在颗粒污泥图像分割和性能评估方面的表现,实验结果表明,改进的BlendMask和性能评估模型精度分别提升了3.93%和1.49%,方法取...     

分子马达集体运行机制及肌小节动态力学模型

分子马达的集体协作运行机制尚未有效揭示清楚,本文以骨骼肌中的肌小节为研究对象,利用非平衡态统计力学方法分析肌球蛋白分子马达的集体运行特性,构建肌小节系统的动力学方程和概率密度函数的Fokker-Planck方程,推导出肌小节主动收缩力学模型.根据分子马达的实际状态对模型进行化简,利用状态跃迁速率计算分子马达位移变量的概率密度分布,重点讨论了[ATP]和负载力对概率密度、主动收缩力以及收缩速度的影响,分析可知随着[ATP]的增大,收缩力和收缩速度也逐渐增大,在[ATP]饱和后,肌小节的收缩力和收缩速度保持不变;收缩速度随着负载力的增大逐渐减小到零;收缩力与肌小节的长度关系和粗细肌丝的有效作用长度有关,随着有效长度减小而减小.以上分析与Hill描述的肌肉宏观特性比较吻合,验证了模型的有效性.     

基于人眼状态识别的驾驶员疲劳检测方法研究

提出一种基于眼睛状态识别的驾驶员疲劳状态检测的方法。首先通过建立肤色模型分割出人脸区域,再利用搜索连通域的方法实现眼睛区域的定位;然后计算出眼睛区域的垂直积分投影曲线,提取并比较曲线的特征参数,从而识别眼睛的状态;最后以眼睛闭合时间比率为测量标准实现对驾驶员疲劳程度的检测。实验表明,该方法简单、有效、实时性较好,疲劳检测的正确率较高。     

基于最大方差展开的非线性信号降噪方法及其在故障诊断中的应用

将流形学习的思想引入信号降噪中,提出了一种新的基于最大方差展开（maximum variance unfolding,MVU）的非线性信号降噪方法.该方法首先基于相空间重构理论将含噪信号重构到高维相空间,再采用流形学习理论中的MVU算法对相空间数据进行非线性降维,将蕴含在相空间中代表吸引子的低维流形与噪声子空间分离,然后对低维流形进行逆重构,从而得到降噪后的信号.对加噪的Lorenz信号的仿真结果表明,该方法的降噪性能要优于基于KPCA的非线性降噪方法,且具有参数估计简单、参数影响不大等优点.最后将该降噪方法应用于带有轻碰磨故障的航空发动机转子―机匣系统振动信号,有效地提取出了淹没在噪声中的轻碰磨故障特征.     

基于红外辐射特征的空间目标属性预测

利用空间目标红外辐射测量数据,提出了系统的计算分析方法,对空间目标的温度、发射率等属性进行预测,进而判断空间目标的类型和运行状态.通过建立空间目标红外辐射光谱计算模型,模拟了探测器接收到的红外辐射光谱信号,采用独立成分分析方法提取了空间目标不同材料的光谱发射率特征,判断了空间目标的部件个数和材料类型,采用最小二乘拟合方法反演了空间目标各部件的投影面积与表面温度.模拟结果表明:该方法对空间目标参数的反演误差较小,能够实现对空间目标属性的预测.研究成果对于空间目标类型和状态的判断,具有十分重要的意义.     

基于高阶统计量的盲源提取算法获取房颤信号

从房颤病人的体表12导联心电图中得到房颤波信号,是分析和描述房颤特征的重要环节.文中发展了一种基于高阶统计量的盲源提取算法用来获取房颤波信号,模拟数据和临床数据证明了这种算法的可行性和有效性.与盲源分离相关方法相比,盲源提取算法只提取一个所需信号,通过计算频谱集中度的大小,就可以判断它是否为房颤信号,而不必像盲源分离方法那样必须对分离后的12组信号进行复杂的判断才能决定房颤信号.因此,这种方法更适合于应用到临床监护中.     

基于预测滤波器的故障诊断方法研究

提出了基于预测滤波器的非线性系统的系统故障诊断的方法, 并且给出了这种方法的故障可检测性条件, 故障的误检率和漏检率, 以及故障检测时间的上界. 通过对一个二阶非线性系统进行的仿真验证了这种方法的有效性. 结果表明预测滤波器用于故障诊断时, 具有较快的速度、较低的误检和漏检率, 并且在故障发生后仍然具有对系统状态的跟踪能力. 该方法提供的实时故障估计还可以用于在线故障补偿.     

基于栅极信号的功率器件老化特征分析

本文研究栅极动态信号在功率器件故障预测上的应用.首先介绍了功率器件栅极动态信号反映的相关失效机制,并分析了栅极动态信号的老化特征及影响因素.提出了老化特征提取方法,选定动态过程时间,动态过程面积比率作为老化特征.使用降频错位采样的方法还原高频采样下计算的老化特征,降低利用动态信号进行故障预测的采样频率,以提高方法可行性.通过NASA公布的数据集进行实验验证,提取的老化特征明显,降频采样达到了预期效果.     

基于POD-Observer技术的非定常气动力建模方法

基于本征正交分解（POD）结合观测器（Observer）技术,发展了一种新的适合于气动弹性分析的非定常气动力降阶方法.通过全阶系统行为的样本采用POD方法导出一组流体模态.将POD训练的全阶响应投影到流体模态上,得到模态幅值的响应时间历程.经由deadbeat观测器处理,这些训练数据用于识别模态幅值动态系统的Markov参数.采用特征实现算法基于上述的Markov参数构建系统的状态空间模型.算例选取了亚声速流场中的二维翼型系统.结果表明降阶模型复现了全阶系统的主要动态特性,极大缩减了原系统的自由度数量并且显著提高了计算效率.     

面向AFM的纳米目标快速重定位方法

原子力显微镜（atomic force microscope,AFM）具有极高的观测分辨率和作业精度,在纳米材料表征与纳米器件组装方面发挥了不可替代的作用.AFM工作区域的选取依赖于光学显微镜,受可见光波波长的限制,光学显微镜的分辨率一般不超过200 nm,这导致光学显微镜无法有效辨识AFM观测目标样本所在的区域.当样本被移动或者更换AFM扫描探针引起样本与探针针尖的相对位置发生变化时,如何重新将AFM探针精确定位到原观测/操作区域具有非常大的挑战性.本文研究提出了一种新的免标记探针重定位方法,综合考虑了样本角度旋转与位置偏移两个因素,首先利用光学显微镜选取样本基底上易于识别的自然特征作为参照点,基于坐标变换原理实现微米级精度的探针盲定位,进而通过AFM扫描图像的匹配获得X-Y水平方向的位置偏差,通过修改AFM的扫描参数实现纳米目标的原位快速精确重定位.该方法的优点在于不需要在纳米目标样本操作区域上制作特殊的标记,操作过程简单、定位快速、定位范围较广且具有极高的重定位精度.对纳米小球、单壁碳纳米管（single-walled carbon nanotubes,SWCNTs）、纳米划痕等样本的重定位实验验证了该方法的实用性和高效性.     

基于视觉推理的机器人多物体堆叠场景抓取方法

基于视觉的机器人抓取方法是研究智能机器人抓取问题的重要思路.本文提出了一种基于机器视觉推理的适用于多物体堆叠场景的机器人抓取方法,算法包含了场景理解和抓取规划两个步骤.在第一步的场景理解中,本文的算法包含两个主要部分:视觉操作关系推理和抓取部位检测.在视觉操作关系推理中,本文提出了一种基于深度卷积网络的视觉操作关系网络(Visual Manipulation Relationship Network, VMRN),以对物体和操作关系进行实时推理.在视觉操作关系网络中,通过设计物体对池化层,实现了物体检测和操作关系推理的端对端训练,提升了算法的速度和性能.在第二步的抓取部位检测中,本文提出了基于有向锚点框的全卷积视觉抓取部位检测网络,实现了对物体抓取部位的实时检测,并在康奈尔抓取数据集上取得了目前最高的精度.在抓取规划中,通过结合场景深度信息和抓取部位检测结果,获取当前被抓取物体的抓取点和对应的抓取向量,并通过坐标系变换将Kinect坐标系的抓取向量映射为机器人坐标系的抓取向量,完成当前抓取.实验结果表明,本文提出的机器人抓取方法能够在多物体堆叠环境下按照正确顺序完成抓取任务,并成功抓取目标物体.     

基于脉搏图像传感器的VDT视觉疲劳与亚健康状态分析

为寻求视觉疲劳和亚健康状态的客观评测依据,探讨疲劳与亚健康之间的联系,使用自行研制的脉搏图像传感器分别采集20组视觉显示终端(Visual Display Terminal,VDT)视觉疲劳和亚健康状态下的脉搏图像信号,对其进行图像处理与分析;提取能反映人体生理病理信息的脉幅、频率、脉宽、脉长、脉管轴心位移等特征指标;获取了多种表征脉搏三维时空变化的特征。视觉疲劳状态和亚健康状态与健康状态相比,脉搏特征均有显著差异,而视觉疲劳状态与亚健康状态脉搏特征指标非常相近。这对于亚健康状态的预防与评测,进一步探讨亚健康与疲劳的发生机理与联系具有重要意义。     

无线传感器网络分布式定位算法研究与仿真

无线传感器网络是一种全新的信息获取和处理技术,能够实时监测、感知和采集各种环境或监测对象的信息.传感器多节点协调的自身定位是各种应用的基础,论文深入分析并比较了在无线传感器网络领域中有代表性的三种分布式定位算法(Bounding box、Euclidean和Robust position),并在OMNET++平台上做了性能的仿真检验;实际仿真结果上,对各定位算法的性能作了分析,并对各算法的应用环境给出了建议;对Robust position算法的改进提出了建议,并对无线传感器网络定位算法的未来研究做了展望.     

基于高阶兰伯特算法的碎片云密度演化分析

空间目标解体形成的碎片云在太空不断演化,持续威胁着在轨航天器的安全运行.传统方法多将碎片云视为独立个体的集合,对个体进行推演以获取整体演化特性.这类方法虽易于实现,但需要大量样本以致效率较低.考虑到碎片分布的不确定性特征,可利用概率密度变换方法来计算碎片云在空间的密度分布.基于微分代数技术构建了高阶兰伯特算法,再求解系统雅可比的高阶近似,获得了碎片云密度的高阶展开式.通过对解体碎片云的密度演化分析计算表明,采用高阶方法可将计算效率提高10倍,得到的结果相对误差在1%以内.