一种基于神经网络的机器人故障检测方法

在对多种故障检测方法进行分析比较的基础上,提出一种基于神经网络的机器人故障检测系统结构,给出在线学习逼近机器人标称模型的故障检测方法。仿真结果表明,该方法能对机器人运行过程中出现的故障进行检测和定位。     

基于LMI的H_/H∞故障检测观测器设计

考虑未知输入信号的影响,研究了线性系统鲁棒故障检测观测器的设计问题。利用描述残差对故障灵敏度的H_指数和表示残差对未知输入鲁棒性的H∞范数,将鲁棒故障检测观测器的设计问题描述为基于H_/H∞的优化设计问题。利用线性矩阵不等式(linear matrix inequality, LMI)理论,给出故障检测观测器的存在条件,提出一种新的迭代LMI算法求解最优观测器增益。仿真结果表明,利用这种方法设计的故障检测观测器对故障的灵敏度高,对未知输入的鲁棒性强。     

基于高阶PI观测器的不确定线性系统鲁棒故障检测设计

针对一类受干扰影响的不确定线性系统,研究了基于高阶比例积分 (proportional integral, PI)观测器的鲁棒故障检测设计问题。通过对一类Sylvester矩阵方程的参数化解,将基于高阶PI观测器的鲁棒故障检测问题转化为具有多约束的优化问题。基于该优化问题的解,给出了具有鲁棒故障检测功能的高阶PI观测器存在的充要条件,并给出受干扰影响的不确定线性系统的鲁棒故障检测设计方法。最后,数值算例及仿真分析结果验证了所提方法的有效性。     

基于Simulink的实时故障检测

提出一种基于观测器的在线动态系统故障检测快速生成方案,利用NetCon系统实现控制器与故障检测系统运行在同一个智能节点上,使得残差的生成与系统的性能联系起来,实现不仅能监控系统的运行情况,还能完成故障检测的功能,同时能够避免闭环控制对故障检测的影响。针对一个实际的伺服电机,是进行离线辨识获得电机的模型;设计一个输出估计器——动态观测器,生成残差信号;通过离线仿真和在线实验证实该方案的有效性,完成从理论到实验仿真,再到实际运用的系统开发过程。     

信号故障检测的自相关方法

本文将信号的自相关特性应用到故障检测中,给出了故障检测的表达式,分别讨论了两类信号的故障检测实现方法,还给出了检测故障的算法。仿真结果表明,自相关方法用于故障检测是可行的。该方法可应用到设备内部自测试中,并可完成周期信号的在线故障检测。     

基于KPCA冗余检测的故障识别算法

工业过程中,采用传统贡献图方法识别故障时,由于没有考虑传感器发生故障而导致测量数据异常的情况,可能得到错误的辨识结果,对此提出一种故障识别的新思路。访方法通过设置多个传感器监测某一变量的变化情况,建立起测量值与待测变量之间的冗余关系,提出将检测这种关系是否保持作为翔定故障戍因的依据,并利用KPCA方法将原始测量数据映射...     

输入训练神经网络PCA故障检测方法

针对线性PCA方法难以提取非线性统计特征信息,本文在输入训练神经网络基础上提出了一种非线性PCA故障检测方法.同时探讨了非线性PCA过程性能监视系统的设计方案及其在间歇生产过程中的应用,仿真实验结果证明算法的有效性.     

基于扩展Type-2模糊集的故障检测方法

随着系统复杂程度的不断提高,对系统故障的诊断也越来越困难.提出一种扩展的Type-2模糊集合,利用扩展隶属函数的肯定证据,排除假象的特性,建立基于Type-2的模糊诊断方法,并给出了相应的设计算法.增加了负值的扩展隶属函数,将系统输出的残差清晰地划分为三个状态:正常、异常和故障.增加了一个状态,能够更好地得出清晰的诊断结果,有效地避免误诊和漏诊.针对三水箱系统,仿真结果表明了该方法的有效性.     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

基于多分辨率技术及奇异值理论的故障检测方法

提出了以小波多分辨率技术与矩阵奇异值理论相结合的故障检测方法。根据小波变换的多分辨率分解特性 ,提出了系统状态观测信号的二初始特征向量矩阵———粗分辨逼近矩阵和边缘细节信息矩阵。利用矩阵奇异值分解理论得到初始特征向量矩阵的奇异值 ,将其作为状态信号的特征向量。针对提取出的系统状态信号奇异值特征 ,设计出相应的故障检测算法 ,并将该方法用于某武器平台上精密弹簧阻尼器的故障检测。仿真结果证实了该方法的正确性和有效性。     

基于直觉模糊集的多属性模糊决策方法

针对模糊条件下的多属性决策问题,提出了一种新的基于直觉模糊集的多属性模糊决策方法。首先,给出了直觉模糊集的几何解释,定义了两个直觉模糊集之间的距离,确定了各候选方案指标值在直觉模糊集中的表示形式。其次,针对在信息不完全确定的模糊环境下,建立了基于直觉模糊集的多属性模糊决策模型,给出了适合这种模型的相应定义,提出了理想方案和负理想方案的概念,并结合信息不完全确定性处理来保证方案的唯一性。最后,通过比较各方案的直觉模糊集与理想和负理想方案的距离来确定方案集的排序。通过实例验证了方法的正确性和有效性。     

基于模糊模型的无线网络控制系统故障检测

考虑控制器与被控对象之间采用无线传输,且被控对象为非线性模型的一类网络控制系统,对其进行故障检测。首先基于T-S模糊模型将对象线性化,利用模糊主导子系统规则,设计了模糊观测器,并得出了观测器误差方程。然后将误差方程等效为与无线传输跳数相关的离散切换系统,并证明了误差系统的稳定性。最后,通过仿真实例验证了所提方法的有效性。     

基于模糊相容关系下的相容模糊粗糙集

本文针对模糊信息系统,提出了一种基于模糊相容关系的相容模糊粗糙集。文中给出了模糊相容类的定义,相容模糊粗糙集的表达形式,相容模糊粗糙隶属函数的定义及性质,相容模糊粗糙集的属性约简及模糊性测量方法.最后通过一个例子来说明了这种相容模糊粗糙集.     

Fault detection for nonlinear networked control systems based on fuzzy observer

Security and reliability must be focused on control systems firstly, and fault detection and diagnosis (FDD) is the main theory and technology. Now, there are many positive results in FDD for linear networked control systems (LNCSs), but nonlinear networked control systems (NNCSs) are less involved. Based on the T-S fuzzy-modeling theory, NNCSs are modeled and network random time-delays are changed into the unknown bounded uncertain part without changing its structure. Then a fuzzy state observer is designed and an observer-based fault detection approach for an NNCS is presented. The main results are given and the relative theories are proved in detail. Finally, some simulation results are given and demonstrate the proposed method is effective.     

基于时序模糊软集的群决策方法

研究了时序模糊软集环境下的群决策问题.针对实际问题中模糊软集信息随时间动态变化的情形,定义了时序模糊软集等概念,并讨论了其相关运算及性质. 考虑不同时刻模糊软集信息对最终决策的不同影响,分别从连续和离散时间建立基于指数衰减模型的权重确定公式. 然后,利用集成思想定义模糊软集间的运算并给出了算术加权平均算子的计算公式,将时序模糊软集集成为综合模糊软集. 利用水平软集等工具计算各对象的机会值,得出最优决策. 最后,给出了基于时序模糊软集的群决策途径并通过实例验证了决策方法合理、可行.     

基于区间二型模糊集的模糊等价关系聚类分析

传统聚类算法在解决含有不确定性的聚类问题时具有很大的局限性,为了更好地解决聚类问题中的不确定性,论文基于区间二型模糊集理论,提出了基于二型模糊等价关系的聚类分析算法.论文首先将语言变量信息完整地转化为区间二型模糊集,接着把语言变量和区间二型模糊集的优势相结合,通过区间二型模糊集的Jaccard相似度,提出了基于区间二型模糊语言变量的模糊等价关系聚类分析新方法,并设计了具体的算法流程.新聚类算法相对于传统的模糊等价关系的聚类算法,具有更好地处理不确定性问题的能力,避免了聚类计算过程中的信息丢失.同时新聚类算法可以灵活给出随聚类相似性参数变化的动态聚类结果.论文最后以电商平台的手机品牌聚类为例,验证了新算法的可行性和合理性.     

基于Vague集相似度量的多准则模糊决策方法

在分析已有关于Vague值（集）相似度量方法存在不足的基础上,综合考虑Vague值区间端点间的距离、核距离以及未知部分对支持度和反对度的影响等主要因素,提出了一种新的Vague值（集）相似度量方法,并对其性质进行讨论. 通过与现有方法的比较,表明该方法具有很强的相似度区分能力. 最后将所提出的Vague值（集）相似度量用于多准则模糊决策中,通过最优化方法选取每个准则的最优权重,根据候选方案与理想方案在相应准则下相似度加权和的大小得出最佳方案. 通过实例分析,表明了这种方法的有效性和可行性.     

模糊等价关系基础上的粗集分解

介绍了模糊相似关系和模糊等价关系的有关性质,根据这些性质建立了在模糊等价关系基础上的λ-等价类,并在λ-等价类基础上建立了λ-粗集;给出了λ-等价类分解和λ-粗集分解的定义,最后给出了λ-等价类和λ-粗集的一般性质,可知λ-粗集是Z.Pawlak粗集的推广得出了等价类和粗集在模糊等价关系基础上的分解结构——分解链。     

一种基于S-粗集的实时调度建模方法

基于S-粗集理论(Singular roush sets)提出了一种车间作业实时调度建模方法.在动态加工环境下,考虑有工件加工完成、工件到期时间改变和急加工工件到来等实时事件发生,研究了实时调度窗口工件的再选择与再调度问题,建立了基于S-粗集的车间作业实时粗调度模型,把S-粗集理论成功地应用于实时调度领城.仿真算例表明,利用该方法不仅能适应动态的工件加工环境,减小调度问题的求解规模,而且能够减少动态再调度次数.