基于统计模型的燃料电池发动机健康状态估计

燃料电池发动机(Fuel Cell Engine,FCE)结构复杂,维修成本高,对其做健康状态估计可有效降低故障率及维修成本.本文介绍了一种统计模型,通过FCE系统关键参数定义工况,用其它参数建立各工况的统计模型.对于实时样本数据,先根据关键参数用判别法确定工况,再将其它参数输入对应工况的统计模型,用基于马氏距离的方法计算样本偏离该工况的距离,以距离为依据结合概率论相关知识确定该样本时刻FCE系统的健康状态等级.最后以FCE历史运行数据模拟实时数据验证了该方法的可行性.     

基于马氏距离的竞争失效可靠性分析

为了解决产品退化失效与冲击失效共存的竞争失效下可靠性评估,提出了一种基于马氏距离的评估方法.引入马氏距离将多元退化数据降至一元马氏距离,采用具有随机影响的Wiener过程进行退化建模.研究了泊松过程以及固定时间发生的两类极端冲击过程,建立了同时考虑变阈值和最小冲击幅值的相关竞争失效模型.采用裂纹增长案例验证了所提方法的有效性,敏感性分析评估了模型参数对产品可靠性的影响.结果表明泊松过程冲击和固定时间冲击都对产品可靠性水平的分析值产生影响.      

WinBUGS软件在核电站可靠性参数估计中的应用

可靠性数据是核电站概率安全评价的基础,目前国内核行业通常使用经验贝叶斯方法估计可靠性参数。然而极大似然函数对于稀少样本的估计存在求解困难的问题。马氏链蒙特卡洛方法提供了另一种可用于可靠性参数估计的分层贝叶斯方法,其从后验分布大量抽样进而推断总体特征。采用基于马氏链蒙特卡洛方法的Win BUGS软件计算了核电站需求失效型稀少样本的超参数。针对68个核电站辅助给水电动部分启动需求失效数据,计算得到启动失效的超参数α为0.192 5,β为46.77,以及各个核电站辅助给水电动部分启动需求失效的后验失效概率。最后对Win BUGS软件中马氏链的收敛性进行讨论。     

改进DM-SVDD算法的异常检测研究及应用

针对传统异常检测模型在数据不平衡情况下对少数异常类样本识别效果较差的问题,提出了一种基于改进扩散映射的支持向量数据描述算法(DM-SVDD),构建新的模型并将其应用于工业异常检测。通过引入欧氏距离和马氏距离两种距离度量公式,构造新的近邻图改进扩散映射算法,结合支持向量数据描述算法进行建模,新模型不仅提高了对多数正常类样本的识别性能,且对少数异常类样本的检测性能也优于传统模型。实验数据选取多晶硅铸锭生产过程中的配料数据,研究结果表明:对于异常类样本较少所形成的不平衡数据,与传统的异常检测模型相比,所提出的改进模型可使G-Mean最优提升15.73%,F-Score最优提升19.37%,满足工业异常检测的需求,可用于指导实际生产过程,降低生产成本。     

基于VMD和马氏距离SVM的滚动轴承故障诊断

针对滚动轴承早期故障识别较困难的问题,提出一种基于变分模态分解(VMD)和马氏距离支持向量机(SVM)的诊断方法。首先,采用小波阀值法对原始振动信号进行去噪处理,获得有效的振动信号。其次,根据VMD分解后每个模态的中心频率大小不同,确定最终分解层数。同时,从分解后的变分模态分量中提取能量特征。最后,为了对样本间进行距离度量,将马氏距离引入SVM的高斯核函数计算中,建立了一个基于马氏距离的高斯函数核,用于支持向量机分类器。利用改进的SVM对轴承的运行状态进行识别,实验结果表明所提方法在识别轴承正常状态、内圈、外圈以及滚珠体故障时,具有较高的准确率。     

基于重要性排序蒙特卡洛粒子滤波的物体跟踪算法

研究复杂背景下的物体跟踪方法. 提出一种用于物体跟踪的重要性排序马氏链蒙特卡洛粒子滤波算法. 算法利用少量加权初始粒子得到后验概率分布的初步估计,并通过重要性排序马氏链蒙特卡洛采样技术从该初步估计抽取新的粒子,以构建对应不同模态的多条独立马氏链,从而充分逼近真实后验概率分布的多模态. 所提出的算法自适应地根据当前模态分布构建多条独立马氏链,因此能够在多模态的复杂场景下准确估计目标状态的后验概率分布;同时,在构建马氏链的过程中,算法采用重要性排序策略确定历史样本被选为状态转移核的似然度,提高了小权重样本被选中的可能性,降低了在马氏链构建过程中陷入局部最优的概率. 仿真实验以及真实视频上所进行的实验显示,所提出的方法能够实现准确稳定的物体跟踪,且效果优于标准粒子滤波算法以及马氏链蒙特卡洛粒子滤波算法.      

组合优化聚类与马尔科夫链的城市环卫车辆行驶工况构建方法

为客观描述城市环卫车的实际行驶特征,基于3辆市政环卫车连续一周实际道路行驶数据,提出一种组合优化聚类与马尔科夫链的城市环卫车辆行驶工况构建方法. 首先对特征参数矩阵做均值化处理,增强参数降维后每一个主成分中所包含的特征参数信息;其次利用k均值聚类将不同运行特征的运动学片段划分到不同类的样本集内,以马尔科夫链法在每一类样本集中做状态预测,按时间比例合成代表工况. 最后,基于运动学参数对所构建的代表工况进行有效性检验. 结果表明,所构建的福州市环卫车辆行驶工况相较于C-WTVC国家标准工况,能更客观地反映福州市环卫车辆的实际运行情况.     

滚动窗口下马氏链预测股票价格准确率的研究

针对马氏链短期预测股票价格的准确率问题,对状态缺失导致的马氏链预测模型失效问题进行了处理,基于滚动窗口下不同状态个数以及不同样本长度两个视角对股票价格数据进行动态处理,并分别对某股票每日收盘价未来1～5期所处的状态区间进行多次重复预测,最终将预测结果与实际值进行对比。研究结果表明,利用马氏链方法预测股票价格短期走势具有较高的准确率,准确率的高低随着状态个数、样本长度的不同而有所变动。     

基于马氏距离累积量的斜拉桥主梁损伤识别方法研究

斜拉桥主梁是其运营中最为主要的受力构件,主梁的损伤识别方法研究一直是热点问题。针对结构健康监测数据,提出了一种基于马氏距离累积量的时域损伤识别方法。首先,构造基于马氏距离累积量的结构损伤识别向量,给出了利用监测数据进行损伤识别的操作流程。其次,建立了金塘大桥有限元模型,以正弦力激励的方式获得结构单元在健康及损伤状况下的加速度数据;并利用无损伤状态下的加速度数据作为参考样本,损伤状态下的加速度数据作为待测样本,通过对比损伤识别向量的变化情况进行斜拉桥主梁的损伤识别。最后,针对金塘大桥的实桥监测数据,进一步验证了该方法的有效性。结果表明,基于马氏距离累积量的损伤识别方法可以较为准确的识别斜拉桥主梁的损伤状况。     

基于自愈技术的无线传感器网络基站生存模型

传统无线传感器网络(WSN)的安全研究主要集中在提高系统的抗入侵能力上,却很少涉及系统被入侵或失效后如何继续对外提供服务的问题,为此引入自愈技术的思想,构建了一种WSN基站生存模型.通过监测系统性能来预测系统失效点,及时执行自愈操作,从而在攻击、失效发生后,使系统仍能继续提供服务.此外,使用半马尔科夫过程来描述模型,并通过分析模型稳定健康状态的概率,发现系统受损状态的检测率是提高模型生存性的关键参数.仿真结果显示,系统检测率与失效率之间呈反向变化关系,通过自愈技术提高检测率并及时进行自愈恢复,可显著降低系统失效率,提高系统的生存性.     

基于DRNN-LSTM-IPSO的锅炉经济运行优化目标值

锅炉作为火电厂的重要设备,提高其运行经济性直接影响电厂的生产效益,而锅炉运行参数优化目标值的合理确定是保障锅炉经济运行的关键。首先提出改进的高斯混合模型算法应用于工况划分,即通过划分数据的分散度作为依据并基于马氏距离来构建评价准则函数,以确定聚类数;其次通过构建具备长短时记忆功能的深度循环神经网络(deep recurrent neural network with long-short term memory, DRNN-LSTM)建立各工况区间下的经济模型;最后在经济模型构建的基础上,针对传统粒子群算法容易陷入局部极值问题,通过对惯性权重和加速因子进行调整得到改进的粒子群算法(improved particle swarm optimization, IPSO),可更加精准地在不同工况下进行区间范围内寻优,确定运行参数的优化目标值。实验结果表明,采用本文方法确定的优化目标值对应供电煤耗优于历史最优运行值,说明了该方法在挖掘锅炉优化运行潜力上具有一定的优势,按此方案调整锅炉运行可有效降低能耗水平,以达到锅炉经济运行的目的。     

基于改进SVM的车辆传动系统故障诊断方法

利用车辆传动系统试验数据对车辆进行故障诊断和性能评价可以实现车辆故障预警,提高可靠性,从而提高车辆性能,但测试数据有数据量大、不平衡、维度高、噪声多的特征,使得传统数据分析算法会产生次优的分类模型.针对上述问题,提出了一种改进的不平衡数据分类支持向量机算法.该算法赋予各样本不同的权值,用马氏距离改进模糊隶属度的设计以排除变量相关性干扰,同时可以输出正常状态下的故障概率.实验结果表明,该算法能够有效提高故障诊断的准确性,概率输出模型可用于故障预警和性能分析.      

广义邻域粗集下的集成特征选择及其选择性集成算法

针对实际模式识别系统中样本特征常具有的连续值属性、高维性、强相关性和冗余性等影响分类效果的问题,在广义邻域粗集模型下提出一种集成特征选择及其选择性集成算法.该算法先提取样本特征并利用所提出的马氏距离分布熵评估其重要度,再基于特征重要度构建广义邻域粗集模型,并在此模型上以特征重要度为启发式信息设计基于蚁群算法的属性约简算法,然后通过改变广义邻域粗集模型参数的方式获得更多具有更大差异性的基分类器,最后利用主成分分析法对产生的基分类器进行选择性集成.模拟电路故障诊断结果表明,该算法比AdaBoost等算法取得的分类精度至少提高了2.6%.     

作动器位移传感器常规工况热防护研究

航空发动机矢量喷管作动器位移传感器在超温后工作失效。为实现位移传感器热防护要求,考虑了作动器内的导热和对流换热项,建立了作动器系统内各部分温度分布的数学模型。在常规工况允许的参数变化范围内,研究了作动器环境温度t_(wai)、入口工作介质温度tin和冷却衬套厚度Delta(δ)三个因素对位移传感器热防护的影响。结果表明:降低环境温度、降低作动器入口工作介质温度,减小冷却衬套厚度,均能有效降低位移传感器温度,建议通过合理设计作动器环境温度、入口工作介质温度和冷却衬套厚度实现位移传感器热防护。     

一种数据驱动的预测控制器性能监控方法

提出一种数据驱动的预测控制器性能监控方法.基于马氏距离的综合性能指标,推导了性能指标的基准,以实现对预测控制器性能下降的及时检测.考虑导致预测控制器性能下降的4种常见原因,提出了基于马氏距离性能指标的性能诊断方法,即通过提取过程变量中主元和误差子空间的马氏统计量作为性能特征,利用支持向量机构造分类器,实现了预测控制器的性能诊断.最后,通过Wood Berry过程仿真,验证了所提方法在预测控制器性能监控中的有效性.     

基于自适应滑模的气量调节系统执行器故障工况下的自愈调控策略

针对往复式压缩机气量调节系统中存在的执行器失效、偏移等问题,提出一种基于滑模变结构容错控制的自适应自愈调控方法。首先,通过推导气量调节系统的热力学公式,得到输出缓冲罐压力与可调负荷之间的非线性状态空间方程;然后,通过引入自适应控制参数在线调节控制器输出,在确保设定值跟踪性能的前提下提高其对外部干扰和执行器故障的鲁棒性;随后基于Lyapunov方法证明了闭环系统的稳定性;最后通过数值仿真验证了所提的自适应滑模控制策略能够有效地对执行器故障工况下的往复式压缩机气量调节系统进行自愈调控,为系统的稳定性和鲁棒性提供保障。     

执行器退化下反馈控制系统的寿命预测和延寿方法

在长期运行过程中,控制系统受到复杂工作环境的影响,执行器会发生不同程度损伤并导致其性能退化,进而致使反馈控制系统性能随之下降,甚至无法正常工作.因此针对执行器退化引起的系统性能恶化问题,建立了磨损和冲击共同作用的执行器复合退化模型,并采用基于失效时间的概率分布方法预测系统剩余寿命.然后,将执行器状态纳入控制器设计中,通过在线调整控制约束和修正设定值寻求系统性能与执行器健康指标之间的折衷平衡,以延缓执行器退化实现延长控制系统生命周期的目的.最后通过仿真案例验证了文中方法的有效性.     

广义二维PCA和稀疏表示的红外行人目标检测

红外行人检测在夜间智能视频监控,车辆安全驾驶等领域有重要应用。为了解决红外图像特征降维后空间结构信息丢失的问题,提出一种基于广义二维主分量分析（principal component analysis,PCA）和稀疏表示的红外图像行人目标检测算法。该算法主要由2个阶段组成：第1阶段利用广义二维主分量分析方法提取图像的二维主特征分量,并由此构造行人目标的超完备特征字典;第2阶段采用滑动窗口的方法得到图像中局部子图,然后利用基追踪算法求解每个局部子图的稀疏表示系数向量,最后定义一个函数度量每个子图存在行人目标的可能性,并设置相邻标记框的最小距离得到整幅图像最终的检测结果。实验结果表明,该方法能够有效地检测红外图像中的行人目标,具有较好的检测效果。     

基于 Mahalanobis距离进行人脸表情的识别

提出了利用Mahalanobis距离进行人脸表情识别的方法.首先将待分类的图像样本集进行坐标变换,使得变换以后类间离散度尽可能大而类内离散度尽可能小,即使变换以后的Fisher准则函数取得极大值,在新的坐标下求每个待分类样本到各类均值向量的Mahalanobis距离,从而将待分类的样本归到Mahalanobis距离最小的类中去,通过实验得到了平均80.25%的识别率.