基于特征向量子空间距离的MPC控制器性能诊断

针对当前MPC控制器性能评价方法无法定位性能下降源的问题,提出一种基于子空间距离聚类的控制器性能诊断新方法.新方法引入特征向量子空间描述各性能类别的特征,建立子空间距离来度量当前实时数据和已知类别数据的相似性,以距离为度量函数确定监控数据对应的类别,定位引起MPC控制器性能下降的原因.在Wood.Berry塔上的仿真结果验证了新方法的有效性.     

基于频域和时域的内模PI控制器性能评价与参数优化

由于控制系统的性能降低通常与比例积分(proportion integration,简称PI)控制器不合理的参数有关,而且单一的时域性能评价指标不准确,因此,针对具有纯迟延特性的控制对象,给出了基于频域和时域相结合的性能评价方法,克服了单一性能指标的不准确性.在不同控制策略和参数下,分析了系统性能指标与基准曲线或基准点的距离.针对2个典型的高阶被控过程,分别给出了不同的降阶模型,并把拟合对象特性最好的模型用于内模PI控制器的设计.基于频域和时域评价的结果,给出了PI控制器参数重新优化和整定的方法,用于改善控制系统的性能,该方法通过数据驱动方法对参数进行重新整定来实现,提高了运算效率.仿真实验验证了上述性能评价和参数优化方法的有效性.     

鲁棒性可调的主动队列管理PI控制器的解析设计

针对主动队列管理控制系统,基于TCP/AQM控制结构提出一种解析地设计PI(Proportional Integral)控制器的方法.分析了控制系统保证鲁棒稳定性的充要条件.根据鲁棒控制H∞最优性能指标,引入动态解调因子设计控制器,采用数学有理逼近的方法得到其实际可执行的PI形式.该控制器由单参数调节,可以方便地实现系统标称性能和鲁棒性能的折中.通过仿真实例验证了所提出方法的优越性.     

不确定非线性系统的鲁棒H_∞保性能控制

针对具有有界时变参数不确定性和外部干扰的非线性系统,提出了一种鲁棒H∞保性能控制设计方法.基于李雅普诺夫稳定性定理和多项式平方和(sum of squares,SOS)方法,直接对非线性模型采用非线性的控制方法,给出基于状态反馈的鲁棒H∞保性能控制器存在的充分条件,使得闭环系统对于所有可能的不确定性和外部干扰不仅能够鲁棒渐近稳定,同时还能够满足相应的二次性能指标和H∞性能指标.通过求解相应的凸优化问题,得到状态反馈控制器,使得二次型性能指标上界或H∞干扰抑制度最小.仿真结果验证了所提方法的有效性.     

一种新型的智能控制器--九点控制器

提出一种新型的智能控制器——九点控制器，分析了其控制策略．采用相平面方法分析了各控制参数如何影响系统稳态性能、动态性能．仿真研究表明调整单个控制参数可使系统性能指标局部最优，从而实现系统性能整体最优．讨论了九点控制器控制参数的整定方法．     

转台控制器实时性能的半物理仿真方法

针对转台控制器实时性能难以进行理论估算的问题,运用虚拟转台概念,利用MATLAB中RTW工具包支持的xPC目标构建了转台控制器的半实物仿真系统,在PC机上实现了转台控制器实时性能的半实物仿真.实验结果表明,基于xPC的转台控制器实时性能的半实物仿真方法可以方便地给出控制器的实时性能指标,同时也为基于PC的转台控制器软、硬件快速开发提供途径.     

基于非线性系统模糊模型的l∞范数预测控制

以非线性系统模糊模型为基础 ,提出了一种基于l∞ 范数性能指标的预测控制方法 .证明了当子线性模型闭环稳定时 ,基于模糊模型的l∞ 预测控制系统是闭环稳定的 .将此方法用于连续反应搅拌釜 (CSTR)中和过程 pH值控制的仿真试验 ,结果表明其综合控制性能优于基于二次性能指标的预测控制方法 .     

s域SISO系统概率鲁棒设计新方法

通过引入随机向量截尾分布描述系统不确定性，并对优化性能指标进行概率加权，提出了一种新的鲁棒控制器设计方法。所得结果保守性低，兼顾了鲁棒稳定性和鲁棒性能，且控制器性能在标称情况和最坏情况之间得到概率折衷，实现了整个参数平面的一体化设计。仿真结果表明该方法的有效性。     

基于KPCA与马氏距离的达林顿管故障预测

为了对达林顿管进行故障预测,提出了基于KPCA与马氏距离的达林顿管故障预测方法。通过对达林顿管进行失效机理分析,设计了加速退化试验,并获取了集电极导通电流与饱和压降性能退化数据,利用小波包分解与核主成分分析进行数据处理,滤除了原始数据中的干扰信号,得到了退化数据的主成分,结合马氏距离对处理后的数据进行特征融合,得到了可以表征达林顿管健康状态变化的健康因子。使用2种故障预测算法对健康因子进行预测,故障预测结果验证了文中方法的有效性,预测值与真实值的误差均在10%以内。     

基于EEMD-SVD与时域分析的马田系统轴承故障诊断

针对轴承初始故障发生的时间点以及退化趋势,提出了基于总体平均经验模式分解和奇异值分解方法(EEMD-SVD)与时域分析的马田系统故障诊断方法.该方法通过提取振动信号时域和时频特征,构建不同特征参数下的基准空间并利用正交表对特征参数进行降维和优化,最终融合成单一特征参数马氏距离.分别用马氏距离监测轴承运行状态,判断初始故障发生的时刻以及演化趋势,并依据马氏距离对轴承故障发展的过程进行了划分.该方法有效地提取了振动信号时频特征并优化了马田系统基准空间,更加准确地识别了轴承初始故障发生的时间点以及更加合理地划分了轴承的退化过程.通过两组滚动轴承加速寿命试验,验证了该方法的有效性和合理性.     

Method of Monitoring Wearing and Breakage States of Cutting Tools Based on Mahalanobis Distance Features

The Mahalanobis distance features proposed by P.C.Mahalanobis, an Indian statistician, can be used in an automatic on-line cutting tool condition monitoring process based on digital image processing. In this paper, a new method of obtaining Mahalanobis distance features from a tool image is proposed. The key of calculating Mahalanobis distance is appropriately dividing the object into several component sets. Firstly, a technique is proposed that can automatically divide the component groups for calculati...     

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。     

Application of Kernel GDA to Performance Monitoring and Fault Diagnosis for Rotating Machinery

Faults in rotating machine are difficult to detect and identify,especially when the system is complex and nonlinear.In order to solve this problem,a novel performance monitoring and fault diagnosis method based on kernel generalized discriminant analysis(kernel GDA,KGDA) was proposed.Through KGDA,the data were mapped from the original space to the high-dimensional feature space.Then the statistic distance between normal data and test data was constructed to detect whether a fault was occurring.If a fault had occurred,similar analysis was used to identify the type of faults.The effectiveness of the proposed method was evaluated by simulation results of vibration signal fault dataset in the rotating machinery,which was scalable to different rotating machinery.     

利用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.     

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.     

基于Mahalanobis距离与BP网络的图像小波标定识别技术

针对计算机芯片检测,提出了基于Mahalanobis距离与BP人工神经网络的小波图像识别技术．在对Ic芯片图像进行二维小波分析后,通过Mahalanobis距离在图像的低频小波系数矩阵上进行目标图元的区域搜索与位置标定,而后根据待定目标图元像素分布特征建立特征参数向量,建立BP网络对目标图元进行模式识别．实验证明此方法能够有效地对IC图像进行目标图元的位置标定与模式识别,获得准确的IC标定识别结果．     

基于BP网络与Mahalanobis距离的图像识别技术(英文)

提出基于BP人工神经网络与Mahalanobis距离的图像识别技术.在对IC芯片图像进行二维小波分析后,通过Mahalanobis距离在图像的低频小波系数矩阵上进行目标图元的区域搜索与位置标定,而后根据待定目标图元像素分布特征建立特征参数向量,建立BP网络对目标图元进行模式识别.实验证明此方法能够有效地对IC图像进行目标图元的位置标定与模式识别,获得准确的IC标定识别结果.     

基于相似性度量的肺结节图像检索算法

为了克服肺部病变CT表现复杂,极易造成医生误诊的缺点,提出了一种基于相似性度量的医学图像检索算法并用于肺癌的诊断研究,该相似性度量保持了图像的语义相关和视觉相似.首先,根据相似性度量理论构建距离度量学习算法学习一个马氏距离;然后,根据学习的马氏距离度量,提出新的医学图像检索算法,并将提出的算法应用于肺癌的诊断研究.实验结果证明了该检索算法在肺癌诊断应用中的可行性和有效性.     

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.      

基于马氏距离的模糊聚类优化算法——KM-FCM

为了解决以欧氏距离作为相似性准则的传统模糊聚类算法对多维数据处理不利的问题,采用马氏距离代替欧氏距离,对基于马氏距离的模糊聚类算法进行优化研究,以增强基于马氏距离的模糊聚类算法的聚类效果和能力。通过构造启发式搜索与k-means算法结合的初始优化方法,利用可以自动调节最佳聚类数的有效性函数,提出了一种优化算法KM-FCM,并将此新算法与FCM,FCM-M,M-FCM聚类算法在3个标准数据集上进行了实验。结果表明,KM-FCM算法有效,聚类精度比FCM,FCM-M,M-FCM高,对高维数据聚类识别能力强,具有全局优化作用,并且聚类个数无需提前设定。新算法可为基于马氏距离的模糊聚类算法的优化提供参考。