基于动态模拟的化工过程故障诊断

化工过程中的故障检测与诊断多通过对历史数据和知识的分析来进行.提出了一种新的故障检测与分析方法,利用动态模拟来监测化工过程,并在过程发生异常时及时进行故障诊断.这种方法所针对的是可由动态模型内部参数来表征的一类故障,这些参数可通过动态模型的在线校正获得.该方法不需要设计观测器来估算过程的不可测变量,还可以将故障检测和诊断任务同时进行.该方法被应用于了重力水箱系统和庚烷芳构化反应器系统,并同传统的参数估计方法进行了比较.     

An Improved Sensor Fault Diagnosis Scheme Based on TA-LSSVM and ECOC-SVM

Monitoring the operational state of sensors promptly and the accurate diagnosis of faults are essential. This paper proposes an improved fault diagnosis scheme for sensors, which includes both fault detection and fault identification. Firstly, trend analysis combined with least squares support vector machine (TA-LSSVM) method is proposed and implemented to detect faults. Secondly, an improved error correcting output coding-support vector machine (ECOC-SVM) based fault identification method is proposed to distinguish different sensor failure modes. To demonstrate the effectiveness of the proposed scheme, experiments are conducted with an MTi-series sensor, and some comparisons are made with other fault identification methods. The experimental results demonstrate that the proposed fault diagnosis scheme offers an essential improvement with detection real-time property and better identification accuracy.     

三段判别域与最小二乘拟合的抗差滤波算法

组合导航系统卫星信号在传播过程中容易受到干扰导致卫星导航观测值出现故障。对于此问题, 提出一种基于最小二乘拟合原理的抗差滤波算法, 根据检测量的分布状态将故障分为三段判别域, 分别为无故障、偏差和超差的情况。无故障时不做处理, 出现偏差时对观测值进行降权处理, 对于超差情况, 用前几个时刻的观测值组成的拟合函数进行一个时刻的外延, 代替当前时刻的故障观测值。仿真结果表明, 三段判别域相对于两段判别域多了对偏差情况的处理, 提高了导航精度。连续时间内发生超差情况时, 相比于使用降权法, 基于最小二乘拟合的抗差滤波算法导航精度更高, 稳定性更好。     

基于故障跟踪估计器的故障诊断新方法

针对线性时不变系统提出了一种基于故障跟踪估计器的故障诊断新方法。首先引入一个可调参数,称作虚拟故障,构建线性时不变系统的故障跟踪估计器。然后,设计迭代学习算法,在选取的优化周期内通过反复迭代学习运算来动态调节虚拟故障,使之估计出系统中实际发生的故障。该方法可以同时检测和估计出系统中发生的故障,而且和发生的故障类型无关。最后,在垂直升降飞行器的线性化模型上进行了仿真研究,仿真结果表明了所设计算法的可行性和有效性。     

基于最小一乘和遗传算法的红外弱小目标检测

在随机误差不服从正态分布的问题中,最小一乘估计的统计性能优于最小二乘估计;另外,最小一乘估计的稳健性更强。因此提出了基于最小一乘估计和遗传算法进行背景预测的红外弱小目标检测方法。首先,建立最小一乘准则背景预测模型,应用遗传算法求解最小一乘估计的最优值并进行背景预测;然后,由实际图像和预测图像相减得到残差图像,并采用二维指数熵图像阈值选取方法对残差图像进行分割。针对实际红外图像序列的实验结果表明:所提出的方法对弱小目标具有更高的检测概率和更好的检测结果,优于基于最小二乘背景预测的检测方法。     

无刷直流电动机系统故障检测方法的仿真研究

首先建立了无刷直流电动机系统正常运行时的系统模型。在此模型的基础上,针对系统中功率开关管开路、绕组开路和绕组匝间短路三种故障分别建立了故障运行时的系统模型。通过对系统正常运行和上述各种故障运行的仿真研究,确定了能够识别故障的特征波形。根据仿真结果提出了基于模型监控的故障在线检测方法,即通过正常运行时系统模型的输出值与系统实际输出值之间的偏差来检测系统的故障。     

一种优化的自适应总体最小二乘系统辨识算法

对于监督信号和训练信号都含有噪声的系统辨识问题,如果采用经典的最小均方和迭代最小二乘算法进行估计,会带来较大的误差,而直接求解又会有较大的计算量,不利于在线计算.将权向量的求解转化为增广输入向量自相关矩阵瑞利商的受限最佳化问题,对增广输入向量进行遮代估计,同时建立了步长因子和误差信号问的函数关系,这个函数关系是建立在代价函数相对于步长梯度的基础上,而不是基于经验公式.所提算法结构简单,具有更好的稳健性,仿真表明这种算法相对于同类总体最小二乘算法和其他自适应算法有更快的收敛速度和更高的收敛精度.     

基于级差格式的GM(2,1)模型参数估计优化研究

参数估计的优化是提高灰色模型精度的一个重要途径,级差格式的提出避免了背景值的复杂构造.现有的GM(2,1)模型计算较为复杂,且参数估计基于目标函数是原始序列一次差分序列的拟合误差平方和最小化来确定,同时,参数估计中微分到差分的转换以及背景值构造存在较大误差.针对这些问题,本文基于GM(2,1)模型微分方程的时间响应函数推导了级差格式,给出了最小二乘法的参数估计方法,然后基于原始序列误差平方和最小的目标函数,优化了模型的两个初始条件,同时,推导出GM(1,1)回归模型和GM(1,1,exp)模型是该模型的特殊情况,最后通过实例比较本文优化方法与现有方法估计的GM(2,1)模型拟合精度与预测精度.实例结果显示,本文的优化方法估计的GM(2,1)模型具有较好的效果.     

基于LS-SVM的电液位置伺服系统多故障诊断

利用最小二乘支持向量机（Least Squares Support Vector Machines,LS-SVM）,设计了一个电液位置伺服闭环控制系统的多故障诊断系统。利用系统的可测参量,建立了基于LS-SVM的电液位置伺服系统的全局故障检测模型和局部故障检测模型。在仿真过程中发现,此方法的诊断准确度高,适用于闭环系统的单故障及多故障的检测及定位,仿真结果验证了该方法的有效性。     

基于增强学习解决随机需求车辆路径问题

针对确定随机需求车辆路径问题的最优策略,存在状态空间"维数灾"问题,基于增强学习函数近似原理,首先,设计了一个径向基函数(RBF),其次,在一给定的控制策略下,将最小平方瞬时差分(LSTD)法确定函数的权系数与交叉熵(CE)法确定隐层节点基函数的参数相结合,通过在线调整,使Bellman残差平方和性能指标达到最小,最后,根据得到的径向基函数,确定最优策略。通过仿真试验,验证了所设计方法的有效性。     

改进的非完全约束加权最小二乘TDOA/FDOA无源定位方法

针对目前时差定位/频差定位混合无源定位算法存在的定位均方根误差(root mean square error,RMSE)和定位偏差适应测量噪声能力差的问题,提出一种基于泰勒级数展开的非完全约束加权最小二乘法。首先将无源定位问题转化为二次规划问题,简化约束条件,应用拉格朗日乘子法求解目标定位的值。然后将得到的解在原约束条件下进行泰勒级数展开,利用获得的结果进一步优化解析解。计算机仿真对比了所提方法和两步加权最小二乘法(two-stage weighted least squares,TSWLS)、改进的约束加权最小二乘法(constrained weighted least squares,CWLS)、基于定位误差修正方法的定位性能,所提算法在兼顾实时性的同时,RMSE和定位偏差均低于TSWLS、CWLS、基于定位误差修正方法。     

基于未知输入滤波器的过驱动系统故障诊断方法

过驱动系统由于执行器间的冗余性导致故障往往具有严重的耦合性,从而给故障的分离带来很大困难。针对过驱动系统的执行器乘性故障,提出了一种基于未知输入滤波器的故障诊断方法。首先,提出了一种新的未知输入滤波器结构,设计方便。然后,将指定执行器的故障看作未知输入,通过一组结构化残差来实现故障分离,并在此基础上,提出了一种故障估计方法。最后,通过ADMIRE飞行器的近似线性化模型仿真验证了所提方法的有效性。     

基于粒子群支持向量机的模拟电路故障诊断

针对传统神经网络技术在模拟电路故障应用中存在的问题,提出了一种基于粒子群算法(particle swarm optimization, PSO)和最小二乘支持向量机(least squares support vector machine, LSSVM)的模拟电路故障诊断的方法。该方法首先利用小波包技术对待诊断电路的可测点信息提取故障特征,然后使用粒子群算法优化支持向量机的结构参数,避免了参数选择的盲目性,提高了模型的诊断精度。在对某滤波电路进行的故障检测中,验证了该方法的可行性。     

考虑抑制耦合关系的5G业务故障分析方法

5G网络业务对基础设施的共用关系使得其业务故障逻辑更为复杂,具体体现在业务故障间耦合关系的形成。其中抑制耦合作为一类特殊的业务故障耦合关系,体现了业务故障间此消彼长、相互抑制的关联关系,极大程度上影响着业务的运行情况。为了对抑制耦合影响下的5G业务故障进行分析,本文基于对业务故障间抑制耦合关系的考虑,提出了耦合故障树分析方法,基于该方法本文实现了对抑制耦合关系影响下业务故障的解析评估。5G轮胎吊案例的分析与对比,证明了本文所提方法的有效性。     

基于约束加权最小二乘的无源定位闭式解算方法

针对无源定位问题中可进行伪线性处理的观测方程,提出一种基于约束加权最小二乘的无源定位闭式解算的理论框架。首先,在不限定定位观测量情况下,建立基于约束加权最小二乘的定位模型,推导其无约束最优化形式;然后,只需通过广义特征值分解即可实现辐射源状态估计并给出其解析表达式,并在此基础上证明了该闭式解的全局最优性和减小定位偏差的特性;最后,将该理论框架应用于到达角(angle of arrival, AOA)/到达时间差(time difference of arrival, TDOA)联合定位场景,验证了其有效性。仿真结果表明,所提算法定位精度能够逼近克拉美-罗下限(Cramer-Rao low bound, CRLB),定位偏差明显小于加权最小二乘算法,尤其在连续定位时间较短,噪声强度较大等情况下,验证了所提理论框架的优越性。     

非线性系统故障诊断的Volterra模型方法

针对非线性系统的故障诊断问题,系统地总结了基于Volterra级数模型的故障诊断的理论与方法。由于Volterra级数模型可以完全描述非线性系统的传递特性,因而可将其应用于系统的故障诊断,即在系统工作过程中,通过分析故障发生前后Volterra模型中非线性因素的变化来判知系统的故障。在介绍了这一新的故障诊断理论的基本思想后,结合减震弹簧的疲劳诊断,总结了当前的两种主要研究方法,即基于非线性谱分析的故障诊断方法和基于多重预设Volterra模型的故障诊断方法。阐述了这两种方法的工作原理和实现方法,指出了今后在这一方向上需要进一步研究解决的问题。     

基于SE(3)的航天器姿轨一体化有限时间容错控制

针对相对运动航天器,当执行机构出现故障以及外部干扰和系统不确定性同时存在的情形下,利用滑模控制的鲁棒性,提出了一种有限时间容错控制方法。基于李群SE(3)建立了单刚体航天器姿轨一体化模型,并在指数坐标下推导了相对运动航天器误差动力学方程。设计了一类非奇异快速终端滑模面,并采用等价自适应方法设计控制器估计和补偿外总扰动,提出的容错控制算法可以不依赖于故障诊断与检测环节。运用Lyapunov方法证明了系统在故障和扰动等多约束条件下的稳定性和有限时间快速收敛性,数值仿真结果分析也验证了该容错控制器的快速性、准确性与可靠性。     

基于系统辨识的全球科技领军人才流动网络化模型研究

针对全球科技领军人才流动问题,将文献计量学、复杂网络和系统辨识三种分析工具相结合,建立全球科技领军人才跨国流动网络化模型.首先,应用文献计量学方法,给出全球范围内重点科技领域的领军人才的准确定义.提出基于履历分析法收集全球主要国家科技领军人才流动数据的方法:之后,结合代数图论、矩阵理论和复杂网络理论,建立全球科技人才流动网络框架模型,确定框架模型中能够直接推导出的参数和待辨识的未知参数,应用定量化模型描述全球科技人才流动的整体态势;再次,将各个国家的全球科技人才总量按时间段进行收集汇总,建立相应的数据库,基于数据库应用最小二乘方法辨识框架模型中的未知参数,从理论上完成全球科技人才流动网络模型的构建.最后.应用部分领域全球主要国家科技领军人才数据,对模型的有效性进行验证,分析领军人才流动的特点.     

基于非线性和测试覆盖率的软件可靠性增长模型

软件可靠性增长模型一般假设故障是独立的,且检测到的故障能够被排除。但在工程中,一些检测到的故障可能无法排除,在排除过程中也可能会引入新的故障。考虑上述因素,本文假设故障的引入过程与时间呈现非线性关系,通过测试覆盖率函数来表示软件故障检测率,建立了基于非齐次泊松过程(non-homogeneous Poisson process, NHPP)的软件可靠性增长模型。为规避参数估计过程中模型函数导数连续性和存在性的限制,应用一个自适应变化的实值遗传算法进行计算。最后通过一个真实软件失效数据集对模型参数进行计算,利用不同的评价准则将所提模型和现有模型进行比较,说明所提模型的优越性和准确性。     

函数型核加权估计法及其在经济学中的应用

本文基于变系数模型提出了一个新的统计推断方法:函数型核函数加权最小二乘法.该方法将变系数模型中经典的核函数加权最小二乘法和参数模型中的函数型最小二乘法巧妙结合,通过条件特征函数构造损失函数进而定义了函数型核函数最小二乘估计量.该估计量既具有函数型最小二乘法的优势——在扰动项服从厚尾分布时也能够稳健估计参数,又具有非参数核估计的特点——估计量的相合性不依赖于参数模型的正确设定.同时,本文探讨了该估计量的大样本性质,证明了其相合性和渐近正态性.进一步,本文研究了该估计量的自适应估计,即基于估计量渐近方差的相合估计量来选择最优估计.最后,本文通过数值模拟来探究函数型核函数最小二乘法的有限样本性质,并将该方法应用到我国PM_(2.5)和经济增长关系的研究中.