基于模糊故障树的柴油发动机故障诊断方法研究

机车在交通运输领域有着不可替代的作用,提高机车的运用和维修的可靠性是实现其功能的保证。本文将模糊数学理论与故障树分析方法相结合,建立了16V240ZJ型机车发动机的故障树模型,对以发动机不能正常起动为顶事件的模糊故障树的模糊算子进行了分析计算;并对该模糊故障树进行了定性及定量分析。通过对燃油供给系统、空气供给系统、起动系统及其主要组成部件发生故障的概率分析,得到了机车不能正常起动的故障树顶事件发生的模糊概率隶属曲线及顶事件发生的概率可信区间。采用模糊故障树对发动机的故障进行诊断的方法克服了传统故障树分析中需要大量可靠性数据和部件失效精确概率值的缺点,同时为开展机车的运用和维修工作提供了一定的理论分析基础。     

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.     

基于多任务学习的装备智能诊断与寿命预测方法

智能故障诊断与预测性维护技术是推动我国制造业向数字化、网络化、智能化方向发展的关键切入点和实现"弯道超车"的创新动力.得益于人工智能和机器学习技术的快速发展,智能故障诊断与寿命预测方法在航空航天、石油化工、船舶等领域得到了广泛的研究与应用.然而,传统智能方法为实现机械装备的初始异常检测、故障诊断与寿命预测等多种任务时,...     

商用车ABS预测控制方法研究

针对商用车制动过程中存在的强烈非线性和模型不确定性问题,建立了整车七自由度转向制动状态空间模型,提出了一种非线性连续预测控制方法,设计了基于滑移率的ABS非线性预测控制器.在控制器设计中,利用泰勒级数展开对系统状态进行适当的截尾处理,获得了系统预测模型,并将ABS路面识别算法引入参考轨迹设计,提出了多路面下的参考轨迹模型.当路况发生变化时,参考轨迹也发生相应的变化,而且在系统中引入了积分反馈,以增强系统的鲁棒性.仿真研究表明,当ABS存在建模误差、载荷变化和干扰时,该非线性预测控制器仍能够获得良好的动态响应和鲁棒性.     

基于模糊理论的并联电容器故障诊断系统研究

将模糊理论应用于并联电容器的故障诊断中.针对其故障特点,建立了并联电容器典型故障诊断模型,研究了一种并联电容器故障模糊诊断系统.该系统采用人机界面,集数据采集、信号分析,征兆提取,故障诊断于一体,操作使用方便.实验结果表明,该系统可对并联电容器的典型故障进行有效识别,帮助维修人员确定故障,提高效益.     

基于星敏感器估计卫星姿态的预测Kalman滤波算法

提出了一种实时的姿态估计算法, 即预测Kalman滤波算法. 该算法能够只利用星敏感器所提供的矢量观测信息来准确地估计卫星的三轴运动姿态, 算法的实现包括力矩模型误差预测和姿态估计两步. 预测Kalman滤波算法具有良好的滤波性能, 不仅估计精度高而且鲁棒性能强,这一点已通过仿真测试得到了验证.     

基于PLS及时间序列法的卷烟销量组合预测方法

以A省及17个地市约七年间的销售面板数据为研究对象,首先建立三个单项预测模型,即Hoher—Winter季节乘积模型、时间序列分解法模型和偏最小二乘回归模型。在得到三个单项模型预测值之后,再运用组合模型方法,对三种模型的预测结果进行优化。实证结果显示,本组合预测方法更进一步的提高了预测精度,同时对卷烟销量预测实际工作具有借鉴意义。     

基于MATLAB的煤与瓦斯突出BP网络预测方法

影响煤与瓦斯突出的各种要素与突出现象之间的关系复杂,且具有明显的非线性特点.BP人工神经网络模型可以很好地逼近这种非线性函数关系.基于煤与瓦斯突出特征指标的分析,建立了合理的单隐层结构的BP预测模型,并利用MATLAB神经网络工具箱实现了模型的训练与预测,应用结果表明,这种突出预测方法具有很高的计算效率和预测精度.     

基于Lyapunov-Elman的网络控制系统时延预测方法

网络控制系统中的时延是影响系统性能的重要参数,针对基于Internet的网络控制系统中时延预测问题,提出一种最大Lyapunov指数与Elman神经网络结合的预测方法.首先对时延序列进行相空间重构,得到嵌入维数与延迟变量,然后通过最大Lyapunov指数方法与Elman神经网络对时延分别进行一步预测,将两种预测方法的预测结果通过不同的权值系数进行叠加得到最终的时延预测值.最后针对权值系数的寻优问题,提出一种改进的自由搜索算法,其收敛精度与速度都优于标准的自由搜索算法.仿真实验表明,相对于其它预测方法,本文的基于Lyapunov-Elman的时延预测方法具有较高的预测精度与较小的预测误差.     

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PF-EKF的多机器人合作定位方法

研究了多机器人群在未知环境中进行合作定位的方法.机器人利用相对观测信息以及必要的信息交换,完成信息的共享及自身的定位.在初始阶段,机器人都不知道其自身的位置,当具有全局定位能力的机器人获得定位信息后,其他机器人利用粒子滤波（PF）方法融合相对观测量,各自维护着一个代表其位置分布的粒子集合,当粒子集合逐步收敛到接近Gauss分布时,则转而利用扩展Kalman滤波（EKF）方法进行位置的跟踪.仿真结果及实验表明,PF-EKF方法结合粒子滤波器的鲁棒性、适应性与EKF的高效率和实时性,机器人群中各成员可共享全局定位信息,能有效地在未知环境中确定自身的位置.     

医用血管支架非线性扩张过程快速预测方法的研究

建立了血管支架变形影响因子与其变形结果之间的具有高度非线性识别能力的神经网络模型,通过引入学习因子η和动量因子ψ,采用附加动量项的权值修正方法,优化了网络训练算法,从而提高了网络训练速度和系统鲁棒性．结合实例对网络进行训练,并对预测误差进行了统计假设检验,检验结果表明血管支架变形神经网络智能预测结果与非线性有限元分析结果误差均值低于0．03％,训练后的网络能够较好地对血管支架变形进行预测．在此基础上,基于Pro／Toolkit工具,融合血管支架扩张变形神经网络智能预测模型,建立了血管支架力学性能快速评价工具,该系统实用性强、效率高,能大幅缩短血管支架产品开发周期     

传导电磁干扰的精确定量预测方法

针对电磁兼容领域传导干扰预测存在的通用性不强、精确度不够和实用性差的现状,提出了干扰源集中等效与模型估计方法、基于器件开关暂态过程的干扰源建模方法和变换单元干扰源的双重傅立叶积分建模方法,实现了干扰源全频段的建模;提出了基于灵敏度分析的寄生参数确定方法、金属壳体地回路阻抗的精确建模方法和部分单元等效电路精确建模方法,解决了干扰耦合通道的精确描述问题;结合上述2个方面实现了传导干扰全频段（0～10MHz）的精确定量预测,不仅通用性强而且实用性好．最后提出了一种新型面电流测量方法解决了大尺度金属壳体电流分布的测试难题,结合相关实验证明了上述理论和方法的正确性．     

基于聚类技术的股票价格趋势预测

利用聚类算法预测股票的价格趋势,通过聚类技术先将某些具备相似特征的上市公司提取出来,这些公司的股票趋势往往具有相饭性,此时再对这些提取出的上市公司财务报表进行具体分析,从而达到准确预测该上市公司股票趋势的目的。通过测试结果得出此方法在股票的预测中具有一定的应用前景。     

基于DMF和多码元累加判决的扩频捕获方法

本文提出了基于匹配滤波器PN码捕获、改进的多码元累加门限判决以及多驻留捕获验证的统一框架,运用建模和统计分布的数学方法分析了整个系统的检测概率、虚警概率、平均捕获时间三个最重要系统指标。仿真表明,多码元累加方法有效提高检测概率,通过选择合适的累加次数N,可逼近系统的最优的捕获特性,在工程设计中具有重要意义。     

基于自热修正的SOI NMOSFETs热载流子注入效应寿命预测方法

自热效应SHE（self-heating effect）是SOI MOSFETs可靠性研究的关键问题之一.在热载流子注入HCI（hot carrier injection）应力下会导致自热效应加剧,低估器件工作寿命,使得寿命预测不准.本文提出了一种基于直流HCI应力下的0.18μmPD-SOINMOSFETs可靠性寿命预测方法.通过栅电阻法提取沟道中因自热效应产生的温度,采用自热修正后的衬底电流/漏电流比率模型预测PD-SOI NMOSFETs在正常工作电压下的寿命值,预测结果与未消除自热影响预测出的寿命值存在较大差异,说明自热修正在寿命预测中不可忽略,否则会低估器件的工作寿命.     

基于小波变换的图像扩散滤波方法

图像的非线性扩散滤波基于热扩散方程, 其关键是确定适当的扩散量与扩散方向. 在已有的滤波模型中, 扩散系数依赖于梯度, 因而容易受到噪声的干扰. 为了克服这一缺陷, 首先给出了一种新的计算扩散系数的多尺度方法. 然后建立了一类用于图像恢复的非线性小波扩散（NWD）模型. NWD模型有较强的抗噪能力, 但同已有的模型一样, 需要较大的计算量. 为此, 通过NWD模型的简化, 给出了线性小波扩散（LWD）模型. LWD模型由输运与扩散两部分组成. 由于存在输运, 所以其滤波是各向异性的, 能够较好地保持边缘, 尽管在边缘点处扩散是各向同性的. LWD模型的优点是简单易于分析, 具有较小的计算量. 最后给出了所提模型与已有模型相比较的数值实验结果.     

基于混沌-RBF神经网络的风电场风速预测

在利用风速时间序列具有混沌特性的前提下,将相空间重构和RBF神经网络结合的混合算法用于风电场风速预测。通过实例仿真计算对比表明,该混沌-RBF神经网络的混合算法可以进一步提高预测准确度。     

基于MRF的统计预测提升算子的构造与应用研究

根据图像的统计信息, 在Markov随机场(MRF)的理论基础上, 构造了一种新的非线性算子即统计算子, 提出了基于该算子的一种非线性提升小波分析方法. 并根据MRF的条件概率分布, 在理论上证明了采用基于统计算子的非线性提升小波变换可使图像变换后, 在无量化失真的前提下, 提高高频子带的零高频系数. 将该方法与现有的几种非线性形态学小波分析方法以及S+P变换和JPEG2000采用的5/3和9/7线性提升小波变换进行了不同图像的测试分析, 实验结果显示, 利用这种基于统计算子的提升小波分析方法对医学图像和混合文档图像变换后可取得较低的加权熵.     

基于拉格朗日系统中约束力思想的编队卫星构形非线性控制方法

借鉴经典动力学中约束力的思想,提出了一种编队卫星构形精确保持的非线性控制方法．该方法首先将非线性和摄动条件下编队卫星构形保持问题转换为带有完整约束的拉格朗日动力学系统,然后将问题转换为一组微分代数方程,通过求解微分代数方程,确定编队卫星构形保持的非线性控制律．由于借鉴了约束力的思想,该方法自然地利用了编队卫星动力学系统的力学特性,具有节省能量和高精度的特点．通过对线性和非线性条件下空间圆编队卫星构形保持问题的仿真,验证了提出的非线性控制方法的这些特性．