基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

基于LMD和SSA-SVM的电机故障诊断

针对电机故障诊断问题,尤其电机轴承方面的诊断,提出了LMD分解和麻雀搜索优化算法（SSA）优化支持向量机（SVM）的故障诊断方法。第一步采取小波降噪和LMD算法相结合去处理原始信号,经过小波降噪后的原始故障信号会去掉一部分的干扰,再分解得到原始信号的一系列PF分量,接着使用相关性分析法选择出有效的PF分量进行信号重构,重构后的故障信号再次经过LMD分解得到的PF分量求出各自的能量熵,直接用能量图展现出来。接着将各个PF分量的能量熵组成一组组特征向量输入到支持向量机的故障诊断模型里。利用麻雀搜索算法在支持向量机（SVM）对于电机故障的分类的模型上进行惩罚参数和核参数的挑选和模拟,选择最合适的参数组合建立SSA-SVM故障诊断模型进行仿真实验,通过仿真实验验证该方法的故障诊断准确率高达99.2％,与PSO-SVM和SVM故障诊断模型进行比较分析,实验证明提出来的方案有着更适合的故障识别能力,对电机故障诊断有着很好的适应性和发展性。     

IRS辅助的MISO-SWIPT安全速率最大化算法

为增强系统的稳定性,基于智能反射面（intelligent reflection surface,IRS）辅助安全通信,为用户采用功率分配架构的无线携能传输（simultaneous wireless information and power transfer,SWIPT）技术以提高用户安全速率并降低用户的能量消耗,建立了系统安全速率最大化的目标函数模型;考虑IRS相移约束、基站最大发射功率、功率分配比率约束和用户最低能量采集约束,提出了一种基于交替优化的安全速率最大化算法。利用连续凸近似算法,将目标函数转化为凸的形式;采用交替优化,对耦合变量进行解耦处理;提出一种波束赋形算法以实现安全速率最大化。仿真表明,提出的算法能够有效提升IRS辅助的SWIPT系统的安全速率,至少比其他算法提高了2.63bps/Hz。     

IRS辅助WPCN用户公平性与系统吞吐量优化方案

为了解决无线供电网（wireless powered communication network,WPCN）中用户公平性不足与系统灵活性差的问题,提出一种基于智能反射面（intelligent reflecting surface,IRS）的优化方案。该方案直接将公平指数（fairness index,FI）和系统吞吐量加权相加作为优化目标,建立了用户公平性与系统吞吐量的联合优化问题。由于所建立的优化问题是非凸问题,因此,将优化问题拆分为时隙长度和IRS反射系数优化子问题,然后交替求解。针对时隙长度优化子问题,使用逐次凸逼近（successive convex approximation,SCA）算法求解;针对IRS反射系数优化子问题,使用闭式解、SCA和半定松弛（semi definite relaxation,SDR）算法求解。仿真结果表明,所提方案在用户公平性和系统灵活性方面优于其他方案。     

基于传动链仿真的发电机智能反演优化设计

提出了一种针对运行在传动链系统中的发电机智能反演优化设计方法,并以一台运行在传动链系统中的15 kW永磁同步发电机为研究对象,针对其运行效率对发电机的设计参数进行优化.首先,在充分考虑变流器侧对整个传动链系统的影响下,建立了面向传动链系统的协同仿真建模平台,验证了传动链的电磁设计参数与协同仿真计算平台的正确性;其次,通过方差分析从发电机的8个设计参数中选定6个敏感参数,并在选定优化变量后提出了一种基于遗传算法优化的拉丁超立方抽样方案,该抽样方案可以兼顾样本空间均匀分布与各变量维度投影的均匀性;然后,通过基于高斯随机过程的智能反演优化设计模型结合基于范围选择的多目标优化算法,获得发电机的效率与最大额定输出转矩的Pareto前沿,并针对优化后的齿槽参数进行绕组设计,结果显示优化后的效率为96.2%,对比其原始设计方案,发电机电磁损耗降低了16.8%,效率提高了0.6%; 最后,通过实验验证了仿真平台的准确性,进一步说明了样本数据与优化设计的有效性.所提设计方法可针对不同规格的大型传动链系统展开优化设计,其优化方法具有一定的普适性,可用于我国海上大型传动链系统的一体化精确仿真计算与流程化优化设计.     

模型故障诊断中测量点优选的一类期望熵法

基于“第１原理”的诊断方法,给出二个极优的测量点选择方法,其时间复杂性为０,算例表明通用性好,精确性高,与ｄｅ Ｋｌｅｅｒ法不同,文中使用二值的结构模型,用结构信息划分候选诊断。     

非线性电路故障诊断的可测性研究

本文是关于非线性模拟电路故障诊断的测试点选择问题的研究,在本文提出的关于诊断方程的雅可比矩阵的物几乎处处恒等这一概念的基础上,研究了非线性情况下诊断方程的形式及其可测性问题。     

智能网联车辆节能自适应巡航控制研究

现有车辆自适应巡航控制多专注于单一的轨迹跟踪目标,而决定控制技术实际应用效益的关键是系统的节能性能.为了能够同时保证跟踪误差收敛性与燃油经济性,研究了一种车辆节能自适应巡航控制器设计方法：首先以轨迹跟踪为目标,设计了具有时变反馈增益的状态反馈控制律;其次,以反馈增益为优化变量,以整个预测时域内各采样时刻自身车辆单位位移燃油消耗量的累加为代价函数,基于经济模型预测控制方法设计了节能控制算法,并通过构建共同Lyapunov函数,给出了保证跟踪误差以指数速度收敛的反馈增益选取范围;最后,通过数值仿真验证了控制器设计的有效性,定量展示了本文所提出的方法在降低燃油消耗量方面的有效性.     

智能材料与智能建筑结构

综述了智能材料与智能蛄构的研究与应用,着重论连了智能材料应用在建筑工程中彤成智能建筑结构,使建筑结构本身不仅具有承受荷戢的能力,而且还具有识别、分析、判断和驱动功能及自诊断、自适应和自修复功能。     

基于变量混合调整的机械产品智能优化策略

为解决机械产品原始设计方案的可行化,提出了基于变量混合调整的优化策略,采用了基于启发式思想生成的变量因果关系图与几何约束混合求解的变量调整策略,该策略能很好就适应产品设计的各个阶段具有良好的柔性,同时它又是约束驱动,具有很强的自适应性和灵活性,就汽车驾驶室内布置设计对该策略进行了有效的验证。