纳米黏弹性测量中谐振抑制方法研究

针对压痕测量软材料中悬臂梁谐振导致测量数据存在较大误差的问题,提出一种在宽带纳米黏弹性测量中抑制悬臂梁谐振的方法。基于z轴动态特性设计一种陷波器类型的前置滤波器,并对输入驱动电压进行滤波;设计基于最小均方误差准则(LMS)的自适应滤波器,参考赫兹接触模型对软材料的复蠕变量进行滤波,进而在输入环节和测量环节消除谐振影响。通过二甲基硅氧烷(PDMS)样本的黏弹性测量实验,验证悬臂梁谐振抑制方法的有效性。     

冲击加速度传感器系统辨识技术研究

为保证各领域复杂冲击过程中测量结果的准确、可靠,需要针对冲击加速度传感器采用系统辨识方法建立时域模型。该方法根据传感器的输入和输出数据,建立其差分方程方程形式的数学模型,并且运用引入辅助变量的最小二乘方法,实现无偏一致估计,使估计的传感器系统差分方程参数和信号噪声无关。通过对传感器系统差分模型的辨识,能够准确描述传感器系统的频域信息特征量,为准确估计被测量、评价相关不确定度和测量误差提供校准依据。     

时延系统中T-LSSVR动态软测量建模方法研究

针对工业过程中由于系统存在延时导致软测量模型难以建立、模型精度偏低等问题,提出将系统延时(T)与最小二乘支持向量回归机(LSSVR)相结合,构建一种基于T-LSSVR的动态软测量建模方法;该方法在建模过程中利用互相关函数与一阶广义差分算法辨识得到“静态响应延时”和“动态响应延时”,通过软测量手段对变量进行预测以实现辅助变量对主导变量的最佳估计。对某化工企业具有此类双延时性质的系统进行实验,实验结果表明该建模方法在动态和稳态数据预测方面都有良好的预测效果。     

软测量思想与软测量技术

在剖析软测量基本思想以及实例的基础上,对基于软测量基本思想形成的传统意义软测量以及扩展软测量两种技术及应用进行了分析与对比,并预测了可能出现的其它形式扩展软测量。结果表明,两种技术基本思想相同,也具有许多相似的模型建立方法,但传统意义软测量反映的是对象的输出与输入、部分可测的输出之间的关系,而扩展软测量是以对象的输入、输出为软测量模型的输入、输出,且能预测还有一种以对象的待测输人为软测量模型的输出、以对象的输出及部分可测的输人为软测量模型输入的扩展软测量形式。     

穿孔机导盘转速的建模与测量

介绍了狄塞尔导盘改造方法,并针对生产现场实时导盘转速难以快速准确测量的问题,建立了导盘转速模型,提出了基于速度观测器的间接测量方法.针对观测器中难于测量的导盘负载转矩问题,在MTPCR算法的基础上,提出了利用PSO优化算法寻找最优输入通道滞后时间的P-MTPCR算法,建立其软测量模型.将其与速度观测器相结合,形成基于的负载力矩软测量模型的速度观测器.仿真实验验明,该速度观测器可以得到精确的导盘转速,为它的快速准确控制提供了必要条件.     

基于Kalman算法的软测量技术在电池容量检测中的应用

针对如何在线准确检测实际工作中发射车车载电池容量,提出了一种基于Kalman算法的软测量方法。首先,建立蓄电池数学模型,选择可测、易测的辅助变量,利用Kalman算法建立软测量模型;然后,使用试验数据,通过参数辨识求解软测量模型;最后,利用Matlab软件对该模型进行仿真以及现场试验。结果表明:采用Kalman算法的软测量技术减少了电池应用过程中的电流累积误差,提高了电池容量的检测精度。     

基于ISOMAP-ELM的软测量建模及化工应用

针对化工生产反应过程复杂,难以直接建立对应的机理模型,提出了一种基于ISOMAP-ELM的软测量模型。将等距离映射与极限学习机结合,通过等距离映射对输入数据进行降维,消除输入数据的共线性,在低维空间提取更具代表性的特征分量,最后对特征分量采用极限学习机训练,以此建立软测量模型。验证结果表明,所提出算法与传统的基于ELM以及基于欧式距离降维的MDS-ELM模型相比,具有更高的预测精度,模型的均方误差仅为0.28,软测量模型的命中率达到94%,对化工生产具有一定的指导意义。     

结构影响线识别：反问题可识别性分析与降维贝叶斯不确定性量化

结构影响线识别是移动荷载下既有结构评估的理论基础,其本质上是基于系统输入-输出含噪数据反向对静力系统指定截面的响应函数进行识别。已有研究虽然取得了进展,但它们在以下两个方面存在局限性：缺乏反问题可识别性分析;缺乏不确定性量化。反问题可识别性分析是为了厘清系统识别的参数的解的情况。不确定性量化是基于测量输入-输出含噪数据估计影响线参数的后验概率密度函数。针对上述两个局限性,该文在贝叶斯概率框架的基础上开展关于影响线识别的反问题可识别性分析与贝叶斯不确定性量化。该文进行基于直接参数化的影响线识别,包括系统输入与输出、反问题可识别性分析、参数最优值。经分析得出：一方面,直接参数化无法保证全局模型可识别;另一方面,现有方法即使是全局模型可识别的情况下也无法进行不确定性量化。为保证反问题是全局模型可识别且同时获取参数后验概率密度函数,该文提出基于降维贝叶斯不确定性量化的影响线后验识别,包括系统输入与输出重构、反问题可识别性分析、后验概率密度函数。该文进行模拟数据下新光大桥吊杆拉力影响线识别,与实测及模拟数据下简支梁桥应变影响线识别,验证提出方法的有效性。     

软测量建模中的过失误差检测新方法

软测量建模中建模数据的准确与否直接影响到模型的精度,因此通过对建模数据进行过失误差检测可以确保建模数据的质量.文中提出了一种基于聚类分析的过失误差检测方法,该方法脱离了传统检测方法依赖于机理模型的束缚,更好地适应软测量的特点.针对软测量建模过程中建模数据过失误差检测的特性提出了一种新的聚类方法,这种新方法依据各数据点到数据中心的欧氏距离进行聚类,可以有效地将过失误差从数据集中剔除.实验表明这种基于聚类分析的过失误差检测方法具有很好的效果.     

基于RBF神经网络的诺西肽发酵过程菌体质量浓度软测量

针对诺西肽发酵过程中菌体质量浓度的估计问题,提出了一种基于RBF神经网络的软测量建模方法.在诺西肽发酵过程非结构模型的基础上,根据隐函数存在定理确定出辅助变量,从而使其选择有严格的理论依据;根据每批样本数据对被预测对象的预估能力,自适应地为各个批次的训练样本分配权值,并进而实施加权RBF神经网络建模.实际应用表明,所提出的软测量建模方法是有效的.