基于关联规则的电网故障诊断解析方法

针对电网故障诊断解析模型存在多解和误诊问题, 提出一种基于关联规则的电网故障诊断解析方法, 并通过解析保护和断路器动作及告警信息的不确定性, 构建诊断的评价指标. 利用解析方法获得故障的完备诊断, 进而基于各类不确定性事件概率, 采用评价指标从完备的诊断集合中求取最优诊断. 故障诊断算例验证了所提出方法的有效性.

     

基于边界域和知识粒度的粗糙集不确定性度量

为了克服现有作积形式不确定性度量方法的缺陷, 基于边界域提出一种用改进粗糙度和知识粒度求和形式的粗糙不确定性度量公式. 与现有方法相比, 它同时考虑了由边界域和知识粗糙性产生的不确定性, 从理论上证明了集成后的不确定性度量值确实比单个影响因素产生的不确定性度量值大, 是一种更加合理的不确定性度量方法. 将该方法推广到基于严凸函数知识粒度情形, 得到一类度量粗糙集不确定性度量方法, 并研究了随划分变细时, 粗糙 度、改进粗糙度与所提出方法之间的关系. 最后设计了一组算例对它们进行比较, 比较结果表明, 所提出的方法对划分变细更加敏感.

     

基于区间观测器的执行器故障检测

针对同时具有未知非线性函数(包括系统不确定性、外部干扰等) 和执行器故障的非线性系统, 提出基于区间观测器的故障检测方法. 首先, 在假定执行器故障不出现的前提下, 基于未知非线性函数的上下界信息, 提出两种区间观测器设计方法; 然后, 利用这两种区间观测器的输出和系统的真实输出, 构造可以对执行器故障进行检测的残差, 以此实现基于区间观测器的执行器故障检测. 最后, 通过两个仿真例子验证了所提出方法的正确性和有效性.

     

不确定时变时滞系统的自适应全局鲁棒滑模控制

针对一类存在时变状态时滞的不确定性系统, 基于全程滑模的思想, 引入一种带状态时滞项的积分型滑模面, 以消除趋近模态, 实现全程滑模控制; 基于一种新颖的自由权矩阵时滞转换模型, 采用线性矩阵不等式(LMI) 的方法给出并证明了滑动模态稳定的充分条件, 降低了保守性; 结合自适应控制思想设计出自适应滑模控制器, 克服了不确定性以及时变的时滞影响.

     

基于直觉模糊线性方程组的IFTS 预测方法

针对模糊时间序列预测理论对不确定性数据集的实时模糊变化趋势研究存在的不足, 规范了直觉模糊时间序列的定义, 提出了基于直觉模糊线性方程组的直觉模糊时间序列预测方法. 所提出的算法将模型的求解转化为一系列带有约束的线性规划问题, 准确地反映了序列数据随时间发展变化的模糊关联规律, 简化了预测模型的复杂度, 提高了时间序列预测的精度, 扩展了直觉模糊时间序列预测理论的应用范围. 最后, 通过仿真实验验证了所提出方法的有效性和优越性.

     

基于多渐消因子强跟踪UKF 和约束AR模型的故障估计与预测

针对非线性系统中不可观测故障参数估计和预测问题, 提出一种基于多重渐消因子强跟踪无迹卡尔曼滤波(MSTUKF) 的状态和参数联合估计法, 通过引入多重渐消因子增强了对变化函数未知的故障参数的跟踪能力. 对于得到的故障参数估计值, 利用递推最小二乘法更新约束AR预测模型, 从而实现故障参数的在线估计与预测. 仿真结果表明, MSTUKF方法在故障参数估计精度上优于UKF 和单渐消因子强跟踪UKF, 约束AR模型的预测精度高于无约束条件下的预测精度.

     

基于NDO的ROV变深自适应终端滑模控制器设计

针对ROV的深度控制问题, 提出基于非线性干扰观测器的自适应终端滑模控制方法. 详细叙述了控制器的设计过程, 并利用Lyapunov 稳定性判据, 验证了存在模型参数不确定性和外干扰时, 系统的全局渐近稳定性和跟踪误差的收敛性. 仿真实验表明, 所提出的控制器不仅能够很好地估计并克服外干扰和模型不确定性等因素, 具有很好的鲁棒性能, 而且还可以实现在任意规定时刻变深运动的快速收敛.

     

不确定性R¨ossler 系统的自适应鲁棒跟踪控制

研究具有外部不确定性R¨ossler 混沌系统的鲁棒跟踪控制问题. 基于动态面控制原理设计自适应鲁棒控制器, 给出了系统参数的自适应更新律, 使得被控闭环系统的各误差变量一致有界. 系统输出曲线渐近跟踪任意期望轨道, 且跟踪误差能被控制在任意小的范围内, 而无须知道系统的参数及外部不确定性的界限. 基于稳定理论给出了具体的稳定性分析, 并通过数值仿真验证了该方法的有效性及鲁棒性.

     

基于SVR 的惯性/卫星组合导航系统故障诊断方法

在惯性/卫星组合导航系统中, 针对传统X² 检验法检测出故障但无法准确识别故障子系统的不足, 提出一种基于支持向量回归的故障诊断方法. 采用残差X² 检验法实时对组合导航系统进行故障检测, 并构建基于支持向量机的回归预测模型, 实现对惯性导航系统状态的预测; 根据系统模型输出和预测模型输出之差辅助进行惯性导航系统的故障判别, 诊断出系统故障源. 仿真结果表明, 所提出的方法能够快速准确地识别故障子系统, 并进行有效的系统隔离和重构, 从而使组合导航系统的性能得到保障.

     

网络化切换控制系统故障检测与优化设计

研究存在未知短时延、丢包和系统不确定性的网络化切换控制系统故障检测与时域优化问题. 首先基 于观测器构建残差发生器, 结合Lyapunov 函数方法和平均驻留时间方法分析系统的稳定性, 并以线性矩阵不等式(LMI) 形式给出故障检测滤波器的求解方法; 然后为了改善故障检测系统的性能, 采用后置滤波器对残差信号进行时域优化, 并利用奇偶空间方法给出其最优解; 最后设计并推导出自适应阈值. 仿真结果验证了所提出方法的有效性.

     

基于数据驱动的故障诊断方法综述

首先介绍了基于数据驱动的故障诊断方法研究动机和国内外发艘现状.以新的视角将现有故障诊断方法分为基十数据驱动的方法、基十分析模型的方法和基于定性经验的人工智能方法.说明了该方法在整个体系中的地位.并从数据利用及其与基十分析模型的方法比较等方面探讨了该方法的应用背景;然后综述了按照新分类中基于数据驱动故障诊断的现有方法,分...     

一种新的基于迭代学习的故障检测和估计算法

将迭代学习策略应用到故障诊断中,提出一种新的故障检测和估计算法.引入虚拟故障参数,采用基于PID的迭代学习策略调节其中的虚拟故障,使虚拟故障逼近系统中实际发生的故障,从而达到对系统故障诊断的目的.理论证明和仿真结果验证了新算法的可行性和有效性.     

基于改进马氏距离的模拟电路故障诊断新方法

提出一种基于改进马氏距离的模拟电路故障诊断方法. 根据被测电路的拓扑结构进行可测性分析, 利用测试矩阵确定规范模糊组, 从而得到单故障假设下的可分潜在故障元件. 将马氏距离根据模拟电路的特性作出改进, 并应用于模拟电路潜在故障元件的诊断. 利用测点特征值的改进马氏距离对潜在元件进行划分, 减少可疑故障元件的类别, 在诊断分类时达到提高速度的效果. 实验表明, 所提出的方法对模拟电路软故障诊断速度较快, 具有较好的模拟电路故障诊断测试效果.

     

基于类决策树分类的特征层融合识别算法

针对雷达组网量测数据不确定性大、信息不完备等特点, 基于决策树分类算法的思想, 创建类决策树的概念, 提出一种基于类决策树分类的特征层融合识别算法. 所给出的算法无需训练样本, 采用边构造边分类的方式, 选取信 息增益最大的属性作为分类属性对量测数据进行分类, 实现了对目标的识别. 该算法能够处理含有空缺值的量测数据, 充分利用量测数据的特征信息. 仿真实验结果表明, 类决策树分类算法是一种简单有效的特征层融合识别算法.

     

基于振动信号和云推理的球磨机负荷软测量

采用振动信号对球磨机料位进行测量时,特征值具有散度大、随机性强的特点.对此,基于具有将随机性、模糊性与稳定倾向性相结合能力的云模型,提出一种利用云模型对球磨机料位进行概念表示和推理测量的方法.首先,利用逆向云发生器对振动信号的功率谱特征值进行概念提取以获得前件云;然后,由料位值信息建立相对应的后件云;最后,利用云模型的不确定推理实现球磨机料位的软测量.对比实验结果表明了所提出方法的有效性和可行性.     

基于证据推理的联合故障检测方法

针对卡方故障检测方法对软故障的检测性能较差, 甚至会导致滤波器发散的问题, 提出一种基于证据推理的联合故障检测方法. 将组合导航中的各子滤波器作为证据, 利用每个子滤波器的状态及协方差构造联合故障检测函数, 并利用联合故障检测函数的概率分布计算基本置信指派, 再将多个证据按D-S 规则进行融合, 根据融合结果进行故障检测. 仿真结果表明, 所提出的方法对硬故障的检测性能与卡方故障检测性能相当, 但对软故障的检测性能要优于卡方故障检测, 可提高组合导航系统的可靠性和精度.

     

基于坐标变换的径向主动磁悬浮轴承容错控制

针对安装3个位移传感器的六极径向主动磁轴承,研究了基于坐标变换的位移传感器容错控制算法;在电流分配矩阵重构法的基础上,提出了基于坐标变换的执行器容错控制算法;并将这两种算法结合,提出了基于坐标变换的位移传感器和执行器容错控制算法;最后,在一个两自由度径向主动磁轴承实验台上对该容错控制算法进行了实验研究.实验结果表明,采用新容错控制算法可以最多在1个传感器故障和3个励磁线圈同时故障的情况下实现转子的稳定悬浮.     

基于分层DSmT 的多故障诊断方法

针对现有故障诊断方法难以诊断涵盖多种不同类型故障的问题,提出一种基于分层DSmT的多故障诊断方法.利用主元凝聚层聚类方法实现证据聚类,将辨识框架分成若干个子框架;利用证据主元将BP神经网络所生成的各种故障模式的基本概率赋值函数在不同辨识框架下重新分配;利用DSmT对子框架下的证据进行融合并得出诊断结果.仿真实验结果表明,所提出的方法能将不同类型故障从辨识框架中分离出来,提高多故障诊断结果的可靠性,减少计算量,提高诊断效率.