基于因果拓扑图的工业过程故障诊断

基于因果拓扑图的工业过程故障诊断方法,将过程知识与数据驱动故障诊断方法结合,有效解决了故障定位和故障传播路径辨识问题。 在因果拓扑图的基础上,基于偏相关系数提出一种相关性指标(correlation index, CI)定量衡量因果拓扑中变量间的相关性,实现变量间因果性和相关性的良好结合。为得到准确的故障检测结果,采用概率主元分析(PPCA)对CI指标进行监测。在检测出故障后,应用重构贡献图(reconstruction-based contribution, RBC)和因果拓扑图,并引入加权平均值的概念辨识出最可能的故障传播路径。将提出的方法用于带钢热连轧过程,结果表明,基于因果拓扑图的故障诊断方法能够准确地定位故障源,辨识故障传播路径。     

冷轧机传动系统振动测试与控制策略

针对某厂单机架冷轧机在轧制升速、稳速阶段存在的主机、卷取机电枢电流波动异常现象,使用霍尔传感器对轧机主传动直流调速系统的直流侧电枢电流进行检测.检测数据由数字示波器观测、导出并进行频谱分析.经对测试结果和所有可能外部扰动的分析发现,该轧机传动系统电流大范围波动主要是由于主传动系统的扭转振动以及外来负荷扰动.通过对振动频率的分析、配置速度环滤波时间常数和调整电流环比例系数之后,对轧机的扭振以及电流波动异常得到了很好的抑制,电流波动范围控制在士3％以内.     

一类离散时间非线性系统的多模型自适应控制

针对一类离散时间非线性被控对象,根据模型参数的变化范围,对被控对象建立多个模型,并针对每一模型设计控制器.基于模型的估计误差建立指标切换函数,每一采样时刻,利用指标切换函数选择最优模型,并将基于此模型的控制器切换为当前控制器.采用局部化技术,保证在不损失控制品质的同时,减少多模型自适应控制器的计算量.可以证明,多控制器相互切换时闭环系统是稳定的,同时由于多个模型的存在,控制品质得到了极大的改善.     

基于区间数度量的运动模式建模与控制

针对一类复杂的生产过程,本文作者在前期研究成果中,提出了基于运动模式的建模方法与控制方法的思想.针对该方法中模式类别变量的度量问题,本文提出采用区间数来度量模式类别变量,进而提出了一种基于区间数度量的运动模式建模与控制方法.首先,采用K均值聚类算法对收集的足够长时间内的工况数据进行聚类,得到C个模式类别,进而构成模式刻度"空间".为了描述模式的运动,本文提出了带输入的区间自回归模型(IARX).在此基础上,采用IARX模型建立模式类别变量的控制模型并给出了相应的控制算法.最后,以烧结生产过程为例验证了本文所提建模与控制方法的有效性.     

含非线性和马尔可夫跳变随机延时系统的延时相关指数稳定性

本文分析了一类含非线性和马尔可夫跳变随机延时系统的均方指数问题.通过改进文献[3]中的方法,得到了一个新的延时相关指数稳定性判据,且该判据可被描述为线性矩阵不等式的形式.数值实例证实了该稳定性判据的优越性,并提高了已有结果关于最大允许延时的估计.     

双摄像机双光源视线追踪系统标定方法研究

针对现有平面镜反射标定方法的不足,提出了一种基于多摄像机全局标定的视线追踪系统标定方法.通过在屏幕对面放置一对标定摄像机与系统摄像机构成多摄像机系统,标定摄像机直接拍摄标定目标,测量系统摄像机、光源和屏幕之间的空间位置关系.通过多摄像机全局标定确定系统摄像机和标定摄像机的坐标转换关系.通过坐标转换最终标定出系统摄像机坐标系中摄像机、光源、屏幕的空间位置关系.该方法解决了屏幕和光源不在系统摄像机视野范围内的问题,减小了图像误差.系统标定结果验证了该方法的有效性,同时为其他同类系统标定提供了一种解决问题的思路.     

人脸人耳多模态生物特征模板保护方法研究

鉴于人脸和人耳在生理位置上的特殊关系,本文将两者进行特征层串联融合,提出了一种多模态生物特征模板保护方法.该方法包括3个步骤:第一步采用随机映射矩阵对特征提取后的特征向量做可撤销变换,得到可撤销模板;第二步采用类分布保留变换对可撤销模板进行非线性变换,将实值人脸入耳融合特征模板转换成二值模板;第三步采用模糊承诺方法对二值模板进行保护.针对传统模糊承诺方法对随机密钥未加保护的安全性缺陷,提出了基于ASE算法的改进模糊承诺方法.在两个人脸人耳多模态图像库上的实验结果表明,采用多模态生物特征模板保护比采用人脸单模态模板保护能取得更好的认证性能.     

磨音影响因素分析与磨机负荷检测方法综述

介绍了磨机负荷与磨音、磨机电流的关系,简述了球磨机的发声机理,分析了球磨机填充率、筒体转速以及钢球大小等因素对磨音的影响,归纳总结了近年来磨机负荷的检测方法：基于数学模型的软测量方法、磨音法、振动法、功率法、超声波方法和基于神经网络的方法。最后指出多种测量技术融合、采用在线软测量技术及提高磨音电耳的抗噪声性能将是今后磨机负荷的检测发展方向。     

差分型复杂过程全局进化方法

复杂过程全局进化算法是一种具有类似分散搜索的通用框架结构,能够高效完成全局搜索的新型进化算法。在该算法的基础上,提出了差分型复杂过程全局进化算法。差分型算法采用拉丁超立方体抽样生成多样性种群,并应用“最小欧几里德距离的最大值法”产生参考集Refset2,以保证参考集的多样性。采用差分变异和交叉策略替代原算法的线性合并,兼顾算法的收敛速度和种群的多样性。应用Nelder-Mead直接搜索法进行局部搜索,防止搜索过程在局部最优点附近反复。仿真结果表明差分型复杂过程全局进化算法,具有较高的搜索效率。     

基于多子群目标分段差分进化的多目标热连轧负荷分配

针对热连轧负荷分配的目标函数处理中采用的加权系数不好确定的问题,设计了一种多子群目标分段优化的差分进化算法.每个子群优化目标函数的一个子目标,子群之间独立进化,不但解决了加权系数问题,并且提高了算法的收敛速度和精度.最后,算法的有效性通过仿真进行了验证.