一类非线性系统模糊自适应鲁棒控制

针对一类不确定性非线性系统的传统模糊自适应控制方案存在的缺陷,利用第一类模糊逻辑系统直接作为非线性系统控制器,提出了一种模糊自适应鲁棒控制策略.在传统方案的基础上加入鲁棒补偿项,取消监督控制项,进一步放宽稳定条件到最小近似误差有界,利用Lyapunov稳定性理论证明了系统的全局稳定性.通过对二阶混沌对象仿真结果表明,鲁棒控制有效地补偿了稳态误差,解决了单一模糊自适应控制寻优空间有限问题.     

基于能量法的分布式驱动电动汽车防侧翻控制

分布式驱动电动汽车具有优越的侧倾稳定性控制功能,但基于横向载荷转移率评价进行控制并不能充分发挥其技术优势。为提升该类车型恶劣工况下的防侧翻控制能力,针对当前侧翻评价指标的不足,开展基于能量转化评价的稳定性控制研究。针对该类车型的结构特点,建立车辆系统坐标系,借助欧拉旋转角法推导了整车在侧翻运动过程中动能、势能和耗散能的表达方程;通过计算车辆失稳能量阈值与车辆实时失稳能量,提出综合多因素的车辆稳定性评价指标;基于侧翻动力学模型设计出防侧翻滑模控制器;通过在分布式驱动系统力矩阈值范围内开展基于驱动轮力矩分配的差动驱动,实现了整车的防侧翻控制。研究表明,基于能量法制定的空间失稳评价指标相较于横向载荷转移率而言,更能准确、灵敏地反映整车侧倾运动状态的变化趋势,基于其设计的防侧翻控制方法通过主动分配两侧驱动力矩,削弱了相关能量转化,有效抑制了整车侧倾运动,显著提高了侧倾稳定性。     

二次冷轧轧辊表面油膜厚度模型及其影响因素

 为解决现场无法在线测量轧辊表面油膜厚度的问题,考虑二次冷轧机组润滑设备与工艺特点,在阐述了二次冷轧过程轧辊表面油膜厚度形成及演变过程机理的基础上,运用流体动力学原理,建立了一套适合于二次冷轧机组的轧辊表面油膜厚度模型。定量分析了轧制速度、轧辊表面粗糙度、辊间接触最大应力、乳化液初始动力黏度和乳化液压力黏度系数等5个因素对轧辊表面油膜厚度的影响规律。将轧辊表面油膜厚度模型应用到某厂1220二次冷轧机组,并通过对比建立的模型求解得出的轧辊表面油膜厚度与现场离线采用称重法测量得到的轧辊表面油膜厚度结果发现,两者误差小于10%,这表明模型计算精度满足现场使用要求。     

变载荷齿轮箱故障信号智能检测方法

针对变载荷激励下齿轮故障信号检测和故障识别的问题,提出一种基于经验模态分解和深度信念网络的变载荷齿轮箱故障信号智能检测方法。首先通过经验模态分解方法将非平稳的加速度振动信号分解成若干平稳的本征模态函数;选出啮合频率及倍频所在的本征模态函数,重构信号,求出重构信号的频谱,作为深度信念网络的输入;深度信念网络通过对输入频谱进行预训练和特征学习,并建立变载荷激励下齿轮故障识别分类模型;最后,用构建好的深度信念网络对测试样本进行故障诊断。试验结果表明,提出的方法能有效地检测和识别变载荷激励下齿轮故障。     

基于梯形区间软约束的多目标优化预测控制算法研究

针对多变量控制系统在受到干扰时,自由度低、鲁棒性差的缺点,在三角区间软约束控制算法的基础上,提出一种基于梯形区间软约束的多目标预测控制算法。首先在容忍区间外设置梯形区间,使控制过程分为两个部分,以减小控制初期瞬态偏差对系统造成的影响;为了缓解工业过程中各控制目标相互耦合的问题,构建两个目标函数,并用迭代算法对ε-约束法进行改进,优化目标函数,以减小目标函数的求解误差,实现对多入多出系统的协调控制。通过对壳牌公司的重油分馏塔模型仿真实验,将三角区间软约束控制算法与该算法进行对比,结果表明该算法具有较好的鲁棒性和快速性。     

基于轧件水平振动的轧机辊系振动补偿模型

考虑轧件水平振动对轧制力和摩擦力动态特性的影响,建立了一种基于轧件水平振动的轧机辊系振动补偿模型。根据广义耗散的Lagrange原理,分别沿轧制方向和垂直轧制方向建立动力学平衡方程。以某厂四辊板带轧机为例,仿真分析轧件水平振动速度和轧机辊系垂直振动位移随轧辊转速的变化规律,测试了5组不同转速下的轧制力数据;对模型补偿前后轧制力理论值与测试数据误差进行了对比。研究结果表明:补偿后的模型轧制力理论值与实测数据之间的误差大大减小。     

基于多特征提取和SVM参数优化的车型识别

提出了一种基于多特征提取和支持向量机(support vector machines,SVM)参数优化的车型识别方法,此方法解决了采用单一特征容易受到光照、天气、阴影等环境影响的问题,并且可以对运动中的车辆进行车型识别。首先,采集车辆样本并进行图像预处理,提取车辆的几何特征、纹理特征和方向梯度直方图(histogram of oriented gradient,HOG)特征;其次,将提取的多种特征量进行组合测试,并与单个特征量的测试结果进行比较;最后,采用粒子群算法优化SVM 的参数并使用优化的SVM参数进行运动车辆的车型识别。实验结果表明:提出的多特征提取和SVM参数优化相结合的车型识别方法能够取得很好的识别效果,识别率达到90%以上。     

改进的快速跟踪回声状态网络及PM2.5预测

针对递归最小二乘回声状态网络在噪声环境中预测精度不高的问题,提出了一种改进的快速跟踪回声状态网络。首先在递归最小二乘回声状态网络结构的基础上,将自适应调节的可变遗忘因子加入其代价函数中,用改进的递归最小二乘法对网络输出权值进行训练,得到快速跟踪回声状态网络;然后利用经典Lorenz混沌系统验证快速跟踪回声状态网络的有效性;最后利用灰关联法分析各相关变量与PM2.5的关联度,建立PM2.5浓度值辅助变量集合,将辅助变量集合输入到快速跟踪回声状态网络进行PM2.5浓度值预测。实验表明,与传统回声状态网络、递归最小二乘回声状态网络预测效果相比,快速跟踪回声状态网络的预测方法精度佳,抗噪声能力强。     

基于曲率约束的点云分割去噪方法

在点云去噪处理过程中,为提高对曲率变化较大区域的去噪效果,提出基于曲率约束的点云分割去噪方法。该方法通过曲率约束点云数据使模型特征得到有效保持,构建噪声光顺的映射函数使得噪声点回归光顺,能够避免使用传统滤波对点云数据模型产生过光顺,对后续处理奠定一定基础。实验表明,该方法相对于双边滤波能够有效地保持模型的特征,保留模型边缘信息,去除噪声效果更为明显。     

基于速度交流的多种群多目标粒子群算法研究

为提高多目标优化算法的收敛精度和搜索性能,提出一种基于速度交流的多种群多目标粒子群算法。算法引入速度交流机制,将种群划分为多个子种群以实现速度信息共享,改善粒子单一搜索模式,提高算法的全局搜索能力。采用混沌映射优化惯性权重,提高粒子搜索遍历性和全局性,为降低算法在运行后期陷入局部最优Pareto前沿的可能性,对各个子种群执行不同的变异操作。将算法与NSGA-Ⅱ、SPEA2、AbYSS、MOPSO、SMPSO和GWASF-GA先进多目标优化算法进行对比,实验结果表明:该算法得到的解集具有更好的收敛性和分布性。