基于SSAE-SVM的滚动轴承故障诊断方法研究

针对现有滚动轴承故障诊断方法过度依赖于有监督学习算法的问题,提出一种基于堆栈稀疏自编码和支持向量机(SSAE-SVM)的滚动轴承故障诊断方法.利用堆栈稀疏自编码(SSAE)的频域深层特征学习能力,对轴承故障特征进行快速傅里叶变换和批归一化处理,再输入到SSAE网络.所构建的SSAE网络通过贪婪算法逐层训练,使用梯度下降...     

一种基于时频峭度谱的滚动轴承损伤诊断方法

为了准确地提取滚动轴承损伤特征频率,提出一种基于频率切片小波变换的时频峭度谱分析方法。采用频率切片小波变换对振动信号进行时频分解,求取与各个频率分量对应的幅值峭度,由幅值峭度序列构造信号的时频峭度谱。以时频峭度谱的若干个较大谱峰对应的频率作为中心频率,确定相应的共振频带,并在时频空间选择时频切片,然后采用重构分离出这些信号分量,并用包络解调获取重构信号的包络。在此基础上,通过包络信号的等效功率谱确定滚动轴承的损伤特征频率。试验证明,这种方法可以有效地提取滚动轴承的特征频率,由于采用了多个频带保证了足够多的信号能量可用于包络分析,当轴承存在多种损伤时,也可以有效地鉴别不同损伤特征频率。     

一种解析的基于旋转矩阵估计的波达方向估计方法

本文提出了一种解析的基于旋转矩阵估计的高分辨波达方向估计算法.为了充分利用空时信息以提高算法的估计性能,利用传感器阵列接收数据相关矩阵构建既包含旋转矩阵信息又具有可对角化结构的目标矩阵组.通过一系列矩阵变换,将复数域普通目标矩阵组转化为实数域对称目标矩阵组,以利用ACDC算法实现目标矩阵组的联合对角化并求得对角矩阵,继而求取旋转矩阵并挖掘波达角度信息,实现了波达方向估计.仿真结果表明,与其他现存的经典算法相比,所提算法具有更强的分辨能力及更准确的估计性能.     

一种利用结构特点实现复数域联合对角化解盲源分离新算法研究及应用

联合对角化方法是求解盲源分离问题的有力工具.但是现存的联合对角化算法大都只能求解实数域盲源分离问题,且对目标矩阵有诸多限制.为了求解更具一般性的复数域盲源分离问题,提出了一种基于结构特点的联合对角化（Structural Traits Based Joint Diagonalization,STBJD）算法,既取消了预白化操作解除了对目标矩阵的正定性限制,又允许目标矩阵组为复值,具有极广的适用性.首先,引入矩阵变换,将待联合对角化的复数域目标矩阵组转化为新的具有鲜明结构特点的实对称目标矩阵组.随后,构建联合对角化最小二乘代价函数,引入交替最小二乘迭代算法求解代价函数,并在优化过程中充分挖掘所涉参量的结构特点加以利用.最终,求得混迭矩阵的估计并据此恢复源信号.仿真实验证明与现存的有代表性的对目标矩阵无特殊限制的复数域联合对角化算法FAJD算法及CVFFDIAG算法相比,STBJD算法具有更高的收敛精度,能有效地解决盲源分离问题.     

融合MLP和DBN的光伏发电预测算法

精确的光伏发电预测对提高电力系统稳定性、保证电能质量、优化电网运行具有重大意义。为了解决现存光伏预测算法精度较低、性能较差的问题,同时为了综合利用多层感知器（MLP）解决非线性问题的能力以及深度信念网络（DBN）有效处理大量复杂数据的优势,构建了一种融合MLP和DBN的光伏预测算法（MLP-DBN）,其基本思想是先利用MLP模型进行初步预测,再将观测值与预测值的残差输入DBN预测模型进行预测,最后用残差预测值对MLP模型的预测值进行修正。利用光伏发电实测数据仿真,探究了不同学习率下模型的预测性能,并对模型的各参数进行了寻找优化设置。使用均方根误差、平均绝对误差以及决定系数等性能指标评估结果表明,与传统的预测算法支持向量机（SVM）以及具有较高预测精度的深度学习算法长短期记忆网络（LSTM）相比,MLP-DBN算法性能有明显的提升,为光伏发电提供了一种高精度高性能的预测算法,可以有效解决光伏发电预测问题。     

引入BL-Seq2seq模型进行负荷预测

短期负荷预测在电力系统运行和调度中起着重要作用,为了更好地提取数据中蕴含的有效信息,提升短期负荷预测精度,本文引入Seq2seq算法的注意力机制提出了多层Bi-LSTM的Seq2seq深度学习模型(BL-Seq2seq)实现短期用电负荷预测.其中Seq2seq的编码端由多层Bi-LSTM组成,将输入数据进行编码,并在网络末端输出编码后的最终状态;Seq2seq解码端为单层LSTM,它将编码端的最终状态作为初始输入状态,同时每一步的输出值作为下一步的输入值.利用用电负荷实测数据,基于Keras平台进行仿真,仿真结果表明,与多个经典的深度学习的短期用电负荷预测模型相比,所提BL-Seq2seq模型的预测误差明显降低,大大提升了短期用电负荷预测精度.     

引入感知模型的改进孪生卷积神经网络实现人脸识别算法研究

针对非限定性条件下人脸识别困难问题,设计了一种引入感知模型的改进孪生卷积神经网络结构（Inception Module Incorporated Siamese Convolutional Neural Networks,IMISCNN）,在充分利用孪生结构有效减少外界干扰并避免过拟合等优点的基础上,为其增加感知模型实现更丰富特征的提取.为寻找最优学习率引入了循环学习率策略,加速模型收敛.在CASIA-webface和Extended Yale B标准人脸数据库上的仿真实验表明,所提IMISCNN算法提升了人脸识别精度.     

基于STC系列单片机的智能工业现场显示仪设计

针对工业现场存在多种变送输出信号需同时显示的问题,为简化及更好地管理现场显示装置,设计了一种适用于多变送输出场合的智能现场显示仪。采用STC12C5A60S2单片机作为核心控制器,设计了大尺寸LED数码管的驱动电路,利用RCV420完成4-20mA变送信号的电流/电压转换,通过仪表专用模数转换器MAX1272实现对电压信号的采集;重点阐述了参数标定、线性修正以及RS232通讯模块的软件实现方法。用户可根据现场环境的不同利用红外遥控器配置仪表参数,操作简单、成本低、安装方便以及可靠性稳定性高。     

基于LabVIEW的双梯控制仿真系统

研究电梯的并联控制系统,具有重要的现实意义。因此,设计了基于LabVIEW的双梯控制仿真系统,该系统既可以实现双梯独立运行控制也可以实现双梯并联运行控制。通过该仿真系统,测试了全集选电梯的性能。同时,通过对比测试实验,验证了双梯并联调度控制系统相比于双梯独立运行控制系统,在电梯能耗及运行效率上的优越性。