衰减激励条件下最小均方算法的收敛性

给出了衰减激励信号的定义,并在衰减激励条件下,利用随机过程理论,研究了随机系统最小均方算法的收敛速率,阐述了参数估计误差收敛时,衰减指数和算法中设计参变量 (收敛因子或步长 )的选择方法.分析表明:在衰减激励条件下,最小均方算法也具有良好的性能:当衰减指数和设计参变量满足一定条件时,则参数估计误差一致收敛于零.     

自动化脉冲流镀设备及其应用

设计并制造了针对内孔类零件电刷镀修复的自动化脉冲流镀设备,其主要由镀笔主轴、三向数控工作台、镀液分离回收系统、工件夹具(以发动机连杆为例)、控制系统5部分组成。该设备能够为流镀过程提供脉冲(PC)和直流(DC)两种电源,可以精确控制镀笔3个方向的运动轨迹和速率,并能保证工作过程中6种镀液互不混合、循环利用。采用该脉冲流镀设备分别在直流电流和脉冲电流条件下制备了纳米复合镀层。与直流镀所得镀层相比,脉冲镀所得镀层更加均匀致密,Al2O3纳米颗粒含量更高,显微硬度更高,残余应力更低,耐磨性能更佳。     

时变系统有限数据窗最小二乘辨识的有界收敛性

利用随机过程理论证明了有限数据窗最小二乘法的有界收敛性,给出了参数估计误差 上界的计算公式,阐述了获得最小均方参数估计误差上界时数据窗长度的选择方法.分析表明, 对于时不变随机系统,数据窗长度越大,均方参数估计误差上界越小;对于确定性时变系统,数 据窗长度越小,均方参数估计误差上界越小.因此,对于时变随机系统,一个折中方案是寻求一 个最佳数据窗长度,以使均方参数估计误差最小.该文的研究成果对于提高辨识算法的实际应 用效果有重要意义.     

时变参数遗忘梯度估计算法的收敛性

提出了时变随机系统的遗忘梯度辨识算法,并运用随机过程理论研究了算法的收敛 性.分析表明,遗忘梯度算法的性能类似于遗忘因子最小二乘法,可以跟踪时变参数,但计算量 要小得多,且数据的平稳性可以减小参数估计误差上界和提高辨识精度.阐述了最佳遗忘因子 的选择方法,以获得最小参数估计上界.对于确定性时不变系统,遗忘梯度算法是指数速度收 敛的;对于时变或时不变随机系统,遗忘梯度算法的参数估计误差一致有上界.     

衰减激励条件下随机系统最小二乘的收敛性

利用随机过程理论 ,研究了随机系统最小二乘辨识算法在衰减激励条件下的均方收敛性 ,给出了参数估计误差收敛于零时 ,衰减指数应满足的条件 .得到了如下结论 :1 当衰减指数 ε 满足 0≤ε <1/ 2时 ,估计误差收敛于零 2 当ε=1/ 2时 ,估计误差有界 3 当ε>1/ 2 时 ,估计误差发散     

时变多变量系统多新息投影算法的均方收敛性

利用随机过程理论研究了时变多变量系统多新息投影辨识算法的均方收敛性,给出了参数估计误差上界的计算公式,并阐述了获得最小均方参数估计误差上界时,数据窗长度的选择方法．本文的研究成果对提高辨识算法的实际应用效果有重要意义．     

HT250冷焊表面残余应力试验

利用亚激光瞬间熔冷焊机对柴油发动机缸体所用材料HT250表面缺陷进行修复,并用x射线法测定焊缝两侧表面残余应力,以此研究冷焊残余应力分布规律以及与不同工艺参数间的关系．结果表明,靠近焊缝处为拉应力,远离焊缝处为压应力：冷焊残余应力范围很小,峰值主要分布在离焊缝中心5mm的范围内,离焊缝中心20mm处,残余应力接近为零;时间参数对残余应力峰值的影响较小,而能量参数对残余应力峰值的影响较大;通过改变时间与能量参数组合,可以得到较小的残余应力峰值,满足发动机再制造零部件表面损伤的修复要求．     

辅助变量最小二乘辨识的均方收敛性

利用随机过程理论,首次证明了递推辅助变量最小二乘(RIVLS)的收敛性,研究了RIVLS算法的收敛速率,给出估算RIVLS算法均方参数估计误差上界的计算公式.分析表明,当辅助矩阵与信息矩阵的乘积是非奇异阵,且关于辅助向量的弱持续激励条件成立时,均方参数估计误差以(1/t)的速率收敛于零.这一研究结果对于提高RIVLS算法的实际应用效果具有重要意义.数字仿真例子表明了该结论的正确性.     

多新息随机梯度辨识方法

多新息随机梯度辨识方法是系统辨识和参数估计的一种基本方法.该方法由于采用了间断迭代,因此可以克服坏数据对参数估计的影响,且具有较强的鲁棒性,又可以跟踪时变参数.作者从理论上给出了多新息随机梯度辨识方法的推导过程,同时列出多新息随机梯度辨识方法的各种变形.数字仿真实验表明多新息随机梯度辨识方法具有良好的性能.     

时变路径行星齿轮箱太阳轮故障响应周期特性

针对时变路径特性对太阳轮故障啮合响应的周期性影响,求证能够表征太阳轮不同故障类型的数据长度。首先,将特定位置传感器作为太阳轮故障啮合周期性变化的观测点,以太阳轮与行星架转速比为切入点,根据行星轮之间是否存在差异分类,分别推导出同齿啮合周期和准同齿啮合周期的表达式,并证明两者之间的关系;其次,依据推导周期及其倍数截取太阳轮不同类型故障信号,取其特征建立3维空间对故障类型进行分离。结果表明：1倍同齿啮合周期是表征太阳轮不同类型故障的最小长度;2倍同齿啮合周期是表征太阳轮不同类型故障的最佳长度。借助太阳轮故障啮合响应周期特性,能够实现太阳轮不同类型故障的诊断。