重载机车粘着性能参数的极大似然辨识方法

针对重载机车运行中机车的粘着利用率低、易空转、易打滑的问题,提出一种对轨面粘着性能参数的实时在线估计算法。首先从分析机车粘着行为出发,选用Kiencke的粘着-蠕滑模型作为辨识模型,然后算法利用极大似然意义下的模型参数辨识框架,将参数估计转化为二次规划问题求解,进而构造出辨识的迭代算法。同时考虑到轮轨环境突变的不可测,辨识算法引入时变遗忘因子来适应轨面环境的切换。仿真结果表明,该算法能及时跟踪上轮轨环境的变化,有效辨识出粘着性能参数。     

一种永磁同步电机的失磁故障重构方法研究

针对永磁同步电机存在失磁问题,提出一种基于状态观测器的失磁故障实时检测方法。通过选择磁场同步旋转坐标系下定子电流为状态变量,建立内置式永磁同步电机失磁故障的数学模型。采用两个观测器对永磁体磁链进行实时估计的技术,首先利用龙伯格观测器隔离系统矩阵中电机速度变化对观测器误差方程造成的影响,然后设计滑模变结构观测器,并依据滑模变结构等值控制原理,建立估计永磁体磁链算式。为减少滑模运动的抖动,采用连续函数取代符号函数方法,构造失磁故障重构算法。最后通过仿真验证,证明所提方法的可行性和有效性。     

基于改进卷积双向门控循环网络的轴承故障诊断

针对传统深度学习方法没有充分利用轴承信号的时序特点,以及难以处理动态数据的问题,提出一种基于改进卷积双向门控循环神经网络的轴承故障智能诊断方法。采用卷积神经网络从输入信号中提取代表性特征,引入双向门控循环神经网络挖掘故障数据在时间维度上的语义信息,通过注意力机制自适应地对特征图通道赋予不同权值,从而实现高精度的轴承故障诊断。在公开轴承数据集上进行实验,实验结果表明,该方法能够正确地将轴承故障分类,分类精度可达996%。     

基于Canny-YOLOv3的列车轮对踏面损伤检测

针对CCD轮对图像背景噪声干扰较多,难以识别踏面损伤区域的难题,提出了一种基于Canny-YOLOv3的踏面损伤检测方法。采用Canny边缘检测算法对轮对踏面进行边缘检测,精准识别和分割出轮对踏面区域,并统一踏面图像的尺寸大小;又采用深度学习目标检测算法--YOLOv3检测出踏面图像中的损伤区域,从而完成轮对踏面的损伤检测。仿真结果表明,在相似图片干扰较大的背景下,该算法能够较准确地检测出损伤的位置和区域,且IoU值设定为0.5时,AP值可达83.19%。     

智能滑模变结构控制在定长控制系统中的应用

提出了一种基于智能滑模变结构的定长自动控制系统设计方法，利用模糊神经网络在线调整滑模变结构参数，在定长控制系统中的应用表明了该方法的优越性和实用性。     

内嵌式永磁同步电机永磁磁链在线辨识研究

针对内嵌式永磁同步电机永磁磁链辨识存在的问题,采用一种基于滑模变结构的永磁磁链参数辨识方法。首先,通过选择磁场同步旋转坐标系下定子电流和电感的乘积作为状态变量,构造内嵌式永磁同步电机永磁磁链辨识的状态方程;然后,利用滑模变结构与该模型相结合的方法,构造滑模观测器,并采用Lyapunov稳定性理论证明该观测器的稳定性和待辨识磁链参数的收敛性;最后,以仿真结果验证了该方法对永磁同步电机永磁磁链辨识的可行性。     

一种不确定非线性系统的滑模变结构观测器的研究

由于工程实际中大部分工业对象均为非线性系统,滑模观测器应用研究的重点已从线性系统转至不确定非线性系统。针对一类非线性满足Lipschitz条件,而不确定部分为有界函数的不确定非线性系统,提出一种滑模变结构观测器设计方案,将基于线性系统提出的Walcott-Zak观测器用于抑制非线性对系统的影响,而滑模变结构使得观测器对系统不确定性具有鲁棒性。对所设计观测器的稳定性进行了证明,并通过仿真验证了所提方法的有效性。     

“电路分析”课程教学改革的实践与思考

本文根据教学中存在的一些问题,介绍了＂电路分析＂课程教学中的体会和实施方法。实践证明,这些方法极大地促进了学员学习的积极性,在教学过程中有着很好的效果。     

基于脉冲神经网络的钢材表面缺陷识别研究

目的 针对现有钢材缺陷识别算法特征图利用不充分、识别准确率低、参数量大等问题,基于脉冲神经网络,提出一种用于钢材缺陷识别的稠密卷积脉冲神经网络(DCSNN)模型,减少系统消耗和内存占用。方法 首先,采用卷积编码,对输入图片进行特征提取和编码。其次,采用稠密连接算法搭建稠密卷积脉冲神经网络,实现特征重复利用,抑制梯度消失,并通过替代梯度下降算法进行网络训练。最后,在带钢数据集上进行测试,实现带钢缺陷识别。结果 实验结果显示,DCSNN在测试集上的准确率为98.61%,参数量为0.5万,结论 在钢材表面缺陷识别问题上表现出良好效果。