一种摄动粒子滤波故障检测方法

粒子滤波算法在故障检测应用中面临的两个难题是退化问题和难以跟踪突变状态。针对上述问题,将随机摄动再采样方法和强跟踪滤波算法引入粒子滤波,提出了一种摄动粒子滤波故障检测方法,旨在于解决粒子滤波的退化问题并提高算法对突变状态的跟踪能力,从而提高故障检测方法对故障的检测准确度。通过强跟踪滤波更新粒子,来提高算法跟踪突变状态的能力;当出现退化现象时,采用随机摄动再采样方法,对粒子集中的最优粒子迭加一个随机摄动量,用摄动粒子替换粒子集中的退化粒子,解决退化问题。仿真结果显示该算法能及时、准确地检测系统故障。     

牵引变电所电弧光保护方案在海外项目的应用实践

介绍了电弧光的危害,简述国内牵引变电所母线保护的现状,详述电弧光保护在白俄罗斯工程应用方案,展望方案推广的前景。     

辐照猪肉产生的2-十二烷基环丁酮剂量检测及其微波加热影响

以2-十二烷基环丁酮(2-DCB)为检测目标物,使用60Coγ射线在1-10 kGy辐照剂量下对猪肉进行辐照,用气质联用仪(GC-MS)进行定量分析,显示2-DCB浓度与辐照剂量呈线性关系,从而计算出辐照加工猪肉盲样的辐照剂量-1.19 kGy.对辐照后的猪肉进行微波加热,发现微波加热方式对2-DCB基本没有影响.     

具有自适应噪声边界的Tube可达集鲁棒预测控制

针对过程噪声设定边界与真实噪声边界失配的有界干扰离散线性不确定系统,提出一种具有自适应噪声边界的Tube可达集鲁棒模型预测控制方法.首先,该算法引入基于MIT规则的自适应集员滤波在线估计系统状态和噪声边界.其次,基于估计值,通过迭代自适应集员滤波的时间更新部分计算出预测时域内闭环不确定系统状态的可达集.最后,用可达集代替不变集并根据Tube鲁棒模型预测控制策略,给出了实际不确定系统的控制律,确保系统状态鲁棒渐近稳定,并收敛于终端干扰不变集.仿真结果验证了该控制方法的有效性.     

考虑不完全维护影响的随机退化设备剩余寿命预测

针对寿命周期中存在不完全维护影响的随机退化设备剩余寿命难以预测的问题,提出了一种考虑不完全维护影响的退化建模和剩余寿命预测方法.首先,在Wiener过程理论架下,建立了能够表征不完全维护影响的分阶段退化过程模型,然后从阶段时间服从的逆高斯分布出发,利用逆高斯分布的卷积特性,从理论上推导出存在不完全维护下寿命分布的解析解,并将维护效果的随机性和维护次数的影响传递到寿命分布中.进一步通过时间尺度变换,得到了考虑未来存在不完全维护影响下的剩余寿命分布解析解.通过极大似然估计和最小二乘法对模型未知参数进行了估计.最后将本文方法应用到陀螺仪的实际退化过程中,验证了所提方法的有效性.     

基于ARM的嵌入式TCP／IP网络系统设计

本文首先介绍了微处理器ARM的特点，然后对嵌入式系统开发进行了讨论，最后将两者结合，应用在TCP/IP网络系统的设计中，并设计了相应的程序流程。     

一个多维次成分并行提取算法及其收敛性分析

次成分分析是信号处理领域内一项重要的分析工具.目前,多维次成分并行提取算法数量稀少,而且现有的算法在应用时还存在很多限制条件.针对上述问题,在分析研究OJAm次子空间跟踪算法的基础上,采用加权矩阵法提出了一种多维次成分提取算法,并采用递归最小二乘法对所提算法进行了简化,最后采用李雅普诺夫函数法确定了所提算法的全局收敛域.相比现有算法,所提算法对信号的特征值大小没有要求,也不需要在迭代过程中进行模值归一化操作,同时算法具有较低的计算复杂度.仿真实验表明:所提算法能够并行提取多维次成分,而且收敛速度要优于现有同类型算法.     

多维广义次成分提取准则及自适应算法

针对广义次成分在信号处理中没有与之相对应的信息准则,而且只能提取单维广义次成分,提出一种多维广义次成分提取准则,并通过矩阵微分法证明了所提出信息准则只有唯一的全局极大值.基于该信息准则,采用梯度上升法导出一种多维广义次成分提取算法,并采用李雅普诺夫函数法对所提出算法的全局收敛性进行证明.与其他现有算法不同,所提出算法可以并行提取多维次成分,而并不需要模值归一化.仿真实验表明,所提出算法相比一些现有算法具有收敛速度快和估计精度高的优点.     

粗糙集和支持向量机在复杂电路系统诊断中的应用

为了解决复杂电路系统故障样本少、特征信息冗杂的问题,提出了一种基于粗糙集属性约简理论和支持向量机分类方法相结合的故障诊断方法.首先采用粗糙集约简故障模式库中的冗余特征属性和矛盾样本,然后提取最简故障特征模式作为支持向量机的学习样本,通过样本训练使构建的支持向量机多分类器能够快速实现故障诊断的目的.最后,通过仿真算例验证了该方法在小样本故障识别上的有效性和可行性.     

RBF网络用于性能退化的可靠性评估

针对无法用数学式准确描述退化量与环境因子间复杂非线性关系的问题,提出了一种基于RBF网络的退化轨迹建模方法.利用RBF网络能够逼近任意非线性函数的特性,进行退化轨迹的建模,并结合失效值预测产品寿命.将所有估计寿命作为完全失效数据进行可靠性评估,有效地解决了失效数据少的问题.通过对疲劳裂纹增长数据的RBF网络建模分析,证明RBF网络具有很好的函数逼近能力,寿命预测结果非常理想.经验证,在更少的退化数据下,RBF网络仍能够较好地模拟退化轨迹,寿命预测精度较高.