基于自组织映射网络的电动机故障分类识别

电动机作为一种主要的驱动设备广泛地应用于各个工业领域,如何及时确定电机故障原因、类别及故障严重程度,是电机可靠运行的重要保障。SOM神经网络采用的是无教师学习的自学习方式,无需在训练或学习过程中预先指明这个     

基于神经网络的高炉铁水硅含量预报模型的研究

根据RBF神经网络具有收敛速度快和全局优化的特点,建立了RBF网络模型,并将其应用对高炉铁水硅含量预报。监于铁水硅含量与炉缸温度之间的密切相关性,通过铁水硅含量来间接地反映炉内温度变化。采用MATLAB中的Newrbe函数进行函数逼近,对高炉一段连续时期内正常生产的数据的归一化处理后进行训练和仿真,提高了铁水硅含量预报的命中率。高炉冶炼运用先进的RBF人工神经网络预报模型,能预报铁水硅含量的高低,判断炉温走势,实现炉温调控,有利于节能降耗,并可监测多个主要控制对象,为高炉操作提供指导。     

铬铁合金氧化脱磷的热力学分析计算

通过热力学分析方法,结合相关热力学数据,从去磷保铬保碳的角度,对铬铁合金氧化脱磷的反应过程进行了分析计算。计算结果表明,BaO基高碱性渣更适合于铬铁合金的氧化脱磷,另外,加入适量的Cr2O3,可以更好的控制体系中的氧势值,提高初始碳含量、降低初始温度,有利于铬铁合金氧化脱磷,从而为铬铁合金的冶炼提供理论依据。     

关于异步电机故障诊断分析与仿真

电机故障不仅会损坏电机本身,而且会影响整个系统的正常工作,甚至危及人身安全,造成巨大的经济损失.为了更好地对运行中的电机进行故障诊断.为了实时监测提供精确数据,提出了基于Elman神经网络模型和SCG权值优化算法的故障诊断新方法.以Y132S-4型感应电动机为研究对象,采集电机定子电流信号,通过功率谱估计获取故障特征频率,再利用神经网络作为故障识别装置来监测电机是否处于正常状态.用Elman诊断网络模型进行仿真,并与改进型BP网络的诊断结果进行比较,得到了更为理想的诊断效果.     

不确定随机线性重复过程的鲁棒L2-L∞滤波

研究了不确定随机线性重复过程的鲁棒L2-L∞滤波问题.通过设计一个全阶滤波器使不确定随机线性重复过程均方渐近稳定,给出鲁棒L2-L∞全阶滤波器存在的充分条件,并将滤波器的设计转化为一个凸优化的求解问题.所设计的滤波器能够保证相对于所有能量有界的外界扰动信号,重复过程的L2-L∞性能指标小于定值γ.仿真实例证实了该设计方法的有效性.     

SOFM神经网络在电动机故障诊断中的应用

研究了SOFM神经网络的结构及学习算法,提出了将SOFM网络应用于电动机故障模式分类,并据此对故障进行诊断的方法.经实例分析证明,该方法可对电动机的多个故障进行有效诊断.     

机器人涂胶滚边工作站

本文介绍一种用于汽车装配生产线的机器人涂胶滚边工作站。其主要内容包括机器人及其控制、车门抓手及滚边头的结构、胶液供给系统等。这种工作站保证了涂胶的均匀性、一致性、准确性,提高了机器人的利用率,具有明显的实际应用价值。     

无人机对抗中通信干扰源定位图谱构建仿真

无人机抗干扰过程需要准确定位干扰源.并绘制出干扰点的图谱,以保证抗干扰过程的精准性.在干扰定位过程中,一旦多干扰点之间的间隙呈现随机性分布,干扰点之间的距离很难稳定,在干扰点逐个定位过程中,传统的方法需要大量的计算过程以弥补干扰点距离突变造成的不收敛性,导致大规模干扰图谱构建过程较为复杂.提出采用多干扰源映射定位的无人机干扰图谱构建优化方法.利用通信干扰源分类方法,对干扰源进行因子分类,对干扰因子进行交叉和变异处理,获取通信干扰源的种类.在得到种类的基础上进行排除,优化得到的几个利用映射的方法进行定位,计算特征空间的最优解,获取定位的约束条件,简化多干扰源构成的图谱创建过程.实验结果表明,利用改进算法进行无人机对抗中通信干扰源定位图谱的构建,能够提高图谱的构建效率.     

随机线性重复过程的鲁棒L2-L∞滤波

针对随机线性重复过程,研究了其鲁棒L₂-L_∞滤波问题。基于线性矩阵不等式技术推导了该随机线性重复过程均方渐近稳定以及鲁棒L₂-L_∞全阶滤波器存在的充分条件,并将滤波器的设计转化为一个凸优化的求解问题。所设计的滤波器能够保证相对于所有能量有界的外界扰动信号,重复过程的L₂-L_∞性能指标小于一定值γ。仿真实例证实了该设计方法的有效性。