神经网络补偿算法在基于MEMS的姿态检测中的应用

针对基于微机电传感器的姿态检测领域存在的姿态测量误差问题,为进一步提高姿态检测的精度,提出了一种基于神经网络的姿态估计误差补偿方法。采用开源的微型飞行器在室内环境进行真实飞行实验采集的数据集,借助BP神经网络的非线性映射能力,建立了关于微机电传感器的输出与姿态估计误差之间的姿态误差补偿模型;根据微机电传感器的输出信息,直接预测得到横滚角、俯仰角和偏航角的误差补偿角度。实验结果表明,利用所提出的神经网络进行姿态补偿之后,姿态估计误差大大减小,表明神经网络对于提高姿态检测的精度具有一定的作用。     

基于小波包-AR谱和深度学习的轴承故障诊断研究

针对轴承故障信号的非平稳性和非线性特点,本文采用小波包分解和自回归(auto-regressive,AR)谱估计相结合的方法提取振动信号有效特征值,为了提高诊断结果的精度,提出用深度信念网络(deep believe network,DBN)进行诊断模型训练。首先通过对轴承振动信号进行小波包分解和自回归谱估计,累加不同频段的能量实现轴承故障特征提取,然后将提取到的特征值作为深度信念网络的输入向量,进行模型训练,最后用训练好的模型进行轴承故障诊断。为验证本文所提方法的有效性,采用美国凯斯西储大学提供的旋转轴承数据集进行实验。在输入相同数据集的前提下,对比了DBN和灰色关联分析(grey relational analysis,GRA)、支持向量机(support vector machine,SVM)、反向传播神经网络(back propagation neural network,BPNN)这四种方法的识别准确率。结果表明DBN识别效果较好。从而验证了本文所提方法的可行性和有效性。     

互模糊熵中隶属函数的改进和影响分析

为进一步提高互模糊熵(cross fuzzy entropy, X FuzzyEn)算法的统计性能,引入了调整因子λ,定义了一类新的模糊隶属函数,提出了改进X FuzzyEn算法。使用耦合噪声模型和耦合MIX(p)模型定量评价了改进算法的统计稳定性和相对一致性;通过实际心衰患者和健康志愿者之间的心动周期和舒张间期耦合分析,对改进算法的有效性进行了验证。结果表明,改进算法的统计性能显著提升,并可以有效区分心衰患者与健康志愿者。     

永磁同步电机的神经网络离散位置跟踪控制

针对永磁同步电动机参数不确定及负载扰动问题,本文基于自适应和反步法技术,设计了一种永磁同步电动机离散位置跟踪控制方法。利用欧拉公式得到同步电动机驱动系统的离散数学模型,采用动态面技术,引入低通一阶滤波器对虚拟控制函数进行滤波,解决了"计算爆炸"问题;运用神经网络逼近永磁同步电动机系统中存在的未知非线性项,并将神经网络和反步法相结合,构造离散动态面位置跟踪控制器,同时对其进行稳定性分析,最后通过仿真实验分析验证了该方法的有效性。仿真结果表明,本文设计的离散控制器能够有效跟踪给定信号,实现了对永磁同步电动机良好的位置跟踪控制效果。该控制方法解决了参数不确定性以及负载扰动问题,具有一定的理论意义和实际应用价值。     

基于卷积神经网络的滚动轴承故障诊断

针对传统故障诊断方法诊断过程复杂、效果不佳的问题,提出一种基于卷积神经网络的滚动轴承故障诊 断方法。首先选取不同故障的振动信号进行归一化处理,然后把 1 维的振动信号转化成 2 维的灰度图像,利用每个 元素与其相邻元素之间的关系,并且采用重叠采样的方法加强数据集。在卷积神经网方面利用 tensorflow 搭建网络 框架,采用 4 种不同的卷积神经网络结构对样本进行训练。为避免实验的随机性,对每种方案进行多次训练,采其 结果的均值。根据测试集的准确率选取最好的适合轴承故障诊断的模型,同时对网络的结构参数进行优化改进,提 高模型的识别率和运行效率。实验结果表明,该方法可以准确地将滚动轴承的故障进行识别和分类。     

磁悬浮轴承磨床电主轴中拍振现象的分析

为减小拍振现象对高速精密磨床电主轴加工精度的影响,利用磁悬浮轴承自身的传感器及数字信号处理部件,在不外加其他设备的情况下对电主轴中的拍振进行了观察实测。通过时域、频域分析以及小波变换,提取振动信号的特征,经分析发现拍振现象是由转子机械不平衡以及转子动态偏心共同引起的。在磁悬浮轴承电主轴拍振机理的分析基础上,通过磁悬浮轴承系统的主动控制调节主轴动态特性,有针对性地对拍振现象进行抑制,可以有效改善高速精密磨床磁悬浮电主轴系统的稳定性和精密度。