非线性和非高斯性共存的序批次反应处理过程故障诊断

序批式反应器(SBR)的处理过程的数据具有非高斯分布和高度非线性的特点,传统特征提取方法在进行特征提取时仅仅考虑信息最大化而忽略数据的簇结构信息导致数据特征提取的不完整.由于多向核熵成分分析是一种新的监测方法,在监测过程中的应用表明能够克服传统监测方法的缺陷,减少误报警率.因此本文结合多向核熵成分分析的的优势,提出多向核熵独立成分分析方法用于SBR过程监测及故障诊断.首先,将三维SBR过程数据利用一种新的数据展开技术变为二维数据;其次,利用核熵成分分析将展开后的二维数据映射到高维空间用独立成分分析进行独立成分提取;最后提出一种基于多向核熵独立成分分析的故障诊断方法进行故障诊断.将该方法和传统方法应用于80升的SBR处理过程的监测结果表明,本文提出的方法优于传统的多向独立成分分析方法.     

一种非线性非高斯随机系统的故障诊断方法

针对非线性非高斯随机系统在线故障诊断的问题,运用粒子滤波器提出了一种基于方差自适应粒子滤波器的非线性非高斯随机系统的故障诊断方法,可以用来解决系统的参数偏差型故障诊断问题。通过对连续搅拌釜式反应器(CSTR)的仿真研究,可以看出,该算法实现简单,易于对系统进行在线估计,对于发生缓变和突变的参数偏差型故障的检测与估计均较为有效。     

基于贡献率法的非线性工业过程在线故障诊断（英文）

Over past decades, kernel principal component analysis(KPCA) appeared quite popularly in data-driven process monitoring area. Enormous work has been done to show its simplicity, feasibility, and effectiveness. However, the introduction of kernel trick makes it impossible to directly employ traditional contribution plots for fault diagnosis. In this paper, on the basis of revisiting and analyzing the existing KPCA-relevant diagnosis approaches, a new contribution rate based method is proposed which can explain the faulty variables clearly. Furthermore, a scheme for online nonlinear diagnosis is established. In the end, a case study on continuous stirred tank reactor(CSTR) benchmark is applied to access the effectiveness of the new methodology, where the comparisons with the traditional linear method are involved as well.     

基于均差滤波与高斯和的非线性非高斯系统滤波算法

针对一类非线性非高斯系统的滤波问题,在分析均差滤波算法和高斯和滤波算法的基础上,提出一种基于均差滤波的高斯和滤波算法,适于处理非线性非高斯系统的滤波问题.对于似然密度位于条件转移概率密度拖尾处的情况,与传统的粒子滤波算法相比,所提算法能提高滤波的精度和实时性.仿真实验验证了新算法的有效性.     

非线性末制导系统参数灵敏度分析（英文）

末制导系统参数随着飞行环境及飞行条件的改变而存在摄动,针对这一问题本文提出根据动态灵敏度来分析参数摄动对脱靶量的影响.基于伴随法推导出与系统动态方程相同规模的伴随方程,并通过一次伴随求解计算得到脱靶量对所有可调参数及摄动参数的动态灵敏度,有效的提高了计算效率.传统的直接分析法是将系统状态变量直接对参数变量进行微分,需要对每个参数变量求解一组代数或微分方程,对于状态变量及参数变量较多的情况效率较低.本文基于两种方法对末制导系统的参数灵敏度进行分析,分析结果揭示了参数摄动对脱靶量的影响程度,较小的参数灵敏度为提高系统的鲁棒性提供了依据.     

关于自适应非线性镇定的某些结果（英文）

不确定非线性系统的反馈控制一直是控制科学的中心问题之一,迄今已经取得很大进展.然而,目前现有大部分工作所研究的反馈控制规律,或是连续时间形式的,或是采样反馈形式但需要采样频率充分快,或是离散时间反馈形式,但需要被控离散时间系统的非线性函数增长速度不超过线性.要消除或减弱这些约束条件,一般来讲是相当困难的.这就促使我们探究反馈机制的最大能力和根本局限.尽管近年来在这个方向有许多重要进展,但仍有许多非平凡的重要问题有待研究.例如,在反馈通道中有时滞情形,或者系统状态是高维的情形.在本文中,我们将探索两类比较特殊的离散时间不确定非线性动力系统的控制问题,给出关于全局自适应反馈镇定的某些初步结果.     

Riemann-Liouville型分数阶导数的非线性估计（英文）

本文主要研究任意有界连续信号的Riemann-Liouville分数阶导数估计问题.当分数阶α属于0到1时,首先利用滑模技术提出一种有界连续信号分数阶导数的非线性估计方法;然后将其结果推广至分数阶α∈R⁺的情况,并给出相应的非线性估计方案.借助Riemann-Liouville分数阶微积分频率分布模型,本文详细分析讨论了所给分数阶导数非线性估计的收敛性问题,并得到相应闭环系统是渐近稳定的结论.文中所提方法的主要优点是在事先未知给定信号分数阶导数上界的情况下,不仅能自适应地估计其Riemann-Liouville分数阶导数,而且当信号中含有随机噪声和不确定扰动时依然能正常工作.数值仿真实例验证了本文所给估计方法的可行性和有效性.     

主旋翼升力和机身姿态受限的模型直升机非线性控制（英文）

A nonlinear control is proposed for trajectory tracking of a 6-DOF model-scaled helicopter with constraints on main rotor thrust and fuselage attitude. In the procedure of control design, the mathematical model of helicopter is simplified into three subsystems: altitude subsystem, longitudinal-lateral subsystem and attitude subsystem. The proposed control is developed by combining the sub-controls for the corresponding subsystems. The sub-controls for altitude subsystem and longitudinal-lateral subsystem are designed with hyperbolic tangent functions to satisfy the constraints; the sub-control for attitude subsystem is based on backstepping technique such that fuselage attitude tracks the virtual control for longitudinallateral subsystem. It is proved theoretically that tracking errors are ultimately bounded, and control constraints are satisfied.Performances of the proposed controller are demonstrated by simulation results.     

有向图下非线性无人机群自适应合围控制（英文）

本文研究了有向图下具有非线性和干扰的无人机群的分布式合围控制问题.其中仅部分跟随者是领导者的邻居,对于每一个跟随者,至少存在一条从领导者到这个跟随者有向路径.文中假设无人机的空气动力学特性是非线性不确定的,并且领导者的输出是时变的.结合反推设计方法提出了仅利用邻居信息的分布式合围控制方法,使得跟随者的状态收敛于领导者状态所张成的凸包里.利用神经网络函数逼近技术补偿无人机系统中的非线性不确定项,通过李雅普诺夫稳定性理论证明了合围误差可以以任意收敛速度收敛到原点任意小的邻域.最后通过仿真结果验证了控制协议的有效性.     

不等长批次过程的有序时段划分、建模及故障检测（英文）

对具有不等长时段的多时段批次过程进行监测是十分重要而且具有一定难度的.时段在批次间的错位现象导致时间方向的不同过程特性混合在一起,这给时段分析以及在线应用带来了一系列的问题.为了解决不等长所带来的问题,本文提出一种基于不等长时段有序识别及建模的故障检测方法.该方法的主要贡献包括以下方面:1)该方法通过步进地衡量过程的变量相关性对模型精度以及监测性能的影响,自动有序地识别出每个不等长时段;2)在每个时段内,通过对不规则的过程数据进行整合建立了时段模型以捕捉不规则的时段特性;3)本文提供了一种简单而有效的在线判断新样本隶属时段和监测其运行状态的方法.最后,本文通过一个实例-具有不等长批次长度的注塑过程阐述了本方法的有效性.     

多人非合作随机自适应博弈（英文）

本文考虑系数未知的离散时间线性随机系统多人非合作的自适应博弈问题,每个参与者运用最小二乘算法和"必然等价原则"来设计博弈策略组合,目的是自适应优化自身的一步超前收益函数.本文证明此自适应策略组合使得闭环系统全局稳定,并且在一定意义下是该博弈问题的渐近纳什均衡解.     

线性和非线性动态异构多自主体系统的有限时间一致性（英文）

In this paper, the finite-time consensus problems of heterogeneous multi-agent systems composed of both linear and nonlinear dynamics agents are investigated. Nonlinear consensus protocols are proposed for the heterogeneous multi-agent systems.Some sufficient conditions for the finite-time consensus are established in the leaderless and leader-following cases. The results are also extended to the case where the communication topology is directed and satisfies a detailed balance condition on coupling weights.At last, some simulation results are given to illustrate the effectiveness of the obtained theoretical results.     

基于有理平方根逼近的非高斯随机分布系统的故障诊断和容错控制

随机分布系统指的是输入为常规向量而输出为系统输出的概率密度函数所描述的一类随机系统．该类系统控制算法的目标是选择一个控制输入使得系统的实际输出概率密度函数尽可能跟踪一个事先给定的概率密度函数．本文对采用有理平方根B样条逼近其输出概率密度函数的非高斯动态随机分布系统,提出了一种基于非线性自适应观测器的故障诊断方法．该方法可快速有效地诊断出非高斯随机分布系统故障．通过对故障系统的重组,使故障后系统的输出概率密度函数仍能跟踪给定的分布,实现了该随机系统的容错控制,提高了随机系统的可靠性．     

基于EEMD-Treelet和高斯过程的起重机齿轮故障诊断

齿轮故障诊断对于起重机安全运行至关重要;提出了一种基于集成经验模态分解(ensemble empirical mode decomposition, EEMD)-Treelet变换和高斯过程(gaussian process, GP)的起重机齿轮振动故障诊断新方法;设计一种细菌觅食算法(bacterial foraging optimization, BFO)优化高斯过程模型超参数;建立基于集成经验模态分解-希尔伯特变换的齿轮振动参数信号特征提取方法,利用Treelet变换实现这些特征的降维学习;建立基于细菌觅食算法优化高斯过程的齿轮故障模型;实验结果表明,EEMD-Treelet-GP诊断方法不仅可以识别最佳特征向量,而且可以识别故障位置。     

基于变步长重采样的非高斯非线性目标跟踪

研究了非高斯噪声条件下非线性运动的目标跟踪问题。给出了非高斯噪声的两种产生方法,分别是概率分布函数法和生成数据库法,前者具有完整的数学理论支撑,后者易于操作实现。提出了一种基于置信区间的变步长重采样方法,并将其融入到粒子滤波的方法过程中。仿真表明,产生的非高斯噪声具有较好的尖峰特性,新的粒子滤波方法能够实现更高精度的目标跟踪,避免了粒子退化问题,为非线性目标跟踪问题的研究提供了一种思路。     

非高斯列维噪声激励下非线性系统的Lyapunov指数

研究了非高斯列维噪声作用下非线性系统的渐近线性化方法和Lyapunov指数.利用渐近线性化方法将非线性系统线性化,通过系统的响应轨迹验证了该方法的有效性.通过广义的伊藤法则公式,推导出了列维噪声驱动下Lyapunov指数的一般表达式.给出当参数变化时,非线性系统的随机稳定性分析.     

基于多模型的发酵过程高斯过程回归软测量建模研究（英文）

软测量仪表在实际应用中往往存在预测精度低、缺乏预测精度信息等问题。基于多模型方法的软测量仪表通过子模型来描述局部变化,可以有效提高软测量仪表预测精度。在本研究中,高斯过程回归(GPR)模型因其预测方差能够反映预测精度信息特性,被用于构建局部子模型。同时,基于不确定性推理方法,本文提出了基于高斯过程回归预测方差的多模型融合策略。最后,将所提方法应用于工业红霉素发酵过程数据。结果表明,与其他高斯过程回归方法相比较,所提出方法预测精度更高,95%置信区间范围更小。     

基于最优状态转移的非因果稳定逆（英文）

本文研宄非最小相位系统的精确跟踪问题.理想情况下,非最小相位系统针对参考轨迹的精确跟踪可以通过非因果稳定逆方法实现,但控制输入需从负无穷处开始作用.而在实际情况下应用非因果稳定逆算法时,控制输入通过延拓提前作用的时间是有限的,只能得到近似的跟踪效果.本文提出了一种基于最优状态转移的非因果稳定逆算法,能够在实际情况下实现非最小相位系统对参考轨迹的精确跟踪,放松了稳定逆方法对系统的初始状态和延拓时间的限制,而且在相同跟踪效果的条件下,比近似稳定逆方法的延拓时间更短.对比仿真结果验证了所提方法的性能.     

基于多目标优化的非线性模型预测控制的研究（英文）

本文研究了基于径向基函数神经网络(RBFNN)和多目标优化算法的非线性模型预测控制。RBFNN神经网络在每个控制间隔预测被控变量的实时值,多目标模型预测控制以多目标方式考虑每个局部模型的目标函数,同时将所选目标函数作为主要考虑因素,其他目标函数被认为是主要的附加约束。随着附加约束的值在最小和最大之间变化,可以通过选择非支配结果来获帕累托最优选择。并将提出的算法和单模型单目标函数非线性模型预测控制方法在CSTR对象上进行了比较。仿真结果表明该算法的有效性和可行性。     

多重约束非负矩阵分解的非平稳噪声语音增强（英文）

低信噪比非稳态噪声环境中的语音增强仍是一个开放且具有挑战性的任务.为了提高传统的基于非负矩阵分解(nonnegative matrix factorization,NMF)的语音增强算法性能,同时考虑到语音信号的时频稀疏特性和非稳态噪声信号的低秩特性,本文提出了一种基于多重约束的非负矩阵分解语音增强算法(multi-constraint nonnegative matrix factorization speech enhancement,MC–NMFSE).在训练阶段,采用干净语音训练数据集和噪声训练数据集分别构建语音字典和噪声字典.在语音增强阶段,在非负矩阵分解目标函数中增加语音分量的稀疏性约束和噪声信号的低秩性约束条件,MC–NMFSE能够更好地从带噪语音中获得语音分量的表示,从而提高语音增强效果.通过实验表明,在大量不同非平稳噪声条件和不同信噪比条件下,与传统的基于NMF的语音增强方法相比,MC–NMFSE能获得较低的语音失真和更好的非稳态噪声抑制能力.