通信信道信号畸变的一种参数辩识方法

本文提出了一种信道在传输信号时使信号发生畸变的参数辩识方法,即ＭＡ模型方法。对于信道的畸变特征只需少量的几个参数就能描述,针对一般信号的非高斯分布特点,提出了用三阶累积量来估计模型参数的方法,即使在高斯色噪声的情况下,它也能有效地估计模型参数。计算简单,有效。     

参数辩识的线性规划法及其快速实现

本文在最小绝对误差和准则下。给出了辩识线性回归模型参数的线性规划方法。並根据线性单纯形表格的特点对线性规划的算法做了极其有效的改进。整个迭代过程中。无需计算单纯形表格,而是通过两个矩阵的相乘积来进行最优性判断,因而能节省大量的存储空间。通过最小二乘法选择线性规划迭代法的初始基点,使得迭代次数大为减少、计算速度大大提高。大量的应用实例表明,本文给出的算法十分有效、速度的改进相当可观。     

基于SVM的传感器动态模型辩识方法

提出了一种传感器动态模型辩识新方法,给出了相应的辩识过程及学习算法.该方法采用支持向量机模型,与常规模型辩识方法比较,其优点是明显的.其采用了结构风险最小化准则,在最小化样本误差的同时减小模型泛化误差的上界,提高了模型的泛化能力;而且将学习算法转换为求解二次规划问题,使得整个模型参数辩识过程中有且仅有一个全局极值点,确定了结果的唯一性.最后,仿真和实际试验结果均表明应用支持向量机对传感器动态模型进行辩识有效.     

一种含控制滞后的Wiener模型的辩识方法

研究了含控制滞后Ｗｉｅｎｅｒ模型的辨识。在一定条件下，这一模型满足一组回归函数。利用Ｆｏｕｒｉｅｒ 级数部分和可以求得回归函数在若干点上的估计。     

基于传感器最优配置的等价空间故障检测方法

提出一种基于传感器最优配置的等价空间故障检测方法．针对线性时不变动态系统,给出了传感器最优配置问题的描述,以及基于传感器最优配置的故障检测多目标优化问题的描述．在系统可供测量的N个变量中,选择能获得关于系统故障尽可能多信息的m个变量作为测量变量,在满足对故障具有尽可能高的灵敏度,同时对扰动等未知信号具有尽可能强的鲁棒性的条件下,使整个系统测量成本达到最低．仿真算例说明了所提出设计方法及算法的有效性．     

PMSM控制系统参数辩识的建模与仿真

在永磁同步电机参数优化问题的研究中,永磁同步电机因优越的性能广泛应用于伺服控制领域中.针对永磁同步电机参数随着工作环境的变化具有很强的非线性和时变性,传统的方法很难建立参数的准确数学模型,导致控制精度低.为准确辩识永磁同步电动机的参数,提高控制的精度,提出一种Popov理论的磁同步电机参数辩识方法.根据永磁同步电机的电磁特性建立模型,在Popov稳定理论基础上,推导出自适应参数辩识方法,最后利用Matlab/Simulink平台建立永磁同步电动机参数的自适应辨识仿真模型.仿真结果表明,方法能快速、准确地辩识出电机参数,具有较好的鲁棒性,能够提高控制系统的精度.     

具有不同初始条件的n个相同对象的最优状态反馈调节

本文根据线性最优状态反馈调节器的基本原理与控制系统数字仿真的一般方法,进一步讨论了具有不同初始条件的n个对象的最优调节问题。n个对象可以是简单积分环节(系统0),也可以是一阶惯性环节(系统Ⅰ)或二阶惯性环节(系统Ⅱ)。文中还分析了邪权阵Q的选择方法及对系统动态响应的影响,蓝与常规PID调节进行了比较。文束对以上结论进行了数学仿真研究,得到了较为满意的结果。     

无胎冷旋压机系统的模型辩识及控制参数的优化

本文介绍了我国第一套容器封头无胎冷施压机系统的模型辩识方法；微机控制算法的选择及控制参数的优化。在实际应用中获得了满意的效果。     

具有反馈延迟特性系统的最优控制器设计及其算法实现

针对反馈传感器具有延迟特性的一类系统,提出了三自由度Ｗｉｅｎｅｒ－Ｈｏｐｆ最优控制器设计方法,并给出了状态空间实现算法。最后通过仿真实例证明了该方法的有效性。     

基于PSO的超临界600MW机组给水系统模型辩识

以某电厂600MW超临界机组为例,利用现场实际运行数据,基于标准粒子群算法,建立了中间点(分离器出口)焓值与水煤比之间的传递函数,结果表明,辨识模型很好的反应了实际运行曲线,是超临界机组给水控制决策和控制系统制定及设计的前提保证;同时标准粒子群辨识方法使系统辨识更加快速与准确.     

一种用于地震断层图像识别的SPD-UNet模型

断层是控制油气田形成和分布的主要因素,断层检测和识别对于油气勘探具有重要作用。基于Attention-UNet神经网络模型,构建一种面向地震断层图像识别的SPD-UNet模型。引入空洞卷积,在保证卷积核感受野大小且不损失原始图像分辨率的情况下,增强SPD-UNet模型的断层图像特征提取能力。将金字塔结构的空洞卷积组合成SPD模块,解决空洞卷积的局部信息丢失问题,提高断层信息关联性及图像识别精度。实验结果表明,SPD-UNet模型对于地震断层图像的识别精度优于SegNet与ResUNet模型,并且识别结果与实际标注的地震断层形状及位置更接近。     

不确定时滞系统增益型故障的检测与估计

针对一类不确定连续线性定常时滞系统,提出了一种执行器、传感器增益故障的鲁棒检测与估计策略。该类系统含有多状态与输出时滞,状态和输出方程上同时作用有非结构有界未知扰动。在Trunov和Polycarpou方法的基础上,设计了一种新的时滞系统自适应观测器用于检测并估计突变或缓变的增益故障。与Wang等针对线性无时滞不合输出扰动系统的工作相比,该结论更具一般性。理论分析表明,该方法对于未知扰动鲁棒,能够保证故障的估计,状态与输出估计偏差一致有界。数值仿真验证了方法的有效性。     

Method for Fault Identification in Nonlinear Systems Based on Sliding-Mode Observers

Journal of Computer and Systems Sciences International - The problem of the functional diagnostics of engineering systems described by nonlinear differential equations with constant coefficients in...     

基于维修日志的飞机设备故障原因判别方法

在飞机维修与保养过程中,航空维修公司已积累了大量经验性的维修日志数据.合理利用该类维修日志,结合机器学习方法,可以辅助维修人员做出正确的故障诊断决策.首先,针对维修日志的特殊性,提出一种迭代式的故障诊断基本过程;其次,在传统的文本特征提取技术的基础上,基于领域内信息,提出一种基于卷积神经网络（convolution neural network,简称CNN）的小样本文本特征提取方法,在样本量较少的情况下,利用预测目标将字向量作为输入,得到更为充分的文本特征;最后,使用随机森林（random forest,简称RF）模型,结合其他故障特征判别飞机设备的故障原因.卷积神经网络以故障原因为目标,预先对故障现象中的字向量进行训练,从而得到更能反映该领域的文本特征.与其他文本特征提取方法相比,该类方法在小样本数据上得到了更好的效果.同时,将卷积神经网络与随机森林模型应用于飞机设备的故障原因判别,并与其他文本特征提取方式和机器学习预测模型进行对比,说明了该类文本特征提取方式和故障原因判别方法的合理性和必要性.     

协议被动测试的错误标识

被动测试不仅能够检测协议实现是否有错误,而且利用检测过程中的症状信息能够标识错误.提出一种扩展了的被动测试错误标识算法,它能够在标记错误过程中记录该错误所导致的系统状态;又给出了一种以上述状态为初始状态继续向前观察多步以区分错误的算法.所提方法能够区分等价错误;继续向前测试步数不受限制,应用该方法对一个简化的BGP协议状态机模拟器进行错误标识,实验结果表明在观察步骤数足够多的情况下所提方法能够高效定位系统实现错误.     

基于系统级诊断理论的卫星网络故障识别算法

提高卫星网络的容错性是一项具有挑战性的工作,故障识别是其中一项根本措施.在采用双层节点图对卫星网络建模的基础上,提出一种基于PMC测试无效模型的卫星网络故障识别算法,并证明了算法的正确性.通过大量仿真实验,对算法在不同类型的卫星网络中的性能进行了对比与分析.实验结果表明,算法能够适用于多种网络拓扑,并具有良好的鲁棒性.     

基于KPCA-PNN的复杂工业过程集成故障辨识方法

针对核主元分析方法在复杂工业在线监控过程中易出现的核矩阵KKK难以计算和初始故障源难以辨识的问题,提出了一种基于核主元分析和概率神经网络的集成故障辨识方法．首先通过特征样本提取方法预处理工业数据集,然后采用核函数主元分析的Hotelling统计量T2和SPE方法检测故障,采用核函数梯度算法定义了两个新的统计量CT2和CSPE,计算了每个监控变量对统计量T2和SPE的贡献程度,并提取了故障特征．最后,利用概率神经网络技术进一步从关联故障特征中辨识出初始故障源．将上述故障诊断方法应用到TennesseeEastman（TE）化工过程;多种故障模式下的仿真结果显示,该方法能够有效地检测并辨识出多种故障类型．     

基于增量学习的RBF神经网络的噪声源识别

本文提出了一种用于水下航行器噪声源识别的RBF模糊神经网络模型。该模型采用PCM聚类算法并具有增量学习能力,网络输出节点在线可调,保证了网络具有较高的泛化能力和一定的学习新故障模式的能力。仿真结果表明,该模型是有效的。     

基于故障检测上下文的等价变异体识别算法

等价变异体识别一直是阻碍变异测试在工业界得以广泛应用的一个关键难题.为此提出了一种基于故障检测上下文的等价变异体识别算法.该算法通过静态分析技术抽取程序中与故障检测条件相关的代码上下文信息,以构造故障检测上下文;接着,故障检测上下文被转换为文档模型,经过一个文档表示学习网络进行编码;最后通过机器学习模型将变异体分类为等价或非等价变异.在包含了22个C程序和118 000个变异体样本的训练集上,该算法取得91%的分类精准度和82%的召回率;同时在跨项目交叉验证中,机器学习模型取得了77%的精准度和78%的召回率.该结果表明基于故障检测上下文的识别技术能够有效地提高等价变异体分类的精准性和泛用性,为提高变异测试技术的有效性提供了技术支持.     

一种光照不均文本图像的校正算法

针对光照不均的文本图像在二值化后文字识别率底下的问题,文章提出了一种针对光照不均图像进行二值化和图像增强的算法。针对图像进行分块处理,根据每块自身的平均灰度值和均方差以及全图的平均灰度值来进行算法的自适应变换,已达到对不同光照的区块进行不同处理的目的。实验结果表明本算法能够比较有效的完成对光照不均的文本图像的处理,比单纯的二值化处理方法有一定的提高。