基于三阶非线性Volterra模型的自适应快速辨识算法

摘要：目的：在RFID倒扣封装设备研制中,高速倒扣机械手具有很强的非线性和时变特性,线性控制方法难以满足要求,因此采用非线性自适应逆控制方法进行控制。此方法的关键是采用三阶非线性Volterra模型对机械手进行在线实时辨识,并满足建模精度和速度的要求。但采用常规方法因其计算时间长不能满足辨识速度要求。文章提出了一种快速辨识算法,可使系统辨识满足以上要求。方法：首先,利用不同阶输入向量的结构关系,由低阶输入向量直接构建高阶输入向量。接着,根据不同阶核的相关性从低阶核加速估计高阶核。最后,把线性变步长LMS方法引入到非线性自适应算法中,并用Lyapunov全局稳定理论进行证明。结果：通过对实际系统的辨识实验表明：与常规方法比较,辨识时间从100毫秒缩短为30毫秒,提高辨识速度3.3倍,降低辨识失调93.3%,同时还具有更高的辨识精度。结论：满足了对非线性系统辨识的精度要求和实时性要求。     

基于产品信息模型的图框标题栏快速生成

以产品信息模型为基础,将高层非几何信息映射到图纸空间,采用程序绘制与模板技术相结合的方法快速高效地生成工程图图框、标题栏。     

基于冗余信息的STL模型快速切片算法

目前3D打印技术广泛采用基于STL模型的切片算法,而拓扑关系的重建与有序交点的获取则是切片效率的主要影响因素。在分析STL文件信息存储特点的基础上,提出了一种基于冗余信息的快速切片算法。首先建立与当前切平面相交的三角形集合,求出集合中各三角形与切平面的交点信息并存入临时数组,将坐标值重复的交点视为冗余信息;然后根据冗余信息确定三角形间的拓扑关系,并据此确定各交点的次序,同时将已知次序的交点信息从临时数组中删除,若数组中已不存在某交点的信息冗余,则判定有序点列已形成一个封闭的截面轮廓;再采用上述方法,得到当前切层内可能存在的其余封闭轮廓,直到临时数组为空。通过实例验证,证明该算法的可行性与稳定性。     

基于模型辨识的滚动轴承故障诊断

为了解决小样本环境和早期故障预示问题,研究一种基于物理模型辨识的滚动轴承故障诊断方法,即通过物理模型构建标准模式数据库,进而识别故障。考虑到振动传递路径结合界面动态接触机制,建立了轴承表面缺陷的物理模型,通过仿真获得不同损伤位置的振动信号,求得特征矩阵。由于实际测试信号故障特征比较微弱,提出一种盲反卷积和峭度最优Laplace小波相结合的算法,该算法被用于仿真信号与实际工程中微弱冲击信号的检测中,有效突出了冲击成分。最后,以实测信号特征值作为输入,利用距离函数求出与输入值最近的样本点,进而预测出故障位置。案例分析表明,该方法具有较好的可行性与可靠性。     

基于ARMAV模型的结构参数辨识

根据激振信号{ft}和响应信号{xt}建立二维时序模型ARMAV(n,m,2),利用时序模型参数与模态参数的对应关系对结构进行模态参数辨识,识别出所有的模态参数,并根据时序模型参数进行功率谱估计。通过对电子机柜横梁的激振实验,表明用该种方法对结构参数的识别结果与理论值很吻合,可以在工程实际中对整个电子机柜结构进行参数识别,并可以得出功率谱图。     

基于视觉压缩感知的传感网络行人目标辨识方法

行人目标辨识是指在视觉传感网络中识别检测到的目标,对智能安防具有重要意义。对行人目标辨识所需数据进行压缩可提高视觉传感网络行人目标辨识的实时性。提出了一种基于视觉压缩感知的传感网络行人目标辨识方法。无线视觉节点获取行人目标图像后,首先提取图像中行人脸部的尺度不变特征,并采用特征字典对目标进行稀疏表示,得到目标特征直方图。然后视觉节点应用压缩感知方法对特征直方图进行数据压缩,并传输至中心节点。最后,中心节点应用非负正交匹配追踪算法重构特征直方图,并采用支持向量机对特征直方图进行分类辨识。实验表明,该方法能够在不影响行人目标辨识准确率的前提下,有效减少在视觉传感网络中进行行人目标辨识时所需传输的数据量。     

基于冗余信息的STL模型快速切片算法北大核心

目前3D打印技术广泛采用基于STL模型的切片算法,而拓扑关系的重建与有序交点的获取则是切片效率的主要影响因素。在分析STL文件信息存储特点的基础上,提出了一种基于冗余信息的快速切片算法。首先建立与当前切平面相交的三角形集合,求出集合中各三角形与切平面的交点信息并存入临时数组,将坐标值重复的交点视为冗余信息;然后根据冗余信息确定三角形间的拓扑关系,并据此确定各交点的次序,同时将已知次序的交点信息从临时数组中删除,若数组中已不存在某交点的信息冗余,则判定有序点列已形成一个封闭的截面轮廓;再采用上述方法,得到当前切层内可能存在的其余封闭轮廓,直到临时数组为空。通过实例验证,证明该算法的可行性与稳定性。     

基于神经网络的热轧卷取温度模型辨识

针对热轧带钢卷取温度模型具有高度非线性的特点，利用神经网络具有逼近任何非线性函数及预报的性质，采用附加动量BP算法，准确预报卷取温度，进而应用最小二乘辨识方法对卷取温度统计模型进行参数辨识，辨识结果与设定结果的比较表明此方法行之有效。这种神经网络预报与最小二乘线性辨识相结合的方法为热轧带钢卷取温度模型的辨识优化提供了新的途径。     

快速气体渗氮

自有气体强度渗氮以来,始终摆脱不了长时间保温渗氮的局面,生产效率甚低。为提高渗氮速率,延长设备使用周期,我们在自制渗氮罐时,在罐内壁涂覆一层耐高温物质,在渗氮温度不变,没有任何催渗剂的情况下,每小时渗层可达0.1mm左右,同原来渗氮工艺相比,其优点是大大提高了渗氮速率,缩短了渗氮周期,减少了变形,提高了工效,节约了能源,降低了     

基于轨迹法的气体箔片轴承动态特性系数辨识

气体箔片轴承的动态特性系数(动态刚度系数和动态阻尼系数)是该类轴承支承转子系统的瞬态动力学计算和稳定性分析的重要参数,针对传统基于摄动法的动态特性系数计算仅考虑单个涡动比,提出基于轨迹法的动态特性系数辨识方法,对转子施加简谐激励,联立气膜雷诺方程和转子运动方程得到转子的轴心轨迹,采用线性简谐激振法和简谐激振法辨识出轴承的动态特性系数。以某气体箔片轴承为例,采用线性简谐激振法、简谐激振法对其动态特性系数进行计算,计算结果与摄动法均存在一定的差距,但对于气体箔片轴承在可接受范围之内。     

基于遗传算法的伺服系统摩擦模型参数辨识

文章研究受摩擦因素影响的伺服系统的摩擦模型参数辨识问题,该系统具有未知负载特性和非线性摩擦,给摩擦模型参数辨识带了较大的困难。首先将系统的输入力矩分解为线性力矩和非线性摩擦力矩,其中线性力矩部分用于驱动负载转动,非线性摩擦力矩用于克服摩擦作用;然后基于Stribeck摩擦模型,采用遗传算法进行参数优化。在直流伺服系统上的仿真结果显示了该方法的有效性。该辨识方法对系统已知信息要求较少且容易实现,具有很强的工程实用价值。     

基于子空间辨识的高炉热风炉模型

高炉热风炉是整个高炉炼铁工艺流程中能源消耗的关键环节。该文对高炉热风炉机理模型进行分析处理,基于机理模型,应用子空间辨识的方法分别对高炉热风炉烧炉阶段和送风阶段工业过程进行辨识,得到系统两个工作阶段下的状态空间模型,并进行了仿真实验分析。结果表明了所提出的热风炉状态空间模型的有效性。     

基于T-S模糊模型的辨识与控制

针对一类非线性系统,采用模糊辫识的方法建立系统的T-S模型,结合广义预测控制对模糊预测控制进行研究.应用模糊聚类和递推最小二乘法辫识T-S模糊模型的前提结构和结论参数.对于非线性系统来讲,T-5模糊模型有良好的描述特性,并结合广义预测控制的滚动优化,实现对非线性系统的有效控制.仿真结果说明了该算法的有效性.     

基于DTC-LS的加速度计动态模型参数辨识

加速度计动态模型对描述和分析其动态特性具有重要作用。针对加速度计绝对法冲击激励校准中未知延迟时间对加速度计动态模型参数辨识精度的影响,提出了一种基于延迟时间修正(DTC)和最小二乘(LS)的加速度计动态模型参数辨识方法,该方法将延迟环节引入加速度计动态模型中,使用加速度计冲击激励与响应数据的傅里叶变换估计频率响应函数,采用LS方法和极小化相位误差准则函数迭代修正延迟时间,并利用延迟时间修正后的加速度计冲击激励与响应数据,辨识加速度计动态模型参数。仿真实验和加速度计绝对法冲击激励校准实验表明,该方法能够有效地消除延迟时间对加速度计动态模型参数辨识的影响,辨识获得的加速度计动态模型参数具有较高精度。     

城市危险品气体辨识技术的研究

城市危险品气体检测对于城市安全至关重要。利用SnO_2,In_2O_3,SnO_2/NiO,SnO_2/In_2O_3,SnO_2/Pa,SnO_2/Sb 6种旁热式气敏元件组成的气体传感器阵列,分别采用BP神经网络、支持向量机(SVM)和极限学习机(ELM)3种气体辨识方法实现对城市危险气体中常见的3种气体(NH_3,HCOH,C_7H_8)进行定性的识别。测试结果表明:基于SVM与ELM的气体辨识技术对于含有低浓度甲醛的混合气体定性识别率达100%,且在收敛速度、泛化性能等方面较BP神经网络有明显提高。     

基于压缩感知的快速纠缠光量子成像方法

纠缠光量子成像效率主要受数字微镜器件(DMD)采样时间开销的影响,现有的DMD采样方式是对所有像素点进行逐点扫描,从而导致成像效率较低。针对这一问题,利用纠缠光的时间和空间关联特性,通过压缩感知算法对参考光进行稀疏采样,同时利用正交匹配追踪算法(OMP)从符合计数结果中得到目标图像。此外,还分析了不同捆绑像素数、DMD采样分块大小和图像稀疏度对成像质量和效率的影响,并通过搭建实际的纠缠光量子成像系统验证了所提方法的有效性。     

基于鱼类侧线感知机理的流场辨识方法及仿真研究

在研究鱼类侧线感知机理的基础上,综合运用了流体动力学,边界层理论,耦合仿生学等理论,建立类似于鱼神经丘模型的神经网络模型,从数值计算和仿真分析两方面对鱼体侧线系统进行模拟,并将研究结论应用于自治水下机器人(Autonomous underwater vehicle,AUV)的导航及目标定位,为AUV导航和环境辨识提供新思路。计算机仿真结果表明,基于鱼类侧线感知机理构建的感知模型可以有区分度地对一个新的水流工况进行识别,可为AUV的导航及目标定位提供支持。     

基于感知信息的车间动态排产方法

为解决车间排产实时性不高的问题,构建了基于感知信息的动态排产业务模型、数据模型和计算模型,提出了基于感知信息的车间动态排产方法,开发了动态排产方法的验证系统,以复合材料生产车间为背景进行验证,结果表明:该方法能够实现基于车间生产情况的制造资源与工序的智能匹配、工时自动计算和排产方案的计算生成,为后续车间动态排产系统的研究及实际应用提供了参考。     

基于参数化建模的旋转轴误差快速辨识方法

针对现有旋转轴几何误差辨识方法计算量大且无法避免异常值等问题,提出了一种基于参数化建模的旋转轴位置相关几何误差快速辨识方法。首先,分析了旋转轴位置相关几何误差的特性,建立了测量旋转轴时球杆仪杆长变化的综合模型,并基于约束条件进行化简;其次,使用四阶傅里叶级数对5项位置相关几何误差进行参数化建模,并基于5种测量模式得到位置相关误差的辨识模型;接着,分析了球杆仪安装误差对杆长变化及辨识结果的影响规律并消除其影响;最后,在小型五轴机床的旋转工作台上进行了实验,辨识出旋转轴的5项位置相关几何误差,并通过改变安装位置和安装角度的球杆仪杆长预测实验对辨识方法的正确性进行了验证。