基于分步动态核主元分析的故障诊断方法

目的研究复杂工业系统动态、非线性特点,提出分步动态核主元分析（KernelPrincipalComponentAnalysis,KPCA）的故障诊断方法．方法该方法首先构造增广矩阵,然后将增广矩阵分成一系列子矩阵,将各子矩阵的构建一个新的数据增广矩阵,并对每个子矩阵使用KPCA提取变量数据的非线性空间相关特征,最后通过监测统计量监测出系统故障,用贡献度的方法识别发生故障变量．结果该方法改进了传统的动态方法,引入分步动态的定义,并且能充分考虑工业过程中的非线性和动态性,更精确的描述Y--,Ak过程特性,更精确的监测复杂工业系统的故障,并准确的识别出故障变量．结论对热连轧过程中活套故障诊断的仿真结果表明：基于分步动态KPCA的故障诊断方法能准确有效地诊断出故障,并识别出产生故障的原因．     

基于主元分析的传感器故障诊断

一般辨识方法在传感器间进行预测来对传感器故障诊断时，其准确的冗余关系难以找到，针对这一缺点，提出了一种用主元分析技术建立传感器间的预测模型的方法。它同时克服了对传统感器测量的数据直接进行主元分析需要诊断的传感器较多的不足。最后，通过仿真验证了方法的有效性。     

动态批次主元分析在化工过程中的应用研究

本文研究了批次动态主元分析(BDPCA)及其在化工过程中的应用.批次动态主元分析是主元分析的一种延伸,通过把三维矩阵转化成二维矩阵,结合时滞变量算法捕捉批次过程中的动态特性完成过程的监视并给出了确定时滞变量的算法.以TE过程为例,与多向主元分析法相比,仿真结果表明,BDPCA算法实现了考虑过程中的批次动态特性并提高了对过程变化的故障检测能力.     

基于核主元分析和模式匹配的非线性性能监控和故障诊断

利用核主元分析非线性性能监控的优势,并将相似度分析引入故障诊断领域,提出了基于核主元分析和模式匹配技术相结合的性能监控和故障诊断方法。针对PCA相似度分析存在的问题,对该方法进行了改进。由于KPCA方法具有较好的非线性特性提取能力,因此首先利用KPCA法计算数据的非线性主元,然后计算不同数据集之间的非线性主元相似度;并将主元相似度、非线性主元相似度和基于距离的相似度赋予不同的权值构成综合相似度指标来进行模式匹配。TE过程仿真试验验证了该方法在非线性性能监控与故障诊断中的有效性。     

基于多向核主元分析的青霉素生产过程在线监测

基于传统主元分析（PCA）方法的过程监测算法假定过程是线性的，对于具有强非线性的生产过程，应用其进行在线监测出现误报率过高的现象.为此提出了一种多向核主元分析（MKPCA）算法用于间歇过程的建模与在线监测.利用PenSim2.0软件将青霉素间歇生产过程的三向数据按批次方向展开为二向数据并进行标准化，采用MKPCA算法建立过程模型并用于过程的在线监测，计算T2、SPE统计量及相应的控制限.仿真结果表明，与传统PCA算法相比，MKPCA算法具有更好的监测性能，不仅大大降低了正常运行过程的误报率，而且能够较早地检测出过程中存在的底物流加速率与搅拌功率故障.MKPCA可以有效处理间歇过程批次间存在的非线性属性，获取过程变量间的非线性关系.     

基于多向主元分析的多传感器故障诊断

研究一种基于MPCA的多传感器故障诊断方法．这种方法把过程测量空间分为主元子空间和残差子空间．在残差子空间，首先用Q统计指标检测出传感器是否存在故障，如果Q统计指标超限，在主元子空间应用T^2统计量和相应的T^2统计量的贡献率，识别出引起过程异常的主要传感器变量并剔除．然后用同样的方法继续判断其它的传感器故障．仿真实例验证了该方法的有效性．     

一种基于KPCA的非线性故障诊断方法

介绍了一种非线性故障检测方法——核主元分析法(KPCA)，通过核函数来完成非线性变换，将变量由非线性的输入空间转换到线性的特征空间．在特征空间中使用PCA计算主元，构造T^2和SPE统计量检测过程故障的发生．提出了一种KPCA贡献图计算方法，根据测量变量和非线性主元的相关性，计算测量变量的贡献量绘制贡献图，用于故障变量的分离、仿真结果表明，KPCA方法可以比PCA方法更加迅速的检测到故障的发生，利用KPCA贡献图可以较好的辨识出故障变量。     

基于因果拓扑图的工业过程故障诊断

基于因果拓扑图的工业过程故障诊断方法,将过程知识与数据驱动故障诊断方法结合,有效解决了故障定位和故障传播路径辨识问题。 在因果拓扑图的基础上,基于偏相关系数提出一种相关性指标(correlation index, CI)定量衡量因果拓扑中变量间的相关性,实现变量间因果性和相关性的良好结合。为得到准确的故障检测结果,采用概率主元分析(PPCA)对CI指标进行监测。在检测出故障后,应用重构贡献图(reconstruction-based contribution, RBC)和因果拓扑图,并引入加权平均值的概念辨识出最可能的故障传播路径。将提出的方法用于带钢热连轧过程,结果表明,基于因果拓扑图的故障诊断方法能够准确地定位故障源,辨识故障传播路径。     

动态主元分析方法的研究及应用

主元分析(PCA)已广泛应用于监视多变量过程，但PCA不能有效地监视动态多变量过程．动态主元分析(DPCA)是一种将静态PCA推广应用到监视动态多变量过程的方法．本文通过实例验证了DPCA监视动态多变量过程的有效性．     

基于DKPCA的聚合釜故障诊断研究

针对聚合釜聚合生产聚氯乙烯过程的故障种类较多、故障类型复杂等特点,同时生产过程存在严重的非线性、动态性,提出一种基于DKPCA的故障诊断算法.过程中分别采用主元分析、核主元分析和动态核主元分析分别对PVC聚合过程进行故障诊断,其中主元分析和核主元分析的错报率较高,而动态核主元分析对PVC聚合过程能够得到较好的诊断结果,从而可以对实际的PVC聚合生产过程进行监测.     

一种基于KPCA的非线性故障诊断方法

介绍了一种非线性故障检测方法———核主元分析法(KPCA),通过核函数来完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间.在特征空间中使用PCA计算主元,构造T2和SPE统计量检测过程故障的发生.提出了一种KPCA贡献图计算方法,根据测量变量和非线性主元的相关性,计算测量变量的贡献量绘制贡献图,用于故障变量的分离.仿真结果表明,KPCA方法可以比PCA方法更加迅速的检测到故障的发生,利用KPCA贡献图可以较好的辨识出故障变量.     

长航时无人机关键技术研究进展

为研究长航时无人机发展趋势及面临的技术难题,对长航时无人机的发展现状及关键技术进行了分析与总结.长航时无人机留空时间长,作业覆盖区域广,在高空巡航作业时受天气和大气上下对流的影响小,具备广阔的应用前景.首先以常规动力和新能源动力分类,总结了当前国内外长航时无人机的主要型号,回顾了长航时无人机的发展历程.然后,根据长航时无人机高升力、高升阻比和缓失速气动需求,复合材料大展弦比机翼大柔性特征以及长航时无人机任务环境复杂等特点,总结了长航时无人机发展过程中亟需解决的关键技术难题,包括高效气动综合设计技术、大展弦比机翼气动弹性分析和主动控制技术、复合材料气动弹性剪裁技术、柔性飞行动力学建模和控制技术以及无人机自主导航技术等.最后,结合国外长航时无人机的发展特点,提出了我国长航时无人机的发展建议.研究表明:常规动力中空长航时无人机得到了比较广泛的应用,但新能源动力长航时无人机多数还处于研究样机研制阶段.续航时间在一周以上的“超长航时”无人机技术成为各航空强国关注的焦点.长航时无人机系统的智能化、协同化和网络安全是未来发展的主要方向.     

基于等价空间的无人机飞行控制系统故障检测

无人机(unmanned aerial vehicle, UAV)飞行控制系统的故障检测,对于保障无人机的飞行安全具有重要意义。等价空间方法具有残差与未知初始状态解耦的优势,但随着等价空间阶次的提高,其在线计算量显著增大。针对上述问题,提出一种基于等价空间的无人机非线性飞行控制系统快速故障检测方法。建立无人机飞行控制系统的非线性故障模型,在针对线性离散时变系统的等价空间故障检测方法研究的基础上,利用Krein空间投影来实现残差评价函数的递推计算以减小故障检测计算量。以无人机空速管及升降舵故障检测为例,对算法进行了仿真试验验证。试验结果表明,提出的方法可以实现无人机飞行控制系统的快速故障检测。     

固定翼无人机自适应滑模控制

针对固定翼无人机的姿态和速度控制中存在不确定和外部扰动的问题,设计自适应超螺旋滑模干扰观测器和控制器,实现了固定翼无人机对速度指令和姿态指令的有限时间精确跟踪.首先建立固定翼无人机速度模型和基于四元数的姿态误差模型;进而在该模型的基础上针对无人机飞行过程中的外部扰动和不确定问题,采用自适应超螺旋滑模算法设计干扰观测器对干扰和不确定进行快速估计,并在此基础上设计多变量超螺旋控制器使固定翼无人机快速、精确地跟踪期望的速度和姿态指令;最后基于Lyapunov理论证明了该系统的稳定性.仿真结果表明:所提出的综合控制策略可以实现固定翼无人机速度与姿态的快速精确跟踪并具有良好的鲁棒自适应能力,而且针对无人机不同的飞行指令,使用该控制策略都能使无人机快速稳定的达到预期目标.     

Application of wavelet analysis to fault diagnosis of angular measuring system

0　ＩＮＴＲＯＤＵＣＴＩＯＮＳｉｇｎａｌｓｉｎｇｕｌａｒｉｔｙａｎｄｉｒｒｅｇｕｌａｒｉｔｙｄｉｓｃｏｎｔｉｎｕｉｔｙｆｒａｃｔｉｏｎｃｏｎｔａｉｎｍｕｃｈｉｍｐｏｒｔａｎｔｉｎｆｏｒｍａｔｉｏｎ ,ｔｈｅｙａｒｅｏｎｅｏｆｔｈｅｍｏｓｔｓｉｇｎｉｆｉｃａｎｔｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓｉｇ ｎａｌ[1,2 ] .Ｉｎｆａｕｌｔｄｉａｇｎｏｓｉｓ,ｏｕｔｐｕｔｓｉｇｎａｌｃｏｎｔａｉｎｓｄｉｓ ｃｏｎｔｉｎｕｉｔｙ ,ｉｔｉｓｍｅａｎｉｎｇｆｕｌｆｏｒｄｅｔｅｃｔｉｎｇｔｈｅｄｉｓｃｏｎｔｉ ｎｕｉｔｙ…     

贝叶斯网络在车辆状态远程故障诊断系统中的应用

为了解决车辆状态远程故障诊断系统中的不确定性问题,提出了一种基于贝叶斯网络模型的故障诊断方法．这种故障诊断方法可在输入数据不完备,甚至含噪的情况下,充分利用贝叶斯网络的先验知识以及建模学习能力和概率推理算法来应对不确定性问题的表示和推理,完成系统的故障诊断．实验结果表明,贝叶斯网络方法在车辆故障诊断速度、准确性方面优于传统的基于BP算法或RBF算法的诊断方法,并且提高了故障诊断系统的鲁棒性．     

主成分分析在法医鉴定中的应用

以延边州朝鲜族成人男子脚跖骨长度作为统计数据，运用主成分分析原理研究了跖骨与人体身高之间的关系，并将多指标转化为单一综合指标进行了评分．本研究结果将有助于提高法医鉴定的效率和准确率。     

四旋翼无人飞行器ADRC-GPC控制

针对四旋翼无人飞行器的姿态控制系统,需要研究先进控制策略来达到满意的性能.将自抗扰控制(ADRC)与广义预测控制(GPC)相结合,设计一种新型自抗扰广义预测控制器(ADRC-GPC),利用ADRC中的扩张状态观测器(ESO)来估计和补偿非线性系统的模型不确定性以及外部扰动作用,将原始对象模型转化为积分器形式,然后针对积分器设计广义预测控制器.阶跃响应系数矩阵能被解析地求解出来,可有效地解决广义预测控制计算量大的问题.研究结果表明:所提出的ADRC-GPC控制方法能够对四旋翼无人飞行器姿态系统进行实时控制,可满足控制精度及快速性要求,并能有效地克服系统的外部干扰和多变量耦合作用.自抗扰广义预测控制器能够有效地控制欠驱动非线性多变量系统.     

小波分析在滚动轴承故障诊断中的应用研究

为了能有效识别滚动轴承的故障信号,利用滚动轴承滚动体故障模型,构造相应的小波基;研究提升小波的预测器和更新器算法;利用小波基对故障特征信号敏感的特点,对轴承故障信号进行检测和分析.实验和仿真结果表明,利用提升小波对滚动轴承振动信号进行N层分解后,可在细节信号中容易地发现突变信号,再根据模极大值原理,有效地判断轴承故障是否存在;进一步对细节信号作Hilbert包络,检测功率谱中的故障特征频率,可准确判断滚动轴承滚动体是否存在损伤点.     

基于模型的飞行控制软件测试用例的生成

采用虚拟原型技术Statemate工具,应用功能图建立飞行控制器的“自顶向下”的功能层次模型,应用状态图详细描述飞行控制软件的功能行为。通过仿真验证了飞行控制软件系统功能的正确性。在此基础上产生数据可靠、一致性好的实际飞行控制软件的测试用例,避免了人为产生测试用例的随意性与多样性。基于软件虚拟原型技术的软件验证与测试技术特别适合测试那些没有按此方法开发出来的嵌入式软件。