基于灰色新陈代谢和神经网络的故障预测方法研究

针对工业装备故障预测中存在信息不完备等问题,提出将灰色理论与神经网络算法相结合的组合预测方法。首先,通过数据变换技术和重新构造背景值求值方法优化新陈代谢GM(1,1)模型的初始值以及背景值,然后将优化后的新陈代谢模型的输出数据集作为神经网络的输入,原始数据作为神经网络的期望输出。运用附加动量项和变化的自适应学习速率对神经网络的权值更新方法进行改进。其后将得到的最佳神经网络的输出值作为最新信息运用到新陈代谢模型中得到预测值。齿轮运行状态实例预测结果表明,该预测方法可有效提高故障预测精度。     

基于HMM的开关电源故障预测方法研究

故障预测技术在提高设备的安全性、减少生命周期费用和提高维修保障效率等方面发挥了重要作用;采用隐马尔可夫模型(HMM)的故障预测方法,解决了Buck型开关电源的故障预测问题;详细分析了开关电源健康退化过程,并选择输出纹波电压、电感电流和输出功率作为监测参数;利用各个状态的样本序列来训练HMM,然后利用该模型对待测信号的观测序列进行测试,从而获得待测信号的似然概率,预测设备当前所在状态;实验结果表明,该方法可以准确地对开关电源进行故障预测。     

灰色极限学习机在滚动轴承故障预测中的应用

针对较强噪声环境下的滚动轴承故障预测问题,为提高轴承故障预测的精度,提出并研究了一种新的滚动轴承预测技术;采用将灰色模型和极限学习机(ELM)相结合的方法,针对轴承运行状态值的非线性特点,先将样本数据进行灰色处理,解决数据的随机性和波动性问题,然后代入学习速度快,泛化精度高的ELM神经网络进行训练;在训练完毕后,对未来的轴承运行状态数据进行分析,将其与轴承设备的理论诊断标准相比较以达到故障预测的目的。     

一种基于BP神经网络的集成电路PHM模型

提出了一种基于数据驱动的集成电路故障预测与健康管理(PHM)模型,该模型基于反向传播(BP)神经网络算法,避免了对集成电路老化失效物理机理的依赖,能有效拟合集成电路失效的非线性函数关系。以已编程应用设计的FPGA为目标器件,通过实验提取参数样本进行模型训练,并将模型应用于实测验证。结果表明,该模型输出结果与实测结果吻合良好,能有效满足集成电路故障预测与健康管理的实际应用。     

基于机器学习的城市电梯困人故障原因预测方法研究

为实现电梯困人故障的应急处置快速响应,缩短现场故障原因排查时间,促进排障模式由人工经验向数据支撑下的智能诊断转变,利用梯度提升树算法(GBDT)建立电梯故障原因预测模型。经过数据清洗和特征提取,以2015—2020年南京市累积电梯故障数据进行模型训练。与真实值对比后的预测结果表明,前三位故障原因实时预测准确率可达81%,评估指标优于同类型机器学习算法。GBDT模型预测性可适用于电梯困人故障数据稀疏、特征量不明显的预测问题。     

基于动态记忆反馈的改进ELM故障预测方法应用研究

随着工业系统复杂性的逐步增加,对故障预测的实时性和准确性提出了更高的要求.对此,提出一种基于动态记忆反馈的改进ELM神经网络模型进行故障预测.此模型在结构上增加了反馈层用于记忆隐含层输出,并从反馈层记忆的信息中提取数据变化趋势特征,从而动态更新反馈层的输出权值.通过对非线性动态系统的下一时刻输出进行预测,并对预测输出进行诊断,达到故障预测的目的.通过人工数据Sinc验证和TE过程实例应用表明了所提出方法具有预测精度高、动态适应能力强等优点,对非线性时序系统具有较好的预测能力.     

基于BP神经网络模型的故障预测分析

本文以数据采集与监控(SCADA)系统提供数据和设备故障的历史数据作为故障预测的数据来源,对动态数据和静态数据采用BP神经网络建模,测试结果说明了模型的有效性。     

基于改进GRU模型的直流充电桩故障预测

直流充电桩作为电动汽车有效的供电设备,其故障频发对电动汽车充电安全带来隐患.对充电桩的故障进行准确预测将有效地确保电动汽车充电过程的安全.本文提出了一种改进门控循环单元(gate recurrent unit, GRU)直流充电桩的故障预测模型.首先,分析充电过程中直流充电桩的常见故障类型,考虑到实际采集过程中具体故障数据样本量少的情况,利用变分自编码器(variational auto-encoder, VAE)数据增强方法对样本数据进行扩充;然后,基于GRU网络模型的故障预测方法,利用粒子群优化(particle swarm optimization, PSO)算法优化GRU网络参数,采用支持向量机(support vector machine, SVM)模型改善网络输出的分类函数,提出了PSO-GRU-SVM直流充电桩故障诊断模型;最后,利用算例对比改进前后的预测精度,分析对比混淆矩阵热力图,并且与常用的两种网络模型进行对比,结果表明了文中方法有效地提高了预测精度,验证了文章中方法的可行性.     

遗传算法优化GMM的故障电弧识别方法

由于电气设备中正常电流信号和故障电流信号电流特性十分相似,故障电弧的正确识别十分困难,但非常重要。采用小波变换结合近似熵的方法对故障和正常电流特征进行提取,将特征用来训练混合高斯模型(GMM)。但GMM的参数估计方法期望最大(EM),极易局部收敛,因此,引进遗传算法,提出遗传优化的高斯混合模型(GA-GMM)。用经过特征提取后的特征数据来训练GA-GMM模型,模型根据其输入的数据特征得到最大的概率分类,即输出电流故障与否。大量实验表明采用GA-BMM能够快速准确地对故障电弧特征进行识别,达到了较好的识别效果,实现了准确识别故障电弧的操作。     

基于RNN的故障预测算法及在GIS上的应用

随着工业化程度的提高,设备的故障预测的重要性日趋提高。提出了一种基于循环神经网络（RNN）的故障预测算法,通过数据训练,充分发掘了RNN对时间序列数据的拟合能力。RNN故障预测模型由数据处理模块和神经网络识别模块组成。在数据处理模块中,采用数学函数分配的方法建立了RNN 模型的训练样本和测试样本。在神经网络识别模块中,针对当前故障预测技术中异常点难以确定的问题,应用了一种逐步逼近的神经网络训练方法。最后利用气体绝缘开关(GIS)故障数据对该算法进行了验证,结果表明,该方法可以在故障发生前检测到故障发生趋势,进而实现故障预测,并且能在逐步训练中确定异常点的位置。     

A novel approach for estimation of residual attitude of a remote-sensing satellite

ABSTRACT

This article presents a novel approach for estimation of the residual attitude of a remote-sensing satellite based on satellite images with ancillary information and ground control points (GCPs). First, a non-linear model which translates the residual errors in roll, pitch, and yaw to scan-errors and pixel-errors in the image space is established. Subsequently, using the model and given scan-errors and pixel-errors at GCPs, an estimate of residual roll, pitch, and yaw based on the least square minimization of residuals in conjunction with the Newton’s method for non-linear optimization is proposed. A simulation is carried out to show that the estimates of residual roll and pitch are within 0.0008° (equivalent to 0.5 pixel) and the residual yaw is within 0.015° (equivalent to 0.75 pixel at the extreme ends) to its true values. The results of the article can be applied to determine the residual attitude of any remote-sensing satellite. We demonstrate our results by estimating the residual attitude based on the data-products of various Indian remote-sensing satellites. The effectiveness of the approach is shown by comparing the results with that of existing technique and it is concluded that the presented technique estimates residual attitude more accurately than the existing method.     

马尔科夫链的粒子群优化算法全局收敛性分析

本文对粒子群优化算法的全局收敛性进行了分析,给出了粒子速度和位置的一步转移概率,然后从粒子状态所构成的马尔科夫链着手,分析了此马尔科夫链的一系列性质,证明了粒子状态空间的可约性和非齐次性,并验证粒子状态空间是非常返态的,最后表明马尔科夫链不存在平稳过程的条件,继而从转移概率的角度证明了算法不是全局收敛的.     

基于近邻参考集与E2LSH加速的姿态敏感器故障检测

为满足高维、多状态姿控敏感器遥测数据的实时故障检测,提出了一种基于局部敏感哈希和子空间异常因子的故障检测算法.算法通过局部敏感哈希索引的建立和使用,检测全局故障点;通过子空间异常因子的计算,检测子空间故障点.提出了近似邻近参考集与缓存桶的概念,降低算法的时间复杂度.ZDPS-2卫星的姿控敏感器数据分析结果表明,该方法故障查准率89.3%,查全率100%,且泛化性能优于原始的子空间异常程度算法.该算法解决了原始的子空间异常程度算法实时性低、检测全局故障困难问题,可以满足姿控敏感器实时故障检测需求.     

冷连轧机厚度和张力系统的多变量解耦鲁棒控制

针对冷连轧过程中多变量、强耦合、不确定的厚度和张力系统,提出了基于不变性原理解耦的H∞混合灵敏度鲁棒控制策略.建立了厚度和张力系统的动态耦合模型,应用不变性解耦原理实现了对厚度和张力系统的解耦,以减弱系统的耦合影响,并针对系统动态模型的参数摄动以及外部扰动等不确定性,采用H∞混合灵敏度方法设计了鲁棒控制器以保证系统的鲁...     

基于LMI的鲁棒容错控制及其在卫星姿态控制中的应用

研究了一种线性不确定系统的鲁棒容错控制问题.针对执行机构和敏感器故障,运用线性矩阵不等式(LMI)方法,提出一种对执行机构和传感器失效具有完整性,且满足给定控制指标的输出反馈H∞鲁棒容错控制设计方法.将该方法应用于卫星姿态控制系统的容错控制并进行了数学仿真,仿真结果验证了方法的有效性.     

Fixed‐time attitude tracking control for spacecraft based on adding power integrator technique

In this article, the fixed‐time attitude tracking problem for rigid spacecraft is investigated based on the adding‐a‐power‐integrator control technique. First, a fixed‐time attitude tracking controller is designed to guarantee fixed‐time convergence of tracking errors. Then, by considering the presence of random disturbance and actuator faults, an adaptive fault‐tolerant attitude tracking controller is designed to guarantee tracking errors converge to a residual set of zero in a fixed time. The complete bounds on settling time are derived independently of initial conditions. The simulation results illustrate the highly precise and robust attitude control performance obtained by using the proposed controllers.     

Real-Time Attitude Estimation by Using Parallax Observation System

With the development of the satellite spatial resolution, high-resolution and high-quality remote sensing images require high stability of the observation satellite platform. Therefore, real-time attitude information is essential to enhance the accuracy and the robustness of the attitude control system in observation satellites. Through the use of the parallax observation system, this paper designs a novel framework to estimate the on-orbit attitude, which includes a complete deconvolution process, a detailed camera motion model, and a support vector regression algorithm to detect the attitude and deal with the latency. The proposed framework is testified by realistically simulated data and remote sensing images from the JL-1 satellite. Simulation and experiment results demonstrate that the proposed framework can detect and predict the attitude in real-time while the error is lower than \(1.125\,\upmu \mathrm{rad}\).     

多输入–多输出非线性系统的特征模型及在挠性卫星姿态控制中的应用

研究多输入–多输出（MIMO）高阶非仿射非线性系统的特征建模问题.首先证明了MIMO高阶非仿射非线性系统的特征模型可用二阶时变差分方程组描述,并给出了特征模型的建模误差.然后设计了基于特征模型的自适应模糊广义预测控制器,利用Lyapunov方法分析了闭环系统的稳定性.由于控制结构中使用了分层模糊逻辑系统,从而极大减少了模糊规则和可调参数的个数,提高了控制的实时性.通过对挠性卫星姿态控制的仿真研究验证了所给控制方案的有效性,可实现高精度的姿态控制,且该方法具有较强的鲁棒性.     

灰预测与时间序列模型在航天器故障预测中的应用

灰预测是灰色系统理论的重要组成部分,已成功应用于若干领域的预测;时间序列分析是定量预测方法之一;研究了利用以灰预测模型为基础,建立的残差灰预测模型和AR时间序列模型对航天器故障状态进行预测的方法;首先分析了灰预测模型以及残差灰色预测模型的建立过程,之后分析了AR时间序列模型的建立过程;然后利用所建立的模型进行航天器故障状态的预测,给出预测结果;研究表明,残差灰预测模型预测误差比基本灰模型降低,在特定的数据特征条件下也要优于AR时间序列模型.