滑模观测器在水下机器人推力器故障诊断中的应用

水下机器人运行在未知复杂的海洋环境下,一旦发生事故就可能造成巨大的财产损失,这就要求水下机器人具有应付突发事件的能力,即自动故障诊断和实现容错控制的能力．将滑模观测器应用于水下机器人推力器故障诊断,通过滑模观测器输出与实际传感器的输出构造残差信号．从残差中提取故障信息,实现推力器故障的检测与分离．提出采用模糊诊断方法分析残差信号,克服了阈值判断法误报率高的弱点．仿真结果表明,提出的方法可以区分系统的状态变化和状态异常,能有效诊断出哪一个推力器发生故障以及故障发生的时刻．该方法为水下机器人执行器的故障诊断提供了一种可选方案。     

非线性系统传感器偏差的自适应故障检测与分离方法

针对一类具有模型不确定性且状态部分可测的非线性系统,提出了一种基于鲁棒自适应技术的传感器偏差故障检测与分离方法。所提出的故障检测与分离方法是由一个故障检测估计器和一组故障分离估计器完成的,其中每一个故障分离估计器对应一种类型的传感器偏差故障。对于某一故障分离估计器如果它的的输出估计误差中至少一项的绝对值超过相应的自适应阈值,则这个故障发生的可能性被排除,即可分离故障。在系统存在模型不确定性和状态部分可测的情况下,应用自适应技术来估计未知的传感器偏差故障并分析了故障分离器的稳定性。仿真算例证明了所提出的鲁棒自适应故障检测与分离方法的有效性。     

一种基于振动位移的扬声器异音故障检测方法

为了满足扬声器纯音检测的需要,提出了一种基于激光位移传感器的扬声器异音故障检测方法．该方法利用激光位移传感器采集扬声器纸盆中心振动信号,通过短时傅里叶变换将扬声器振动信号从一维的时域信号变换成两维的时频域信号．对时频图采用多级阈值分割的方法进行图像分割,统计其高频区域灰度值落于0-03的所有像素个数作为特征值,进而判断扬声器的好坏．实验表明,此方法对扬声器异音故障检测的正确率可达到97％．     

基于小波和神经网络的传感器故障诊断

提出了一种新的基于小波包变换和BP神经网络的传感器突变故障诊断方法。根据小波变换在时域和频域都具有良好的局部化特性对信号特征进行精确定位,根据传感器输出信号的小波包分析提取能量变化率的特征向量,利用BP神经网络进行传感器故障分类。这种方法无需预先建立传感器模型和测量传感器输入信号,通过对小波包系数的削减,减少了冗余数据,提高了故障检测的实时性。仿真实验结果表明了该方法的有效性。     

用参数自整定模型在线检测空气处理机组故障

大型现代建筑大都安装了能源管理与控制系统（EMCS）,EMCS系统储存的大量监控数据为空调系统的在线故障检测与诊断提供了方便。提出了一种利用参数自整定空调部件模型在线检测变风量空气处理机组故障的方法。利用遗传算法优化模型参数使模型预测数据与实测值数据的残差最小,因此空调部件模型有较高的预测精度。若模型预测数据与实测数据的残差超出了预先设定的阈值,就意味着变风量空气处理机组可能存在故障。针对在实际应用时确定故障检测阈值的困难,给出了用统计方法确定阈值的方法。故障检测方法在真实建筑中进行了应用和验证,结果表明该故障检测方法可以结合EMCS系统准确有效的检测变风量空气处理机组故障。     

基于自适应第二代小波的超声回波信号特征识别

文章针对强噪声背景下液压系统压力超声检测回波信号特征识别问题,构造了一种识别该类信号时域特征的自适应第二代小波方法。该方法以第二代小波为基础,以超声回波信号的峭度大小为目标函数,选择每层自适应匹配超声回波信号特征的第二代小波预测器和更新器,利用选择的预测器和更新器对信号进行预测和更新运算;根据每层自适应第二代小波分解的超声回波信号噪声水平,选取自适应匹配超声回波信号噪声特点的降噪阈值,对信号进行降噪和恢复,提取信号时域特征。该方法成功地准确识别出超声回波信号回波至点的时刻和时间间隔特征信息。结果表明,第二代小波自适应阈值方法对强噪声背景下超声回波信号特征的识别效果优于经典小波方法。     

小波变换与主元分析相结合的模拟电路检测方法

针对容差、非线性、建模复杂等造成的模拟电路故障检测困难以及现有故障检测方法需要根据经验设置检测阈值的缺点,提出了一种小波变换和主元分析相结合的模拟电路故障检测方法,给出了利用该方法进行故障检测的具体过程.利用三角波信号作为激励源,采集和分析被测电路的输出响应;利用小波变换提取输出响应的故障特征,能够同时利用时域和频域信息;利用主元分析融合故障特征进行故障检测,能够避免设定检测阈值的困难.将其应用于模拟滤波器的故障检测,结果表明,该方法能够有效地利用时频域信息进行故障检测,优于单纯的时域分析方法或频域分析方法.     

基于神经网络和证据理论的滚动轴承故障预测方法

传统的故障预测方法难以对不同工况下的滚动轴承故障进行有效预测,为此,提出了一种基于BP神经网络和DS证据理论的滚动轴承故障预测方法。首先采用擅长于处理非平稳信号的小波包分解对多个传感器采集的原始振动数据进行特征分析,然后对BP神经网络的结构和参数进行优化设置并使用多个BP神经网络分别进行故障预测模型训练,最后利用DS证据理论将多个神经网络得到的预测结果进行融合并输出最终预测结果。实验结果表明,该方法能对不同工况下的滚动轴承故障进行有效预测,故障预测平均准确率达96.37%;且与相关文献提出的方法相比,所提出的方法得到的滚动轴承故障预测准确率有所提升。     

基于小波变换和人工神经网络的保护原理研究

提出了一种利用小波变换提取信号特征,并结合神经网络来识别电力系统短路故障的方法．该方法首先对测量信号作小波变换,提取特征量,作为多层前向神经网络的输入．对不同的输出要求,提出采用不同的神经网络,判断出发生故障的相位、性质和位置．     

基于稀疏表示的间歇故障检测方法及仿真

基于间歇故障在某些域的稀疏性,提出一种基于稀疏表示的间歇故障检测方法。利用系统输出数据构造系统的过完备字典,设计间歇故障检测阈值,并对过完备字典和故障检测阈值进行在线更新。此方法适合动态系统的间歇故障检测,并通过仿真结果进行验证,并比较在不同更新策略下的仿真结果。     

系统故障检测与重构的修正偏差分离估计法

采用衰减记忆滤波器对ＦｒｉｅｄｌａｎｄＢ提出的偏差分离估计法进行了修正而成为修正偏差分离估计法，通过某型双转子涡轮喷气发动机控制系统传感器故障检测和重构的数值仿真例子表明，该方法不需要任何关于故障的先验知识而能可靠地检测出故障，精确地估计出故障大小并具有良好的重构性能，对故障估计的跟踪能力远比偏差分离法强。     

A Sensor Failure Detection Method Based on Artificial Neural Network and Signal Processing *

ＡＳｅｎｓｏｒＦａｉｌｕｒｅＤｅｔｅｃｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋａｎｄＳｉｇｎａｌＰｒｏｃｅｓｉｎｇＮＩＵＹｏｎｇｓｈｅｎｇＺＨＡＯＸｉｎｍｉｎ（钮永胜）（赵新民）（Ｄｅｐｔ．ｏｆＡｕｔｏｍａｔ...     

基于光寻址电位传感器的单细胞传感器设计

为了测量细胞电生理特性和进行药物分析，提出了一种基于光寻址电位传感器（LAPS）的单细胞传
感器.用峰峰值为2 mV、频率为1 kHz的正弦信号模拟细胞动作电位，作为传感器的输入信号来观测系统的
灵敏度；采用涂敷法和改变器件表面粗糙度的方法，将细胞固定在器件表面以改善传感器灵敏度；选择1
μm/mL、10μg/mL两种质量浓度乙酰胆咸（Ach）作为大脑皮层神经细胞的刺激药物，检测在不同浓度药
物作用下神经细胞的动作电位.实验结果表明，涂敷法固定细胞提高了传感器的灵敏度，该细胞传感器能
够检测出模拟动作电位，并能够检测出不同浓度的乙酰胆碱.     

Research on fault mode and diagnosis of methane sensor

To improve the reliability of coal mine safety monitoring systems we have analyzed the characteristics of a methane sensor, an important component of the monitoring system of production safety in a coal mine and studied the main type and mode of faults when the sensor was used on-line. We introduced a new method based on artificial neural network to detect faults of me-thane sensors. In addition, using the output information of a single methane sensor, we established a sensor output model of a dy-namic non-linear neural network for on-line fault detection. Finally, the fault of the heating wire of the sensor was simulated, indi-cating that, when the methane sensor had a fault, the predicted output of the neural network clearly deviated from the actual output,exceeding the pre-set threshold and showing that a fault had occurred in the methane sensor. The result shows that the model has good convergence and stability, and is quite capable of meeting the requirements for on-line fault detection of methane sensors.     

旋转设备在线健康监控指数研究

利用小波包分解方法对在线监控中收集到的齿轮箱振动信号进行频域划分,并在其划分后的频段上有选择地进行了信号重构。在其基础上提出齿轮在线健康监控指数,可以用来反映齿轮箱整个寿命期间的健康状态。同时,为了实现对齿轮早期故障的预警,提出了一个用来在线检测的动态阈值。通过3套不同的齿轮箱全寿命振动信号数据进行了健康指数和早期预警的验证。实验结果证明,该健康监控指数及其动态阈值可以准确地检测出齿轮早期故障发生的时刻。     

性能优异的复信号恒虚警检测器设计

提出了一种基于野值剔除处理的恒虚警检测器设计新方法。它通过定义野值剔除准则来剔除待检复样本数据中幅度较大的信号和异常干扰值,目的是为了得到较干净的背景噪声样本来计算噪声电平估值。然后,根据噪声电平估值和所需恒虚警率,计算出信号检测门限并进行信号检测。这样处理的好处是较大幅值的信号不参与背景噪声电平估值,从而也就不会引起检测门限的非正常抬高,并且在恒虚警率基本不受影响的情况下,提高了系统对目标信号,特别是弱信号的发现能力。从实际数据的应用中还发现这种检测方法可以很好地抑制鼓包干扰。     

基于矢量传感器的高分辨频率估计算法研究

基于子空间分解的ESPRIT算法常用在阵列处理中对目标进行DOA估计．如果将空间的位移变成时间的延迟，单个矢量传感器可以实现高分辨率的频率估计．将ESPRIT与矢量传感器相结合，研究了高分辨率频率估计算法，建立了矢量传感器的数据模型，推导了矢量传感器的空时阵列流形，通过对协方差矩阵进行子空间分解，求得目标信号的频率估计值．仿真计算研究了不同信噪比、采样频率和数据长度条件下该算法的性能．结果表明基于矢量传感器的算法比基于声压传感器的算法具有更高的频率估计精确度．     

Remaining useful life estimation based on Wiener degradation processes with random failure threshold

Remaining useful life(RUL) estimation based on condition monitoring data is central to condition based maintenance(CBM). In the current methods about the Wiener process based RUL estimation, the randomness of the failure threshold has not been studied thoroughly. In this work, by using the truncated normal distribution to model random failure threshold(RFT), an analytical and closed-form RUL distribution based on the current observed data was derived considering the posterior distribution of the drift parameter. Then, the Bayesian method was used to update the prior estimation of failure threshold. To solve the uncertainty of the censored in situ data of failure threshold, the expectation maximization(EM) algorithm is used to calculate the posteriori estimation of failure threshold. Numerical examples show that considering the randomness of the failure threshold and updating the prior information of RFT could improve the accuracy of real time RUL estimation.     

利用小波域HMC模型进行遥感图像变化检测

传统阈值检测算法都是基于单函数模型进行的,当差异影像分布函数较复杂时检测结果较差．针对这个问题,提出一种基于小波域的隐马尔科夫链模型的遥感图像变化检测算法．将双高斯混合模型与小波变换结合,解决了单函数模型匹配率低的问题,并通过小波变换引入了图像的空间信息,提高了检测精度．利用双高斯混合模型对小波分解后的多层差异影像进行拟合,根据拟合结果判定待检测点类别．对得到的多层初始分割结果,利用隐马尔科夫链模型根据连续最大后验概率融合,得到最终变化检测图．对真实遥感数据集进行实验,证明这种算法可以得到较好的检测结果．