集员卡尔曼滤波器在电机故障诊断中的应用

本文针对伺服电机提出了一种基于集员卡尔曼滤波器的故障诊断方法并进行了实际应用. 首先, 基于运动学关系和数据驱动技术构建了伺服电机的综合系统动态. 之后, 针对电机的位置–速度模型设计了一个中心对称多面体卡尔曼滤波器来检测位置传感器和速度传感器是否发生故障. 同时, 针对电机的力矩–速度模型设计了一个中心对称多面体卡尔曼滤波器来检测力矩执行器故障和速度传感器故障. 然后, 基于上述的两个中心对称多面体卡尔曼滤波器提出了一种故障隔离律, 可以定位出伺服电机故障部件的位置. 最后, 通过一个实际的伺服电机实验平台对所提出方法进行了应用, 并验证了其可行性与有效性     

一种改进的集员滤波仿射投影算法

在优化算法的研究中,集员滤波的仿射投影算法具有比传统仿射投影算法迭代次数少、计算量小等优点,但实际应用中,算法的计算复杂度与滤波器长度成正比,当滤波器长度较大时限制了实时实现.为减少误差,实时运行,提出了一种改进算法.算法中当输出误差小于给定误差门限时,滤波器系数不必进行调节;否则将滤波器系数分成多个系数子集,通过仅更新权系数某一子集的方法,减少了原算法每次迭代中需更新的抽头权系数个数.采用一个声回波消除方法进行仿真.仿真验证了改进算法的性能,表明新算法与基于集员滤波的仿射投影算法相比,具有更快的收敛速度,并降低了计算复杂度.     

凸多面体的消隐线处理

消除隐藏线是计算机图形学中一个正在发展的重要研究课题。本文首先分析了对于单一凸多面体的消隐线处理,现有算法的不完善性。然后提出了一个新的完善的算法。该算法是以本文提出的一个引理为基础的。     

基于未知输入集员滤波器的不确定系统故障诊断

针对一类具有参数不确定性和未知扰动的线性系统,提出了一种新的执行器故障诊断方法.将指定执行器故障视为未知输入,利用全对称多胞形近似状态边界,本文设计了一种未知输入全对称多胞形集员滤波器,以估计测量输出的上下边界.在此基础上,提出了一种利用一组未知输入滤波器的故障检测与分离策略.通过一个飞行控制系统的数值仿真验证了所提出方法的有效性.     

基于启发式搜索分离向量的凸多面体碰撞检测

碰撞检测是计算机模拟物理过程的基础，在计算机图形学、CAD／CAM、虚拟现实和机器人等领域有着广泛的应用．该文给出了一个新的用于凸多面体碰撞检测的算法——HP-jump．HP-jump建立了一个有效的碰撞检测模型用于报告物体的碰撞，同时提供了一个快速的启发式的策略用于搜索两个凸多面体的分离向量．该算法是利用凸多面体的层次表示来搜索支撑顶点对，用平衡二叉树来记录球面凸多边形的顶点，同时还利用了时间、空间相关性，这些都加速了算法的执行．该文的最后给出了HP-jump与GJK，I-COLLIDE算法的比较．     

基于边/面遮挡关联性的多面体凸剖分方法

提出一种多面体凸剖分的方法,与国际上已有的工作相比,在计算速度、空间需求和新增顶点等方面均降低了复杂度,有大幅的效率提高,且在处理凹边很多的多面体时具有更大的优越性.其工作步骤是根据多面体的面、边沿某些方向正投影时面与面之间、边与边之间的遮挡关系进行局部化操作,以渐进地凸剖分多面体.它对应用中的常见模型表现出的时间复杂度、空间复杂度皆近似为O(n),而新点数不超过O(r n~(0.5)),这里,n为模型的点数,r为凹边数.实验结果表明,与目前国际上常用的"切割分裂"方法相比,新方法的速度提高了14～120倍,空间下降至"切割分裂"方法的1/2.3～1/7.4,而新增加的点数则最多为"切割分裂"方法的1/28,甚至有些情况下无须增加新点就能完成凸剖分.新方法剖分出的凸多面体绝大多数是四面体,多于"切割分裂"方法所得凸多面体数量.但是,很多应用是要求多面体被剖分为四面体的.如果进一步将凸多面体四面体化,则新方法的结果个数将明显少于"切割分裂"方法,因为新方法的剖分过程中所增加的新点要少很多.新方法还能方便地处理包含空洞的多面体,甚至是包含孤立面、孤立边和孤立点的非流形多面体.     

基于多面体不变集的变终端约束集RMPC

针对一类状态和输入受约束的多胞不确定线性时变系统,提出了一种基于多面体不变集的变终端约束集鲁棒模型预测控制算法.首先采用基于状态反馈增益的多面体不变集计算方法,给出了一种新的控制不变集序列构造方法,然后以控制不变集序列的并集作为终端约束集,结合在线优化和增益切换,实施变终端约束集双模鲁棒预测控制.该算法不仅有效地扩大了...     

一种凸多面体的阴影生成方法

阴影生成是使三维场景具有真实感的重要方式之一。以往的阴影生成算法是对点和面进行处理的,而该文中的阴影生成算法只针对点进行处理。由于任何物体都可以分解成若干个凸多面体,所以凸多面体的阴影生成很有研究价值。该文将凸壳技术应用于三维场景的阴影生成中,形成一种凸多面体的阴影生成方法,并用OpenGL技术实现。该文简述了OpenGL技术和阴影生成技术的基本原理,用OpenGL生成的三维场景模型进行检验,并叙述了场景的组织结构和阴影生成的实现过程,最后生成了较真实的阴影。     

基于超平行空间集员滤波的非线性系统状态估计方法

针对噪声有界但未知条件下的非线性系统状态估计问题,提出基于超平行空间集员滤波算法.利用Stirling矩阵将模型进行一阶展开,基于凸差规划完成线性化误差定界,采用超平行空间表示误差边界和状态可行集,求解下一时刻预测状态可行集超平行体.在更新步将观测值分解为多个带,融入观测值的线性化误差并将带依次与超平行体相交,得到该时刻超平行空间描述下的状态可行集更新情况.所提出算法能够避免在求解线性化误差过程中外包误差集合带来的体积扩充,降低非线性集员滤波算法的保守性,仿真示例验证了所提出算法的可行性和有效性.     

基于集员滤波的SINS静基座初始对准

本文将集员滤波应用与捷联惯导系统的初始对准,克服了kalman滤波只针对噪声为白噪声这种单一状况,仿真结果表明,集员滤波有比kalman滤波更好的鲁棒性和稳定性.     

基于广义形态滤波和MRSVD的故障诊断方法研究

为了从复杂工况下获取滚动轴承故障信息,提出了一种基于广义形态滤波和多分辨奇异值分解（Multi-Resolution Singular Value Decomposition,MRSVD）相结合的方法。首先利用广义形态学滤波方法对振动信号进行降噪预处理;然后利用MRSVD对降噪后的振动信号进行分解;最后通过峭度准则选取故障特征最丰富的细节信号,并对其进行Hilbert包络谱分析。将提出的方法应用于滚动轴承的故障检测,实验结果表明该方法能清晰地提取故障特征信息。     

基于粗糙集的故障诊断规则增量更新方法

提出了一种新的过程控制故障诊断规则的增量动态更新方法。根据给定的过程控制故障规则的描述,按照规则更新集与控制状态集在约束条件作用下,将规则更新问题归结为一类标准形式,并给出问题的形式化描述;然后以理论修正算法为依据,利用提出的知识更新算法对问题求解以完成知识库的规则更新。最后,给出的仿真实例验证了该方法的有效性和可行性。     

基于粗糙集和贝叶斯分类器的变电站故障诊断

以变电站的开关继电保护信息为基础,提出了一种基于粗糙集理论和贝叶斯分类器的变电站故障诊断方法.首先利用粗糙集理论的知识约简和处理不确定信息的能力,对变电站的故障诊断知识进行挖掘,实行属性优选,再运用朴素贝叶斯分类器对故障诊断知识进行模式识别.将其应用于变电站故障诊断专家系统中,应用结果显示了该方法能有效地缩小问题求解规模和较强的抗干扰能力,是一种有效的变电站故障诊断方法.     

基于粗糙集优化的信息融合故障诊断系统

针对现有的故障诊断技术在应用于电力变压器故障诊断中,存在的冗余信息过多、诊断结果不准确等不足之处,将粗糙集理论与信息融合技术相结合,先利用粗糙集理论对故障系统前期数据进行最大限度的约简,再采用证据理论方法对预处理信息进行融合,进而进行故障模式的分类,可简化故障诊断网络规模,且相比于单一的信息融合的诊断方法,能够更快速、更精确地诊断出变压器故障类型。其研究成果在油浸式电力变压器故障诊断方面具有广阔的应用前景。     

基于最差原则的故障指示器故障判定方法

为解决矿区配电网非健全信息情况下故障指示器故障判定问题,提出了最小故障判定区域的概念,基于最小故障判定区域概念建立了故障指示器故障判定数学模型,以该数学模型为基础提出了一种基于最差原则的故障指示器故障判定方法。该方法通过最差原则对短路故障信号及接地故障信号进行辨识与修正,一定程度上解决了故障信号漏报和误报等非健全信息情况下的故障判定问题。运行实例证明了所提方法的实用性和准确性。     

基于专用卡尔曼滤波器思想的陀螺故障诊断

本文针对卫星姿态确定系统,提出了一种基于专用卡尔曼滤波器思想的陀螺故障诊断方法.利用卫星姿态运动方程设计了一种加性卡尔曼滤波器,用于生成作为故障征兆信号的残差.结合专用观测器思想和卡尔曼滤波器,提出了利用卡尔曼滤波器组的故障检测与分离律.另外,给出了一种基于3-σ的阈值计算方法,用于设计故障诊断中所用的检测阈值.仿真结果验证了所提出方法的有效性.     

一种基于多传感器信息融合的故障诊断方法

针对目前油气管道的预警与泄漏判断误报率和漏报率高的问题,采用一种基于多传感器信息融合的方法来进行诊断．考虑不同的传感器所测得的特征参数不同的特点,在数据融合的过程中采用加权融合,增加系统判断的准确性．实验结果证明了该方法的有效性．     

一种基于证据融合的执行器故障诊断方法

在工业过程闭环控制系统中,由于控制器的调节作用,执行器的故障特征在一定程度上受到掩盖和干扰,而单一的诊断方法总是存在误判现象.鉴于此,提出一种基于证据融合的诊断算法.首先,利用基于信号分析的方法计算表征故障特征的指标,针对“一票否决”现象对指标结果加以改进;然后,采用DS证据理论融合基于最小二乘支持向量机(LS-SVM)的概率分类特征实现优势互补,将指标表达的故障机理信息与概率分类挖掘的数据特征信息相结合,规避单一方法的局限性,从而提高诊断的准确率;最后,基于双容水箱系统的实验表明,所提出方法能够有效学习闭环系统中执行器的故障数据特征,提升诊断能力,克服单一方法的误判问题,具有较高的应用价值.     

基于粗糙集的容错神经网络故障诊断系统

粗糙集和神经网络在故障诊断中都得到了广泛的应用,但两者都有其局限性,同时在许多方面有其互补性,融合粗糙集和神经网络各自的优势,建立了粗糙集——客错神经网络故障诊断系统。利用粗糙集对原始数据进行简约,导出最简诊断规则,根据选择的冗余约简和最简诊断规则建立粗糙集——容错神经网络故障诊断系统。以滚动轴承故障诊断为例,仿真结果表明系统提高了故障诊断准确率和诊断速度,消除了故障诊断中的误报和漏报现象。     

基于概率超球集神经网络的发动机故障诊断

提出了一种用于发动机故障检测与诊断的概率超球集神经网络．神经网络用概率集表示发动机故障模式,概率集是由超球聚集形成的集合体,超球是由球心和半径确定．概率超球集神经网络能在两次循环中完成学习过程,并能不断融合新样本信息和精炼已存在的故障模式．YF-20发动机故障检测与诊断的仿真研究验证了概率超球集神经网络分类器的优越性能．