基于解析模型的非线性系统故障诊断方法综述

对基于解析模型的非线性系统故障诊断方法进行了综述.基于解析模型的非线性故障诊断方法主要包括4大类:基于非线性观测器的方法、基于滤波器的方法、微分几何方法和自适应学习方法.文中详细介绍了各种方法的基本思想和近10年的研究成果,并指出各方法的优缺点以及热点研究方向.最后,给出了一些应用实例,并讨论了非线性系统故障诊断遇到的若干问题以及未来的研究方向.     

安诺素ECO型活性染料对纯棉绒类织物的染色工艺

针对纯棉绒类织物在活性染料连续轧染工艺中存在条坑异色、绒面色花、绒底色泽差异大的问题,采用安诺素ECO型活性染料湿蒸工艺对全棉抓剪毛织物进行染色.以染料配伍性、染色织物K／S值、彩度值、正反色差等指标为评价依据,通过单因素试验法对染色工艺进行优化,得到最佳染色工艺条件:染料5 g／L;专用助剂10 mL／L;无水硫酸钠...     

莫代尔/牛奶纤维混纺针织物的活性染色

采用双活性基活性染料对莫代尔/牛奶纤维混纺针织物染色.通过测试染料的上染率、固色率、K/S值、强力和色牢度,探讨染料类型、染色工艺、染料用量对染色的影响;并优化了Cibacron FN型染料的染色工艺条件:Na2SO440 g/L,Na2CO312 g/L,固色温度65℃.     

纯棉织物的红刺梨天然染料染色

将红刺梨汁提取物作为天然染料用于纯棉织物染色,研究染色、媒染工艺对染色织物表观颜色深度(K/S值)、染色牢度、染色均匀性的影响。结果表明,采用后媒染工艺,以单宁酸为媒染剂,在90℃、pH值8、氯化钠30 g/L和媒染剂4 g/L条件下,染色织物的K/S值、匀染性、染色牢度和断裂强力等指标均比较满意。     

基于在线补偿算法的卫星姿态控制系统容错控制

针对卫星姿态控制系统中传感器或执行机构发生故障的情况,提出一种基于在线核学习算法补偿的内模容错控制方法.该方法利用内模控制的性质以及在线学习算法的补偿能力,来实现卫星姿态控制系统的自适应容错控制.首先,提出了一种基于正交匹配追踪思想的在线核学习算法,其正交性增强了算法的稀疏性,匹配追踪思想确保了估计误差的有界性.其次,利用提出的在线学习算法来补偿原系统的逆模型,作为故障后系统的逆模型使用,并与原系统组成伪线性系统.最后,将此系统应用于卫星姿态控制系统的内模控制中,仿真结果证明该算法快速可靠,能够满足故障状况下的性能要求.     

高浓度强质子酸溶液对HM型PBO纤维物理性能的影响

采用差热分析、极限需氧指数、表面自由能、X射线电子能谱和模型物吸附等方法,对强质子酸处理前后HM型PBO纤维的主要性能变化进行了考察。强质子酸溶液能够对于纤维表面产生显著的潜离子化,酸处理后PBO纤维表面出现了C=O和C-N等由于水解反应而产生的极性基团,氧元素的含量增加,增加了纤维表面的极性,提高了纤维的表面自由能和润湿性能,增强了纤维对含负电荷小分子物质的吸附能力,但是PBO纤维本体的超分子结构没有发生根本性改变,其热稳定性能基本得到保持,且PPA处理试样阻燃性有小幅提高,几乎不影响其高性能纤维的基本特性。     

八聚乙烯基POSS改性分散染料在p-POD纤维上吸附热力学与动力学研究

采用热力学和动力学方法研究了POSS改性分散染料在p-POD纤维上的吸附和扩散机理。通过比较原染料和改性染料分子在p-POD纤维上的吸附,发现其吸附过程为Nernst型,染料分子与纤维主要以范德华力结合,而且吸附过程为放热过程。通过测量该染色过程的上染速率曲线,利用Arrhenius方程得到该染色过程的扩散活化能,并采用两种速率模型对实验结果进行拟合,表明改性染料在p-POD纤维上的吸附更符合假一级动力学模型,直接证明了该染色过程是动力学控制过程。     

冷弯薄壁型钢组合楼盖和自攻螺钉连接的抗剪性能试验研究

对3个足尺冷弯薄壁型钢楼盖试件的面内受力性能进行了水平低周往复加载试验研究,得到其破坏特征、承载力指标以及自攻螺钉连接的破坏模式,试验结果表明C形边梁与压型钢板间的自攻螺钉连接破坏导致了楼盖试件破坏。基于楼盖试件面内破坏现象,对C形楼盖梁与U形边梁间、C形楼盖梁与压型钢板间两种自攻螺钉连接形式进行了抗剪性能试验研究,得到自攻螺钉连接的破坏形态和单颗自攻螺钉的抗剪承载力,分析了中国规范GB 50018-2002对于计算单颗自攻螺钉抗剪承载力的适用性。采用基于性能的抗震设计理论对冷弯薄壁型钢楼盖中自攻螺钉连接的性能水平、性能目标以及承载力指标进行了探讨,其结果可用于指导冷弯薄壁型钢结构体系的抗震设计。     

一种采用对抗学习的跨项目缺陷预测方法

跨项目缺陷预测(cross-project defect prediction, CPDP)已经成为软件工程数据挖掘领域的一个重要研究方向,它利用其他项目的缺陷代码来建立预测模型,解决了模型构建过程中的数据不足问题.然而源项目和目标项目的代码文件之间存在着数据分布的差异,导致跨项目预测效果不佳.基于生成式对抗网络(generative adversarial network,GAN)中的对抗学习思想,在鉴别器的作用下,通过改变目标项目特征的分布,使其接近于源项目特征的分布,从而提升跨项目缺陷预测的性能.具体来说,提出的抽象连续生成式对抗网络(abstract continuous generative adversarial network, AC-GAN)方法包括数据处理和模型构建两个阶段:(1)首先将源项目和目标项目的代码转换为抽象语法树(abstract syntax tree,AST)的形式,然后以深度优先方式遍历抽象语法树得出节点序列,再使用连续词袋模型(continuous bag-of-words model,CBOW)生成词向量,依据词向量表将节点序列转化为数值向量;(...