基于信息融合技术的多模型磨粒智能识别方法

磨粒能够直接反映发动机的磨损过程和磨损状态,对磨粒的准确识别是实现发动机故障诊断和状态监测的关键环节.针对单一的智能方法在磨粒识别中的局限性,提出了一种基于信息融合技术的多模型磨粒智能识别方法.首先利用灰色关联度、模糊优选和神经网络模型对磨粒进行识别,得到3组初始识别结果,归一化后作为3组基本概率分配函数,利用D-S证据理论对其融合得到最终识别结果.实例计算表明,与单一智能模型相比,提出的识别方法提高了磨粒识别的区分度和准确率,并具有良好的通用性、适应性和容错性,为发动机磨损磨粒识别提供了一种新的有效的方法.     

考虑运动受限的履带式移动机器人轨迹跟踪控制

针对履带式移动机器人的轨迹跟踪控制问题进行研究,首先,建立了履带式移动机器人的运动学模型和跟踪误差模型;其次,设计了转速有限时间控制和线速度滑模控制的轨迹跟踪控制律,并给出了考虑运动受限作用下的控制律修正表达式;最后,基于MATLAB对所提控制律进行仿真,对比分析了不考虑运动受限情况下跟踪控制效果;结果表明,设计的跟踪控制律能够实现履带式移动机器人对圆轨迹的有效跟踪,且考虑运动受限作用的控制律更加符合实际;文章研究分析了运动受限作用对于移动机器人轨迹跟踪控制的影响,分析结果对其他移动机器人的运动控制研究具有参考价值。     

基于在线半监督学习的故障诊断方法研究

针对机械故障诊断中准确、完备的故障训练样本获取困难,而现有分类方法难以有效地发掘大量未标记故障样本中蕴含的有用信息,提出了一种基于在线半监督学习的故障诊断方法.该方法基于Tri-training算法将在线贯序极限学习机从监督学习模式扩展到半监督学习模式,利用少量不精确的标记样本构建初始分类器,并从大量未标记样本中在线扩充标记样本,对分类器进行增量式更新以提高其泛化性能.半监督基准数据试验结果表明,训练样本总数相同但标记样本数与未标记样本数比例不同时,所提算法得到的分类准确率相当且训练时间相差小于1.2倍.以柴油机8种工况的故障模式为对象进行试验验证,结果表明标记故障样本较少时,未标记故障样本的加入可使故障分类准确率提高5％～8％.