时变系统遗忘因子最小二乘法的有界性收敛性

利用随机过程理论研究了遗忘因子最小二乘法（FFLS）的有界收敛性，给出了参数估计误差的上界，分析表明：i)对于时不变确定性系统；FFLS算法产生的参数估计以指数速度收敛于真参数；ii)对于时不变随机系统，FFLS算法给出界均方估计误差，iii)对于时变随机系统，FFLS算法可以跟踪时变参数，且跟踪误差有界。     

Delaunay-固定距离滑动邻域Kriging算法

地质统计学中的Kriging 算法是利用空间变异结构进行插值预报的算法,作为一种区域性算法,邻近点的选择是Kriging 算法实际应用中无法回避的重要问题。文章结合温度场计算的实际应用详细分析了Kriging 邻近点选择中需要考虑的原则,并采用Delaunay 三角划分搜索和固定距离搜索相结合的邻近点搜索策略,提出一种利用变程的Delaunay-固定距离滑动邻域算法。通过温度场数据的计算结果证明新算法在精确度上优于普通固定半径的滑动邻域Kriging 算法。     

基于混合系统状态估计的故障诊断

如果将故障的发生视为一个离散事件,则存在故障可能的系统可以看作随机混合系 统,那么故障诊断问题就可转化为混合系统的离散状态估计问题.文中试图从这个角度研究 在非高斯噪声环境下非线性系统的故障诊断问题.在发生故障后的系统模型是已知的假定条 件下,使用随机混合自动机对系统建模,并利用基于粒子滤波的混合估计算法估计出混合状 态,从而完成故障诊断.仿真结果表明,所提的方法是可行的,可以处理某类故障诊断.     

FALCON模糊神经网络及其在铝电解槽阳极效应预报中的应用

FALCON(Fuzzy Adaptive Learning CONtrol Network)模糊神经网络是一种结合模糊理论和神经网络技术而成的人工神经网络模型,可应用于模式识别和故障预测等领域,尤其是在铝电解工业中,FALCON模糊神经网络能够有效地对铝电解槽的阳极效应进行预报.本文研究了FALCON模糊神经网络结构及其算法,并将其用于铝电解槽的工作状态监测和预报.     

基于δ算子的滑动窗自适应格形滤波器

本文利用最小二乘几何投影方法详细推导了一种基于滤波器δ算子的滑动窗自适应格形滤波算法，瘩深入讨论了这种滤波器在系统辨识和参数变化检测中的应用。     

企业综合自动化与集成技术

工业企业是一类高度复杂的系统，有些还伴随物理化学反应过程、生化反应过程，以及物质和能量的传递和转换过程，其特征多表现为大范围连续性和不确定性、高度非线性和强耦合性，加上企业决策、经营销售、计划调度、物资供应、库存运输、产品开发的锁链关系，给实现企业综合管理、调度、优化和控制带来了超常的难度，综合自动化与集成技术是为企业提供一种整体解决方案的重要途径。     

基于趋势分析和SDG模型的故障诊断

基于趋势分析的故障诊断受数据影响较大,基于定向符号图(signed d irected graph)模型的故障诊断难于建模和推理,而两者结合以提高故障诊断效果的方法还未被考虑.本文将趋势分析的趋势信息和SDG模型的节点信息进行了比较,阐明了两者信息互补的特点,然后利用趋势分析建立SDG模型,并利用SDG模型改进基于趋势分析的故障诊断,建立了数据驱动方法和基于模型方法相结合的故障诊断方法.CSTR(continuous stirred-tankreactor)实例分析表明,基于趋势分析和SDG模型的故障诊断方法提高了诊断的准确性和精确性.     

概率SDG模型及故障分析推理方法

符号有向图（SDG）是用来表示大规模复杂系统中变量之间因果影响关系的一种重要工具,但其存在一些不易克服的缺点.为此,首先提出一种新的模型--概率SDG模型,用条件概率描述故障之间的传递关系;然后在概率SDG模型的框架下,提出一种故障分析诊断的推理方法,即利用图消去算法和连接树算法进行贝叶斯推理,并计算出故障概率.最后以65 t/h锅炉系统为例,研究建立其概率SDG模型,并在此基础上验证了上述模型和推理方法的有效性.     

基于信息熵的多传感器数据分类方法

在回顾数据分类和信息熵的基础上,提出了基于信息熵的多传感器数据分类方法．该方法根据传感器数据自熵和互熵的关系实现冲突、冗余和补充的数据分类,建立多传感器数据分类结构并进行分类融合．实例分析说明了这种数据分类方法的合理性和分类融合的有效性．     

结构残差在基于SDG故障分离中的应用

符号有向图（SDG）是大规模复杂系统中故障传播关系的描述模型,但它仅能通过在相容通路上的定性推理进行故障分离,因此有着明显的局限性。而结构残差是定量故障分离的成熟方法,将其引入基于SDG的故障分离中,用以提高系统故障分离的能力,弥补SDG方法的不足。具体的做法是将SDG转化为结构残差的描述形式,再利用结构残差的基本思想,分别就变量是否完全可检测的情况给出了具体的故障分离方法。这样做可以提高系统故障分离的鲁棒性和准确性。应用实例表明,该方法可通过残差计算,准确判断故障源,实现故障分离。