FAULT DIAGNOSIS OF HYDRAULIC SERVO SYSTEM USING THE UNSCENTED KALMAN FILTER

Fault occurrence can be embodied by the physical parameter variations of the hydraulic servo system. Faults can, therefore, be diagnosed according to the model coefficient variations of the hydraulic servo system. This paper proposes an approach for fault diagnosis based on the unscented Kalman filter (UKF) with a mathematical model of the hydraulic servo system. The mathematical model is established using the dynamic equations of the hydraulic servo system. Based on the fault mechanism analysis results, several important system model parameters that can separately represent different faults in different components of the hydraulic servo system are chosen. Discrete state space equations are derived from the dynamic equations. The UKF algorithm is used to estimate the important system model parameters of the hydraulic servo system by utilizing the discretized state space model. According to the variations of these model parameters, the fault modes and locations of the hydraulic servo system can be diagnosed and isolated. Two types of faults, namely, abrupt fault in servovalve gain and slow wear fault in hydraulic cylinder piston, which cannot be directly detected from the system output, are introduced individually to the hydraulic servo system in this work. By comparing with the extended Kalman Filter, three different experimental cases are used to validate the effectiveness of the UKF for hydraulic servo system fault diagnosis.     

基于密度调整的改进自适应谱聚类算法

针对谱聚类存在构造相似度矩阵时对尺度参数敏感以及处理多重尺度数据集效果不理想的缺陷, 提出一种基于密度调整的改进自适应谱聚类算法. 该算法将样本点所处领域的密度引入谱聚类, 利用密度差来调整样本点之间的相似度, 使其更符合实际簇类中样本点间的内在关系, 在一定程度上解决了多尺度聚类问题; 同时, 通过样本点的近邻距离自适应得到尺度参数, 使算法对尺度参数相对不敏感. 仿真实验验证了所提出算法的有效性和优越性.

     

基于多渐消因子强跟踪UKF 和约束AR模型的故障估计与预测

针对非线性系统中不可观测故障参数估计和预测问题, 提出一种基于多重渐消因子强跟踪无迹卡尔曼滤波(MSTUKF) 的状态和参数联合估计法, 通过引入多重渐消因子增强了对变化函数未知的故障参数的跟踪能力. 对于得到的故障参数估计值, 利用递推最小二乘法更新约束AR预测模型, 从而实现故障参数的在线估计与预测. 仿真结果表明, MSTUKF方法在故障参数估计精度上优于UKF 和单渐消因子强跟踪UKF, 约束AR模型的预测精度高于无约束条件下的预测精度.

     

动筛跳汰系统设计中若干环节的探讨

论述了动筛跳汰机的选型原则及技术要求,提出了4m2动筛跳汰机分选系统设计中各环节技术参数及所用设备的选择条件,同时对动筛跳汰系统各环节的布置进行了探讨。     

一种关于目标罚参数的精确罚函数法

罚函数法是一种将约束优化问题转化为无约束问题的重要方法.对于一般的约束优化问题,通过加入新参数,给出了一种改进的精确罚函数和这种罚函数的精确罚定理证明,提出了求解这种罚函数的算法.实验表明该算法是有效的.     

片上网络业务量的自相似性分析及模型研究

进行片上网络的架构、映射、流控与服务质量(Quality of Service,QoS)等研究时,迫切需要一个准确的业务量模型用于延时分析与测试验证,以保证设计的性能。而现有的基于马尔科夫模型和回归模型的短程相关模型无法准确地描述业务量的突发性和分形特性,不适用于基于流水的通信信号处理片上系统(System on Chip,SoC)芯片。为了解决这个问题,通过理论与实验相结合的方法,研究了网络拓扑、任务流图、映射对业务量自相似性的影响,根据通信系统的信号处理特点建立了多处理器片上系统(Multi-core Processing System on Chip,MPSoC)数据关联模型,利用典型DSP系统进行建模实验,用实测的业务量Hurst参数拟合数据关联模型参数与Hurst参数的经验函数关系式,建立了用MPSoC数据关联模型预测和估计业务量Hurst参数的方法。实验表明,采用该业务量模型估计的Hurst参数与其真实值误差较小,能较准确地描述业务量的自相似性。     

基于支持向量回归的动力电池参数辨识

根据铅酸蓄电池在放电过程中内部电化学反应导致外部电特性变化的特点,提出一种基于支持向量机原理的电解液密度辨识模型。利用支持向量机理论非线性回归的特性,简化测量电解液密度的过程,在恶劣环境下检测动力电池的电解液密度更显其优越性。预测实验表明,采用改进的交叉验证预测模型具有泛化能力强、稳定性好的特点,并且在小样本的条件下能达到预期的辨识精度。     

基于参数可变遗传算法的炮兵通信网络覆盖控制优化

针对节点高密度部署的炮兵通信网络中优化工作节点集的选取问题,提出一种基于参数可变遗传算法的覆盖控制优化方法。设计了密度检测机制优化初始种群,并设计了即考虑到进化代数对算法影响,又考虑到每代中不同个体适应度对算法作用的自适应交叉概率和变异概率。仿真实验及分析表明,该优化方法快速有效地实现了工作节点数目少、节点集覆盖率高的工作节点集的选取,可有效地降低能耗,延长网络生存时间。     

基于语言模型的有监督词义消歧模型优化研究

词义消歧是自然语言领域中重要的研究课题之一。目前,有监督词义消歧方法已经是解决该问题的有效手段。但是,由于缺乏大规模的训练语料,有监督方法还不能取得满意的效果。该文提出一种基于语言模型的词义消歧优化模型,该模型采用语言模型优化传统的有监督消歧模型,充分利用有监督和语言模型两种模型的消歧优势,共同推导歧义词的词义。该模型可以在训练语料不足的情况下,有效的提高词义消歧效果。在真实数据上表明,该方法的消歧性能超过了参加SemEval-2007:task #5评测任务的最好的有监督词义消歧系统。     

采用JFM7201的北斗基带数字接收通道设计

北斗卫星导航定位系统是我国自行研制的,它采用直接序列扩频技术,只有当扩频码完全同步之后才能解调出信息码。因此,对于扩频码的捕获和跟踪就成为一个非常重要的环节,基带信号处理就可实现这样的功能。JFM7201芯片是一款基带信号处理芯片,与相关的处理器配合,可以实现信号的捕获、跟踪、解调以及输出位置、速度和时间的相关信息,是北斗接收机一种比较好的实现方式。