基于半马尔科夫链的无线网络能耗模型的研究

在分析无线传感网络能量消耗特征的基础上,根据无线通信环境和节点的状态转换关系,建立了基于半马尔科夫链的无线传感网络的能耗模型,并通过仿真实验验证得出传感节点实际能耗剩余值与所建模型能耗预估值基本相同,从而说明所建立的能耗模型准确有效,为改变传感节点工作状态、延长传感网络使用寿命提供了可靠的节点能量数据.     

可调谐激光二极管吸收光谱残余光强调制补偿技术研究

分析了可调谐激光二极管吸收光谱仪器中残余光强幅度调制对谐波探测和全数字化信号处理的影响;搭建了基于电压可调谐光强衰减器(MEMS VOA)的光强残余幅度调制的补偿实验系统平台;实验结果表明,本补偿装置可以把残余光强调制降低到补偿前的1/20,并将其带来的二次谐波线型畸变降低60 %以上;初步证实了利用本方法消除二次谐波畸变并实现全数字化处理的可行性.     

基于数据驱动的锂离子电池RUL预测综述

剩余使用寿命预测技术对于锂离子电池的安全使用及维护具有重要意义。由于锂离子电池的长寿命特性以及复杂的非线性退化机制,目前剩余使用寿命预测仍是电池状态预测的难点问题。数据驱动方法不需要考虑电池内部电化学特性,而仅从数据角度出发,是目前主流的预测方法。通过实例介绍了剩余使用寿命概念,分类阐述了各种基于数据驱动的预测方法,并对其优缺点进行了分析。最后,针对现有方法的不足,提出未来需要改进的方向。     

基于改进生成对抗网络与 ConvLSTM 的航空发动机剩余寿命预测方法

针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题,提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先,使用WCGAN-GP模型学习预处理后的时序数据的深层分布特征;然后,利用生成器生成故障样本并与真实样本混合,作为训练集输入到基于ConvLSTM网络的预测模型中进行训练。基于C-MAPSS数据集开展验证比较,结果表明：与单一真实样本训练预测模型相比,使用混合数据时性能指标RMSE和Score平均下降了12.65%和48.95%。     

航空发动机状态监控和预测性维护应用研究

为了深化飞参数据的应用价值,通过研究发动机转动件故障预测、剩余寿命预测以及气路健康等,为发动机保障决策和预测性维护提供参考。采用经验模态分解(EMD)结合相对向量机(RVM)、灰度模型(GM)用于发动机转动件、气路监测的状态监控和故障预测,选取波音某型飞机故障数据验证了模型的准确性,平均绝对百分比误差(MAPE)能达到8.46%;采用卡尔曼滤波(KF)结合梯度提升决策树(GBDT)的方法对数据进行降噪并预测剩余寿命,通过美国国家航空航天局(NASA)的航空发动机仿真数据集验证了模型能达到91.3%的准确率;采用核主成分分析(KPCA)结合深度置信网络(DBN)的方法建立发动机气路健康监控模型,经过大量QAR数据验证和测试,预测相对误差为0.43%。针对基于数据挖掘的航空发动机故障诊断算法开展研究,设计了相应的算法,开展了实验验证,通过有效的数据预处理和模型参数调节,使得故障诊断性能达到较高水准,为航空发动机的预测性维护提供了重要参考。     

基于 GBDT 算法的锂电池剩余使用寿命预测

针对现有方法对锂电池剩余使用寿命(RUL)预测精度不高,模型训练时间较长的问题,提出一种基于梯度提升决策树 算法(GBDT)结合网格搜索法(GS)的预测模型。 首先,分析锂电池的充放电循环过程,确定电压、电流、温度为可用健康因子 (HI);其次,处理历史数据中的异常值,并均值化可用健康因子数据为特征输入;最后,通过 GBDT 算法建立锂电池剩余使用寿 命预测模型,并采用 GS 优化模型参数。 基于 NASA 锂电池容量衰减数据,实验结果表明,模型在 RMSE、MAE、MAPE 评价指标 上相对其他方法均提升了约 10 倍,并且可将锂电池剩余使用寿命预测误差率控制在 0. 05 以内,训练时间缩减至 4. 5 s。     

独立型虚拟同步化微电网分布式无功-电压二级控制策略

针对独立型虚拟同步化微电网无功-电压控制的初级调节特性,在虚拟同步控制技术的基础上,提出了一种计及虚拟同步变流器剩余无功容量的独立微电网分布式无功-电压二级控制策略。该策略以提高系统无功容量利用率及平均电压水平为目标,通过相邻虚拟同步机控制器间的分布式稀疏通信,实现系统平均无功标幺值及端口平均电压值评估。在此基础上,通过所提分布式二级控制器得到虚拟同步变流器无功-电压下垂参数的最优参考值,从而实现无功功率最优分配与电压调节,在提高系统无功容量利用率的同时改善电能质量。基于MATLAB/Simulink搭建独立型虚拟同步化微电网模型,通过仿真验证了所提策略的有效性及其相较于传统无功-电压调节策略的优越性。     

Degradation Feature Selection for Remaining Useful Life Prediction of Rolling Element Bearings

Rolling element bearings are among the most widely used and also vulnerable components in rotating machinery equipment. Recently, prognostics and health management of rolling element bearings is more and more attractive both in academics and industry. However, many studies have been focusing on the prognostic aspect of bearing prognostics and health management and few efforts have been performed in relation to the optimal degradation feature selection issue. For more effective and efficient remaining useful life predictions, three goodness metrics of correlation, monotonicity and robustness are defined and combined for automatically more relevant degradation feature selection in this paper. Effectiveness of the proposed method is verified by rolling element bearing degradation experiments. Copyright © 2015 John Wiley & Sons, Ltd.     

共享空间基-逐类剩余空间基混合稀疏表示人脸识别算法

针对传统训练样本字典学习未利用类共有信息的不足,引入共享空间和与类别相关的剩余空间,提出了共享空间基-逐类剩余空间基混合稀疏表示人脸识别的算法。该算法首先提取训练样本主成分分析(PCA)特征,获取无标记的共享空间基及其重构样本得到类共有信息;然后结合原始样本得到差分训练集合,并引入类间差异信息构建逐类特异性剩余空间基;最后融合共享空间基和剩余空间基,利用残差判别函数完成模式分类。该方法不仅利用混合空间的正交特性,而且发挥剩余空间的鉴别能力和共享信息稀疏逼近的作用,使结构性字典和模式分类紧密结合。该方法的有效性,分别通过用AR、CMU PIE、Extended Yale B人脸数据库进行的实验得到验证。     

蓄热式加热炉的空燃比控制

针对蓄热式加热炉具有多变量、时变、非线性、耦合、大惯性和纯滞后等特点,当前时于蓄热式加热炉的空燃比控制主要还是人工操作完成的问题,通过对蓄热式加热炉空燃比变化这一复杂的工业过程的分析,提出了一种蓄热式加热炉空燃比控制方法,设计了一个基于智能的空燃比控制系统.用无辨识自适应方法预测热值,用模糊神经网络预测烟气残氧量,解决...