基于改进联合稀疏EIT算法的CFRP材料检测

针对应用电阻抗层析成像技术(EIT)对碳纤维增强复合材料(CFRP)损伤检测的高度病态性问题,提出了一种联合L₁和L₂范数的稀疏正则化泛函模型,并在迭代过程中通过构建一种新的约束项来优化求解。仿真结果表明,与传统算法相比,改进联合稀疏EIT算法能够有效改善损伤图像的电极伪影,提高损伤边缘清晰度,增强损伤辨识定位准确度。CFRP层压板检测实验结果表明,改进联合稀疏EIT算法能够提高图像重建的抗干扰能力,具有良好的鲁棒性及适用性。     

基于能源分解的用户用电行为模式分析

随着智能电网的普及和大数据技术的发展，利用用电数据分析用户的用电行为越来越受到关注，现存的能源分解方法无法满足实际应用中对分辨率和分解准确率的高要求，以及聚类分析方法过于粗糙没有充分挖掘每类电器的用电特点。提出了基于能源分解的用户用电行为分析方法。在判别式稀疏编码算法模型的基础上，针对L₀正则项不易求解、L₁正则项稀疏约束效果不理想的问题，提出用L_1/2正则项稀疏约束进行能源分解，并且把用户之间的同质性作为正则项加入基础模型来修正模型的性能。基于能源分解的结果，使用用户单类电器的用电特征代替总用电特征精细化分析用户的用电行为，并改进传统的K-Mean聚类算法进行实验验证。实验结果表明:所提出的基于L_1/2正则项稀疏约束和同质性约束的能源分解方法相比于传统判别式稀疏编码算法，能够有效提升能源分解的准确率。同时，基于能源分解的用户用电行为聚类分析效果也有明显提升。      

具有死区特性的空间机器人基于干扰观测器的L2反步控制

研究了载体位置及姿态均不受控时空间机器人在惯性空间中的轨迹跟踪问题.考虑到系统存在参数不确定及死区特性等情况,提出了一种基于干扰观测器的L₂反步控制方案.结合拉格朗日方程和系统Jacobi关系矩阵建立系统的动力学模型.利用干扰观测器对系统建模误差进行观测补偿,并通过L₂干扰抑制法对观测误差进行消除,同时采用死区模糊补偿器对系统死区特性造成的影响进行补偿.该控制方案不需要预知准确的惯性参数,不用对惯性参数进行线性化处理,并且不要求估计系统不确定项和死区参数的上界,从而简化了系统的控制.数值仿真证明了该控制方案的有效性.      

输入滞后和状态滞后系统的鲁棒H∞控制

针对一类具有状态滞后、输出滞后和凸多面体不确定性的连续时间系统,研究了时滞依赖型鲁棒H_∞控制器的设计问题.通过引入两个附加的松弛矩阵使Lyapunov矩阵和系统矩阵得到分离,得到一个新的鲁棒H_∞性能判据,并基于该判据设计了系统的鲁棒H_∞状态反馈控制器.设计的状态反馈控制器不但保证闭环系统的二次稳定性,同时使系统的H_∞范数小于一个给定的衰减水平.并且设计了一个迭代算法得到问题的次最优解.指出了一种可以在现有的研究成果的基础上得到新的具有更低保守性的性能准则的有效途径.最后通过一个数值算例验证了所提出算法的可行性和优越性.     

ICO多学科设计优化方法

协同优化(CO, Collaborative Optimization)算法在应用中存在计算困难的问题.分析了引起CO算法计算困难的原因;使用L₁范数改进了CO算法的学科一致性约束,避免了学科级目标函数导数的不连续性,并从数学理论上证明了改进的学科一致性约束的收敛性;增加系统级罚函数,使系统级优化问题转化为无约束优化问题;使用快速启动方法,在子系统级优化过程中充分合理利用系统级优化求得的最优解;给出了使用改进的学科一致性约束、系统级罚函数和快速启动方法的ICO(Improved Collaborative Optimization)多学科设计优化方法,较好地克服了CO算法存在计算困难的缺点.标准算例实验结果表明,ICO多学科设计优化方法有效提高了算法的稳定性、可靠性和计算效率.      

混合不确定系统鲁棒稳定性检验的数值方法

混合不确定系统的鲁棒稳定性问题可以转化为一有理函数簇边界的H_∞范数检验问题.为了减小计算复杂性,对一类线性部分仿射取决于变化参数的混合不确定系统,探讨了其数值求解方法.结果表明在固定的频率上边界对象的象是复平面上的一圆弧.对此文中获得了一个新的最大圆弧范数计算公式并诱导出一个可在有限频率范围内进行边界检验的算法.大大减小了计算量.     

SAR图像点目标超分辨正则化方法的简化计算

合成孔径雷达(SAR)是一种高分辨率相干成像雷达,是重要的空间遥感手段,分辨率的高低直接决定了其应用效果的优劣。正则化方法是提高SAR图像分辨率的有效方法,但传统的迭代算法计算速度较慢。文中分析了基于lk范数的图像超分辨正则化方法的迭代求解公式,得出了由该迭代公式产生的迭代序列收敛的极限的解析表达式。将该结论用于正则化模型的求解可以显著降低计算量,由此得到了正则化迭代算法的简化计算方法。仿真与MSTAR图像处理结果表明,简化后的方法计算速度提高了2 000倍以上,计算结果与传统方法的相对差别小于6×10-9。     

基于原始对偶内点法的EST图像重建

静电层析成像（EST）被动感应电荷的机理决定了其独立测量值数等于电极数目,远小于电容层析成像（ECT）等相对成熟的电学成像（ET）技术的测量值数,导致逆问题的欠定性更加严重。为此,对基于压缩感知理论的EST图像重建算法进行了研究。利用奇异值分解（SVD）处理灵敏度矩阵使其满足有限等距性质（RIP）,采用l₁范数正则化模型和原始对偶内点法（PDIPA）实现图像重建,并在迭代过程中针对荷电磨粒稀疏分布的特点,对图像向量中非零元素个数施加约束。仿真实验表明:该算法相对于基于"Circle of Appolonius"的反投影（BP）算法和Landweber迭代算法,明显改进了成像质量,对不同位置的单个电荷可准确重建;2个电荷距离不小于1 mm时可正确分辨电荷数目与位置;对10组随机分布的3个电荷模型进行测试,荷电磨粒数目监测的准确率约为80%。      

两步法快速解算编队卫星GPS模糊度

为克服卫星编队飞行实时相对定位中双频模糊度解算速度慢的缺点,结合扩展Kalman滤波(EKF,Extended Kalman Filter),首先采用少数个历元(如10个)相位平滑伪距相对定位结果与 L₆的平均值对滤波初始化,再根据两步法解算双频模糊度,即先解算并正确固定宽巷模糊度,获得较准确的基线分量估值,然后采用选权拟合方法,将基线分量作为约束条件解算并固定双频模糊度.仿真算例计算结果表明,当宽巷模糊度正确固定后,编队卫星间相对定位误差在5cm以内,两步法可以在较短时间(约3min)内固定双频模糊度,为精确解算编队卫星的相对状态提供保障.     

中国民用航空器CO2减排潜力的区域划分

对中国进行科学的区域划分，是研究具有区域差异性与空间相关性航空器CO₂排放问题并提出差异化CO₂减排措施的重要基础。基于2007—2016年中国部分地区民用航空器运行数据，在构建CO₂减排潜力分类模型的基础上，通过Kruskal算法得到省域网络关系最小生成树；采用谱聚类算法，以“最大化区划优度”为目标，划分航空器CO₂减排潜力的不同区域。结果表明：最优区域划分为四分区，区划优度为0.35；航空器CO₂减排潜力高的区域主要分布于中国西南和中南地区，潜力低的区域主要分布于东北和华北地区；针对各区域CO₂减排特征，从民航局、机场和航空公司等不同主体提出了差异化的区域CO₂减排措施。     

基于深度残差收缩网络的滚动轴承故障诊断

滚动轴承的准确故障诊断是确保机械设备安全可靠运行的必要手段。针对多故障、长时间序列的滚动轴承振动信号，提出了一种基于深度残差收缩网络(DRSN)模型的故障诊断方法。首先，根据采集到的滚动轴承数据构造故障样本，针对多种故障类型下的长时间序列的振动信号，按照一定尺寸将长时间序列矩阵化，构成多故障类型的灰度图故障样本。从正常到故障的滚动轴承性能退化过程，通过多个采样点的随机采样，构造全寿命周期的故障样本用于故障诊断。其次，在多层深度学习模型基础上，将残差收缩网络模块加入到卷积神经网络(CNN)中构建深度残差收缩网络模型用于故障诊断，其中通过将残差项加入到网络中训练解决了多层网络模型的模型退化问题，利用软阈值化实现了样本降噪。最后，为了验证所提方法的有效性，采集了滚动轴承的多故障时间序列样本和全寿命周期故障样本用于故障诊断。实例验证的结果表明:所提深度残差收缩网络模型在处理含噪声样本时仍具有良好的鲁棒性，多层网络模型下没有明显的网络退化，能够保持较高的故障诊断正确率。在处理2种轴承故障数据集时，与其他模型相比，所提方法训练误差更低，平均故障诊断正确率提高1%~6%。      

基于RBF带学习能力高精度非线性FDD设计

在轨航天器故障检测与诊断问题需要面对模型的非线性,而且要求尽量提高其检测的精度,为此设计了基于径向基函数（RBF）神经网络的动量轮非线性故障检测与诊断（FDD）方案。首先应用RBF补偿建模误差,提高检测精度,并选择李雅普诺夫函数证明其收敛性;然后应用非线性观测器来产生故障残差,给出了阈值以及故障检测的时间;应用RBF网络对故障信号进行重构,并据此设计了带学习能力的FDD策略。再次建立了详细的动量轮模型,通过不同条件下的仿真研究分别验证残差的阈值特性、时间特性以及RBF的重构能力,仿真结果表明了算法的有效性。     

基于故障树和神经网络模型的航天器智能诊断研究

提出基于故障树和神经网络模型的诊断方法,提出面向故障树的基于框架和广义规则的知识表示方法及相应的确定性和可能性推理策略,对于可能性推理的结果,通过基于神经网络模型的学习诊断来进一步确定其状态。在Ｗｉｎｄｏｗｓ环境下,用Ｂｏｒｌａｎｄ Ｃ＋＋实现了一个原型系统。通过对“实践４号”卫星能源系统故障模拟实验台的诊断验证了系统的有效性。     

基于RBF神经网络的控制电器元件故障诊断

针对控制电器元件故障征兆与故障类型之间的非线性映射关系,提出了基于径向基函数神经网络RBFNN(Radial Basis Function Neural Network)的控制电器元件故障诊断方法.在分析控制电器元件故障机理和失效形式的基础上,提取出描述故障类型的典型故障特征矢量.给出在获得足够多故障信息的情况下,运用RBFNN进行故障诊断的模型及整个故障诊断算法的实现过程.为了验证故障诊断模型的有效性和合理性,利用训练好的RBFNN对故障特征矢量进行识别.仿真结果表明,RBFNN能克服诊断过程中容易陷入局部极小的缺点,并能满足故障诊断的快速性和准确性要求.      

基于蚁群优化的长短时神经网络变外形飞行器故障模式识别

变外形飞行器机械结构复杂,在变外形过程中发生故障的概率大,传感器测量成本高,针对这些问题,提出了一种基于长短时神经网络进行飞行器测试故障诊断的方法。首先根据变外形飞行器的气动参数模型和非线性动力学模型,构建变外形飞行器执行机构故障特征数据库。然后针对变外形飞行器发生故障时的序列化特征数据,提出基于长短时神经网络的执行器故障诊断框架。利用蚁群优化算法对网络训练的超参数进行优化,提高故障诊断的准确性与泛化性。通过仿真验证了该方法可实现变外形飞行器的低成本,高效率,高精度的故障快速定位。     

基于深度迁移学习的航天器故障诊断

随着航天科技的发展，智能故障诊断技术是确保航天器控制系统安全、自主运行的关键技术之一.由于在轨航天器遥测数据样本少、噪声高、未标记，因此缺乏自适应能力、学习能力的传统故障诊断方法难以准确诊断在轨航天器故障.本文针对上述问题提出一种基于深度迁移学习的航天器故障诊断方法，为在轨航天器实时故障诊断提供了可行方法.首先，对航天器运行数据进行预处理，将多维时域信号转换为二维图像信号；其次，搭建基于残差网络的故障诊断深度学习框架，并利用地面测试数据与其他航天器在轨运行数据对网络进行预训练；进而，为了实现当前在轨航天器实时故障诊断，本文采用迁移学习自适应方法，设计网络联合分布自适应代价函数，对故障诊断模型进行参数重调，使模型适应当前在轨航天器故障诊断任务.仿真结果表明，所提出的基于深度迁移学习的故障诊断方法可以快速准确的诊断出航天器故障.     

独立电源多智能体信息融合故障诊断方法

对独立电源系统进行故障诊断与预测研究是保证整个复杂运动装置系统安全性工程的重要环节.分析了目前独立电源故障诊断系统中存在的问题,提出采用多传感器信息融合和多智能体技术相结合的方法来提高故障诊断的可靠性和系统的扩展性.利用智能体的自主性、分布性和协作性,构建了独立电源多智能体信息融合故障诊断系统.根据独立电源故障征兆的特点,将D-S(Dempster-Shafer)证据理论引入到多神经网络的诊断结果融合技术中,阐述了多神经网络局部诊断智能体和D-S证据理论融合诊断智能体的具体实现方法.最后,以某型航空电源故障诊断为例,给出了故障实例的诊断仿真,结果表明该方法可有效提高诊断可信度.     

小样本下基于孪生神经网络的柱塞泵故障诊断

针对目前基于深度神经网络的柱塞泵故障诊断方法在小样本条件下精度低、模型欠拟合问题,提出一种小样本条件下基于孪生神经网络的柱塞泵故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同健康状态下的壳体振动信号;使用由卷积层和池化层组成孪生子网络自适应地从原始振动信号中提取低维特征,使用欧式距离判定输入样本对的特征相似度;通过相似度对比的方法扩大训练样本数量并训练孪生神经网络模型;最后,对测试样本进行健康状态识别。实验结果表明：与传统深度神经相比,所提方法在小样本情况下具有更高的准确率。同时,多通道数据融合实验表明：所提方法能够从不同通道的信号中学习到有关故障信息,多通道数据融合可以进一步提高诊断准确率。     

一种改进的固液火箭发动机故障诊断方法

针对固液火箭发动机的可靠性问题，设计了一种改进的贝叶斯网络故障诊断方法，可以通过网络化自主逻辑推理，对固液火箭发动机进行故障诊断。为了提取时序观测信号的故障特征，提出将步进法与核主成分分析(KPCA)相结合的分析方法，并根据模糊C均值聚类算法(FCM)建立模糊多态贝叶斯网络，实现对观测信号尺度的模糊处理，提高对不确定性故障的诊断能力。通过Matlab/Simulink建立改进的贝叶斯网络故障诊断系统。仿真结果表明，改进的算法能够实现对固液火箭发动机常见故障的有效诊断，并能够适应小样本集学习的情况。与传统贝叶斯诊断算法相比，故障诊断的平均准确率提高了20.9%。     

基于神经网络模型的层次诊断方法及应用

对神经网络和故障诊断的层次分解模型进行了研究,把神经网络技术和层次分解模型相结合,利用神经网络来实现分层诊断。以卫星能源系统为背景,建立了该系统故障模拟试验台的层次分解模型,在此基础上构造了合适的分层神经网络,通过分层神经网络诊断系统故障,给出的两个实例说明了这种方法的有效性。