基于CZT的变时间窗时变参数在线辨识方法及应用

针对时变参数的在线辨识问题,提出了基于CZT的变时间窗时变参数在线辨识方法,通过滑动时间窗以及基于方差阈值的重启设计,提高了现有频域辨识方法对时变参数的辨识速度,并且有效避免了数值微分对噪声的放大问题。最后,基于飞机系统的执行机构故障,对该方法进行仿真验证,并与传统辨识方法进行对比,说明了该方法对时变参数有较强的辨识能力,验证了该方法的有效性。     

基于ILLE和SVM的卫星执行机构系统故障检测与定位

针对某超高指向精度要求的卫星平台,采用增量式局部线性嵌入(ILLE)与支持向量机(SVM)结合的方法,研究系统配置的多组磁伺服机构的故障检测与故障定位技术。在分析执行机构故障模式以及故障影响的基础上,采用LLE算法实时提取并更新与故障相关的卫星姿态控制系统高维信息,对其进行降维及特征提取,实现执行机构系统故障检测。当检测到故障时,提取执行机构系统输入输出信息,利用支持向量机(SVM)方法进行故障定位。该方法无需采集离线数据生成样本集,直接利用卫星姿控系统产生的在线故障特征数据集进行故障检测,并能根据故障检测结果,有效地实现卫星姿控系统执行机构的故障定位。算例仿真结果验证了所提方法的有效性。     

抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。     

涡扇发动机气路传感器故障诊断

为了实现对某涡扇发动机传感器故障的在线诊断,提出并设计了1种基于在线贯序极端学习机的故障诊断算法。其核心思想是在定位某传感器故障后,在线建立针对该故障传感器"预学习"的信号重构算法,解决多故障混叠问题。在线信号重构算法以泛化能力指标为判定条件,利用选择策略对算法网络权值进行选择性更新,提高了故障诊断系统的实时性。以某型涡扇发动机为对象开展了传感器故障诊断与重构仿真,结果表明:该算法能够对发动机单、双传感器故障进行准确地诊断与信号重构,且具有良好的实时性。     

1 000 MW超超临界锅炉结渣特性预测模型

根据1 000 MW超超临界锅炉的实际运行数据,对其结渣特性进行研究和分析。建立了基于煤灰特性的锅炉结渣特性预测模型,包括单一指标和综合指标的各预测模型,这些预测模型能简单、快速地预测锅炉的结渣特性。但对于锅炉燃用煤质不均匀或采用混煤燃烧等情况,这类预测模型的准确性和可靠性将下降。同时根据锅炉运行时的实时监测数据,建立了基于炉膛清洁因子的炉膛结渣特性在线监测模型,通过炉膛出口后各受热面进出口蒸汽温度、流量,以及省煤器出口烟气温度等有关参数,利用反平衡法计算求得此时的炉膛出口烟气温度,然后求出炉膛的平均热有效性系数和炉膛清洁因子,最后根据清洁因子的大小来判断锅炉的结渣特性。该模型不仅能根据锅炉运行实时数据的采集,实现锅炉结渣特性的在线实时监测,而且能对煤质不均匀或采用混煤燃烧等情况的锅炉结渣特性做出较准确的判别。     

基于增益在线辨识的微机电陀螺 标度因数补偿技术研究

标度因数温度稳定性是微机电陀螺的关键指标之一,是评价陀螺温度性能的重要依据。推导并分析了温度对陀螺标度因数的影响,指出驱动模态振动位移、检测通路电路增益及两模态频差是影响陀螺标度因数温度稳定性的3个重要因素,测试了对标度因数影响较大的电路增益和频差在温度变化条件下的变化。对此设计了基于增益在线辨识技术的标度因数温度补偿方案并进行了数值及宏模型仿真,通过在驱动端和检测端施加一远离陀螺工作频率的辅助信号实时辨识出电路的增益变化,进而进行增益补偿,同时对陀螺频差变化带来的影响也进行了补偿。仿真结果表明该方法能够大幅提高陀螺标度因数的温度稳定性,由未补偿下的7.93×10~(-4)/℃降至1.0×10~(-5)/℃以内,改善幅度达98%以上。     

基于纵向滤波的星敏感器低频误差在线估计

多敏感器数据融合是获得更高精度姿态测量的有效方法,敏感器数据融合前必须先修正低频误差。首先,介绍了星敏感器低频误差（LFE）的产生机理及对其在线估计的必要性。其次,针对传统算法的不足,提出了基于纵向滤波的低频误差在线估计算法,该算法将传统低频误差估计问题转化为若干个常值误差估计问题,提高了估计精度。最后,给出了该算法具体实施方式,说明相关参数物理意义及选取原则。通过理论分析及仿真,算法误差可忽略不计。通过在轨数据仿真,星敏感器轨道周期低频误差可被消除。     

基于全过程移动监督技术的感应电机定子绕组温度实时监测系统

随着物联网技术的发展,如何将物联网技术与非侵入式电力设备运行状态监测技术相结合成为当前研究热点之一。为了探索基于物联网技术的电气设备运行状态监测新模式,以感应电机定子绕组温度的非侵入式在线监测为出发点,首先提出了一种基于自适应法和最小二乘法的电机定子绕组温度辨识方法,并结合当前物联网技术的发展,设计了一种基于全过程监督技术的感应电机全寿命周期监督定子温度监测系统。以1台5.5 kW感应电机为例进行试验验证,结果表明该系统具有较强的鲁棒性。所提出的理念和技术可以为其他大型电力设备的状态监测提供重要参考和技术支撑。     

基于在线学习的数控加工刀具寿命动态预测方法

预测刀具寿命对保证零件质量和控制加工成本意义重大,但刀具磨损过程复杂多变,刀具剩余寿命受工况影响难以准确预测。针对以上问题,提出了一种基于在线学习的刀具寿命动态预测方法,以长短时记忆网络为基础模型,融合在线学习模块,使得模型能够在加工过程中自动更新参数,实现变工况下刀具寿命的精确预测。进行了铣削加工试验,结果表明,刀具寿命动态预测方法可以有效提升刀具寿命预测精度。