SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

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.     

基于Agent的工程车辆综合控制与管理的研究

针对承担复杂作业任务的大型工程车辆与施工机械控制与管理的需求,提出了基于Agent的分布式网络控制系统.研究了基于智能控制Agent的工程车辆综合控制和管理的体系结构、组成部分、功能特性.采用网络控制系统的分层结构和多智能体的递阶结构完成整个系统的协作和信息交换,从而实现运动控制、任务规划与协调、状态监测、系统维护、故障诊断与容错等功能.指出若干Agent协调工作是这类系统的特征.所提出的体系结构已在大型施工机械和工程车辆上得到应用.      

航空独立电源系统保护控制行为混杂模型

为了准确描述独立电源系统保护离散事件与连续控制相互作用的混杂行为,提出一种对象混杂Petri网(OHPN)建模方法,构建了基于OHPN航空独立电源保护控制行为的混杂模型。该模型将混杂Petri网的混杂特性描述内置于对象之中,解决了传统混杂Petri网不能同时描述静态结构和动态过程的问题,增强了模型描述能力,使模型具有良好的封装性、可重用性和可维护性。最后,对某型航空交流电源系统的保护控制过程进行了仿真和验证。结果表明,所定义的模型能够有效描述和分析电源系统保护控制的混杂行为,为系统稳定性和故障预测的研究奠定基础。     

仿射非线性系统的二阶滑模控制律研究

分析现有滑模控制算法特别是二阶滑模控制算法在抑制抖动和鲁棒性等方面所存在的问题,以仿射非线性系统为对象,针对近似时间最优的二阶滑模控制律收敛速度慢和抖振较大的问题,提出改进控制算法,通过设计适当的约束条件和修正滑模趋近加速度,提高了二阶滑模的响应速度,并在不损失鲁棒性的前提下削弱了抖振的频率和幅度.以单摆模型为例,分别对该算法和二阶Lyapunov函数法以及一阶指数趋近法进行仿真研究,仿真结果表明该算法适用于具有不确定性的非线性系统,并在削抖和快速响应方面具有相对优势.     

基于模式重要度的航空电源系统可靠性估计

针对航空电源系统可靠性分析的需要,研究现有典型系统的结构特点,提出基于模式重要度的系统可靠性估计方法。该方法首先根据航空电源各子系统的组成,采用蒙特卡罗方法对各子系统可靠性进行分析。根据子系统中各部件的模式重要度,建立子系统可靠性估计模型,进而获取并联系统和总系统的可靠性估计模型。该方法结合了蒙特卡罗方法的优势和系统本身的结构特点,既解决了复杂航空电源系统可靠性分析的难题,又克服了单纯采用蒙特卡罗方法对其进行分析时,仿真效率较低的问题。最后,采用所提出的方法对两种类型的电源系统进行仿真分析,并与单纯蒙特卡罗方法仿真分析结果进行比较,验证了该方法的可行性和有效性。     

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.