小阻尼动态系统的时域自适应反馈主动阻尼设计

针对在前馈／反馈混合控制中提高控制通道阻尼的问题,基于自适应滤波理论,提出适用于单输入单输出(SISO)和多输入多输出(MIMO)控制通道的时域自适应反馈主动阻尼设计方法。研究了自适应过程的理想期望信号的构造、SISO情况下闭环控制通道与反馈控制器同时进行自适应设计以及MIMO控制通道阻尼问题的简化与设计方法的拓展等问题;同时,基于某主动隔振试验平台的实测结果,对所有研究内容进行SIMULINK模型仿真。时域自适应反馈主动阻尼设计是高效的主动阻尼设计方法,并且为小阻尼动态系统的增阻设计提供了统一的方法框架。     

基于未知输入观测器的不确定非线性系统故障检测

针对具有不确定性和系统故障的非线性系统,利用神经网络构造了全阶未知输入观测器,在获得系统的状态观测信号的同时得到了系统的故障观测信号。通过在故障观测神经网络权值的调整规律中引入死区函数,从而提高了故障观测对系统不确定性的鲁棒性。利用得到的故障观测信号,可以方便地检测系统的缓变故障和突变故障,实现了对系统故障的快速检测,降低了误检率。仿真示例表明了该方法的有效性。     

基于区域极点配置的不确定线性系统可靠跟踪控制

针对一类不确定性不满足匹配条件的不确定线性系统．提出了考虑执行器故障的可靠跟踪控制器的设计方法。在更一般、更实际的执行器故障模型的基础上,根据区域极点配置理论．给出了系统输出信号渐近跟踪参考输入信号的可靠跟踪控制器存在的充分条件。通过求解线性矩阵不等式(LMI)完成状态反馈可靠控制器的设计．从而使系统的输出信号不仅能稳定地跟踪参考输入信号．而且能满足要求的动态特性。最后,利用仿真实例验证了本文设计方法的可行性。     

VOR导航接收机信号处理技术

介绍了在VOR导航接收机中,利用数字信号处理技术处理VOR信号的基本原理和处理方法,根据系统中信号的特点完成了对输入信号的解调、比相、滤波等设计,从而实现了VOR着陆系统有效判断方位的功能。实验结果证明该系统性能良好。     

基于复数深度神经网络的逆合成孔径雷达成像方法

压缩感知（Compressive sensing, CS）理论框架下逆合成孔径雷达（Inverse syntheitic operture radar, ISAR）成像的结果具有超分辨、无旁瓣干扰等特点,但CS ISAR成像方法性能仍然受到稀疏表示不准确和图像重建方法效率低等限制。基于深度神经网络（Deep neural network, DNN）的欠采样或不完整信号重建方法取得了瞩目的表现。DNN能够自主学习最优网络参数并挖掘出输入数据的抽象高层特征表示,但目前已有的DNN都为实数域的模型,无法直接用于复数形式数据处理。为了利用DNN的优势提高ISAR欠采样数据成像的质量,本文通过级联不同类型的复数网络层的方式,构建具有多级分解能力的复数深度神经网络（Complex value DND, CV-DNN）,利用CV-DNN实现ISAR成像。实验结果表明,基于CV-DNN的ISAR成像方法在成像质量和计算效率方面都优于传统压缩感知成像方法。     

深度卷积神经网络在轴承多故障复合诊断中应用研究

基于深度学习具有强大的自特征提取能力和较优的分类能力,将深度卷积神经网络引用到轴承的故障诊断中,提出了基于一维深度卷积神经网络的轴承复杂工况故障诊断方法。在提出的方法中,将轴承的多故障振动信号作为模型的直接输入,通过训练深度卷积神经网络模型,利用模型中多个卷积层和池化层对输入的振动信号进行自特征提取,并进行故障分类。从而以基于数据驱动的方式形成端到端的故障诊断。研究表明,在一维深度卷积神经网络中直接输入轴承振动信号进行故障诊断,与提取时域和频域特征结合支持向量机进行故障诊断的方法相比,深度卷积神经网络可以更好地反映时域振动信号与特征间的关系,获得了比传统智能诊断方法更高的识别效率。     

基于特征融合和集成学习的运动想象脑电解码方法

开发高性能的脑电解码方法一直是脑机接口系统研究的重点和难点。为了进一步提高运动想象脑电解码的性能,提出了基于特征融合和集成学习的脑电解码方法。首先,针对每个通道脑电信号提取方差、自回归(AR)系数和带通功率特征,接着进行特征融合。其次,提出两种新的集成学习方法,分别是基于K最近邻(KNN)的集成学习模型和基于最小绝对值收缩和选择算子(LASSO)的集成学习模型。其中,KNN集成模型针对KNN分类器的K值以及闵式距离的P值进行集成,LASSO集成模型针对LASSO分类器的正则化参数进行集成,这两种集成学习方法计算简单且不需要烦琐耗时的交叉验证过程进行模型选择。最后,在三个公开的运动想象脑电数据集上验证所提方法的有效性。实验结果表明,新提出的集成学习方法,其分类结果优于支持向量机、随机森林等现有的分类器。LASSO集成模型优于KNN集成模型,在三个数据集上取得了71.75%的最高平均分类准确率。     

基于PID串级控制算法的物联网啤酒发酵检测系统

进行一种啤酒发酵检测与控制装置的研制,装置系统分为数据采集端,STM32智能网关,物联网云平台三部分。数据采集端一方面通过PT100传感器和HX711芯片构成的放大和A/D转换电路完成温度采集,将数据通过类似I2C的通信方式传给STM32 ARM核心电路,然后由PID串级算法实现温度控制。另一方面通过复合电极和LM358电路实现信号检测与放大功能,采样pH差分电压信号,送入STM32 ARM完成A/D转换。STM32 ARM网关一方面通过LCD液晶屏显示测量数据,另一方面与4G LM61模块以PCIE接口相连,将数据以MQTT协议的方式上传中国移动OneNET云平台,并通过时间调度算法管理多个任务的执行,系统符合工业4.0的发展趋势。     

输入饱和无人机的鲁棒组合非线性反馈控制

实际场景中,控制器输入饱和和外部干扰是对无人机控制系统产生不利影响的2个主要因素。对此,本研究针对CE150无人机模型,先采用H∞理论设计线性控制器,并在此基础上引入能提高系统瞬态性能的非线性项构成组合非线性反馈控制技术(CNF)来改善输入饱和的问题。同时,设计观测器对未知干扰进行在线估值,并在原有的组合非线性反馈控制器中加入干扰补偿项以提高系统鲁棒性。仿真结果表明,与传统的线性控制器相比组合非线性反馈控制器能显著改善输入饱和的不利影响,而引入补偿项的CNF控制器在保留原始CNF控制器优点的同时能有效抑制外部干扰,实现了无人机对给定信号的准确跟踪。     

多总线并行输入的多通道高速采集系统

本文提出了多路模拟数据采集系统的一种新的结构型式——多总线并行输入结构。这种结构能大幅度提高数据采集速率,对高速单次瞬态信号有较强的捕捉能力。在每通道最高速率和通道数方面有较好的扩展性能。在采用转换时间为15μs 的 A/D 芯片时。每一模拟通道的采集速率最高可达50kHz。若采用更快的 A/D 芯片,采集速率还可以进一步提高。     

SAW相关器与扩频同步信号的时间估计

给出两种ＳＡＷ器件：存贮式和双输入式ＳＡＷ相关卷积器，并分析它们作为解扩器件对同步信号到达时刻的估计精度。同步问题是对同步信号的检测和对信号到达时刻的估计。当扩频同步信号被检测到且满足（τ为码元宽度）时，同步信号被捕获（即达到了粗同步）。通过对两种器件时间估计精度的分析可以看出，在相同的检测概率下，双输入式ＳＡＷ相关卷积器的估计精度比存贮式的高。最后利用双输入式ＳＡＷ相关卷积器对信号时间轴压缩的性质进一步提高了估计精度。     

基于深度学习的风洞天平测力试验数据异常检测方法研究

风洞天平测力试验数据异常检测有助于分析试验异常原因、排查设备故障、改进试验方案,为解决目前人工检测时间成本高、效率低的问题,提出一种基于深度学习的异常检测框架。首先针对异常零样本问题,对风洞试验常见的异常类型及规律进行总结;然后为解决不同车次数据维度不同的问题,提出基于统计特征的标准化特征表示方案;最后利用神经网络学习异常特征,完成异常检测。试验结果表明:基于深度学习的异常检测方法对风洞异常数据检测的准确率和检出率分别达到了81.7%和72.6%,能够较好地识别孤立跳点异常和多点异常。     

五自由度磁悬磨头电控系统研究

研究的高速磨床电磁悬浮磨头电控系统尽量采用最新技术，在保证系统 性能的前提下降低了系统造价。在该系统中采用TMS320F240 DSP芯片作为控制核心，同时控制磁悬浮轴承的悬浮和变频电机调速，采用运行效率很高的汇编语言编写控制软件，其中磁悬浮轴承是PID控制算法，电机调速为SPWM方式。磁悬浮轴承PWM功率放大器中采用能简化驱动的新型半桥电路，电机调速主电路中采用智能功率模块（IPM）。动态刚度测试和高速运转实验表明，该电控系统满足高速磨床电磁悬浮磨头的控制要求。     

基于主成分分析的贝叶斯网络在个人信用评估中的应用

针对信用评估数据的高维、非线性和冗余特点,传统降维和评估方法分类错判率高的难题,提出一种基于主成分分析的贝叶斯分类器在个人信用评估中的方法。首先采用主成分分析方法提取信用评估特征,进行降维处理,消除不必要的冗余信息,简化贝叶斯网络的输入,然后分别在朴素贝叶斯和树增强朴素贝叶斯两种分类器上建立评估模型,最后对评估模型进行验证性实验,并与其他模型进行比较分析。结果表明,应用主成分分析的贝叶斯网络建立的个人信用评估模型简洁,易于推理,提高了个人信用评估的精度。     

基于改进QFT方法的直升机飞行控制与仿真

针对直升机飞行包线上由对象数学模型的大范围变化带来的系统不确定问题,采用一种改进的定量反馈理论(QFT)方法进行直升机飞行控制器设计。首先利用H∞回路成形方法实现系统不同控制通道的解耦,将多输入多输出问题转化为单输入单输出问题,然后针对每个单输入单输出系统采用QFT方法进行控制器设计,从而简化QFT的设计过程提高控制效果。将该方法应用于UH-60A直升机的飞行控制,设计了该型直升机在五种飞行状态下的全包线飞行控制器。仿真结果表明:所采用方法具有良好的控制效果,验证了该方法的有效性。     

电力系统交流电参量检测系统的研究

文章提出了电力系统中交流电参量检测系统软硬件设计。硬件设计采用了同步采样法,同步信号由4046构成的锁相倍频电路实现;信号的采集主要由互感器和运放构成的转换电路完成;AD转换采用的是12位的AD574A芯片完成;采集的电压、电流数据经单片机处理后由RS232构成的串口上传至上位机。软件部分是以下位机采集的数据为检测对象,用数字信号处理技术对采样的数据进行分析,用DELPHI进行编程,实现电参量分析及显示功能。     

具有输入时滞的集群无人机事件触发协同最优控制

针对带有输入时滞和外部干扰的集群无人机系统,提出了一种基于强化学习的集群无人机事件触发分布式自适应最优控制方法。为了实现最优控制,引入了基于神经网络的强化学习算法,并设计了一种与系统控制性能有关的动态事件触发策略,该策略可以在尽可能降低对一致性控制性能不利影响的前提下,减少通信资源的浪费,同时该策略不存在Zeno行为。此外,在控制器设计过程中,引入了一种含有积分项的坐标变换来处理系统的输入时滞问题。在输入时滞和外部干扰的影响下,所提出的基于干扰观测器的最优分布式协同神经网络控制策略能够保证每个无人机系统所有信号都有界,并且每个无人机系统的输出能够实现一致性。最后,仿真结果验证了所提控制方法的有效性。     

基于神经网络的直升机自动倾斜器轴承故障诊断方法

为了进一步提高直升机的安全性,利用BP神经网络和RBF神经网络对直升机自动倾斜器轴承进行故障诊断。完成了直升机自动倾斜器轴承故障植入试验,获取了自动倾斜器轴承的故障振动数据,并进行了振动数据的特征信号提取。采用振动数据特征信号的多参数融合作为神经网络的输入,对自动倾斜器轴承故障进行诊断,获得了较高的故障诊断率。采用基于神经网络的故障诊断方法,自动倾斜器轴承各类故障的最高故障诊断率均大于89%。     

应用于电机轴承和不对中复合故障的RNN诊断方法

提出一种基于伺服电机转速信号的轴承和不对中复合故障的故障诊断方法。首先,探讨了复合故障励磁引起的电机转速变化,分析了通过转速法实现复合故障诊断的理论可行性。实验表明,复合故障中轴承等微弱故障信号的检测容易受到不匹配安装故障的干扰,这将使传统的诊断算法失效。将预处理后的速度信号和通过FFT得到的信号分别通过循环神经网络（Recurrent neural network,RNN）,将输入的时域特征和频域特征融合在一起,作为故障分类的基础。这种时频域特征复合RNN模型（Time-frequency feature compound-RNN,TFFC-RNN）对不对中故障干扰下的轴承故障和正常信号的分类准确率可达90%以上。最后,研究了各RNN变体对于模型准确率的影响。实验结果表明利用门控循环单元进行频域部分的特征提取,模型的诊断正确率最高。     

基于本体的制造能力P-P-R建模及其映射

在网络化制造环境下.为了盟主企业更好管理复杂零件、工艺、设备资源信息,实现制造任务和制造资源合理匹配,提出了制造任务和制造资源的匹配框架.首先,建立了基于本体的复杂零件加工特征、加工工艺、设备资源P-P-R模型,在此基础上构建P-P-R映射关系;然后,通过可拓理论实现随时添加新的零件特征和零件的工艺特征来完成制造任务-资源的匹配.最后,开发了协同制造资源配置原型系统.通过实例表明,该方法能克服Web制造资源描述差异,实现异构平台的数据统一,对提高企业间的协同效率具有显著效果.