基于自适应分段混合系统的轴承故障诊断

针对强噪声背景下轴承早期故障的诊断问题,提出一种基于自适应分段混合随机共振（adaptive piecewise hybrid stochastic resonance,APHSR）系统的检测方法。采用经验模态分解法（EMD）进行信号预处理,分别采用能量密度法和相关系数法去除高、低频噪声,自动筛选最优固有模态函数,经尺度变换后输入分段混合随机共振系统模型,提取故障信号。工程实验显示:经过APHSR系统,轴承故障特征频率的频谱幅值、频谱幅值与周围最大噪声之差和最大信噪比（SNR）均高于经验模态分解和经典随机共振方法,其中齿轮箱故障轴承信噪比分别提高了9.579 dB和7.473 dB,转子故障轴承信噪比分别提升了8.597 dB和5.695 dB,对凯斯西储大学故障轴承数据处理后的信噪比分别提升了3.369 dB和17.043 dB。数据表明APHSR方法具有高效性,提高了轴承故障信号诊断能力。      

Neck-spinning quality analysis and optimization of process parameters for plunger components: Simulation and experimental study

The plunger component is a key part of the plunger pump in the aircraft hydraulic system. Neck-spinning process is commonly used to fabricate plunger components, of which the quality of the spinning process significantly affects the performance of plunger pumps. One of the bottlenecks faced by the industry in the spinning process is to choose a suitable neck-spinning process so as to ensure the quality of plunger components. It is necessary to propose a reliable method to optimize the process parameters which affect the neck-spinning quality of plunger components. In this study, a calculable finite element analysis (FEA) model is established to simulate the three-roller neck-spinning process of the plunger component, which includes six typical slipper structures, two roller structures, and two spinning parameters. The FEA model is then validated by comparing the simulated spinning forces with the corresponding experimental results. The influence of the process conditions on the neck-spinning quality is investigated. And the orthogonal simulation results are analyzed by a combination of range method and fuzzy mathematical analysis method to recommend a reasonable slipper structure, roller structure and neck-spinning parameters. This study provides a promising method to improve the manufacturing quality of the typical plunger components.     

空间绳系机器人捕获目标后的面内自适应回收方法

在空间绳系机器人(TSR)捕获目标星后,操作机构与目标星形成质量、惯量和系绳连接点位置等参数未知的组合体,且系绳长度、偏角与组合体姿态严重耦合,控制输入严格受限,回收控制十分困难。针对其回收难题,综合考虑系绳长度、系绳偏角与组合体姿态,利用拉格朗日法建立了轨道面内的动力学模型,并基于动态逆理论设计了一种自适应抗饱和回收控制方法。首先,在对组合体质量、惯量与系绳连接点进行在线估计的基础上,设计一种自适应动态逆回收控制器;然后,设计辅助变量对控制输入进行补偿,解决控制输入受限问题;最后进行仿真验证。仿真结果表明,在线估计器能够快速有效地估计组合体动力学参数,回收控制系统能够利用受限的控制输入克服抓捕时刻的系绳偏角和组合体姿态扰动,并沿设计的回收轨迹实现稳定有效回收。     

M-FSVM在可靠性寿命分布模式识别中的应用CSCD

在产品的可靠性研究中,准确、有效地识别产品所属的寿命分布,是可靠性建模成败的关键。针对传统支持向量机(SVM)在解决多分类问题时存在不可分区域等缺陷,提出了一种基于多分类模糊支持向量机(M-FSVM)的可靠性寿命分布模式识别方法,建立了包括指数分布、正态分布、对数正态分布和威布尔分布四种常用寿命分布模式识别的模糊支持向量机模型,并进行了仿真试验研究。仿真试验结果表明,该模型能够克服传统支持向量机中存在的不足,能够对常用的寿命分布模式进行智能识别,识别率高,便于工程应用。     

混合不确定信息航天机构可靠性综合分析方法

为更加准确全面描述和分析航天机构的概率、非概率和模糊信息混杂模型的可靠性,提出非概率-模糊-概率信息统一的可靠性模型。在凸集非概率的基础上,结合模糊随机类信息,同时考虑机构系统的响应域落在失效域和不落在失效域两种情况下的可靠性度量。统一的可靠性模型运用基于凸集非概率模型、模糊割集方法和概率可靠度方法对非概率和模糊概率信息相容处理,然后对这两种情况分别进行可靠性分析。当系统的响应域落在失效域时,将统一模型中的区间信息用基于区间均匀分布的二阶拟合可靠性分析方法(SORM)进行分析,用蒙特卡罗仿真抽样方法计算统一模型的可靠度量化值。当系统的响应域不落在失效域时,将统一模型归一到凸集模型中,用凸集模型融合模糊和概率信息,并用HL-RF求解非概率可靠性指标。最后文章通过数值案例和某卫星天线双轴驱动机构的工程案例对提出的方法进行验证。     

某空间伸杆机构的摩擦补偿及反步自适应控制

面向某新型大伸展(收拢比)、高载荷(自重比)伸缩式空间伸杆机构的实际应用需求,研究其低速伸展过程中摩擦力矩补偿及其反步自适应控制方法。考虑伸杆伸长量等各种因素引起的摩擦力矩变化,将其等效描述为摩擦变化系数的影响,由此得到LuGre改进模型的摩擦表征。在此基础上,设计基于摩擦力矩补偿的反步自适应控制器,以补偿和抑制模型不确定性和摩擦影响。最后通过仿真校验表明,该方法不依赖精确的动力学模型,能够在保证鲁棒性的前提下有效提高系统控制性能。     

挠性航天器退步自适应姿态机动及主动振动控制

针对带有分布式压电陶瓷执行机构的挠性航天器姿态机动与主动振动控制问题,提出了一种退步直接自适应一体化控制方法.首先,建立了挠性航天器姿态机动与主动振动控制的模型,并分析了动力学子系统的近似严格正实性;然后,采用退步直接自适应控制方法,设计了挠性航天器的姿态机动主动振动控制器,并证明了控制闭环系统的稳定性;最后,进行了不同仿真条件下的数学仿真验证.理论分析与数学仿真结果表明,该控制方法不依赖航天器参数,对系统参数不确定性具有强鲁棒性,能有效抑制挠性附件的振动,对挠性航天器的控制是有效的.     

基于RBF神经网络的自适应PID星钟热控制

星钟的频率稳定性决定了星钟提供时间信息的精度,而频率稳定性取决于星钟物理核心温度的稳定程度.基于RBF神经网络逼近星钟热模型,设计自适应PID控制方法实现星钟物理核心的温度控制.仿真验证了算法的有效性.     

盘旋跟踪地面目标小型无人机控制系统设计

针对一种大展弦比、V形尾翼常规布局小型无人机盘旋跟踪地面目标飞行的飞行控制策略进行了研究.采用了一种单轴光电探测系统修正视场纵向误差,无人机航向控制修正视场横向误差的控制方法.设计了一种自适应PID(Proportion Integration Differention)控制器,并通过对无人机六自由度非线性运动模型的建模分析,进行了控制律的仿真验证,并将算法融合在盘旋跟踪飞行实验中.仿真及实际飞行实验结果表明:该控制系统在突风等大扰动的影响下获得了良好的动态性能指标,并有效地抑制了飞机姿态通道对视轴通道的耦合影响,满足了飞行任务的需求.     

基于参数自整定模糊PID控制的大型液压源温控系统设计

根据液压源温度控制系统的非线性、时变的大滞后特性,采用参数自整定模糊比例积分微分(PID)控制算法,通过模糊推理在线调整PID的3个参数,给出了PID参数在线整定原则和模糊控制器设计。仿真结果表明:用该法设计的控制器较传统PID控制器有更好的动态性能和鲁棒性。不同工况的实验验证其液压源油温控制精度达到文献[1]的B级要求(±2℃)。