角速率平台伺服机构的智能控制与容错研究

介绍了角速率平台伺服机构智能控制研制进展。用单片机控制,对角速率反馈通道实现了2次故障判别、1次系统重构。用Fuzzy控制建立了相应隶属函数,确定了故障判别阈值。实验表明系统工作稳定,故障的Fuzzy差别合理,故障通道切换平稳,重构后系统工作仍正常。     

飞机大攻角非定常气动力建模与辨识

采用一阶微分方程描述由非线性非定常效应引起的气动力增量 ,从而建立了一种新的飞机大攻角非定常气动力数学模型。研究了模型在缓变运动下的线化形式和动导数表达式。讨论了模型参数的辨识问题。算例证实了所建立的气动力数学模型的正确性和所述模型参数辨识方法的有效性     

运动干涉检测的模糊逻辑控制

在采用最大相对速度－距离法的基础上,引入模糊逻辑控制时间裕度,使任意两次检测间的时间间隔适当增大。该方法不仅减少了检测次数,更主要的是利用模糊逻辑的鲁棒性,减少了误差对检测结果的影响,从而使它无论在效率还是在可靠性方面都有了提高。以运动平面多边形为例,通过不采用、采用、部分采用模糊逻辑控制３种方法加以比较,表明了该方法的可靠性和有效性。     

基于卷积盲分离的强干扰下通信信号分离算法

针对目前通信辐射源个体识别算法在实际试验中由于各类干扰信号和多径衰落导致识别率较低的问题,提出一种用于识别算法前端的信号分离算法,可有效地减少其他电磁信号对于识别算法输入信号的影响,从而提高在复杂电磁环境中通信辐射源个体识别的正确识别率。该算法将灾变策略和搜索状态的自适应引入量子粒子群算法,通过对混合信号的联合对角化从截获的观测信号中提取出目标通信辐射源的有用信号。为了更加系统、直观地衡量算法的分离效果,提出分离熵来量化算法的整体性能。仿真结果表明,该分离算法可以把目标通信辐射源的有用信号从复杂电磁环境中提取出来,从而提高通信辐射源个体识别在复杂电磁环境中的正确识别率,具有较好的可行性和有效性。     

用于识别双星故障的RAIM算法

由于传统的基于识别门限的卫星故障识别算法存在漏检和误警致使识别率较低,为此提出一种可用于识别双星故障的接收机自主完好性监测算法.该算法通过构造新的奇偶矢量与故障特征平面,利用奇偶矢量与故障特征平面之间的几何关系来识别卫星故障,使得算法不再受限于识别门限的影响,从而有效地避免了由于识别门限引起的识别效率较低的问题.计算机仿真结果表明:改进后的算法与传统的基于识别门限的算法相比,双星故障正确识别的性能有显著的提高,正确识别率可达到90%.同时,与基于门限识别的重构最优奇偶矢量法相比,计算量可减少约61.2%以上.     

基于AFI混合聚类算法的轴承故障诊断方法

针对滚动轴承振动信号标记数据量小、故障模式多样的现状,提出了一种基于AFI混合聚类算法的半监督式轴承振动信号故障诊断方法。利用小波包分解方法提取了信号的能量特征谱,并通过主成分分析方法增强了信号的特征;参考迭代自组织数据分析的“分裂”和“合并”的思想,为人工鱼群算法中的个体鱼增加了“分裂进化”和“合并进化”行为;采用模糊C均值方法定义了隶属度矩阵和目标函数,并利用改进的人工鱼群算法,迭代搜寻了目标函数的全局最优解,得到了各故障模式的聚类中心;通过计算测试数据的最近邻聚类中心,实现了故障模式识别。结果表明,该方法无需指定聚类簇数,能在标记数据量小的情况下完成训练,较同类方法表现出了更优的故障模式识别性能。     

基于合成卷积层网络结构的焊缝X射线图片缺陷筛选技术

焊接技术应用于多个领域,近些年焊缝缺陷自动检测技术成为了重要的研究方向。本文基于VGG-16卷积神经网络的良好分类性能,提出一种SC-VGG网络结构,利用合成卷积层替换了单个卷积层,同时改进了训练过程中的损失函数,使网络结构更为关注焊缝缺陷类型预测的结果。经过实验测试,SC-VGG网络结构在训练过程中损失函数曲线可以很好的收敛,与其他网络结构相比对焊缝缺陷特征的提取性能更好,平均准确率和召回率达到了95.86%和98.33%,为焊缝缺陷自动化识别提供了算法支撑。     

一种单相光伏并网逆变器改进预测电流控制算法

光伏并网逆变器传统预测电流控制算法由于采样与计算延时会造成差一拍控制,使得逆变器并网电流不能很好地跟踪目标电流,同时逆变器滤波电感模型值与实际值有误差时会造成并网电流谐波大,还可能导致系统不稳定。为克服这些不足,提出了一种改进的预测电流控制方法,可提前一个采样周期对并网逆变器输出电压进行预测,同时利用递推最小二乘法对电感参数进行在线辩识。仿真和试验结果表明所提方法有效提高了逆变器并网电流对目标电流的跟踪精度,减小了并网电流的谐波分量,提高了由逆变器进网的电能的质量。     

基于MISG算法的风力发电机液压变桨系统故障诊断

针对受状态延时影响的风机变桨系统故障诊断,提出了一种基于多新息随机梯度(MISG)的故障诊断方法。该方法将复杂系统转化为状态空间模型,并建立系统辨识模型。将新息标量扩展成新息向量改善算法精度,利用系统发生故障引起参数改变的特征,算法对风机状态延时变桨系统完成参数估计,将系统故障诊断问题转换为系统辨识问题。仿真所得结果验证该方法可以达到诊断风机状态延时变桨系统故障的目的。