【摘 要】
：
科技的进步带来了不断提高的生产、生活需要,从而使得工程系统越来越复杂,出现了如航空发动机、车辆动力学、电力网络、电机等安全关键系统。这些系统十分重要,且倘若它们发生故障,将会极大损害社会的利益财产安全,轻则影响社会正常运作,重则可能造成重大的安全事故。故障检测方法能有效保障这些系统的安全运行,在实际生产中意义重大。本文将确定性学习理论与线性自适应观测器技术相结合,提出了一类非线性系统的故障诊断方法
论文部分内容阅读
科技的进步带来了不断提高的生产、生活需要,从而使得工程系统越来越复杂,出现了如航空发动机、车辆动力学、电力网络、电机等安全关键系统。这些系统十分重要,且倘若它们发生故障,将会极大损害社会的利益财产安全,轻则影响社会正常运作,重则可能造成重大的安全事故。故障检测方法能有效保障这些系统的安全运行,在实际生产中意义重大。本文将确定性学习理论与线性自适应观测器技术相结合,提出了一类非线性系统的故障诊断方法。采用确定学习理论,在满足神经网络部分持续激励条件的基础上,利用高增益自适应观测器技术对神经网络的状态和权值进行估计。为了分析算法的收敛性,首先分析了非线性辨识系统线性部分的一致完全能观性。然后利用非线性项Lipschitz性质和Bellman-Gronwall引理,证明了当观测器增益较大时,非线性辨识系统的一致完全能观性取决于线性部分的一致完全能观性。因此,利用非线性辨识系统的一致完全能观性和李雅普诺夫方法,得到了该算法的指数稳定性,并证明该方法对传感器故障检测也同样适用。该方法的有效性被一个van der Pol系统和一个单连杆机器人系统所证明。
其他文献
在旋转设备故障诊断领域,通常会遇到数据非均衡的问题,即故障数据的数量特别是灾难性故障数据或意外的机械故障很少,而正常状态数据的数量非常大。当常用的基于数据驱动的故障诊断方法对非均衡数据实现预测后,得到的是结果往往是多数类样本的预测精度很高,而少数类的精度则会很低,这样的预测能力将会产生致命的后果。比如在工业领域,如果将旋转设备的故障状态误诊为正常状态,则可能会造成严重的经济损失甚至人员伤亡。因此,
在这个计算机技术不断更新换代的时代,人们给计算机赋予了视觉的功能,用以代替人眼进行观测。未来几年机器视觉在工业领域的应用将会越来越广泛,尤其是耗费大量人力的人工检测流程,在工业领域使用机器视觉能够提升产品质量、提高检测速度等。在硅钢片焊缝缺陷检测流程中,采用人工检测的方式容易受到检测人员疲劳和身心健康的影响,同时人工检测比较耗时,每一次的检测标准又无法统一,因此使用自动化检测系统来代替人工检测已经
随着一批新产业新技术的发展,例如5g通信技术的兴起,对高品质注塑产品的需求也与日俱增。注塑业是标准的离散型制造业,完整的产业链包括原料的生产、运输、储存,再到注塑工厂生产成型件。而原料的质量是影响注塑成品质量的关键因素,所以加强对注塑原料质量检测是非常必要的。注塑原料的检测是一项系统的工作,检测手段包括目视、量测及试生产。其中目视主要针对注塑原料的表面缺陷及尺寸缺陷,但是传统的人工目视存在诸多缺点
在信息爆炸式激增的大数据时代,字典学习模型受到广泛地关注,且已被成功地应用于信号后续处理的各个领域,比如图像处理、图像融合、视频关键帧提取等。现有的字典学习算法主要基于0L稀疏范数、凸松弛1L稀疏范数约束字典学习模型。0L稀疏范数的不连续性会导致其优化求解极具复杂性。此外,由于1L稀疏范数是0L范数的凸松弛近似,其约束的字典学习存在稀疏度弱、估测值偏差较大等问题。因此,针对现有基于0L稀疏范数和1
网络化系统是计算机、通信和控制快速发展以及相互作用的产物,相比于传统的控制方案,网络化系统的模式结构更为复杂,空间分布更为广泛,性能更加优异。网络化系统是实时系统,主要分为被控对象、传感器、控制器和执行器四个部分,其信息传输通过网络建立连接。网络化系统具有成本低、安装和维护简单、可靠性高等优点,是其能够在多个领域广泛应用的重要因素。然而,通信网络的引入使得系统在信息交流过程中,通常会出现带宽受限、
当今信息化时代中,社会各个领域所产生的数据呈现井喷式增长,如何在海量且复杂的数据中挖掘出潜在具有价值的信息已经成为了一个相当热门的研究课题,Kmeans算法作为数据挖掘中常用的聚类算法,其算法原理简单且有着比较高效和准确的聚类效果,然而该算法在处理大规模数据时迭代速度较慢,同时初始聚簇中心选取也会对聚类结果产生较大影响;其次面对海量数据的挑战,单机运行的K-means算法也已经不能满足日益增长数据
随着大数据和云计算的不断发展,智能制造将成为未来制造业发展的主题方向。越来越多的传统制造业企业注重设备之间的互联和数据分析,通过将自身的传统信息技术与互联网、大数据相结合,推动企业各个方面智能化发展,让企业在市场上处于领跑地位。在传统的家电领域中,不仅要使家电产品自身智能化,而且也要把智能知识不断融入到家电产品的生产和销售过程中,从而实现制造过程智能化和销售过程智能化,提高家电产品的质量。随着智能
随着无线设备和移动终端的普及,快速地带动了定位领域的研究和发展。由于现代大型建筑物规模化的不断建设,人们在室内活动随时需要了解自己的位置信息,因此对室内定位的需求也随之提高。其中,WiFi定位技术凭借着低成本、易部署的优势成为室内定位的主流研究方向。然而,基于传统采集方式构建WiFi指纹地图的效率较低,需要花费大量的时间成本和人力成本。为解决这一问题,本文引入众包的概念,提出通过众包采集的方式实现
21世纪以来,随着嵌入式、摄像头、传感器技术的发展,推动了各类机器人、无人机、无人车的出现及应用。而无论是机器人的关节控制,还是无人机的位姿控制、又或者是无人车的路径规划,都需要对动态系统的状态进行估计。本文基于扩张状态观测器,对于非线性系统中存在干扰、时滞、丢包的问题,针对两类受到干扰的网络化非线性系统论述其状态估计:（1）针对系统存在状态非线性不确定时滞、输出有界非线性时滞及输入信号缺失的问题
近年来,自动驾驶、自主无人机、智能机器人等行业得到飞速发展,在服务业、农业、医疗方面有了大量成熟的应用。定位技术是机器人完成相关任务中最基本的需求之一,主要有基于激光雷达和相机的方法。单一传感器已经不能满足实际应用场景的需求,把激光雷达与相机的优点结合,利用激光雷达与相机各自的优势可以实现精度更高、稳定性更强的定位方法。本文在基于稀疏直接法的DSO（Direct Sparse Odometry）算