【摘 要】
：
为保障复杂设备和系统安全平稳地运行,需对其健康状态进行准确评估,从而提高复杂设备及系统长期运行的安全性。基于一种深度置信网络(DBN)和最小二乘支持向量机(LSSVM)的健康状态评估方法,通过无监督学习对深度置信网络进行训练,实现对多传感器数据的特征提取,并利用最小二乘支持向量机算法对特征参数指标进行状态划分,实现对设备及系统状态的自动评估。利用美国航空航天局Ames研究中心提供的涡扇发动机退化模拟数据集进行方法验证,结果证明了基于深度置信网络构建的发动机健康指标能够较好地反映系统退化趋势,评估方法能够准
【基金项目】
：
国家重大研发计划资助项目(2016YFB0600205)。
论文部分内容阅读
为保障复杂设备和系统安全平稳地运行,需对其健康状态进行准确评估,从而提高复杂设备及系统长期运行的安全性。基于一种深度置信网络(DBN)和最小二乘支持向量机(LSSVM)的健康状态评估方法,通过无监督学习对深度置信网络进行训练,实现对多传感器数据的特征提取,并利用最小二乘支持向量机算法对特征参数指标进行状态划分,实现对设备及系统状态的自动评估。利用美国航空航天局Ames研究中心提供的涡扇发动机退化模拟数据集进行方法验证,结果证明了基于深度置信网络构建的发动机健康指标能够较好地反映系统退化趋势,评估方法能够准
其他文献
针对一类具有状态变时滞和不确定性扰动的离散系统,给出一种基于新型参考轨迹的滑模预测控制算法。首先,利用线性滑模函数构造了预测模型,结合双幂次函数设计了新型参考轨迹。然后,根据预测控制理论定义了性能指标函数,通过反馈校正和滚动优化技术得出了无约束情况下的最优控制律,并且证明了系统的稳定性。最后,仿真结果表明,相对于传统幂次函数设计的参考轨迹,算法在处理变时滞和参数摄动上具有良好的效果,不存在抖振,具有强鲁棒性,控制性能更优。
针对死区效应导致永磁同步电机相电流畸变,造成转矩脉动的影响,提出一种基于平均误差电压分解为静止轴系反馈补偿电压的方法,通过分析死区时间和开关元件通态压降对相电流的影响,推导出死区补偿时间和补偿电压表达式。为了提升相电流极性判断的准确性,利用卡尔曼滤波去除d-q旋转轴系下的电流高次谐波,重构三相电流来判断静止轴系所处扇区来确定需要施加的补偿电压。仿真和试验结果表明,该方法能减弱相电流高次谐波,改善相电流正弦度,降低转矩脉动。
高铁列车易受到恶劣天气、设备故障、异物入侵等突发事件的影响,导致列车无法按照初始调度计划运行而出现列车晚点。针对高铁列车晚点动态调度问题,引入调整策略控制参数,以列车总晚点时间最小和列车总晚点数量最少之和为目标,建立了高铁列车动态调度非线性规划模型。为提高求解效率,利用动态变化不可行解比例控制参数,提出基于双适值的改进粒子群算法。以南京南到沧州区段实际运行数据为例,将所提粒子群算法与基本粒子群算法、改进遗传算法进行了比较,仿真结果表明了所提算法的优越性。在此基础上深入研究了调整策略控制参数为固定值和动态变
为了解决计算机高速采样对离散化系统的影响,并保证离散后系统的稳定性,从而需要讨论一种新的离散控制系统。首先,针对计算机高速采样导致的系统发散问题,采用δ算子对原连续系统进行离散化;然后,对离散变结构控制系统的抖振产生原因进行分析;最终,提出基于δ算子的全程滑态无抖振变结构控制系统。为保证离散控制系统的稳定性和无抖振性,给出各个控制系统参数的选取原则。仿真结果显示,提出的采用δ算子高速离散化变结构控制系统的方法是可行的,离散化后的变结构控制系统是稳定的;提出的无抖振变结构控制系统的设计方法也是正确的。
针对废旧电子产品回收流程中分拣中心和拆解企业的匹配依然靠人工操作的问题,考虑不同种类评价指标下的双边满意度,提出基于随机偏好序的混合多指标双边匹配策略.首先在已有
为了提高柴油机的瞬态调速性能,基于Elman神经网络辨识理论,提出了一种新的柴油机自适应调速算法,即Elman-PID控制算法。该算法运用神经网络提取柴油机转速的雅可比信息,通过转速的雅可比信息反映负载扭矩变化的大小,在线调整PID控制参数,使调速控制能更好地适应柴油机外部负载突变的情况,增加神经网络收敛速度,减小网络对初始权值的依赖。同时,在柴油机整机控制策略中,加入了网络在线学习判定规则,避免运行过程中过度学习、稳态控制性能恶化等问题。最后,建立柴油机平均值模型,验证该算法的实用性。
在网络环境下,考虑网络传输时延和外界干扰输入的影响,基于模型依赖平均驻留时间方法研究一类不确定模糊时滞系统的切换H∞控制问题。首先,基于模型依赖平均驻留时间方法,提出系统状态反馈控制器及切换策略的设计方案。进一步,通过多Lyapunov函数方法求解一组线性矩阵不等式,给出满足系统指数稳定且具有H∞性能指标的充分条件。最后,通过数值仿真例子验证所提方法的有效性和可行性。
针对风电功率预测中出现的随机性和波动性问题,提出了一种基于变分模态分解(VMD)和JAYA优化最小二乘支持向量机(LSSVM)参数的算法,实现短期风电功率的预测。该算法通过分析历史风速序列和气压对风电功率的影响,用VMD对历史风速进行分解,将分解出的风速分量结合气象因素中的气压作为LSSVM预测模型的训练输入,利用JAYA算法的寻优特性对LSSVM的参数进行优化,建立短期风电功率预测模型。最后以风电场实测数据为例进行仿真分析,仿真结果表明,与LSSVM和PSO优化的LSSVM预测模型相比,VMD-JAYA
帮助兵棋AI学习兵棋推演中专家(人类指挥员)的知识和经验,有望提升其智能程度.在前期对兵棋专家知识进行分析归纳的过程中发现,专家知识中包含一类重要且使用频繁的隐性知识
为了满足电网故障情况下并网逆变器的控制要求,并针对传统基波正序电压分量同步方法响应速度较慢和滤波性能较差的问题,提出了一种基于改进二阶广义积分器锁相环(SOGI-PLL)的电网基波正序分量同步方法。首先将改进的具有直流偏移消除的SOGI结构加入单同步坐标系锁相环中,利用SOGI输出信号相互正交的性质来消除负序分量对锁相结果的影响;然后通过级联滤波模块来消除谐波分量对锁相结果的影响,通过频率自适应结构和相位补偿来抑制电网频率和相位偏移的影响,实现故障工况下电网基波正序电压分量的快速准确跟踪;最后利用仿真和实