【摘 要】
：
针对模拟电路故障诊断中故障信息的多特征、高噪声以及故障诊断时间较长的问题,提出了一种基于H-DELM的模拟电路故障诊断模型.该模型的架构单元为双随机隐藏层的深度极限学习机DELM-AE,2个随机隐藏层用于编码特征,1个输出层用于解码特征.将DELM-AE以分层结构堆叠构建H-DELM模型,由于DELM-AE可以进行特征表示,而且输出与原始输入信息相同,因此H-DELM可以尽可能多地复制原始输入数据,进而可以学习到更具表现力和紧凑性的特征.最终通过四运放双二次高通滤波器和更复杂的二级四运放双二阶低通滤波器2
【机 构】
：
桂林电子科技大学电子工程与自动化学院,广西桂林541004
论文部分内容阅读
针对模拟电路故障诊断中故障信息的多特征、高噪声以及故障诊断时间较长的问题,提出了一种基于H-DELM的模拟电路故障诊断模型.该模型的架构单元为双随机隐藏层的深度极限学习机DELM-AE,2个随机隐藏层用于编码特征,1个输出层用于解码特征.将DELM-AE以分层结构堆叠构建H-DELM模型,由于DELM-AE可以进行特征表示,而且输出与原始输入信息相同,因此H-DELM可以尽可能多地复制原始输入数据,进而可以学习到更具表现力和紧凑性的特征.最终通过四运放双二次高通滤波器和更复杂的二级四运放双二阶低通滤波器2个电路进行验证.实验结果表明了该模型在模拟电路故障诊断上的可行性;与其他模型的比较表明该模型的鲁棒性较强,分类速度可以达到1s左右,故障分类准确率可以达到100％.
其他文献
针对不确定非线性系统的执行器故障问题,提出一种基于扩张状态观测器的自抗扰控制方法.首先,将系统的内部扰动、外部扰动,以及实际故障执行器和理想线性执行器之间的偏差定义为总扰动,并利用扩张状态观测器进行实时估计和补偿,消除总扰动对系统输出的影响;然后,设计误差反馈控制律,使系统获得满意的跟踪性能;最后,两个二阶控制系统的仿真结果表明了所提控制方法的有效性.
针对间歇生产过程具有的多批次、非线性和动态性特点等,基于多向主元分析,提出一种改进的过程监控和质量一致性方案,并在此基础上实现质量控制与生产优化.进一步以某化工厂的六甲基二硅胺烷(hexamethyldisilane,HMDZ)和六甲基二硅氮烷(hexa-methyldisilazane,HMDS)间歇生产过程为例,详细阐述了其数据采集及预处理、离线建模和在线监控.在HMDZ和HMDS间歇生产过程中各批次间产品质量一致的基础上,所提方法通过对生产单耗的实时监测,实现间歇生产过程的监控与优化.
介绍了Vantage工艺控制系统的防火墙改造及实现.Vantage工艺控制系统用于铝板带箔材轧制过程的工艺控制,包括自动厚度控制、自动板型控制、液压油缸控制等功能,在铝加工领域得到较多应用.由于Vantage工艺控制系统开发年代较早,对网络安全的考虑存在限制,网络端口的全部开放,对系统的稳定性产生一定影响.因此,对其实施硬件防火墙升级,将各站点放在不同安全域中,建立域间通信服务规则,提高了系统的可靠性.最后,实际应用结果验证了所提方案的有效性.
针对多输入多输出的非线性系统,提出了一种基于树和种子算法(tree and seed algorithm,TSA)的多变量模糊预测控制算法.该算法首先将非线性系统的过程模型建模为Takagi-Sugeno(T-S)模型,并将其作为预测模型.在此基础上,利用该模型和反馈校正方法,递推得到校正的输出预测值.然后,给定相应的二次性能指标及输入输出约束条件,利用TSA在线搜索多变量非线性预测控制系统的最优控制律,避免了直接递推控制律时复杂多项式难以求解的问题.最后,以中和反应过程为例进行仿真对比实验.实验结果验证
针对实际工业生产中数据间存在动态关系,以及高斯和非高斯混合分布特性,提出动态全局局部保留投影-支持向量数据描述(dynamic global-local preserving projection-support vector data description,DGLPP-SVDD)的故障检测算法.构建动态扩展矩阵代替原始数据集,提高动态过程的监测能力.支持向量数据描述(support vector data description,SVDD)算法能高效地处理具有非高斯特性的过程数据,故面对高斯和非高斯混
针对多流形投影(multi-manifold projection,MMP)算法忽略原始数据高阶统计量信息的问题,将统计量模式分析(statistic pattern analysis,SPA)算法引入MMP算法中,提出集成统计量多流形投影(ensemble statistic multi-manifold projection,ESMMP)算法.首先,对SPA算法中的窗口宽度参数设置不同的值,计算原始数据的均值、方差、偏度和峰度等低阶和高阶统计量来构建多个统计量空间,避免了单一窗口宽度参数难以适用于不同
为提升目标检测模型的检测精度,提出一种迭代机制改进基于卷积神经网络的目标检测方法.首先采用与标准更快速区域卷积神经网络(Faster RCNN)一致的设定,在提取了区域候选框后,引入迭代机制来改进Faster RCNN.通过多次迭代优化候选框,使检测框近似于真实框.为发挥迭代机制优点,实现目标精确检测,改进了迭代版Faster RCNN的训练方式,一种改进是所有迭代步骤都定义了损失函数,另一种改进是使用ε-greedy策略.最后,在Pascal VOC数据集和自制飞机数据集上进行的测试表明,改进后的迭代版
开源指令集架构RISC-V具有高性能、模块化、简易性和易拓展等优势,在物联网、云计算等领域的应用日渐广泛,其向量拓展部分V模块更是很好地支持了矩阵数值计算.稀疏矩阵向量乘法SpM V作为矩阵数值计算的一个重要组成部分,具有深刻的研究意义与价值.利用RISC-V指令集的向量可配置性和寻址特性,分别对基于CSR、ELLPACK和HYB压缩格式存储的稀疏矩阵向量乘法进行向量化.同时,考虑稀疏矩阵极度稀疏和每行非零元素数量波动较大的情况,通过压缩非零元素密度低的行向量的存储、调整HYB分割阈值等手段,改进了HYB
换流站的设备状态分析对日常工作的展开具有重要意义.提出了一种基于多粒度长短期记忆(long short-term memory,LSTM)网络模型的时间序列预测方法,从采样粒度、时粒度和天粒度对设备的各个监测参量展开分析.对典型的设备数据趋势进行分类,针对不同类别的数据进行数据预处理,包括离群点处理、缺失值处理和标准化处理;根据相关系数大小进行特征选择,并通过滑动窗口法构建样本集;对每类数据设计多粒度LSTM网络模型进行预测,得到不同时间粒度的状态预测值.实验结果表明,多粒度LSTM网络模型的预测误差小于
众包任务分配机制对众包任务完成质量起着至关重要的作用,然而现有的分配方法未在稳定性条件下考虑众包用户双边偏好,分配结果的准确性有待提高,并且存在众包用户因不满意当前分配对象而导致众包任务完成质量较低的问题.为此提出一种基于偏好匹配的众包任务分配方法,该方法首先考虑众包任务与工人的双边偏好,根据偏好序计算任务与工人的满意度,生成满意度矩阵;其次,该方法借鉴稳定匹配思想在考虑分配主体偏好的基础上,使分配主体对当前分配对象尽可能满意,以保障分配结果的稳定性;然后,将众包任务分配问题建模为稳定匹配规则下寻找任务最