【摘 要】
：
由于传统深度学习方法无法挖掘原始振动数据与旋转机械状态之间的非线性映射关系,提出了一种基于堆叠式自动编码器与深度Q网络相结合的深度强化学习旋转机械故障诊断方法。首先建立故障诊断“博弈”模型,该博弈模型可以为故障诊断代理提供观察、行动和获得奖励的交互式环境。然后,堆叠式自动编码器采用完全连接模型进行逐级的内在特征学习从而构建了故障诊断代理,然后通过引入记忆回放和迭代更新策略以及奖励反馈机制,使得深度Q网络实现了原始振动信号与故障模式之间的非线性映射关系。最后通过实验证明了提出方法的有效性与可行性。
论文部分内容阅读
由于传统深度学习方法无法挖掘原始振动数据与旋转机械状态之间的非线性映射关系,提出了一种基于堆叠式自动编码器与深度Q网络相结合的深度强化学习旋转机械故障诊断方法。首先建立故障诊断“博弈”模型,该博弈模型可以为故障诊断代理提供观察、行动和获得奖励的交互式环境。然后,堆叠式自动编码器采用完全连接模型进行逐级的内在特征学习从而构建了故障诊断代理,然后通过引入记忆回放和迭代更新策略以及奖励反馈机制,使得深度Q网络实现了原始振动信号与故障模式之间的非线性映射关系。最后通过实验证明了提出方法的有效性与可行性。
其他文献
车辆耐撞性是一个涉及多因素的强非线性问题,而传统响应面模型柔韧性又不足.为克服传统响应面法在拟合车辆耐撞性问题输入与输出之间的映射关系所带来的不精确性和耗时性,这里通过建立一个经试验验证准确性的耐撞性仿真模型,提出采用均匀设计法来提高车辆耐撞性仿真试验的代表性并减少仿真试验次数.通过采用一个具有良好韧性的三层神经网络来拟合车辆耐撞性问题输入与输出之间的映射关系,并基于多目标遗传优化算法NSGA-Ⅱ,得到了一组以峰值加速度、B柱最大位移以及吸能比为耐撞性指标的Pareto解集.优化结果显示,所提方法能够高效
小口径管道在船舶、石油化工等工业领域具有广泛应用,其内部状态对设备的安全运行具有重要影响,管道自适应内检测机器人是对管道内部状态检测的有效方法。通过Solidworks建立轮式管道内检机器人仿真模型,对其适应管径变化及转弯的能力进行分析。通过ADAMS方法对内检机器人进行模拟计算,依据实际工况进行条件约束,对机器人的爬行运动学及动力学进行仿真分析。结果表明,所设计小口径管道内检测机器人具有一定范围的管道变径及转弯自适应能力,可适应95mm到105mm之间的管道直径变化,可顺利通过的管道最小转弯半径为200
传统无迹卡尔曼滤波(UKF)算法在估算锂离子动力电池荷电状态(SOC)时,常会出现由于电池模型参数不准确和无法预先获取噪声统计特性而使得估算误差增大的问题。针对这些问题,这里提出一种改进的自适应无迹卡尔曼滤波算法(AUKF):该算法通过扩充状态变量法来实现欧姆内阻在线更新,以此提高电池模型精度,并根据实时SOC估计值与真实值的误差,构造滑模观测器实现系统噪声和观测噪声的更新,降低未知噪声的干扰,最后通过不同温度下复杂工况实验,验证了新算法的估计精度和稳定性。
为了降低发动机的燃油消耗率,提高传动系统效率提高整车节能效果,建立了工程车辆传动系统动态模型,进行了动态换挡规律的仿真,得到了发动机与变矩器的匹配万有特性,分析了油泵压力的影响,发现最优的动态换挡策略能够提高车辆的加速度和动态性能,可以大大提高车辆的换挡质量。试验结果表明:换挡前后的变速箱的速度变化较为平缓,说明新的动态换挡策略能够减少变速箱的换挡时间,变速箱的动态响应得到了有效的提高。采用的智能控制方法能使传动系统高效自动换挡。研究结果对于提高工程车辆的动力学,经济性和智能性具有重要的理论和实际意义。
为了克服医药注射剂封装质量差及封装速率慢等问题,提升BFS设备的自动化水平。提出了一种基于DSP和以触摸屏为核心的伺服液压BFS控制系统,该系统核心部分由伺服控制器、伺服电机、定量油泵以及封装工艺的各个执行机构组成。详细介绍了伺服控制系统的硬件结构,并在此基础上设计了与之匹配的软件系统。针对伺服控制器设计了粒子群优化PID的控制算法。经过实验验证,该控制系统完全可以满足BFS设备控制需求,显著提高了医药注射剂封装质量、精度、效率及自动化智能化水平并取得了满意的控制效果。
为了提高花授粉算法的寻优精度和性能稳定性,提出了融入改进策略的精英协作引导花授粉算法。分析了花授粉算法的工作原理及缺陷,给出了对立点初始化方法提高初始种群质,使用精英协作引导全局搜索策略提高算法搜索效率和质量,建立动态转换概率模型用于平衡全局搜索与局部搜索,综合以上改进措施提出了精英协作引导花授粉算法。使用单模态标准函数和多模态标准函数对算法性能进行测试,每一项改进措施都能够提高算法的搜索精度和寻优稳定性,且改进措施之间不存在抵消性耦合。将精英协作引导花授粉算法应用于机器人路径规划,与花授粉算法相比,路径
为了提高移动机器人在未知环境中的路径规划的性能,提出了改进人工势场法。首先分析了传统人工势场法的优缺点,据此,提出了一种由模糊智能控制与改进人工势场法相结合算法。由模糊算法对静态障碍物进行避障,并改进引力函数将目标点速度、加速度信息加入其中对目标点进行跟踪,从而实现自动避障和路径规划。通过实验仿真对比可知,此算法在存在障碍物环境中,移动机器人可以寻得较短的路径和较快的时间,安全无碰撞的到达目标点,该算法的准确度可达96%。
为解决传统谱聚类算法在应用于大规模数据上时,复杂度较高且资源占用较大,导致算法聚类效果不好甚至无法聚类的问题,提出基于并行框架和采样相结合的改进谱聚类算法,算法在自适应相似矩阵计算基础上,通过数据分块和单向节点并行,提高算法相似矩阵的计算效率,通过Nyström加权抽样逼近,减少拉普拉斯矩阵特征向量的计算复杂度,最后通过KD树结构避免k-mean聚类过程的距离计算,从而提高了聚类效率。仿真实验结果表明,文中算法在取得与传统算法相近的聚类性能的同时,取得更好的加速比,验证了算法对大规模集的良好适应性。
传统的刮研工艺主要是工人手持刮刀依靠人力刮削高点,效率低下且危害身体健康。随着计算机视觉技术与机器人技术的发展,用视觉图像信息控制机器人作业成为一种趋势。设计了一种新型的基于图像信息控制的自动刮研机器人,对其机械结构和控制系统进行了阐述,并对设备所用相机进行了标定与图像鸟瞰化。针对刮研高点之间相互粘连的现象,研究开发了针对平面高点的分割识别图像处理算法,实际图像处理实验显示该算法可以准确的定位刮研
针对存在不确定性且无速度反馈的自由漂浮双臂空间机器人关节轨迹跟踪控制问题,提出了一种基于状态观测器的模糊滑模控制方法。根据双臂空间机器人完全驱动动力学方程以及运动学方程,建立自由漂浮状态下系统的关节空间动力学方程。利用模糊系统的万能逼近特性对系统不确定部分进行逼近,并设计状态观测器在线估计系统关节运动的角速度信息。以关节角度和观测器获得的关节角速度作为系统状态反馈,在传统滑模控制方法基础上,进一步