过程控制系统中多条件约束的多传感器故障检测与诊断

针对工业过程控制系统中的故障具有类型多样、时空独立和非线性等特点,使得检测与诊断效率降低,系统性能下降等问题,提出了一种基于自定义多条件约束的多传感器故障检测与诊断机制。该机制,首先考虑了系统的稳态和时空特征建立了非线性过程控制系统多故障模型,并给出了满足条件判定法则;然后对于系统中的单故障,并发故障和通信故障等类型给出了多条件约束法则及独立特性判断;最后提出了通过自定义多条件约束的多传感器故障检测与诊断机制。实验结果表明,在平均检测概率、稳态特征保持能力和系统功耗等方面明显优于无条件约束的机制,可以显著改善过程控制系统性能。     

变采样周期和多包传输的非线性NCS故障检测

研究具有多包传输、时变采样周期和未知干扰输入的Lipschitz非线性网络控制系统的故障检测问题。利用主动变采样周期的方法将多包传输的非线性连续网络控制系统建模为离散切换系统,设计基于观测器的鲁棒故障检测滤波器构造残差产生系统,运用Lyapunov稳定性理论和线性矩阵不等式(LMI)技术,给出了使闭环系统渐近稳定的充分条件及故障检测滤波器的增益矩阵。最后运用仿真算例说明了故障检测滤波器的残差产生系统对故障具有敏感性,同时对外部扰动输入具有鲁棒性。     

机载位移传感器故障检测与信号重构

为了避免机载系统故障诊断与重构中单纯增加余度数目所带来的问题,针对电传飞控系统中应用较多的位移传感器,提出了一种基于特征的检测电路、检测方法以及信号重构方案。方案基于位移传感器工作时两次级线圈回路电压和值恒定的特征,实现了对初级、次级回路的一次断线检测,在检测到次级线圈一次断线时,又利用正常工作特征并根据另一次级线圈所获得的信息对断线信号进行重构。分析和测试表明,所提出的位移传感器故障检测以及重构算法仅需增加极少的硬件电路,且检测及重构方法实时性高,在不增加传感器余度数目的条件下,能大大提高系统的可靠性。     

基于深度学习的故障检测方法

针对传统故障诊断方法中特征提取技术难度大、故障样本获取困难等问题,在深度学习计算框架下提出了一种半监督训练的故障检测方法,利用深度信念网络中的受限波茨曼机堆栈结构实现了数据高层特征的自动提取,结合支持向量数据描述方法实现了异常数据检测,只需利用正常工况的数据样本进行网络训练和模型拟合,无需故障样本数据,也无需人工干预进行信号特征提取,即能实现对故障数据进行的实时检测和判别。经采用标准轴承实验数据的三组故障数据进行验证,故障识别率达到100%,具有很强的工程应用价值。     

具有死区非线性输入的一类不确定混沌系统的自适应控制

研究了一类具有死区非线性输入的不确定混沌系统的控制问题. 通过引入死区非线性控制项,有效的消除了实际中由于死区非线性输入的存在而引起的不良控制效果, 设计控制器过程中对系统死区模型无需任何限制条件, 同时引入扩张观测器, 从而只需要知道系统的一个状态, 就可以观测出系统待确定的未知信息. 对Duffing系统的数值仿真结果表明该控制方案是有效的. 关键词： 混沌系统 扩张观测器 死区 非线性输入     

嵌入式超声传感器的混凝土损伤非线性检测研究*

对建筑结构在其生命周期中的损伤状态进行实时监测十分重要,借助埋在混凝土构件内部的压电传感器对结构进行无损检测是一种新型的检测手段。本文将压电传感器嵌入混凝土试件内部,通过超声二次谐波法对信号进行分析处理得到表征材料损伤的非线性参数,以此来监测混凝土的早期强度并对混凝土试件受压和钢筋混凝土梁受弯的不同损伤程度进行检测。结果证明,非线性参数可以反映混凝土养护过程的强度增长情况,也可以表征不同损伤形式下试件的损伤程度。     

存在通讯限制的网络控制系统鲁棒故障检测

对一类具有随机丢包和通讯限制的网络控制系统的鲁棒故障检测问题进行研究。考虑控制器到执行器间存在通讯限制以及传感器到控制器间存在数据丢包,并将丢包用Bernoulli随机二进制分布进行描述。在此基础上建立带有故障的离散时间模型,基于所建立的模型设计故障检测滤波器,使得残差系统随机稳定,同时滤波误差系统的H∞范数满足给定的衰减水平。所设计的故障检测滤波器不但保证了残差系统对故障的灵敏,同时对系统的外部扰动输入具有鲁棒性。数值算例验证了本文所提方法是可行的。     

基于虚拟仪器的智能温湿度检测系统

基于虚拟仪器设计理论,以传感器、数据采集卡、计算机为硬件基础,LabVIEW13.0为软件平台设计一个人机交互界面友好、实时检测、存储与报警、参数设置灵活等的智能温湿度检测系统。该系统利用传感器、USB数据采集卡实现对环境温湿度信息进行实时检测、信号处理与传输,并采用模块化的设计思想,利用LabVEW软件完成了系统软件设计。通过实测结果表明:该系统运行稳定,操作与维护方便,检测精度与性价比高等。     

基于信号触发的电气线路漏电故障检测系统

低压电气线路漏电故障发掘电路是当电气网络中发生漏电故障时,通过对漏电触发信号进行检测,从而对故障位置进行定位,并切断电气线路电源的装置,确保了供电网络的安全性以及可靠性;在对目前低压电气线路漏电保护系统研究的基础上,提出了以STC15F2K60S2单片机为控制核心, 选定的测试模拟触发信号漏电流,不小于电气线路和设备的正常泄漏电流的最大值的2倍;漏电故障测试信号的灵敏度,优先考虑30 mA,当额定漏电动作电流等于或小于30 mA时要求保护动作时间小于0.1 s,当额定漏电动作电流大于30 mA时要求小于0.2 s;该装置是传统漏电保护装置的补充, 根据间接漏电检测与直接漏电检测结果与实际的漏电位置距离对比,误差在10%以内,满足实际需要,改善了低压电气线路漏电保护系统的保护性能。     

基于光电传感器在带钢边缘检测系统中的设计

在带钢生产过程中,为了满足带钢快速运行的速度要求,提高生产效率,设计了以光电式位置检测传感器为核心的边缘检测系统。检测系统能够快速且精确的对带钢边缘偏移位置进行检测。系统通过两组位置传感器组成差分电路检测带钢边缘的位置,最终通过输出两组电压值对应于带钢边缘偏移的方向和距离,将两组位置信号传输给纠编系统。纠偏系统通过对位置信号的监测,从而能够通过对带钢的位置进行快速且准确的控制,保证了生产的安全,带钢的边缘检测系统在其他高速带状物边缘检测领域中也有广阔的应用前景。     

并联传感器系统压力传感器故障诊断系统设计

在工业生产过程中电子皮带秤普遍采用多个称重传感器输出信号的并联方法,而该方法对多个称重传感器无法独立采集同时无法准确判断故障。应用TI公司MSC1210单片机最小系统和信号分离器,设计一种并联传感器系统压力传感器故障诊断系统,实现多个称重传感器并联应用时的独立采集;发明一种皮带秤称重传感器累计量校准方法,将不断变化的累计量转换成定量值实现并联传感器系统压力传感器故障诊断。结果表明该系统较好实现多个称重传感器的独立采集和故障传感器判断,为皮带秤等计量装置并联传感器系统的技术升级提供有效手段。     

A New Deep Dual Temporal Domain Adaptation Method for Online Detection of Bearings Early Fault

With the quick development of sensor technology in recent years, online detection of early fault without system halt has received much attention in the field of bearing prognostics and health management. While lacking representative samples of the online data, one can try to adapt the previously-learned detection rule to the online detection task instead of training a new rule merely using online data. As one may come across a change of the data distribution between offline and online working conditions, it is challenging to utilize the data from different working conditions to improve detection accuracy and robustness. To solve this problem, a new online detection method of bearing early fault is proposed in this paper based on deep transfer learning. The proposed method contains an offline stage and an online stage. In the offline stage, a new state assessment method is proposed to determine the period of the normal state and the degradation state for whole-life degradation sequences. Moreover, a new deep dual temporal domain adaptation (DTDA) model is proposed. By adopting a dual adaptation strategy on the time convolutional network and domain adversarial neural network, the DTDA model can effectively extract domain-invariant temporal feature representation. In the online stage, each sequentially-arrived data batch is directly fed into the trained DTDA model to recognize whether an early fault occurs. Furthermore, a health indicator of target bearing is also built based on the DTDA features to intuitively evaluate the detection results. Experiments are conducted on the IEEE Prognostics and Health Management (PHM) Challenge 2012 bearing dataset. The results show that, compared with nine state-of-the-art fault detection and diagnosis methods, the proposed method can get an earlier detection location and lower false alarm rate.     

光寻址电位传感器的正交相位检波检测方法

光寻址电位传感器的幅度检测方法易受噪声干扰,灵敏度差,信噪比和精度低,且受调制光源的影响较大,影响检测结果的准确性.为此提出了一种基于正交相位检波的光寻址电位传感器检测方法.该方法是将光寻址电位传感器的输出光电流信号分别与两路正交信号相乘,通过低通滤波提取直流分量并相除,即可得到光寻址电位传感器的输出信号相位信息.与已有的光寻址电位传感器相位检测方法相比,该方法具有算法复杂度低、实时性高的优点.实验研究了调制光源光强对光寻址电位传感器幅度检测和相位检测的影响,对比分析了光寻址电位传感器的传统幅度检测方法与正交相位检波检测方法对pH检测的灵敏度、线性度及信噪比.结果表明,相比于幅度检测方法,调制光源光强对光寻址电位传感器的相位检测影响更小,在频率为10 kHz,pH的范围为1.68~10.01的情况下,相位检测方法比幅度检测方法测得的灵敏度增加了7 mV/pH,精度提高了14.9 mpH,非线性误差减小了0.003%,均方差减少了0.1051×10^-5,信噪比增加了8.2827 dB.该方法特别适用于弱光下的光寻址电位传感器检测.     

Sensor and Actuator Fault Diagnosis for Robot Joint Based on Deep CNN

This paper proposes a data-driven method-based fault diagnosis method using the deep convolutional neural network (DCNN). The DCNN is used to deal with sensor and actuator faults of robot joints, such as gain error, offset error, and malfunction for both sensors and actuators, and different fault types are diagnosed using the trained neural network. In order to achieve the above goal, the fused data of sensors and actuators are used, where both types of fault are described in one formulation. Then, the deep convolutional neural network is applied to learn characteristic features from the merged data to try to find discriminative information for each kind of fault. After that, the fully connected layer does prediction work based on learned features. In order to verify the effectiveness of the proposed deep convolutional neural network model, different fault diagnosis methods including support vector machine (SVM), artificial neural network (ANN), conventional neural network (CNN) using the LeNet-5 method, and long-term memory network (LTMN) are investigated and compared with DCNN method. The results show that the DCNN fault diagnosis method can realize high fault recognition accuracy while needing less model training time.     

基于片上系统协同计算的实时数据自动检测电化学传感器

针对应用于生物体内特征物质检测与跟踪的电化学传感器的其智能化和集成化问题,本文提出了一种基于片上系统的支持实时数据自动检测的电化学传感器。首先,将应用于电化学传感器结构,通过将测量样品、检测溶液接口、多电极和检测传导器等单元集成在片上系统,结合信号转换和电源装置,实现电化学传感器的独立计算、存储和通信功能。接着,通过实现待测量物多电极、检测溶液电极子和单片机逻辑控制的协同计算满足自动检测需求。最后,基于数据整合与自动化处理设计了支持实时数据检测的电化学传感器。验证结果表明,在数据检测精度和实时性方面所提方案明显优于传统的非片上系统电化学传感器。     

Modified Projective Synchronization of a New Hyperchaotic System via Nonlinear Control

In this paper, a nonlinear control scheme of two identical hyperchaotic Chert systems is developed to realize their modified projective synchronization. We achieve modified projective synchronization between the two identical hyperchaotic systems by directing the scaling factor onto the desired value. With symbolic computation system Maple and Lyapunov stability theory, numerical simulations are given to perform the process of the synchronization.     

Modified Projective Synchronization of a New Hyperchaotic System via Nonlinear Control

In this paper, a nonlinear control scheme of two identical hyperchaotic Chensystems is developed to realize their modified projective synchronization.We achieve modified projective synchronization between the two identicalhyperchaotic systems by directing the scaling factor onto the desired value. With symbolic computation system Maple and Lyapunov stability theory, numerical simulations are given to perform the process of the synchronization.