耦合时空混沌的模糊混沌神经网络鲁棒自适应控制

将模糊逻辑系统和混沌神经网络结合起来,利用模糊逻辑系统的逼近能力和混沌神经网络的时空混沌行为,对模型未知的耦合时空混沌系统提出了一种模糊混沌神经网络自适应控制方案;同时考虑系统扰动、未建模动态特性和建模误差的影响,设计自适应补偿器,增强时空混沌系统控制的鲁棒性;并用Laypunov方法证明了该方案的稳定性;仿真验证了方案的有效性和鲁棒性。     

基于减聚类和T-S模糊神经网络的转台故障诊断系统

在分析转台故障类型和机理的基础上,针对故障与征兆之间的复杂非线性映射关系,提出了一种基于减聚类的T-S型模糊神经网络故障诊断方案.首先建立了转台故障底事件与征兆信号的明确对应关系,并以清晰数值形式表述专家的诊断经验;然后在减聚类算法中引入权值的概念,获得简约规则表;接着利用抗噪声训练方法训练网络,使其能够克服一定幅值内的噪声干扰;最后利用含噪声数据和测试数据分别试验.试验结果表明:该方法能有效减少诊断规则的数目,准确地实现故障识别,对噪声的容错能力强,有很强的工程实用性.     

兖州矿区立井井筒非采动破裂的非线性预测与判别方法

厚冲积层立井井筒非采动破裂工程地质灾害是人类工程与自然环境相互作用的结果,该灾害的发生给煤矿造成巨大的经济损失,本文采用神经网络及模糊神经网络的方法对立井井筒破裂进行了预测与判别,预测与判别的结果表明,采用神经网络与模糊神经网络方法能够很好适用于立井井筒破裂的预测与判别,准确性高,能够满足实际应用的需要。     

水下无源组合导航系统智能容错方法设计

为提高自主水下航行器的导航精度,比较目前 AUV 常用的水下导航方式,将捷联式惯性导航系统与地球物理导航系统相结合构成水下无源组合导航系统.采用容错联邦卡尔曼滤波对各子系统信息进行故障诊断、系统重构和融合.针对传统的2c检验法不能确定故障具体原因,而仅能判断量测信息是否有效的缺陷,提出利用神经网络辅助2c检验法进行故障诊断.通过对水下组合导航系统算法进行仿真分析,结果表明该算法能够快速、准确地判断系统故障源,通过故障隔离和系统重构,使系统在故障情况下依然保持正常工作.     

一种重力辅助导航系统故障诊断与容错方法

为了解决重力辅助导航系统软故障检测上的不足,针对重力辅助导航系统的特点和不同故障的性质,提出了一种新的重力辅助导航联邦滤波容错算法,该算法将系统的残差和方差组成故障检测函数的阈值,使阁值包含了联邦滤波全局信息和子系统特征信息,并将传统故障诊断算法对故障的检测改为对滤波收敛性的检测,根据联邦滤波全局收敛信息的不同,动态确定故障诊断函数.通过惯导/计程仪/重力组合导航系统的仿真试验,证明了该方法具有较强的故障诊断能力,有效改善了重力辅助导航系统对软故障检测失效带来的滤波发散定位错误的问题,抑制了重力故障给组合导航系统带来的误差,明显提高了重力辅助导航系统的精度和容错性能.     

边坡稳定性预测的模糊神经网络模型

根据边坡稳定问题具有的模糊性,提出了一种判定边坡稳定性的模糊神经网络模型。该系统仅从期望输入输出数据集即可达到获取知识、确定模糊初始规则基的目的。再利用神经网络学习能力便不难修改规则库中的模糊规则以及隶属函数和网络权值等参数,这样大大减少了规则匹配过程,加快了推理速度,从而极大程度地提高了系统的自适应能力。最后用收集到的边坡数据样本训练和测试模糊神经网络模型,结果表明该模糊神经网络预测边坡稳定性是可行的、有效的。     

在线振动监测与故障诊断的一种新途径

文中由应力强度因子导出含裂纹单元的刚度矩阵,从而提出了一种有限元法.将该法用于单边裂纹悬臂梁,计算了应变响应.用时域法识别了模态参数,并考虑了裂纹闭合的影响.分析了应变响应对故障的敏感度,计算结果表明,应变响应相对于位移响应而言,对故障更敏感.本文还提出了一种判别函数,该函数对于损伤检测,比现有几种判别函数更有效.最后,给出了一种在线振动监测与故障诊断新方法.     

基于改进强跟踪滤波的广义系统传感器故障诊断及隔离

在广义系统故障诊断过程中,若系统动态模型中存在不确定性,传统的无迹卡尔曼滤波算法将失去其传感器故障估计精度。为解决该问题,提出一种改进的强跟踪卡尔曼滤波算法以实现广义连续-离散系统的传感器故障诊断及隔离。首先,提出基于多重渐消因子的强跟踪滤波算法以实现动态模型存在不确定性广义连续-离散系统的故障诊断;然后提出一种结合多模型自适应估计的强跟踪卡尔曼滤波(STUKFMMAE)算法以实现传感器故障的有效隔离。最后,针对基于广义连续-离散系统的惯性传感器故障模型提出仿真算例。仿真数据表明,传统无迹卡尔曼滤波对于传感器故障估计误差为0.002左右,而提出的基于多重渐消因子的强跟踪滤波算法对于传感器故障估计误差最大值为未超过4×10~(-4),且STUKFMMAE相较于UKFMMAE算法具有更好的隔离效果。仿真结果验证了设计方案的有效性。     

拉格朗日松弛算法在平台罗经多故障诊断技术中的应用研究

最优多故障诊断问题是一个NP-hard问题。针对平台罗经这一复杂系统，采用有向图描述元件与测试点间的因果依赖关系，并建立系统的多信号模型。在考虑元件发生故障的先验概率的前提下，提出一种基于拉格朗日算法（LRA）和子梯度优化算法（SOA）近最优多故障诊断算法，并在某型平台罗经的方位稳定系统多故障诊断中得到应用。结果表明：该方法相对于传统的单故障诊断方法诊断速度快，适用于平台罗经这类大型复杂系统的多故障诊断。     

基于蚁群算法的复杂系统多故障状态的决策

故障树在设备的故障诊断中被广泛应用。当系统复杂度较大时,故障模式和故障树的分支会剧烈增加,故障现象和故障原因因此出现复杂关系,这必然给故障检测和诊断推理带来极大的困难。在故障诊断中引入一种新的人工智能方法,即蚁群算法,可以确定故障树的最优检测次序,并指导系统多故障状态的决策。由于该方法具有平行性、鲁棒性等特点,可以很好地解决前面所提问题。仿真结果显示,在故障树中采用该新方法可行、有效。