基于邻域粗糙集的转台故障诊断

针对转台的故障类型和特点,设计了基于邻域粗糙集的故障诊断系统。邻域粗糙集以邻域关系代替经典粗糙集的等价关系,通过邻域信息粒子逼近论域空间,可以直接处理数值型属性。提出了一种基于邻域等价关系的混合约简算法,通过计算条件属性的依赖度,对原始决策表进行约简,有效地剔除了系统的冗余属性。在约简决策表的基础提取分类规则,并最终生成分类机。通过对转台故障诊断的实验,验证了该方案的有效性和可行性。     

一种基于小波变换的信号突变征兆提取方法及其应用

获取故障征兆是诊断系统必须解决的首要问题。应用小波变换理论提出了一种信号突变征兆提取方法，并将它应用于转台故障诊断中。实验结果表明，这种方法在信号突变征兆提取上具有明显效果。     

仿真转台伺服系统动态模型辨识与计算

仿真转台广泛应用于光电制导导引头及其对抗的仿真,对某型仿真转台进行高精度模型辨识可以有效提高系统的动态控制精度和设计效率。基于此,提出了一种转台伺服系统频率特性自动测试方法,根据测试数据采用参数递阶辨识方法分段拟合得到了被控对象的高精度传递函数模型。辨识结果与实测数据相比:在体现伺服系统重要特征的中低频段,幅度绝对误差1 d B,相位绝对误差2°;在高频段,得到了复杂的机械谐振环节特性,验证了被控对象传递函数模型的准确性。对于转台的动态精度计算,采用频率设计分析建模方法,结合被控对象高精度传递函数和实际校正环节模型得到了转台的动态精度计算模型,通过比较同一输入情况下实测动态误差与模型输出误差数据验证了模型准确性,结果表明了该方法的有效性。建立的动态精度计算模型能够反映实际系统的动态过程和动态误差变化规律,也为同类设备伺服系统的模型辨识和动态精度分析计算提供了方法。     

捷联陀螺动态误差系数的正交三轴速率试验标定及其试验设计

本文提出了一种在三轴转台上标定捷联陀螺动态误差系数的正交三轴速率试验方法，同时应用最优试验设计理论，进行了试验计划的优化设计。采用该方案只需一次测试就可辨识出陀螺的全部动态误差系数，且辨识结果具有统计优良性     

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.     

基于粗集理论的精密测试转台故障诊断

分析了精密测试转台的故障类型及产生机理,研究并提出了基于粗集理论的故障诊断方案．该方案基于不可分辨性的思想和知识简化的方法,在保持分类能力不变的前提下,采用差别矩阵对精密测试转台故障库进行知识约简,从故障样本集中推理出逻辑规则作为诊断规则,揭示了转台故障信息的内在冗余性．实验结果显示,通过该方法可以实现对精密测试转台故障的准确定位,提高了精密测试转台的安全性和可靠性。     

用低精度双轴转台对捷联惯导进行系统级标定的方法

为降低捷联惯导系统标定对转台精度的要求,提出了一种利用低精度双轴转台对捷联惯导进行系统级标定的10位置标定方法。通过选取恰当的惯性组件坐标系,建立加速度计和陀螺仪的输出误差模型,在双轴转台上合理进行10位置编排,然后利用系统翻滚过程中的导航误差作为观测量,全面辨识出包括加速度计标度因数非线性项的24个系统误差系数。通过数学仿真和实物试验两方面验证,该方法可在低精度双轴转台上全面辨识出系统误差系数,精度同在精密转台上使用传统方法标定精度相当,且标定时间短,方法简单易行。     

基于粗糙集模糊神经网络的爆破振动危害预测

为了探索一种能克服单因素预测的局限性、提高爆破振动危害预测精度的方法,基于粗糙集模糊神经网络理论,建立了综合考虑爆破振动幅值、主频率、主频率持续时间及结构动力特性等10个因素的民房破坏程度预测模型;用铜绿山矿爆破振动和民房破坏情况观测数据,对该模型进行了训练和测试,测试结果与现场观测结果具有良好的一致性。研究表明:粗糙集理论可将现场数据进行属性约简,简化输入变量,缩小神经网络的搜索空间,改善爆破振动的预测性能;基于粗糙集模糊神经网络理论的爆破振动危害预测模型,能更好地考虑各种因素对危害程度的综合影响,避免了单因素预测的局限性。     

利用卡尔曼滤波和参数自调整控制器提高飞行仿真转台性能

为了提高惯性器件仿真的真实性,飞行仿真转台被广泛应用于半实物仿真系统.但是飞行仿真转台的响应误差、响应滞后、非线性等特性影响了整个半实物仿真系统的性能.采用卡尔曼滤波器对转台的状态进行估计,并设计了带有前馈的闭环控制器,减小了飞行仿真转台的低频相位滞后.通过对转动轴上的转动惯量进行辨识,控制器的参数可以自动调整来减小负载惯量变化对系统的影响,同时控制器对系统的力矩扰动进行了补偿.经过试验验证,转台小信号运行时的失真度残小为原来的1/5,动态仿真性能也有显著提高.     

基于双层神经网络模型参数辨识的变结构多模型自主导航方法

在卫星拒止环境下,井下采煤机定位方式通常采用惯导/里程计的组合导航方式。但在采煤机开采过程中产生的复杂振动会引起传感器时变和非线性的器件误差,导致传统卡尔曼滤波精度下降。针对这一问题,提出了一种基于双层神经网络模型参数辨识的改进变结构多模型导航算法(TVSMM)。设计了一种基于支持向量机(SVM)和极限学习机(ELM)相结合的双层神经网络对系统噪声变化特性进行训练和辨识,实现快速、准确地辨识导航系统模型参数。仿真结果表明,通过双层神经网络模型参数辨识相较于单层神经网络的模型参数辨识精度提高12%。基于TVSMM的井下惯导/里程计组合导航算法可有效抑制振动噪声带来的航向角发散,航向精度提升42%,水平定位精度提升43%,对井下复杂环境中的自主导航定位具有较好的参考应用价值。     

FAULT DIAGNOSIS OF ROTATING MACHINERY USING KNOWLEDGE-BASED FUZZY NEURAL NETWORK

A novel knowledge-based fuzzy neural network (KBFNN) for fault diagnosis is presented.Crude rules were extracted and the corresponding dependent factors and antecedent coverage factors were calculated firstly from the diagnostic sample based on rough sets theory.Then the number of rules was used to construct partially the structure of a fuzzy neural network and those factors were implemented as initial weights,with fuzzy output parameters being optimized by genetic algorithm.Such fuzzy neural network was called KBFNN.This KBFNN was utilized to identify typical faults of rotating machinery. Diagnostic results show that it has those merits of shorter training time and higher right diagnostic level compared to general fuzzy neural networks.     

捷联惯性导航系统中二自由度陀螺故障的智能诊断

本文介绍了神经网络的联想记忆功能,讨论了四陀螺的最佳配置,并提出了基于Ｈｏｐ ｆｉｅｌｄ 网络的余度陀螺故障检测与隔离的设计方法,该方法具有较强的抗噪声能力。     

Nonlinear adaptive neural network control for a model-scaled unmanned helicopter

In this paper, a nonlinear adaptive neural network control is proposed for trajectory tracking of a model-scaled helicopter. The purpose of this research is to reduce the ultimate bounds of tracking errors resulted from small coupling forces (or small parasitic body forces) and aerodynamic uncertainties. The proposed control is designed under backstepping framework, with neural network compensators being added. Updating laws of neural networks are designed through projection algorithm, so that adaptive parameters are bounded. Derivatives of virtual controls are obtained through command filters. It is proved that, by using neural network compensators, tracking errors of the closed-loop system can be restricted within very small ultimate bounds. Superiority of the proposed nonlinear adaptive neural network control over a backstepping control is demonstrated by simulation results.     

基于BP神经网络的风电机组钢混组合式塔架结构频率预测

风电机组塔架结构固有频率设计是风力发电结构体系设计的基础。针对风电机组新型钢混组合式塔架（“混塔”）结构固有频率传统理论计算和有限元法计算的不足,提出了基于BP神经网络算法进行频率预测的新方法。首先,利用有限元计算和分析,确定了训练模型的特征量和标签;然后,利用32个有限元计算样本,基于BP神经网络算法训练了可用于混塔结构频率分析的模型。经验证,该方法对混塔的一阶频率预测误差仅约为0.1%,具有很高的准确性;利用不同的样本集训练的模型也能快速准确预测混塔一阶频率,说明算法具有高度的稳定性;该方法还可用于预测混塔的多阶频率,结果仍显示出高度的准确性。此外,与基于有限元的频率计算相比,该方法具有突出的计算效率。整体上,本文提出的基于BP神经网络的混塔结构固有频率预测新方法,具有高度的可行性、精准性和高效性,可为风力发电机组塔架结构体系设计提供重要的指导。     

AIRCRAFT CONTROL SURFACE FAULT DIAGNOSIS AND EVALUATION OF FLIGHT PERFORMANCE

针对操纵面故障将严重影响飞机的飞行安全，提出一种能快速实现故障诊断及性能评估的系统方法。首先，当系统状态维数较高时，采用容积卡尔曼滤波算法的球形积分准则和径向积分准则优化Sigma 点的采样策略和权重分配，较好地解决了无迹卡尔曼滤波算法滤波性能明显下降的问题；然后，利用飞机等速平飞运动特征计算故障下的升力系数和阻力系数，得出能反映飞机性能的飞行包线；最后，通过仿真结果验证了本文所提方法的可行性。     

岩质边坡稳定性评价的粗糙集－支持向量机方法

结合粗糙集和支持向量机两种智能算法,建立了基于粗糙集与支持向量机的岩质边坡稳定性评价模型。首先根据有限的经验数据建立属性决策表,通过属性约算法找出影响边坡稳定性的关键因素;然后将所提取的关键信息训练支持向量机。本文以铁路沿线边坡为例,进行边坡稳定性验算,结果表明算法能有效降低边坡稳定性影响因素集数据维数及支持向量机的复杂程度,提高训练速度和泛化能力。     

空间连续型机器人自适应鲁棒容错控制

针对空间连续型机器人系统三臂节执行器并发故障的问题,提出一种自适应鲁棒容错控制算法.采用非奇异快速终端滑模控制器,并通过自适应RBF(Radial Basis Function)神经网络在线调整控制器的切换项增益,使控制器在模型参数摄动和外部干扰下依旧具有较高的跟踪精度和较强的鲁棒性.基于Lyapunov稳定性理论,证明了该控制器可以保证整个系统的渐进稳定性.仿真结果验证了本文算法的有效性.     

惯导系统故障诊断技术的特点

对惯导系统故障诊断技术的特点作了简要而全面的论述。论述的内容包括基本功能、故障分类、故障现象及原因，指出各类故障诊断方法的问题，并提出了智能故障诊断构思。     

结构试验机的神经网络内模自适应跟踪控制系统

针对结构试验系统的非线性和不确定性特性，研究了一种基于神经网络的非线性内模自适应加载控制方法。引入的神经网络内模可跟踪学习对象的时变动力学，控制器的设计较少依赖于对象的先验知识，控制参数的调整是基于被控过程的测量信息，利用导出的神经网络算法来实现的。实验结果证明该系统具有良好的控制效果。