基于EMA_UKF的移动机器人传感器故障诊断

针对移动机器人多传感器单个或组合故障的情况,提出一种基于EMA_UKF(expected mode augmentation-unscented Kalman filter)方法,用于解决传统固定结构交互多模型算法(FSMM)因模型数量多而造成实时性较差,以及扩展卡尔曼滤波(EKF)计算复杂且精度不高的问题。EMA_UKF方法将期望模型扩张算法(EMA)与无味卡尔曼滤波方法(UKF)相结合,首先利用模型集合自适应来确定期望模型;然后用期望模型扩张初始模型集,通过UKF滤波得到接近真实模型状态的估计结果,判断传感器故障类型。最后,通过与传统的FSMM方法的实验对比,表明该方法能够有效地判断出移动机器人单个或组合传感器故障类型,并且明显地提高了诊断精度。     

基于无线传感器网络的数据融合技术

阐述了WSN数据融合技术的特点和原理,重点分析了WSN数据融合技术中具有代表性的几种算法的工作原理和优缺点.     

基于蛋白A定向固定抗体的触珠蛋白压电免疫传感器的研究

用蛋白A-金电极法将触珠蛋白抗体固定在9MHz镀金石英晶体比表面,研制了一种简单、灵敏的压电免疫传感器,用于溶血性贫血与严重肝病标志物一触珠蛋白的高特异性检测．比较了传感器采用直接金电极吸附法、牛血清白蛋白吸附-戊二醛交联法和蛋白A法三种固定抗体的方法．研究了蛋白A的定向自组装、抗体的固定化浓度和免疫反应时间等主要因素对免疫传感检测灵敏度的影响,并考察了传感器响应与再生性能．测得该免疫传感器检测人血清中触珠蛋白的线性浓度范围为1．27-31．7mg／L．     

基于半定量SDG模型的化工过程故障诊断

符号有向图(SDG)能够直观地反映系统的复杂因果关系,可以看出故障传播的路径,但是定性SDG故障诊断模型缺少变量之间的定量信息,推理过程中会产生虚假解,分辨率不高。该文针对SDG的不足,引入模糊隶属度,形成半定量SDG模型,即模糊SDG模型。采用反向推理和正向验证相结合的混合推理方法,并把结论编写为"If-Then"形式的知识规则,以便于利用专家系统对系统进行在线诊断。     

基于多传感器数据融合的故障诊断技术

提出了一种基于多传感器数据融合的故障诊断系统框架 ,给出了故障诊断融合技术的详细算法和提高系统柔性与开放性的方法 ,以及与其他故障诊断方法相融合的方法与算法 .提出的基于多传感器数据的故障诊断融合技术具有较好的实时性、柔性与开放性 .检测、控制与多传感器故障诊断相融合可使系统在不增加设备投资的前提下改善系统的性能     

监测与诊断系统中传感器信号可靠性的确认

根据设备监测与诊断系统诊断对象的复杂特点,提出了一种基于发生率的方法对传感器信号可靠性进行确认.通过在线采集一定时间内的数据,在规定的假设空间内,从证据中推导证据.对传感器信号的可靠性确认通过失效和设计检测处理,在事件发生率计算基础上,给出了规定假设空间内传感器信号可靠性的确认概率分配计算方法.     

基于神经网络的传感器故障监测与诊断方法研究

提出了一种基于神经网络的传感器故障监测与诊断的新方法。该方法先用BP网络的预测输出和传感器实际输出之差来判断传感器是否发生了故障，然后用函数型连接神经网络模拟传感器的输出特性函数，通过计算神经元连接权值的变化，确定传感器哪个输出特性参数发生了变化，最终推断传感器发生了哪一类故障。该方法的特点是只需要知道一个传感器的信息。电阻应变式力传感器故障诊断实验结果证明了该方法的实用性，为传感器故障监测与诊断提供了一条新途径。     

基于RBF神经网络的传感器非线性故障鲁棒诊断

针对一类非线性系统,传感器非线性故障情形,提出了新的故障诊断方法·该方法采用状态变量扩展技术将传感器故障转化为系统故障进行诊断,RBF神经网络对传感器故障的导函数进行估计,网络权值在线调整,进而实现故障的实时估计·对于系统中存在的不确定性,故障诊断方法应用阈值处理技术,使算法具有一定鲁棒性·对于给出的算法,证明了Lyapunov稳定性·最后,给出了仿真实例,结果验证了该方法的正确性·     

基于模糊概率符号有向图的复杂系统故障诊断

通过分析复杂系统的故障信息传递特性,在符号有向图(SDG)中引入了状态关联概率和模糊信息,并结合面向对象技术提出了一种新的故障描述模型--模糊概率有向图.给出了基于此模型的建模方法和诊断流程.进一步引入消息节点和支路,通过连接各子实体对象的模糊概率SDG模型,构成整个复杂系统的模糊概率SDG系统.该模型能对复杂系统故障诊断中存在的复杂关联关系进行建模与故障诊断.利用该方法建立了某武器平台的故障诊断系统,实验结果表明提出的方法有效且实用.     

基于SDG模型的AMT重型越野车离合器接合过程故障诊断

针对AMT重型越野车离合器接合过程中故障多发且不易诊断的问题,基于符号有向图(signed directed graph, SDG)模型,为离合器接合过程的故障诊断提出了一种新的方法. 以离合器接合过程中最复杂的车辆起步接合为例,建立了其工作过程的SDG模型,通过实际测得量以及对模型中节点和有向边的分析,查找出故障源,完成故障诊断功能. 结果表明,SDG模型对于AMT系统离合器接合过程故障诊断有效且实用.      

基于符号有向图的属性约简算法

提出一种新的属性约简算法——基于符号有向图的属性约简算法。该算法利用符号有向图中故障只能在相容通路中传播的性质对系统中的变量进行约简,然后利用支持向量机优良的分类性能进行故障诊断。挑选过程控制界公认的Tennessee-Eastman Process仿真系统进行属性约简,并进行故障诊断仿真,证明了该算法的可行性,该方法可广泛应用于化工和冶金等大型系统的故障诊断中。     

图的弱符号控制数的若干性质

本文对图的弱符号控制函数和弱符号控制数的性质进行了研究,在此基础上,得出图的弱符号控制数的若干性质。     

基于传感器最优配置的故障检测观测器设计

提出一种基于传感器最优配置的故障检测观测器设计方法．针对线性时不变动态系统,给出了故障检测观测器设计问题以及基于传感器最优配置的故障检测观测器设计问题的描述．通过最优地选择测量变量,使满足系统测量成本最低的情况下,达到对故障具有尽可能大的灵敏度,而同时对未知输入信号的影响具有尽可能强的鲁棒性目标．仿真算例说明了设计方法及算法的有效性．     

关于图的符号控制数界的一些改进

本文引入最小度及图中奇数度顶点的个数 ,对张忠辅等关于图的符号控制数的界做出了全面的改进 ,其中有些结果是精确的     

关于图的强符号控制数的下界

图G的强符号控制数γss(G)有着许多重要的应用背景,因此确定其下界有重要意义.本文在图的符号控制数基础上对图的强符号控制数进行了研究,指出了文献[3]定理5的小错误,改进了文献[4]定理4的下界,给出了图的强符号控制数的3个独立的下界,并给出了达到这3个下界的图.     

基于K-Means和粗糙集神经网络的节点故障诊断

传感器节点通常被随机布撒于环境恶劣甚至无人能及的区域,容易发生各类故障.为了解决此问题,研究了基于K-Means算法和粗糙集神经网络的节点故障诊断方法.首先,采用改进的K-Means算法离散化数据连续属性值;然后,通过粗糙集互信息法对数据属性进行约简,以提高诊断效率;最后,建立三层的BP神经网络故障诊断模型,通过蛙跳算法对权值优化得到最终的故障诊断模型.仿真实验证明文中方法能实现传感器节点故障诊断,且与其他方法相比,具有较高的故障诊断精度和较少的诊断时间.     

符号图的特征多项式系数定理及其应用

将简单图的邻接矩阵的特征多项式系数定理推广到适合符号图的情形,并将其用于研究n阶单圈符号图的零度。当$n\\geq 5$时,得到了它的上界为n-4,并刻画了零度为n-4的图;得到了单圈符号图的零指数集合．     

图与补图的符号圈控制数

设γs′c(G)表示一个图G的符号圈控制数,G表示图G的补图,该文证明了:对任意n阶图G,均有γs′c(G) γs′c(G)≥(n-1)(n-8)/2,讨论了几类直和图的符号圈控制数,并提出了若干问题和猜想.