摘要：针对具有多变量、非线性和高维度特点的间歇过程数据使得早期故障信号易被噪声干扰且故障幅值低导致故障监测效果不佳的问题,提出一种基于堆叠鲁棒邻域保持自编码(stack-robust neighborhood preserving autoencoder, S-RNPAE)的间歇过程早期故障监测方法.首先,通过L2,1范数重新设计自编码器的目标函数,以提高模型对噪声和离群点的鲁棒性;其次,利用邻域保持嵌入来正则化鲁棒自编码器的方式构建鲁棒邻域保持自编码(robust neighborhood preserving autoencoder, RNPAE)模块,解决自编码器作为一种全局模型而忽略包含早期故障特征的局部近邻信息的提取问题;然后,将多个RNPAE模块堆叠构造S-RNPAE网络,从而获取深层全局-局部特征,保证对早期微小故障信息提取更充分,并建立检测统计量实现过程检测;最后,利用一种适用于非线性过程的贡献图方法完成故障诊断,其诊断结果更准确.通过Swiss Roll数据集和青霉素发酵过程的实验表明,所提方法的特征提取能力更强,对间歇过程的早期故障更敏感,具有更好的早期故障监测效果.

摘要：研究了一类存在介质访问约束和信号量化的网络化控制系统的H∞状态估计问题。首先,考虑到介质访问约束和信号量化的影响,将信号量化误差转化为扇形有界的不确定性,对由于访问约束而未获得网络传输的系统输出采用加权补偿策略,根据网络介质的随机访问机制将网络化系统建模为具有不确定性的马尔可夫跳跃系统。然后,在此基础上借助李雅普诺夫稳定性理论和H∞性能约束条件,利用线性矩阵不等式(linear matrix inequality,LMI)方法给出状态估计器存在的充分条件,所设计的状态估计器使得估计误差系统渐近稳定且具有给定的H∞性能。最后,通过仿真实例验证了该设计方法的有效性。

摘要：针对一类存在介质访问和控制输入约束的离散时滞网络化控制系统,提出一种鲁棒模型预测控制器设计方法.考虑到控制输入约束的影响,利用不变椭圆集将控制输入约束转化为线性矩阵不等式,根据网络介质的随机访问机制将网络化系统建模为具有不确定性的马尔可夫跳变系统,在此基础上利用时变时滞的上界信息构造李雅普诺夫函数,给出网络化系统随机稳定的充分条件和鲁棒模型预测控制器的设计方法,并分析了时变时滞上界与鲁棒性能指标之间的关系.最后,通过仿真算例验证了所提出方法的正确性和有效性.

摘要：研究了具有双端动态事件触发策略的信息物理系统动态输出反馈H_(∞)控制问题.首先,将闭环系统建模为具有两个区间时变延迟的线性系统,分别在传感器-控制器和控制器-执行器信道的事件触发策略中引入内部动态变量,建立异步动态事件触发策略的通信机制,通过扩大事件间隔来减少信道中的数据传输量.其次,为了保证闭环系统的稳定性,利用Lyapunov-Krasovskii泛函的方法,推导得出满足系统H_(∞)性能的渐近稳定性判据;基于这一稳定判据,实现了动态输出反馈控制器和动态事件触发策略的协同设计.此外,证明了事件触发策略下最小触发时间间隔正标量下界,从而排除了Zone现象.最后,用卫星系统的例子说明了所提策略的有效性.

摘要：针对滚动轴承在强噪声环境和变工况下故障诊断效果不佳、泛化能力差的问题,提出一种改进卷积神经网络(CNN)的滚动轴承变工况故障诊断方法。设计了多尺度特征提取模块,采用不同尺度的卷积层提取对输入数据特征,实现了提取故障数据中特征信息最大化。同时,引入通道注意力机制,提取出该模块中更重要、更关键的信息;设计了带跳跃连接线的卷积模块,防止提取到的丰富特征在卷积层前向传递时丢失;以Softmax交叉熵作为损失函数,利用Adam优化算法实现滚动轴承故障诊断。将所提方法分别在凯斯西储大学轴承数据集和变速箱数据集上进行实验验证,结果表明:在凯斯西储大学轴承数据集上的变噪声实验中,所提方法诊断平均准确率为96.49%,在变工况中诊断准确率在90%以上,均高于比较方法;在变速箱轴承数据集上,所提方法诊断准确率为99.54%,具有较好的抗噪性和更好的泛化能力。

摘要：在未知环境中为实现精确的接触力控制,需要力控制器能够适应环境的变化。提出一种结合模糊控制和灰色预测的力控制策略,利用遗传算法优化模糊控制器的参数,根据当前过程状态引入灰色预测决策机制使控制器对机器人和环境之间的动态接触过程具有适应性。仿真结果表明所设计的控制器是可行和有效的。

摘要：机器人力控制是机器人研究的一个热点和难点。在未知环境中为实现精确的接触力控制,需要力控制器能够适应环境的变化。提出一种基于神经网络训练模糊控制规则的自适应模糊控制器应用于机器人的力控制中来适应机器人末端接触环境的变化,首先用递推最小二乘算法根据机器人对未知环境的动态响应来在线估计环境参数,然后选择一个合适的模糊控制规则调整因子对力控向量进行控制。仿真试验研究表明所设计的控制器是可行和有效的。

摘要：在非线性系统中,粒子滤波需要大量粒子才能保证状态估计的准确度,这降低了算法的实时性,导致故障诊断的准确率和实时性不佳。针对该问题,提出基于GPU平台的粒子群优化粒子滤波(PSOPF)并行算法。通过分析PSOPF算法的并行性,设计并实现一种基于CUDA并行计算架构的PSOPF并行算法,利用大量的GPU线程对算法进行加速。为解决拒绝重采样对GPU全局内存的非合并访问带来的执行效率低问题,通过改进拒绝重采样并行算法,使线程束中的线程对同一内存区段中的粒子进行重采样,提高了其执行效率。通过对风力机组变桨距系统故障诊断验证了算法的有效性。实验结果表明,该方法可满足故障诊断准确率和实时性的要求。

摘要：电力有源滤波器APF(Active Power Filter)的动态补偿要求能够准确、实时地检测出电网中瞬态变化的畸变电流。首先提出了一种基于硬件锁相同步的滑窗迭代DFT谐波检测方法,该算法通过硬件锁相同步,可大大减小DFT在非同步采样时带来的误差。然后完成了一个基于上述算法的适用于低压配电系统的并联型APF的设计。仿真实验结果表明了该方法的可行性。

摘要：变风量空调系统结构复杂,规模庞大,而且变量多,耦合性强,还存在各种不确定因素。传统的自动控制方法大都采用控制参数固定的方法,虽然能够满足系统的稳定性运行,但会带来很大的能量浪费。该文设计一种递阶方式的控制方案,以变风量空调系统能耗最小为优化目标,使其在满足舒适性和稳定性的同时,减少系统的运行能耗,达到最佳的节能效果。