摘要：针对直线永磁游标电机的损耗问题,提出一种磁障式拓扑结构。通过在次级的凸极齿加入隔磁磁障,使次级对磁通的流动具有导向作用,减少涡流损耗,提高电机的磁场调制能力。在此基础上,设计一种磁障式直线永磁游标电机,采用响应面(RSM)-正交法对电机的推力性能进行优化。首先,通过对电机进行灵敏度分析,确定显著变量。其次,根据RSM法建立优化目标响应与显著变量之间的拟合模型,并对其拟合精度进行评估。最后,基于该模型进行正交试验,根据正交试验的数据进行极差分析,得到电机的最优结构参数。有限元实验结果表明,采用RSM-正交优化方法的电机性能得到大幅提高,并且可以节省优化时间,提高优化效率,对直线永磁游标电机的设计与优化有重要的参考价值。

摘要：针对存在拒绝服务(DoS)攻击与执行器故障的工业信息物理融合系统(ICPS),将机理解析与数据驱动方法相结合,在新型自适应事件触发通信机制下,研究双重安全控制问题.首先,设计自适应事件触发机制,能够触发参数随系统行为动态自适应变化,节约更多网络通信资源;其次,基于系统最大允许时延建立攻击检测机制,可以有效区分大、小能量DoS攻击;再次,基于极限学习机算法(ELM)建立时序预测模型,用于大能量DoS攻击时重构修正控制量,以主动容侵攻击的影响,并给出与小能量攻击时机理解析的弹性被动容侵来提升系统对攻击的防御能力;然后,借助T-S模糊理论、时滞系统理论、新型Bessel-Legendre不等式等,推证得到系统鲁棒观测器及双重安全控制器的解析求解方法,使双重安全控制与通讯性能得到折衷协同提升;最后,通过实例仿真验证所提出方法的有效性.

摘要：在基于深度学习的轴承剩余使用寿命(RUL)预测方法中,时间卷积网络(TCN)忽略了振动数据中未来时间信息的重要性,长短期记忆网络(LSTM)难以有效地学习振动数据的长时间序列特征.针对以上问题,提出一种基于并行双向时间卷积网络(Bi-TCN)和双向长短期记忆网络(Bi-LSTM)的轴承RUL预测方法.首先,对多传感器数据进行归一化处理,并将每个传感器数据进行通道合并,实现多传感器数据的高效融合;然后,采用Bi-TCN和Bi-LSTM构建并行的双分支特征学习网络,其中Bi-TCN提取数据的双向长时间序列特征,Bi-LSTM提取数据的时间相关特征;同时,设计一种特征融合注意力机制,该机制分别计算Bi-TCN和Bi-LSTM的输出权重,以实现两种网络输出特征的自适应加权融合;最后,融合特征通过全连接层并输出轴承RUL的预测结果.利用西安交通大学轴承数据集和PHM 2012轴承数据集进行RUL预测实验,实验结果表明,与其他先进的预测方法相比,所提出方法可以准确预测更多类型轴承的RUL,同时具有更低的预测误差.

摘要：为解决四旋翼无人机编队飞行过程中易受到外部干扰、空气阻力、执行器故障等不确定因素影响的问题,提出了一种基于补偿函数观测器(CFO)的递归非奇异终端滑模控制(RNTSMC)方法来提高四旋翼无人机编队系统性能。首先,引入具有高精度估计的补偿函数观测器,实时估计外部干扰、执行器故障等信息,通过设计递归积分终端滑模面改进非奇异终端滑模面等效控制器对估计信息进行补偿控制,并给定滑模面初始值,保证两滑模面依次连续到达平衡点,确保跟踪误差在有限的时间内快速收敛到0。其次,根据长机-僚机法建立编队模型,基于滑模控制理论,设计编队协同控制器,保证无人机编队完成飞行任务。最后,通过对比仿真结果表明,该方法对四旋翼无人机编队具有良好的容错性能。

摘要：针对复杂的机动扩展目标跟踪问题,利用Transformer网络设计了一种有效的星凸不规则形状机动扩展目标跟踪方法。首先,该文研究利用alpha-shape算法建立了星凸形状的变化模型,实现了静态场景下的星凸形扩展目标的形状估计。然后,通过对目标状态转移矩阵进行重新设计,结合Transformer网络对机动扩展目标运动状态转移矩阵进行实时估计,实现了对复杂机动目标运动过程的精准跟踪。进一步地,将估计得到的形状轮廓与运动状态进行融合,最终实现了对星凸形机动扩展目标的实时跟踪。最后,通过构造复杂的机动扩展目标跟踪场景,利用多重性能指标测试算法对形状和运动状态的综合估计性能,验证了算法的有效性。

摘要：针对线性合作竞争多智能体系统(MAS),考虑到可能受到的外部干扰,研究了系统基于事件触发机制的规定时间二分一致性控制问题.首先,设计干扰观测器估计系统受到的外部干扰,且针对每个智能体给出了事件触发条件,以减少智能体间的通信频率,节省有限的通信网络资源,同时证明避免了Zeno现象,其次,为了明确地预先分配稳定时间,结合干扰观测器的估计值,设计了一种合作和竞争并存拓扑结构的规定时间事件触发控制协议,以保证所有智能体在受到外部干扰的情况下仍然达到二分一致.最后,利用仿真实例验证了所提出方法的可行性和有效性.

摘要：随着新型电力系统的大力建设与推广,火电机组面临的调频压力增大,提出一种逐次变分模态分解的飞轮-火电一次调频控制策略。首先,以飞轮储能和火电机组为研究对象,建立考虑新能源占比的飞轮-火电一次调频模型;其次,将一次调频功率指令利用逐次变分模态方法分解,由火电机组响应分解后的低频功率指令,同时设计飞轮储能下垂优化控制方法,实现飞轮储能与火电机组响应频率变化的协同控制;最后在不同工况下仿真验证,结果表明所提策略可有效避免火电机组一次调频时的频繁出力,减小火电机组响应频率变化时的调控要求,同时可最大限度地利用飞轮储能调频容量并保证飞轮储能调频期间的运行安全,进一步提升了系统的频率响应能力。

摘要：针对一类隐蔽虚假数据注入(FDI)和执行器故障共存的工业信息物理融合系统(ICPS),将数据驱动与机理解析方法有机结合,研究综合安全控制与通讯协同设计问题.首先,设计一种服从指数型自适应律的离散事件触发通讯机制(ADETCS),并构建可同时抵御网络FDI攻击和物理部件故障的自适应ICPS框架;然后,基于数据驱动技术,通过优选和优化建立FDI攻击的预测模型PSO-CatBoost,对攻击进行准确重构和补偿;接着,借助于增广型Lyapunov-Krasovskii泛函、改进仿射Bessel-Legendre不等式等少保守性技术,推导出鲁棒观测器和综合安全控制器的求解方法;最后,通过四容水箱实例验证所提出方法的有效性.实验结果表明:将数据驱动的隐蔽FDI重构补偿与机理解析的补偿误差抑制深度融合,主被动协同有效容侵了网络攻击,结合对故障的主动容错,并在ADETCS下随系统行为变化自适应调整触发参数,可显著提升ICPS的双重安全防御能力,节约更多的网络资源.

摘要：工业过程中传感器数量众多且可靠性要求高,而传统定期检测评估其健康状况的方式不但费时费力且不能满足传感器智能化的发展需求。针对这一问题,提出了一种基于测量数据统计相关性的传感器自诊断设计方法。利用传感器测量数据建立其统计关系模型,借助自编码器提取传感器数据特征并将其编码为二进制形式。在同时考虑传感器测量数据统计独立和统计相关两种情况下,在有参考值时,通过引入故障检测概率和误检概率建立了独立统计模型实现传感器的故障自诊断;在无参考值情况下,借助高斯Copula函数建立多元统计依赖模型评估参数之间的相关性,并利用贝叶斯理论在不依赖参考值的情况下自学习获取传感器的健康状况。本研究以镍闪速炉系统为例,两种模式下测量系统中健康传感器的故障检测后验概率达到了0.92,即故障统计模型的参数与建模期望相符。实验结果表明,所提方法在两种模式下均能准确识别出测量系统中的故障传感器,验证了所提方法的有效性与可行性。

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.