摘要：滚动轴承作为一种精密的机械元件,已广泛运用于现代工业机械设备中。在轴承运行时,采用合理的方法诊断轴承的故障具有重大的意义。但在实际复杂多变环境下,采集振动信号不仅面临样本量少的问题,还受到噪声干扰、工况变换等因素的影响,导致故障诊断的准确率低。因此,针对噪声干扰和变工况下的小样本滚动轴承故障诊断问题,该文提出了一种基于原型域增强的元学习去噪模型(Meta-DAE)。首先,构造基于时频图的小样本故障样本集,引入深度卷积生成对抗网络并对数据进行预处理,生成相似分布的伪样本集;然后,将故障样本集输入Meta-DAE模型进行自适应特征提取,Meta-DAE模型采用原型域增强策略,使同类别原型点在嵌入空间中凝聚更紧密;同时,构建了具有降噪性能的编码器,设计了基于原型域增强和去噪的目标函数,通过在小样本下进行模型微调,以提高小样本下模型的噪声鲁棒性和分类准确率。噪声及变工况下小样本故障诊断实验结果表明,相比于其他模型,所提模型在-8dB强噪声干扰下,仅用10个样本微调模型,分类准确率提高了35.78~57.25个百分点,具有较强的噪声鲁棒性。

摘要：针对欠驱动多无人机包含控制中个体无人机无法获取全局信息,并受到未知外部扰动,难以快速收敛的问题,提出一种基于动态尺度观测器的欠驱动多无人机分布式固定时间控制策略。设计分布式固定时间观测器,使各无人机在大部分个体无法获取目标状态条件下能快速估计出完成包含任务所需空间状态;提出一种基于浸入与不变理论的有限时间动态尺度观测器,能快速准确地估计各无人机所受外部扰动;设计非奇异分布式固定时间控制器,利用局部信息实现了欠驱动多无人机系统的快速立体包含控制。所提控制策略使系统的收敛时间上界不受初始状态影响,只取决于信息传递阵特征值和控制器参数。通过理论证明和仿真实验验证了所设计控制器的优越性。

摘要：针对传统调度策略在进行综合能源调度过程中存在的调度效率较低、异常调度数据识别准确率不高等问题,设计了一种基于注意力机制和反向传播(back propagation,BP)神经网络相结合的自适应生成式对抗神经网络调度策略。根据综合能源系统结构,构建以BP神经网络为主体算法的调度优化模型,分别对神经网络中的输入层、隐藏层和输出层进行数据优化模拟,提升综合能源系统的调度效率;同时引入注意力机制技术,与BP神经网络构成自适应生成式对抗神经网络,利用注意力机制技术对BP神经网络中的数据处理环节进行特征提取与特征分析,提升能源系统对调度过程中异常数据的识别能力。最后,在MATLAB中模拟综合能源系统结构,并加入能源数据进行调度模拟试验。试验结果表明,自适应生成式对抗神经网络提升了综合能源调度过程中的调度效率与异常调度数据识别准确率。

摘要：为提高生物氧化槽温度估计的准确性,提出一种数据融合策略。利用鲁棒自适应无迹卡尔曼滤波算法对底层采集的数据进行处理,克服噪声对系统性能的影响。利用序贯自适应加权融合算法对滤波后的数据进行局部融合,保证融合结果的一致性与高精度。利用改进的斑马优化算法优化核极限学习机进行全局融合,提升算法的泛化能力与鲁棒性。实验结果表明,提出的融合方法能够提高生物氧化槽温度估计的精度,为后续的控制决策提供有力的数据保障。

摘要：设计了一种基于烟气内循环和分级燃烧的轴切旋流低氮燃烧器,并通过工业试验和数值模拟研究了负荷、燃料分级以及烟气内循环对燃烧和NO_(x)排放特性的影响。结果表明:负荷和燃料分级比例对NO_(x)生成具有协同作用,在中、低负荷工况下,NO_(x)排放随二次燃料比例的上升而单调上升,在值班火焰区域有大量NO_(x)生成;在满负荷工况下,存在最佳一/二次燃料比例(88:12),使NO_(x)排放质量浓度最低,当二次燃料比例低于12%时,主火焰区域主导了NO_(x)的生成;一次燃料混合管长度的变化可使燃料与空气混合位置发生改变,从而影响NO_(x)的生成,当缩短一次燃料混合管相对长度至0.74时,主燃区向炉膛上游移动,主火焰被锚定在炉膛中部,使炉膛尾部温度分布更均匀,NO_(x)排放质量浓度在各负荷下下降了10%~20%(NO_(x)以NO_(2)计),且均低于30 mg/m3(O_(2)体积分数3.5%)。

摘要：以永磁同步电动机系统作为研究对象,当永磁同步电动机受到周期性外部负载扰动,且扰动频率与电机系统的固有频率之间存在量级差时,永磁同步电动机系统中存在快慢耦合效应,会产生复杂的簇发行为,严重影响电机的安全稳定运行.首先利用快慢动力学分析方法将负载扰动项作为系统的慢变参数,分析系统随慢变参数变化的动力学行为,揭示了系统“周期性对称式亚临界霍普夫(Hopf)簇发振荡”的演化机理.其次针对电机系统出现的簇发振荡,提出了基于协同控制的簇发振荡抑制策略.通过定义含有所有系统状态的宏变量来设计协同控制器,当宏变量在控制器作用下收敛到不变流形时,永磁同步电动机系统也稳定到平衡态.最后通过理论证明和实验验证该方法的有效性,仿真结果表明,协同控制策略在系统存在外部负载扰动时,具有连续的控制律,能够有效地快速抑制永磁同步电动机出现的簇发振荡现象,从而使系统稳定运行.

摘要：针对机器人在复杂环境下路径规划难以兼顾全局最优和实时避障的问题,将改进的A*算法和人工势场法结合,提出一种具有启发式动态路径规划的安全点引导(SPG)混合算法。设计了终点逼近策略,解决了传统A*算法规划路径转折点过多的问题,同时采用平面向量积法避免传统人工势场法路径振荡。设计安全点引导的启发式策略将两种改进算法结合,既保证安全路径,又逃离局部极小值点。分别在静态和动态环境下对SPG混合算法进行仿真并与传统混合算法相比,静态环境和动态环境下的路径长度与运行时间分别缩短了10%,25.6%和9.5%,30.9%,表明SPG混合算法具有良好的全局路径规划与动态避障能力。最后在真实场景中验证了SPG混合算法的有效性。

摘要：混沌作为一种复杂且不稳定的非线性动力学行为,极易导致电力系统的振荡与失稳,严重威胁着电力系统的安全稳定运行。该研究基于有限时间理论,针对混沌电力系统,提出一种考虑静差消除的有限时间命令滤波反步控制方法。首先,通过径向基神经网络实现对电力系统模型中未知非线性函数的逼近;其次,加入命令滤波器与误差补偿器,实现对虚拟控制信号的求导及误差补偿;最后,针对传统有限时间命令滤波控制中存在的静态误差问题,引入误差积分反馈律,通过反步法设计系统的控制律,使其满足有限时间稳定,实现电力系统在混沌状态下对目标信号的跟踪,从而间接实现电力系统的混沌控制。通过仿真试验证明,该研究所设计的方法能够有效抑制电力系统的混沌振荡现象,消除控制过程中存在的静态误差,进一步削弱控制量之间的耦合关系,保证了电力系统的正常运行。

摘要：针对电力系统中普遍存在的参数变化引起系统混沌振荡导致系统不稳定问题,提出了一种基于浸入与不变(immersion and invariance,I&I)原理的自适应反演滑模控制(adaptive backstepping sliding mode control, ABSMC)算法,以提高电力系统运行稳定性。首先,利用电力系统非线性模型,分析无功功率的变化对系统动力学行为的影响。其次,融入Ⅰ&Ⅰ原理,对系统中存在的未知非线性项和外部扰动进行补偿,设计扰动估计自适应律,利用反演原理设计控制器,并通过Lyapunov稳定性理论对所提出的控制方法进行收敛性证明。最后,对系统进行数值仿真试验,结果表明,所提方法可有效辨识出系统的动态扰动,使系统所有状态变量迅速收敛,提高了系统的响应速度。

摘要：针对系统模型动态不确定和受外部干扰的四旋翼无人机位置轨迹跟踪控制问题,提出一种新的基于积分强化学习的鲁棒轨迹跟踪控制方法。建立四旋翼无人机原系统与参考轨迹的增广系统,将四旋翼无人机的鲁棒轨迹跟踪问题转化为镇定问题。通过使用带有折扣因子的价值函数,将无人机增广系统的鲁棒镇定问题转化为四旋翼无人机的最优控制问题,从而兼顾到四旋翼无人机的跟踪误差和整体性能。基于积分强化学习方法,构建了单网络演员-评论家结构对最优价值函数进行估计,进而实现对四旋翼无人机控制器的在线求解。对四旋翼无人机系统跟踪误差的稳定性及单网络结构权值的收敛性进行了严格的数学证明,仿真结果验证了所设计控制方案的优越性和鲁棒性。