多焊接电源控制技术

现代的膜式水冷壁制造工艺要求多达２０台焊接电源同时工作,当外网原因使车间供电电压波动的时候,焊接电源群同时进行调整。群焊接电源的冲击性载荷对电网进行反激,导致电网的更大波动。文章引入优先级的概念,将自适应神经模糊推理系统(ANFIS)应用到焊接电源群的优先级控制上,设计了自适应神经模糊推理网络,并利用MATLAB平台进行整个焊接系统的建模和仿真。结果表明应用该优先级群控策略,各焊机调整能力加强,调整时间缩短,动态性能得到改善。     

基于ANFIS控制的交流变频调速系统研究

针对交流电动机矢量控制系统因电机参数变化和负载波动等因素而使性能变差的问题,设计了一种基于自适应神经网络的模糊推理系统作为交流电动机矢量控制系统的速度调节器。仿真实验结果表明,具有自适应神经网络的模糊推理系统控制的异步电机矢量控制系统不仅动态和稳态性能都得到提高,而且具有较强的鲁棒性。     

MIMO-OFDM系统中改进的RLS信道估计方法

MIMO-OFDM系统中一种改进的递归最小二乘(RLS)信道估计方法可以在不需要任何信道统计信息的前提下,利用前导训练序列和自适应遗忘因子对信道状态参数进行估计。仿真结果表明基于自适应遗忘因子改进的RLS信道估计方法(RLS-A),在估计精度和鲁棒性上的性能均优于基于常规遗忘因子的RLS信道估计方法(RLS-C)和两步遗忘因子的RLS信道估计方法(RLS-T)。因此,改进的RLS-A信道估计方法能很好地满足MIMO-OFDM系统中接收机的要求。     

基于Dropout CNN的滚动轴承故障诊断研究

针对滚动轴承故障特征很难提取及传统故障诊断方法准确率偏低的问题,提出一种基于Dropout的改进卷积神经网络(Dropout CNN)结构,可以无需预先提取滚动轴承振动信号的故障特征,直接端到端的实现滚动轴承故障诊断。该方法以振动信号为监测信号,使用傅里叶变换生成振动 信号频谱图,以此作为整个系统的输入,利用卷积神经网络强大的特征提取能力可以自动完成故障特征提取以及故障识别。试验结果表明该方法平均诊断准确率 高达99.5%。该方法实现了大量样本下滚动轴承不同故障类型的故障特征自适应提取与故障状态的准确识别。     

基于自适应网络模糊推理系统的噪声抵消

对自适应网络模糊推理系统(ANFIS)在噪声抵消中的应用进行了研究，说明了ANFIS的结构和使用ANFIS进行噪声抵消的原理，对窄带干扰的滤除和噪声中的信号提取两种情况进行了仿真，并对ANFIS和LMS(小均方误差准则)两种算法进行了对比研究，结果表明，利用ANFIS进行噪声抵消要优于LMS。     

用自适应陣列技术的高分辨率測向(DF)

能够用自适应处理方法大大地改进天线单元阵列的分辨率,虽然目前这种方法还主要应用于声纳,高频(HF)、甚高频(VHF)系统,但是这种方法具有普遍性,而且正在微波频率加以应用。本文按照自适应阵列的运行情况,描述了这些超分辨率技术中的两种基本原理,给出了在甚高频的测向模拟结果。特别是给出了多径效应和在环境采样非常短时完成测向的能力。     

基于IRBFNN和IRAN的非线性动态系统在线自适应建模

将资源分配网络算法(RAN)与相似隐单元合并操作、冗余隐单元删除操作和基于滑动数据窗连接权值学习相结合,形成了改进的资源分配网络(IRAN)算法。IRAN算法用于非线性动态系统的在线建模,能有效地改善模型精度和泛化能力。将改进径向基函数(RBF)神经网络(IRBFNN)和IRAN结合可以用于不确定非线性动态系统自适应建模。仿真研究表明:所提出的建模方法在模型精简、泛化和自适应等方面均具有优良的性能。     

改进核函数的支持向量机智能诊断方法研究

针对目前支持向量机( SVM)智能诊断方法核函数选择困难以及参数选择具有随意性的问题,提出了基于模拟退 火算法改进核函数的SVM智能诊断方法,重新设计了支持向量机的核函数以及参数。多项式核函数是局部核函数具有 较强的拟合能力,而径向基核函数是全局核函数具有较强的外推能力,根据Mercer理论,建立一种由多项式核函数与径 向基核函数组合而成的复合核函数,并利用模拟退火算法全局寻优的优点,对支持向量机的参数做最优选择;改进后的 SVM运用于轴承故障诊断。研究结果表明：相对于传统SVM法,该方法具有较好的学习效率及较高的诊断准确率;该方 法运用于轴承故障诊断领域极大地提高了故障诊断的准确率以及诊断效率。该研究为基于模拟退火算法改进核函数的 SVM智能诊断方法应用于机械设备故障诊断提供了相应的理论和实践依据。     

实时可信服务的构件设计与形式化描述

针对分布式实时嵌入式系统DRES,设计了一种提供自适应服务质量(QoS)保证的构件模型QuOCCM,以形式化方法描述构件,并推导构件各实体之间的自适应过程。QuOCCM由三部分组成,Client、Qoskets和Server,分别以CCM(CORBA Component Model)构件技术实现。Client与应用或功能构件交互,获取当前QoS需求,并触发自适应机制;Qoskets通过对QoS保证框架QuO进行改进,以构件技术实现QoS自适应调整策略;Server提供自适应调整之后的QoS保证机制。研究结果表明,该方法不仅保证了DRES中当前应用环境的QoS自适应需求,而且QoS保证与具体功能应用分离也降低了系统开发的复杂性。形式化方法研究为构件实体间的交互提供了保证。     

基于LabVIEW的局域均值分解方法及其在列车轴承故障诊断中的应用

列车轴承故障诊断是保证铁路运营安全的重要手段，轴承振动信号的处理方法是实现故障诊断的关键。局域均值分解方法是一种自适应的信号处理方法，对于非线性非平稳信号的解调具有良好的性能。利用在测试测量领域广泛使用的LabVIEW进行了局域均值分解方法的编程，将该方法与虚拟仪器技术结合搭建了一套高速、可靠、可移植性强的系统，通过仿真信号和轮对实验的验证，证明该方法适用于工程实践。     

非线性时滞不确定系统执行器鲁棒故障诊断

提出了一种含有不确定性环节的非线性时滞系统的执行器鲁棒故障诊断方法,通过应用观测器技术和自适应技术来确定估计系统输出与实际系统输出的差值,若大于或等于阈值,诊断发生了故障。同时详细地分析了该方法的鲁棒性、灵敏性和稳定性。最后通过仿真验证了它的有效性。     

浅论心脏的第二功能——内分泌

生理科学界近年来发现哺乳动物和人的心脏具有内分泌功能。人和哺乳动物的心房细胞可分泌一种具有强大的利钠和利作用的因子——心房因子(ANF)。这一发现不仅深化了人们对心脏机能的理解,还对内分泌学的一些经典概念产生有力的冲击。ANF将成为极希望的降压利新药。心脏内分泌功能的发现和有助于人工制造更精确的模拟心脏生理功能的人工心脏,提高患者的存活率。     

改进量子神经网络高压断路器故障诊断方法研究

为了更准确、快速诊断出高压断路器故障类型,提出一种基于改进的受控旋转门量子神经网络的高压断路器故障诊断方法。量子旋转门旋转角度值直接影响算法的收敛性,而现有的旋转角度取值方法大都采用固定值作为旋转角度值,为此,采用量子进化算法对量子神经网络进行改进。其次,量子神经网络的输入采用量子比特序列的量子态描述方式,能从多维度获取样本信息。最后,建立改进的量子神经网络高压断路器故障诊断模型,经仿真,该模型具有收敛速度快、故障诊断准确率高、容易训练等特点。该方法是一种有效的故障诊断方法,在断路器的故障诊断方面具有良好的应用前景。     

基于小波神经网络的油泵故障诊断

依据小波神经网络技术的各种优点，提出采用三层BP小波神经网络构造故障诊断模型，对油泵进行故障监测和诊断。该故障诊断方法对神经网络训练、故障特征参数提取和对应神经网络状态输出等均实现了数据库管理，对油泵多种常见故障取得了满意的诊断效果，不仅具有特征自动提取以及较强的自学习和自适应功能，而且操作维护简便。研究结果表明：信号的小波分析和神经网络识别的融合将为油泵状态监测与故障诊断系统的建立提供新的方法和更简便的途径；对油库安全维护与故障诊断具有重要意义。     

二进制量子粒子群优化算法及其在化工过程故障诊断中的应用

针对实际化工生产过程中故障数据缺乏,采用适合小样本问题的支持向量机(SVM)对化工过程稳态故障进行诊断。为了保证在线故障诊断的实时性,消除高维监控数据以及系统噪声对故障诊断的干扰,提出了一种新的基于二进制量子粒子群优化(BQPSO)算法和SVM的故障特征选择方法。仿真实验表明:BQPSO算法具有良好的全局搜索能力,能够快速、准确地搜索到故障特征变量;而基于特征选择的SVM故障诊断方法能可靠地实现对复杂化工过程的在线故障诊断。     

基于Smith预估器的自适应模糊PID在电缆线径控制系统中的应用

针对传统PID控制在具有非线性、时变性和滞后性的护套生产线中的局限性,提出一种带Smith预估补偿的自适应模糊PID控制方法。通过Matlab仿真,比较了传统PID控制和带Smith预估补偿的自适应模糊PID控制的阶跃响应与扰动抑制能力。结果表明:带滞后补偿的自适应模糊PID控制具有调节时间短、超调量小和抗干扰能力强等优点。同时,通过改变系统时滞时间,仿真比较了改进前后的Smith预估器对系统性能的影响。改进Smith预估器后,系统在稳定性和鲁棒性方面有了明显的改善,更加适用于复杂多变的工况环境。     

雷达自适应阵列处理算法及软件研究

(1)自适应抗干扰算法。在系统研究各种雷达自适应阵列处理算法的基础上深入研究了Gram-Schmidt(GS)下交投影算法和QR分解最小二乘法两种算法。具有速度高、干扰抑制能力强、生态环境并行处理实现     

T-S模型下神经网络的模糊推理及应用

基于T-S模糊模型提出了一种易于推理的神经网络结构,讨论了其自学习算法,并给出了用于模糊推理的估值算法和三级知识表示方法,实例说明了其应用价值.     

基于CEEMDAN-SVM的高铁轴承故障诊断研究

高铁轴承在高铁运行中起着重要作用,对其进行状态检测和故障诊断有着十分重要的作用和意义。总结出一种基于自适应辅助噪声的完备集合经验模态分解(CEEMDAN)和样本熵(SampEn)相结合的高铁轴承故障诊断方法。振动信号经过分解获得诸多的本征模态分量(IMF),计算其样本熵特征参数来表征不同故障状态下的轴承信号的相关特征,并构造相应的训练和测试样本数据,而后将样本数据录入支持向量机(SVM)并配合灰狼优化算法(GWO)进行训练和测试,完成轴承故障的分类和识别。实验结果表明,此方法能够有效区分不同故障状态下的轴承振动信号。     

一种新的自适应卡尔曼滤波算法——ALR算法

本文提出一种新的自适应卡尔曼滤波算法——ALR(Adaptive Least Residual)算法.该算法从经典的卡尔曼滤波出发,使残差达到最小,以残差(residual)样本值代替统计值,再用最陡下降法估计算自适应权增益,最后得到一组自适应滤波公式.通过理论分析和计算机模拟,证明该算法具有算法简单、运算量小等优点,适于在自适应系统辨识、自适应谱估计中作实时处理.