基于局部线性嵌入映射的非线性传感器故障诊断研究

当今社会，随着系统复杂度越来越高以及对系统可靠性、安全性要求的日益提高，故障诊断越来越受到人们的重视，在这其中，非线性系统由于自身的特点，一直是故障诊断中的一个热点和难点。本文针对这个问题，对非线性系统传感器故障诊断的若干关键技术进行了深入研究，旨在建立一种相对通用的非线性系统传感器故障诊断方法。本论文研究的主要内容包括系统数据故障特征提取、故障检测、故障识别等。对于故障数据的特征提取问题，在深入分析现有各种算法的基础上，结合非线性传感器数据的特点，将现有的局部线性嵌入映射算法（LLE）引入到故障诊断中来。LLE算法克服了传统线性方法如主元分析（PCA）法在非线性系统上应用的局限，同时也具有以下几个突出的优点：1、能够很好的表达数据的内在流形结构，保留数据特征，这点在故障诊断中有重要的意义，可以比较好的保留原有数据的故障特征；2、不存在局部最优解；3、算法本身参数的选择很少，适合于工程应用。特征提取的研究为后续的故障检测与故障诊断打下基础。同时对原有的LLE算法本身存在的一些缺陷做了一定的改进，完善了其在故障诊断中的应用。LLE算法假设每个数据点及其近邻是局部线性的，因此近邻的选择就不能改变数据的固有流形。从这个概念出发，引入切空间距离代替传统的欧式空间距离，使近邻点的选择更加符合局部线性的要求，从而能更好的提高数据的输入/输出映射质量。针对LLE算法中内在维数难以估计的问题，在算法中应用分形中相关维的计算方法，用线性拟和方法改进了G-P算法，实现了线性区域的自动选择，提高了内在维数估计的精度。最后，通过核函数估计的方法，建立一个数据投影模型，可以实现实时数据到特征空间的直接投影，避免重复的计算权重矩阵，减少了计算复杂度。特征提取之后，针对故障检测问题，提出了一种基于空间分布的故障检测方法，通过将系统数据与高维空间分布相结合，把同一状态下的系统数据近似成为同一分布下的样本采样，检测实时数据是否服从系统正常状态下的分布，从而完成数据的故障检测。同时，结合LLE算法中的核函数投影方法，实现了数据在投影的同时完成故障判别，减少了计算复杂度。在故障检测的基础上，提出了基于投影寻踪的方法进行故障识别。对原有的投影寻踪的应用方法做了一定的修改，通过对最优投影向量的模式匹配完成故障的识别。首先建立各种故障状态下与正常数据之间的最优投影向量的数据库，然后将实时数据的最优投影向量与历史故障进行模式匹配，从而完成故障识别。为了提高投影向量寻找的速度与精度，采用粒子群优化算法，这也可以同时避免算法陷入局部极值点。最后，在总结全文的基础上，讨论了基于局部线性嵌入映射算法在理论及应用上有待于进一步研究的若干问题。

一种基于新型数据预测方法的MICA仿真研究

在多元统计过程监控中,为解决因未知过程数据统计分布而产生误报漏报的现象,提出一种结合多向独立元分析法(MICA)和广义相关系数(GCC)数据预测的综合方法,进行在线监控过程的仿真。MICA分析方法能有效分解各变量的关联关系,且不需考虑建模数据是否符合正态分布,用此方法计算的独立元变量能更好地描述过程的变化规律。为提高预报未来过程故障的能力,提出用广义相关系数法进行数据预测:确定与运行轨迹相似的监控模型库中的轨迹,并使其相应部分承接于运行轨迹之后。现场采集聚氯乙烯聚合过程的数据进行仿真,仿真结果显示:对于在线监控和在线故障诊断方面,这种新型预测方法优于其它传统处理预测问题的方法。

旋转机械全息序列相似性匹配故障诊断方法

针对全息诊断分辨率低影响旋转机械故障诊断质量和自动化水平的问题,将时间序列相似性匹配的基本概念和方法引入故障诊断应用中,结合全息诊断信息融合分析旋转机械振动全貌的思想,定义了全息序列及其相似性度量模型,用类时间轴上的多维序列表征转子系统振动全貌,进而利用采用近似三角不等式与B+树结合剪枝策略的全息序列相似性匹配算法实现故障诊断。实验结果表明,该方法能够实现高质量的故障自动分类识别。

改进的符号时间序列分析方法及其在电机故障诊断中的应用

提出了一种改进的基于符号时间序列分析的电机异常探测方法,该方法自适应地将符号序列中出现符号最多的符号区间重新划分为2个新的符号区间,使得数据密集区间可以分配到相对更多的符号,而数据稀疏区间则分配到较少的符号,提高了符号对于信号变化的灵敏度。电机转子断条故障的诊断实验结果表明:该方法较平均划分区间的方法对于电机异常诊断有着更高的灵敏度以及更好的鲁棒性和可靠性。

一种基于改进LLE方法的传感器故障诊断方法研究

针对非线性系统传感器故障诊断难以解决的问题,提出了一种新的基于局部嵌入映射(LLE)的方法,解决了非线性数据的特征映射问题。首先,改进了基于分形维估计的内在维数的估计,通过线性拟合解决了线性区域的自动确定。然后,将故障状态与空间分布结合起来,通过确定数据点在空间超球内的分布完成故障的检测,在这个过程中将超球的确定与LLE算法中基于核函数的样本外数据扩展结合起来,大大减少了计算量,提高了算法的实时性,从而为复杂非线性传感器的故障诊断提供了一种新的有效的方法。

旋翼飞行机器人故障诊断与容错控制技术综述

对故障诊断和容错技术的发展过程进行了简要概述,以旋翼飞行机器人为研究对象,在分析了旋翼飞行机器人故障诊断与容错控制特点的基础上,介绍了当前国内外在该领域的研究进展和主要方法.最后,总结了该领域待解决的难点问题,并指出了该研究领域的发展趋势.

旋翼飞行机器人故障诊断及容错控制方法研究

无人直升机（Unmanned Helicopter）具有固定翼无人机所不具备的很多优势，它具有垂直起降、空中悬停、协调转弯、前飞、侧飞等多种飞行模态。这种独特的飞行性能决定了它的使用价值：在军用方面，无人直升机既能执行各种非杀伤性任务，又能执行各种软硬杀伤性任务，包括侦察、监视、目标截获、诱饵、攻击、通信中继等；在民用方面，无人直升机在航拍、大气监测、交通监控、资源勘探、电力巡检、森林防火、农业等方面具有广泛的应用前景。但是，直升机自身动力学所固有的高度复杂性和不确定性，导致难以对其实现高性能控制，目前视距范围内遥控仍然是其主要的行为方式，这极大地制约着无人直升机的实际应用。近五年来，将机器人学中的自主行为技术与无人直升机平台相结合，构造全自主型无人直升机系统，即所谓的旋翼飞行机器人（Rotary Wing Flying Robot, RWFR），被认为是一种可行的技术路线；同时，与之相关的自主控制方法也成为移动机器人领域的重要研究方向之一。 自主行为能力包括三个层面的内涵：一是自主、在线的环境理解能力，这里的环境不仅是机器人所处的外部环境，也包括其自身的动力学以及健康状态；二是以环境理解为基础的优化行为自主产生能力；三是控制自身本体实现期望行为的能力。对于旋翼飞行机器人而言，其自身健康状态的自主理解以及与之相关的控制行为产生是至关重要的环节，因为它决定着可靠性。旋翼飞行机器人具有多变量、非线性耦合、柔性结构等多种动力学特性[1]，在飞行过程中会遇到风、发动机振动等多种扰动，其机械部件和控制系统极易出现故障，如果故障不能被有效检测或在有限控制周期内没有被及时处理，旋翼飞行机器人就会因其静不稳定的特点而失去控制，导致机体严重损毁甚至地面人员伤亡。 本论文针对旋翼飞行机器人的自主健康诊断与管理能力开展深入研究，重点研究传感器、执行器、飞机本体故障解耦，各子系统故障的检测、辨识与容错控制，面向在线应用的算法实时性等核心问题，旨在建立具有结构简单、实时性好、针对典型故障可实时进行故障诊断及容错控制的方法体系。论文的具体内容如下： 第1章，对故障诊断及容错控制方法的研究现状进行综述，深入分析并归纳旋翼飞行机器人故障诊断与容错控制中存在的问题和发展方向，引出本文的研究内容和重点。同时，在简要介绍国内外各种旋翼飞行机器人实验平台的基础上，选择一种具有典型性的实验平台进行深入分析，总结了其特点和不足，为研制自己的实验平台系统奠定基础。 第2章，作为论文后续方法研究、仿真及实验验证的基础，首先介绍旋翼飞行机器人的动力学模型，接下来介绍本人参与研制的开放式仿真系统，并着重介绍以作者为主要负责人所设计、研发的40公斤起飞重量级旋翼飞行机器人开放式飞行实验平台—ServoHeli-40。 第3章，以阐述ServoHeli-40旋翼飞行机器人自主飞行控制结构及独立通道控制方法为基础，创新性地提出旋翼飞行机器人容错控制体系结构，并分析该结构中各模块任务及作用。针对传感器和执行器故障之间的耦合问题，提出基于贝叶斯推理的异类故障解耦方法，为独立研究传感器、执行器故障扫清障碍。 第4章，重点研究旋翼飞行机器人传感器故障诊断及容错控制。针对不同故障检测类型和阶段，提出了三种方法。首先针对突变类型的传感器故障采用基于db2的小波变换方法进行检测，对传感器数据进行时频域同时变换，实现实时准确分析；其次应用自适应神经网络方法对故障信号及正常飞行中飞行模态变化进行区分，提高了故障检测的可信性与可靠性；最后以多源传感器信息融合为基础，探索在部分传感器出现故障的情况下提供次优的传感器数据。 第5章，重点研究执行器软性故障的在线估计及控制策略在线重构问题。首先提出旋翼飞行机器人执行器定量软性故障的数学表达方法，深入研究两种自适应UKF方法在执行器软性故障在线估计方面的有效性和可行性；最后，提出一种基于故障参数在线估计的控制策略重构方法。 论文针对所提出的方法，以ServoHeli-40旋翼飞行机器人的实际拟合动力学模型为对象开展了仿真研究，部分内容在ServoHeli-40上进行了实际飞行实验验证。

基于LabVIEW的自组织网络的实现与应用

文章介绍了自组织神经网络在故障诊断方面的应用原理,针对自组织神经网络实现问题提出了一种通过在LabVIEW调用MATLAB应用程序实现自组织神经网络的方法。并通过轴承故障诊断的实例,证明了这种方法的有效性。

基于数字化生产模型的在线故障诊断技术研究

提出了一种基于数字化的生产模型,使用控制图、故障树分析和专家知识,能够进行制造过程实时监控的诊断,该模型提高了故障诊断系统的可靠性,并提供了可实际操作的可视化建模工具。所开发的在线统计过程控制系统能够根据生产事件的监测,动态响应制造过程变化。该系统运用可视化建模工具,根据专家经验进行故障树建模,通过故障树自动生成专家系统诊断规则库,实现诊断知识的自动获取。将该系统应用于汽车变速箱装配过程的检测与故障诊断,验证了方法的有效性。

基于粗糙集-BP神经网络的发动机故障诊断

由于发动机光谱分析监控数据中磨损微粒种类过多,如果将这些微粒信息直接作为神经网络的输入,则存在输入层神经元过多、网络结构复杂等诸多问题。本文将粗糙集引入到发动机故障诊断中来,利用粗糙集在属性约简方面的优势,删除冗余磨损微粒,提取出重要磨损微粒,并将其作为BP神经网络的输入,建立发动机故障诊断模型。该方法降低输入层的神经元个数,简化了网络结构,缩短网络训练时间,并且由于剔除了冗余磨损微粒,减少了由该部分微粒信息不准确而带来的误差,有效提高了故障诊断的精确度。最后通过算例分析验证了相关算法和诊断模型的准确性和有效性。

一种基于模糊petri网专家系统的面向对象方法设计

简要介绍了模糊petri网以及模糊产生式规则,给出了基于模糊petri网的专家系统的框架设计,并提出了模糊产生式规则和模糊petri网的详细设计,根据本设计方案开发了汽车变速箱故障诊断专家系统,证明设计方案简洁高效,扩充性和实用性好。

一种模糊petri网仿真工具的设计实现

文章将面向对象思想应用于模糊Petri网仿真工具的设计和实现过程,探讨了模糊Petri网建模与仿真的可视化问题,提出了基于网格可视化技术解决方案及具体实现方法。通过对变速箱的自动建模和诊断仿真实例,证明该系统具有良好的实用性,为模糊Petri网理论的普遍应用提供了工具平台。

Twinning and Stacking Fault Formation during Tensile Deformation of Nanocrystalline Ni

Deformation twins and stacking faults have been observed in nanocrystal line Ni, for the first time under uniaxial tensile test conditions. These partial dislocation mediated deformation mechanisms are enhanced at cryogenic test temperatures. Our observations highlight the effects of deformation conditions, temperature in particular, on deformation mechanisms in nanograins.

Predictions for Partial-Dislocation-Mediated Processes in Nanocrystalline Ni by Generalized Planar Fault Energy Curves: An Experimental Evaluation

Generalized planar fault energy (GPFE) curves have been used to predict partial-dislocation-mediated processes in nanocrystalline materials, but their validity has not been evaluated experimentally. We report experimental observations of a large quantity of both stacking faults and twins in nc Ni deformed at relatively low stresses in a tensile test. The experimental findings indicate that the GPFE curves can reasonably explain the formation of stacking faults, but they alone were not able to adequately predict the propensity of deformation twinning.

Statistical analysis of synthetic earthquake catalogs generated by models with various levels of fault zone disorder

The stress release model, a stochastic version of the elastic rebound theory, is applied to the large events from four synthetic earthquake catalogs generated by models with various levels of disorder in distribution of fault zone strength (Ben-Zion, 1996) They include models with uniform properties (U), a Parkfield-type asperity (A), fractal brittle properties (F), and multi-size-scale heterogeneities (M). The results show that the degree of regularity or predictability in the assumed fault properties, based on both the Akaike information criterion and simulations, follows the order U, F, A, and M, which is in good agreement with that obtained by pattern recognition techniques applied to the full set of synthetic data. Data simulated from the best fitting stress release models reproduce, both visually and in distributional terms, the main features of the original catalogs. The differences in character and the quality of prediction between the four cases are shown to be dependent on two main aspects: the parameter controlling the sensitivity to departures from the mean stress level and the frequency-magnitude distribution, which differs substantially between the four cases. In particular, it is shown that the predictability of the data is strongly affected by the form of frequency-magnitude distribution, being greatly reduced if a pure Gutenburg-Richter form is assumed to hold out to high magnitudes.