基于光电传感器的两轮自平衡机器人控制研究

针对两轮自平衡机器人的平衡控制问题,基于LEGO机器人构建两轮自平衡机器人本体,采用光电传感器作为倾角检测元件,替代传统的倾角传感器和陀螺仪,以降低成本且避免倾角传感器和陀螺仪的温度漂移。给出了该机器人的本体构成,根据Euler-Lagrange方法建立系统的数学模型,采用最优控制实现机器人的平衡控制。最后进行物理实验,实现了机器人的自平衡,效果比较好,具备一定的抗干扰能力,证明基于光电传感器的两轮自平衡机器人的控制是合理有效的。

机场助航灯光回路绝缘电阻预测方法研究

为了更好地对助航灯光回路绝缘电阻值进行预测,采用了一种新型的灰色神经网络预测模型。建立灰色补偿RBF网络模型,并将遗传算法优化后的支持向量机引入到RBF神经网络中,得到改进后的灰色补偿RBF网络模型。根据上海浦东国际机场绝缘电阻的实际测量值进行实例仿真,仿真结果表明,改进后的灰色神经网络提高了系统稳定性和绝缘电阻值的预测精度。

基于SOM和协同学的航空发动机气路故障诊断研究

为了区分航空发动机气路故障诊断过程中出现的相似故障,提高诊断准确率,提出了一种基于SOM神经网络和协同学理论的故障诊断方法;首先对测量数据进行归一化处理,建立自组织神经网路初步诊断系统,对于难以区分的相似故障引入协同学理论,进一步判断对应的故障类型,最后根据实际数据对此故障模型进行实例仿真;仿真结果显示,基于SOM和协同学的发动机气路故障诊断方法具有较高的诊断准确率和抗噪能力。

基于SVM和SNN的航空发动机气路故障诊断

为了区分航空发动机气路故障诊断过程中出现的相似故障,提高诊断准确率,提出了一种支持向量机(SVM)和协同神经网络(SNN)相结合的故障诊断方法.首先利用参数优化后的SVM对测量数据进行初步故障诊断分类,对诊断结果进行分析统计,得出难以区分的相似故障类型,并根据SNN对这些相似故障进一步地区分判断,最后根据实际数据对此故障模型进行仿真.结果显示:基于SVM的初步故障诊断准确率达到96%;而经过SNN进一步地相似故障区分后,诊断准确率提升到100%.