基于PSO-BP神经网络和Hilbert谱奇异值的滚动轴承故障诊断

Hilbert谱奇异值是对振动信号进行Hilbert-Huang变换得到Hilbert谱时频矩阵后,再利用奇异值分解的方法提取矩阵的特征得到的。将振动信号的谱奇异值作为故障特征,用粒子群优化BP神经网的方法来诊断故障类型,并将该方法与传统BP神经网络做比较分析,实验结果证明,该方法具有收敛速度快、准确度高的特点。

双向快速SIFT匹配在电力设备识别中的应用研究

采用目前最为活跃的SIFT匹配算法,对电力设备进行识别与定位。该算法具有旋转、平移、尺度缩放、亮度变化保持不变的特点。但是,SIFT算法中特征向量的维数(128维)很高,很大程度上增加了运算的复杂程度。本文针对其维数高的缺点,尝试进行改进,力求保持原算法优良特性前提下,尽量降低特征向量维数。同时特征点单向匹配过程中可能存在误匹配,因此本文采用双向匹配,一定程度上提高了匹配的准确率。实验结果表明,改进后的SIFT算法缩短了运算时间,提高了匹配的精准度,可以较好的应用于电力设备识别定位中。

时滞离散系统的模糊—最优跟踪控制

工业过程中,时滞和系统的离散特性常会带来显著的影响,使系统的性能指标下降,产生不稳定;文章介绍了时滞离散系统的模糊—最优跟踪控制,该方法运用最优跟踪控制的极小值原理寻求最优控制律,结合模糊控制对运动控制反应快的优点,使该方法能够较好地计算出系统实际输出相对期望输出的偏差,并通过反馈回路校正实现无静差跟踪控制;在不同时滞条件下做大量的仿真计算,使火电厂主蒸汽温度有效的快速跟踪设定值;实验分析验证了该方法的有效性,表明模糊—最优跟踪控制器能够切换平滑,跟踪控制误差小,抗外干扰能力强。