基于优化自适应阈值的非线性机电系统传感器故障检测和主动容错控制

针对具有参数不确定性和传感器故障的非线性机电系统,提出一种基于优化自适应阈值和故障重构策略的主动容错控制方法。首先,利用线性分式变换理论对存在参数不确定性的非线性机电系统进行建模,并提出基于粒子群优化算法的优化自适应阈值以提高参数不确定条件下的故障检测性能。其次,通过解析冗余关系推导出系统的动力学方程,并提出一种基于递归终端滑模的跟踪控制策略,以实现系统健康状态下的负载位置跟踪。当系统发生故障时,构建自适应滑模观测器进行传感器故障重构,根据重构结果设计自适应主动容错控制律,并利用故障检测结果进行控制律的实时切换。实验结果表明,所提出的故障检测和主动容错控制方法能在0.06 s内准确的实现传感器故障检测和容错控制,验证了该方法的可行性。

基于GASA-BP的轧辊内部缺陷检测方法

为了准确识别轧辊内部缺陷,采用超声波探伤仪对轧辊进行检测,并提出一种融合灰狼算法、遗传算法、模拟退火算法和BP神经网络的超声检测信号分类方法。对超声检测信号进行小波降噪,采用自适应灰狼优化阈值法确定最优的小波阈值;根据轧辊内部不同缺陷检测信号的时域和频域信息差异,从三层、四层和五层小波包分解中选择最优的分解层数,以实现对去噪检测信号的最佳处理,在此基础上构建检测信号的能量特征向量;采用经过遗传模拟退火算法优化的BP神经网络模型(GASA-BP)进行特征向量的识别,进而完成轧辊内部缺陷的分类。实验结果表明,该模型的识别准确率可达到97.41%,并且运算速度得到极大提高,能满足大部分企业对轧辊缺陷分类精度及效率的要求,为轧辊的进一步检测、修复及再制造提供了可靠信息。