双绕组交直流发电机参数的局部辨识

针对双绕组交直流电机参数不易准确测量的问题,提出了同步电机参数的局部辨识方法,利用由常规法能准确得到的部分参数,再根据参数对电机工况的灵敏度分析,来局部的辨识电机参数,有效地解决了辨识算法的不稳定性等问题。用该方法在一台双绕组交直流发电机上辨识出了实际的参数值,利用这些测试值,对电机进行了仿真分析,仿真结果较好地吻合了实际样机的试验结果,验证了辨识算法的有效性。

直流衰减静测法局部辨识同步电机参数研究

研究了用于局部辨识同步电机参数的直流衰减静测法,介绍了直流衰减静测法的试验过程和局部辨识的概念,建立了三相同步电机静态直流衰减试验的数学模型,利用最小二乘法实现了参数的辨识,最后以某参数已知的具体电机为例,局部辨识了该电机的d轴参数。

基于多相似度局部状态辨识的集成学习自适应软测量方法

鉴于流程工业过程的非线性、多时段、多模式、时变性等复杂过程特性,导致传统的全局和集成学习软测量方法预测性能不佳,提出一种基于多相似度局部状态辨识的集成学习自适应软测量建模方法。该方法在离线建模阶段,从不同相似度准则出发辨识局部过程状态,进而生成多样性的局部模型;在线预测阶段,通过双层集成策略实现模型的在线动态选择、模型权重自适应确定、局部预测结果融合;在线更新阶段,通过KL散度评价当前与相邻状态数据分布的差异性以实现概念漂移的实时检测,进而决定是否在线添加局部模型。将新获取的离线检测值添加入建模数据库。通过工业金霉素发酵过程和脱丁烷塔过程验证了所提方法的有效性和优越性。

基于时空局部学习的集成自适应软测量方法

集成软测量方法已被广泛应用于流程工业关键质量参数实时估计。但是,常规集成建模方法在基模型构建过程中往往局限于挖掘样本之间的空间关系,忽略了样本间的时序关系,从而导致过程局部状态挖掘不充分、基模型间多样性不足等问题。其次,传统软测量方法由于缺乏自适应机制而无法有效处理过程时变特征,从而导致模型性能发生退化。为此,提出一种基于时空局部学习(STLL)的集成自适应软测量方法。该方法首先通过移动窗口、即时学习技术分别挖掘样本间的时序关系和空间关系,并采用统计假设检验实现冗余状态剔除,进而构建多样性的时空局部高斯混合回归(GMR)模型。然后,基于在线选择性集成策略实现局部预测结果的自适应融合。此外,引入双重自适应机制以缓解模型性能退化问题。实验结果显示,相较于非自适应全局GMR模型、时间局部学习集成GMR模型、空间局部学习集成GMR模型,所提方法在金霉素发酵过程中的预测精度分别提升了70.3%,14.9%,27.8%;在脱丁烷塔过程中,分别提升了31.9%,21.2%,19.3%。

基于EMD和Teager能量算子的电缆局部放电辨识

交联聚乙烯(XLPE)电缆在矿区电网中普遍使用,因运行环境恶劣,电缆局部放电(PD)现象时有发生。首先,针对矿区电缆的PD辨识问题,对PD信号在XLPE电缆中的传播特性进行研究。其次,根据其传播特性,提出利用经验模态分解(EMD)与Teager能量算子相结合的方法,对电缆两端测量点处PD信号的初始波头进行辨识,该方法大大提升了波头辨识的抗噪声干扰能力。然后,采用径向基(RBF)神经网络对训练样本进行训练,结合PD信号到达电缆两端测量点的时间差,实现XLPE电缆PD精确定位。最后,通过搭建PSCAD/EMTDC电缆仿真电路验证了所提方法 PD辨识精度高、辨识误差小的结论。

基于HS-RRV算法的空间机械臂在轨装配运动规划

提出一种基于RRV(rapidly-exploring random vine)的混合采样算法(HS-RRV),以解决空间机械臂在拥挤杂乱环境下进行装配操作时运动规划效率低下的问题。首先,提出同时在工作空间和构形空间采样的策略,且采样权重随着算法进程动态调节,从而能够在保证算法完备性的前提下充分利用工作空间信息缩小采样范围以提高算法规划效率。其次,在局部规划器设计中,利用分层二次最小二乘规划方法,考虑了机械臂运动学和动力学特性与约束,提高了所规划轨迹的可执行性。当算法陷入局部复杂区域时,利用桥测试和主成分分析法对局部空间类型进行辨识,从而获取更加高效的拓展方向。最后,对所提方法与现有方法在多种装配场景下进行对比仿真,结果表明本方法有更高的运行效率和规划成功率,以及较短的轨迹长度。

复杂背景下红外弱小运动目标检测的新方法

提出了一种用于检测不同类型复杂背景下红外弱小运动目标的新方法。该方法能够根据图像信息自动选择背景预测算子;同时,针对不同类型复杂背景中目标和背景特性的差异,提出了"局部小目标可辨识度"的概念,并定义了一种有效的方法将其量化。在此基础上,采用蒙特卡罗实验方法构造了一种新的阈值函数,实现了单帧目标的检测,然后采用移动加权管道滤波提取目标的运动轨迹。实验结果表明,该方法对不同类型复杂背景的红外弱小运动目标具有很好的检测性能。