往复压缩机现有报警方式单一,多采用"单特征值报警"与"门限报警"的方式,经常导致设备盲目停车而影响生产,无法综合分析设备当前运行状态是否异常并提前预警。针对该问题,提出一种基于状态子空间的往复压缩机自动预...往复压缩机现有报警方式单一,多采用"单特征值报警"与"门限报警"的方式,经常导致设备盲目停车而影响生产,无法综合分析设备当前运行状态是否异常并提前预警。针对该问题,提出一种基于状态子空间的往复压缩机自动预警方法。该方法提取设备运行状态信号的特征参数,构造多维特征矩阵,利用核主元分析(kernel principal component analysis,KPCA)方法对多维特征矩阵进行降维,构建状态子空间,计算正常状态和当前状态子空间之间的差异度,并通过故障案例数据自学习得到差异度指标的报警阈值。经实际故障案例验证,该方法能大幅提前往复压缩机典型故障报警时间点,提高在线状态监测系统的故障预警能力。展开更多
为了改善扩张状态观测器(ESO)的估计效果及解决自抗扰控制中b_0参数的整定问题,提出了一种基于N4SID(numerical algorithms for subspace state space system identification)的线性自抗扰控制策略.使用N4SID子空间辨识方法对系统模型...为了改善扩张状态观测器(ESO)的估计效果及解决自抗扰控制中b_0参数的整定问题,提出了一种基于N4SID(numerical algorithms for subspace state space system identification)的线性自抗扰控制策略.使用N4SID子空间辨识方法对系统模型的未知参数及线性自抗扰控制(LADRC)中的b_0参数进行辨识,减少被控系统的不确定因素,从而提高了扩张状态观测器对系统广义扰动的估计能力.仿真结果表明,该方法有效地改善了LADRC的控制效果,提高了扩张状态观测器的估计能力.展开更多
文摘往复压缩机现有报警方式单一,多采用"单特征值报警"与"门限报警"的方式,经常导致设备盲目停车而影响生产,无法综合分析设备当前运行状态是否异常并提前预警。针对该问题,提出一种基于状态子空间的往复压缩机自动预警方法。该方法提取设备运行状态信号的特征参数,构造多维特征矩阵,利用核主元分析(kernel principal component analysis,KPCA)方法对多维特征矩阵进行降维,构建状态子空间,计算正常状态和当前状态子空间之间的差异度,并通过故障案例数据自学习得到差异度指标的报警阈值。经实际故障案例验证,该方法能大幅提前往复压缩机典型故障报警时间点,提高在线状态监测系统的故障预警能力。
文摘为了改善扩张状态观测器(ESO)的估计效果及解决自抗扰控制中b_0参数的整定问题,提出了一种基于N4SID(numerical algorithms for subspace state space system identification)的线性自抗扰控制策略.使用N4SID子空间辨识方法对系统模型的未知参数及线性自抗扰控制(LADRC)中的b_0参数进行辨识,减少被控系统的不确定因素,从而提高了扩张状态观测器对系统广义扰动的估计能力.仿真结果表明,该方法有效地改善了LADRC的控制效果,提高了扩张状态观测器的估计能力.