SCR脱硝系统的改进线性自抗扰优化控制研究

针对SCR脱硝系统大惯性、大迟延、多扰动问题,提出一种模型辅助迟延线性自抗扰控制(MDLADRC)。首先,利用模型信息,将高阶纯迟延系统补偿为一阶惯性环节;然后,根据闭环系统二自由度表达式,推导最优参数量化公式,简化参数调节,并通过参数遍历实验验证控制器参数与响应指标的关系;最后,将MDLADRC应用于选择性催化还原(SCR)脱硝控制系统,并与多种控制器性能进行比较。结果表明:对于SCR脱硝系统这类高阶大惯性大迟延系统,MDLADRC的定值跟随以及抗干扰能力更优;蒙特卡洛实验和多工况实验进一步说明MDLADRC的鲁棒性较优;此外,MDLADRC参数调节简单,更适用于工程实际。

BP神经网络模型在无人机系统故障预测中的应用分析

提出一种利用BP神经网络预测无人机系统故障的方法。对利用无人机系统故障数据集预测无人机故障的相关问题进行分析;给出BP神经网络的建模思路和计算方法;探讨使用特征变量显著性筛选技术识别故障影响因素。实际计算表明该方法能有效应用于无人机故障预测,具可行性。

基于多尺度样本熵和VPMCD的自动机故障诊断

针对自动机故障诊断过程中振动信号的非线性、非平稳性、非周期性导致的故障特征较难提取,以及故障识别率偏低这一问题,提出了一种基于多尺度样本熵和多变量预测模型(variable predictive model-based class discriminate,简称VPMCD)的自动机故障诊断方法。首先,对采集到的信号进行小波阈值降噪处理;其次,利用小波包分解的方法对振动信号进行分解,得到多个尺度下的信号分量;然后,计算不同尺度下信号的样本熵值,并提取对故障特征较为敏感的尺度因子,组成故障特征向量;最后,利用多变量预测模型对故障特征向量进行训练和识别,进而实现自动机的故障诊断。自动机故障诊断试验分析结果表明,利用多尺度样本熵和多变量预测模型的方法可以准确识别多种典型的自动机故障类型。

基于硬件在环信息化平台的装备教学改革研究

针对当前大型复杂装备教学资源有限、教学效率普遍不高的问题,结合多年装备教学经验,提出一种基于硬件在环信息化平台的装备教学模式改革思路。首先对主要相关概念进行释义,接着分析面临的主要矛盾和困难,最后给出具体的方法对策。