检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于梯形区域极点分类的故障诊断与可靠控制

基于梯形区域极点分类的故障诊断与可靠控制

作者：杜紫薇沈阳师范大学

学位级别：硕士

在化工或飞行器的系统中一旦出现故障,系统可能崩溃,造成灾难性后果,因此设计可靠控制器是必要的。但加入可靠控制器后的系统性能会下降,成本会增加,带有故障诊断的可靠控制能解决这一矛盾。线性系统中,系统一旦出现故障,极点位置发生变... 详细信息

在化工或飞行器的系统中一旦出现故障,系统可能崩溃,造成灾难性后果,因此设计可靠控制器是必要的。但加入可靠控制器后的系统性能会下降,成本会增加,带有故障诊断的可靠控制能解决这一矛盾。线性系统中,系统一旦出现故障,极点位置发生变化,并且系统发生不同故障时,极点的变化趋势不同。模拟系统不同部件发生故障时的极点数据,系统一旦出现故障,根据极点的变化情况对系统进行故障诊断。系统矩阵的极点位置反映了系统的性能,由于准确的极点配置难以实现,而区域极点配置能够满足一定的实际需求。条形区域极点配置限制了系统的衰减速度,扇形区域极点配置限制了系统的振荡频率,梯形区域极点配置又是由开放的扇形区域极点配置和条形区域极点配置同时作用得到的,其既限制了系统的稳定速度,又限制了系统的震荡频率。因此本文以梯形区域为基础展开研究。本文的工作和成果包括以下两个方面:第一,在梯形区域极点配置的基础上,以执行器单通道故障为例,利用极点观测器实时观测系统极点的变化。根据不同通道发生故障时,极点的变化范围不同,利用Grid search-SVM(Support vector machines,简称SVM)分类模型对极点数据进行分类,从而实现故障诊断,并切换至相应通道的可靠控制器,实施精准可靠控制。结合具体的数例仿真,说明了故障诊断的有效性;第二,为了提高故障诊断的准确率,采用蚁群算法(Ant colony optimization,简称ACO)和蝙蝠算法(Bat Algorithm,简称BA)优化SVM分类模型中的超参数组合。ACO算法自身的正反馈特征提高SVM分类模型中参数优化的速率。BA算法通过引入选择概率,提高了SVM分类模型参数优化的速率。结合同样的数例仿真验证了ACO算法、BA算法对参数优化的有效性。结果表明,Grid search-SVM分类模型虽然准确率很高,但诊断速度最慢,ACO-SVM分类模型诊断速度居中,BA-SVM分类模型诊断速度最快。

关键词：支持向量机可靠控制故障诊断极点观测器网格搜寻法蚁群算法蝙蝠算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于LSSVM故障调节方法的研究

基于LSSVM故障调节方法的研究

作者：梁思越沈阳建筑大学

学位级别：硕士

现代控制工程系统日益复杂和大规模化,提高系统的安全性和可靠性是众多研究人员在故障检测和容错控制的关键问题。在故障诊断领域,最小二乘支持向量机(least squares support vector machine,简称LSSVM)有着学习速度较快,泛化性更强的优... 详细信息

现代控制工程系统日益复杂和大规模化,提高系统的安全性和可靠性是众多研究人员在故障检测和容错控制的关键问题。在故障诊断领域,最小二乘支持向量机(least squares support vector machine,简称LSSVM)有着学习速度较快,泛化性更强的优势,成为了处理故障系统的一种有效方法。另外,可靠控制具有降低系统对故障的敏感性和系统设计难度的优势,但是可靠控制在具体问题的处理上还有很多需要改进的地方。因此,对其进行研究无论是理论推广还是实际问题应用都有很重要的意义。本文基于机器学习理论、参数优化技术和故障处理等方法,针对动态系统,对故障调节问题进行了深入研究。在本文所设计的故障调节系统中,故障部件都能得到实时的诊断和处理。本文的主要工作和研究成果包括以下几个方面:(1)研究了基于LSSVM的动态系统执行器任意单通道故障问题,提出了一种LSSVM与可靠控制相结合的容错控制方法。将闭环系统极点作为一类新的故障特征信息,通过LSSVM分类模型的学习实现对系统的故障诊断。最后,根据故障分离信息,切换对应的单一通道故障可靠控制器,实现对系统执行器故障的精准容错控制。通过对无人机纵向飞行模型的模拟,验证了容错控制系统故障诊断的准确性。(2)研究了利用改进的布谷鸟搜素(modified cuckoo search,简称MCS)算法优化LSSVM的故障诊断方法。为了提高LSSVM的极点学习效率,从发现概率方面对布谷鸟搜索(cuckoo search,简称CS)算法进行了改进。为了实现对闭环系统极点数据的实时采集,给出了极点观测器的设计方法。以一个飞控系统的基础例子说明,这个基于极点学习的MCS-LSSVM故障诊断方法具有更优的建模效果和更加准确的分类精度。(3)研究了改进的粒子群算法(modified particle swarm optimization and genetic algorithm,简称MPSO-GA)优化LSSVM并加入深度学习模型的故障诊断方法。通过加入深度学习模型,使系统不仅能定位出某个部件的故障,还能更加精准地拟合出故障增益的估计值。给出了动态可靠控制器的设计方法,实现动态容错。仿真结果表明该方法的有效性和先进性。

关键词：极点观测器最小二乘支持向量机故障诊断极点学习深度学习可靠控制

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于区域极点分类的故障诊断与可靠控制

基于区域极点分类的故障诊断与可靠控制

作者：李默臣沈阳师范大学

学位级别：硕士

随着控制系统在生产、生活中重要性的提升,如何保证系统部件的稳定性、安全性、可靠性等问题,一直广受科研人员的青睐。支持向量机(Support Vector Machine,SVM)作为故障检测领域常用的智能学习机,凭借泛化性强、结构简单等优势,成为分... 详细信息

随着控制系统在生产、生活中重要性的提升,如何保证系统部件的稳定性、安全性、可靠性等问题,一直广受科研人员的青睐。支持向量机(Support Vector Machine,SVM)作为故障检测领域常用的智能学习机,凭借泛化性强、结构简单等优势,成为分类数据进而实现故障诊断的常用方法。但因SVM选参需要预先约定参数范围,故而很大程度上制约了它的适用性。因此,对于优化SVM选参的技术具有重要的实际意义。本文基于多项SVM寻参技术,考虑多种区域及外界不确定因素的扰动下,对故障检测与可靠控制问题进行深入研究,得出主要成果如下:结合SVM动态系统及可靠控制的特点,给出了圆盘区域下,单通道执行器故障检测的有效方法。通过SVM分类器对极点信息的学习、分离,实现了对执行器故障的精准定位,从而调换相应通道的可靠控制器。最后,通过数例仿真验证控制器的有效性。研究了修改的粒子群算法(MPSO,Modified Particle swarm optimization)基于扇形区域下优化SVM参数的故障检测方法。同时,针对惯性权值极易受限问题,建立MPSO-SVM优化模型,从惯性权值适应性出发进行算法改进。同时结合第二章极点观测器的算法,给出了极点的估计值。最后,给出一个基础算例,通过对比四种方法:SVM、网格搜寻法(Grid search-SVM)、PSO-SVM、MPSO-SVM,得出MPSO-SVM模型的可靠性。研究了遗传算法(Genetic Algorithms,GA)基于梯形区域下优化SVM参数的故障检测方法。同时结合第二章极点观测器的算法,给出了极点的估计值。最后通过仿真算例,验证了GA算法对系统动态容错控制的可行性和有效性。

关键词：可靠控制支持向量机极点观测器粒子群算法网格搜寻法遗传算法故障诊断

基于MPSO-SVM的扇形区域故障诊断研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

井冈山大学学报（自然科学版） 2021年第2期42卷 7-13页

作者：李默臣姚波王福忠沈阳师范大学数学与系统科学学院辽宁沈阳110034 沈阳工程学院基础部辽宁沈阳110036

针对一类线性定常系统,基于扇形区域,研究了执行器单一部件故障诊断与可靠控制的问题。首先,对于文中极点信息难于获取的问题,给出全维状态观测器的设计方案,实现对极点信息的实时观测。同时为解决支持向量机在故障诊断中选取参数易受... 详细信息

针对一类线性定常系统,基于扇形区域,研究了执行器单一部件故障诊断与可靠控制的问题。首先,对于文中极点信息难于获取的问题,给出全维状态观测器的设计方案,实现对极点信息的实时观测。同时为解决支持向量机在故障诊断中选取参数易受主观先验知识影响的缺陷,提出用MPSO-SVM(Modify Particle swarm optimization algorithm optimize the SVM)建立优化模型,设计惯性权重自适应调整公式进行算法优化,既能获取核参数及惩罚因子最优参量,又能克服PSO-SVM算法的传统不足。该方法与SVM(Support Vector Machine,SVM)、Grid search-SVM、PSO-SVM相比,诊断准确率明显得到改善,从而验证MPSO-SVM模型对执行器故障诊断是可靠的。

关键词：支持向量机故障诊断粒子群优化算法执行器故障 Grid search-SVM 极点观测器

基于Gridsearch-SVM梯形区域极点分类的故障诊断

在线全文

学校读者我要写书评

暂无评论

井冈山大学学报（自然科学版） 2023年第1期44卷 8-13页

作者：杜紫薇姚波王福忠沈阳师范大学数学与系统科学学院辽宁沈阳110034 沈阳工程学院基础教学部辽宁沈阳110136

针对一类线性定常系统,基于梯形区域极点配置,给出了执行器部件故障诊断的一种方法。首先,利用极点观测器,通过测量系统的状态,得到极点的动态信息;其次,根据模拟各通道执行器故障,实时采集闭环系统的极点信息,形成极点分类数据库;最后... 详细信息

针对一类线性定常系统,基于梯形区域极点配置,给出了执行器部件故障诊断的一种方法。首先,利用极点观测器,通过测量系统的状态,得到极点的动态信息;其次,根据模拟各通道执行器故障,实时采集闭环系统的极点信息,形成极点分类数据库;最后,利用支持向量机算法(Support Vector Machine,SVM)根据不同通道发生故障时极点所处位置不同,设计极点分类器,对极点进行分类,实现对系统的故障诊断。针对SVM中惩罚因子和核宽度系数需要依靠先验知识的缺陷,采用Grid search优化其参数,缩小寻优范围。仿真结果表明设计方案的可行性以及故障诊断的有效性。

关键词：极点观测器极点分类器支持向量机网格搜索法区域极点配置故障诊断

基于MPSO-SVM的不确定条形区域故障诊断研究

在线全文

学校读者我要写书评

暂无评论

沈阳工程学院学报（自然科学版） 2021年第2期17卷 84-91页

作者：李默臣姚波王福忠沈阳师范大学数学与系统科学学院辽宁沈阳110034 沈阳工程学院基础教学部辽宁沈阳110136

针对一类线性不确定性系统,基于条形区域下,研究了执行器连续增益故障可靠控制的问题。对于极点数据难以获取的缺陷,给出状态观测器的核心算法,从而实现系统状态的实时采集。同时,为解决支持向量机在极点配置中选取参数困难的问题,利用... 详细信息

针对一类线性不确定性系统,基于条形区域下,研究了执行器连续增益故障可靠控制的问题。对于极点数据难以获取的缺陷,给出状态观测器的核心算法,从而实现系统状态的实时采集。同时,为解决支持向量机在极点配置中选取参数困难的问题,利用改进的粒子群算法(MPSO)优化支持向量机的结构,进而获得更合理的核宽度系数和惩罚系数。与网格搜寻法(Grid search-SVM)和粒子群算法(PSO)相比,该方法可获得较高的分类精度,仿真实例进一步证明了设计可靠控制器的必要性。

关键词：可靠控制支持向量机极点观测器粒子群算法网格搜寻法

基于GA-SVM梯形区域的故障诊断与可靠配置

在线全文

学校读者我要写书评

暂无评论

沈阳师范大学学报（自然科学版） 2021年第3期39卷 210-214页

作者：姚波李默臣王福忠沈阳师范大学数学与系统科学学院沈阳110034 沈阳工程学院基础教学部沈阳110136

针对一类线性定常飞控系统,基于梯形区域下,研究了执行器连续增益故障可靠控制的问题。同时,为解决支持向量机选取参量困难而导致故障信息难以识别等问题,提出实值编码遗传算法来实现支持向量机模型参数的自动寻优。与传统的支持向量机... 详细信息

针对一类线性定常飞控系统,基于梯形区域下,研究了执行器连续增益故障可靠控制的问题。同时,为解决支持向量机选取参量困难而导致故障信息难以识别等问题,提出实值编码遗传算法来实现支持向量机模型参数的自动寻优。与传统的支持向量机相比,该方法具有收敛速度快、能耗低、耗时短、迭代次数少等优点。对于未知系统极点信息难以获取的问题,给出了极点观测器的算法,实现了对极点数据的实时观测。仿真结果表明,依据不同通道发生故障时极点所处区域不同的特点而设计的可靠控制器,不但鲁棒性能好,而且准确率也较高。该方法与粒子群算法(PSO-SVM)、网格搜寻法(gridsearch)相比具有较好的泛化能力及较高的识别度。

关键词：遗传算法支持向量机极点观测器粒子群算法网格搜寻法