检索结果-南通市图书馆

维普期刊数据库

大型望远镜驱动系统非预期故障的半实物仿真与诊断

在线全文

学校读者我要写书评

暂无评论

大型望远镜驱动系统非预期故障的半实物仿真与诊断

作者：高志文南京信息工程大学

学位级别：硕士

如今大型天文望远镜为保证天体观测质量,通常选址在沙漠、极地等极端环境中。相较一般选址,极端环境下的望远镜驱动系统更易发生非预期故障,排障检修也十分繁琐。大型望远镜驱动系统有故障时会立刻进行停机保护,这导致驱动系统非预期故... 详细信息

如今大型天文望远镜为保证天体观测质量,通常选址在沙漠、极地等极端环境中。相较一般选址,极端环境下的望远镜驱动系统更易发生非预期故障,排障检修也十分繁琐。大型望远镜驱动系统有故障时会立刻进行停机保护,这导致驱动系统非预期故障数据难以获取、数量稀少。本文针对这种问题,分析驱动系统非预期故障,设计大型望远镜驱动系统半实物仿真平台,并基于平台运行数据的特点,设计望远镜驱动系统非预期故障诊断模型。主要研究内容分为以下几部分:(1)分析望远镜驱动系统的异常负载与异常位置信号非预期故障的表现形式与产生原因,总结了异常负载非预期故障常见的三种表现形式:递增负载、递增后稳定负载、波动负载,异常位置信号非预期故障常见的三种表现形式:位置信号断线、偏移、卡死。根据在仿真望远镜驱动系统上的验证,异常负载和异常位置信号非预期故障均会导致望远镜不能达到最低跟踪精度要求,其中异常波动负载、位置信号断线与卡死是能使望远镜驱动系统崩溃甚至损坏的非预期故障。(2)基于仿真驱动系统结构设计了可模拟驱动系统非预期故障的半实物仿真平台。平台控制器参数参考仿真驱动系统控制参数。利用TIC系数(Theil’s Inequality Coefficient)验证平台和南极巡天望远镜AST3-3驱动系统的性能一致性。根据平台的异常位置信号数据分布于异常负载数据的中心区域,且异常负载数据低维线性不可分的特点,本文设计了望远镜驱动系统非预期故障诊断模型。模型可对两种非预期故障数据分别选择数据特征进行诊断,可将故障数据映射至高维空间以寻找决策边界,可由扩展函数与遗忘函数进行增量学习,更新决策边界,获取驱动系统新运行数据特征。(3)在半实物仿真平台上以步进电机模拟了三种异常负载非预期故障,以位置传感器读数头的晃动、倾斜模拟了三种异常位置信号非预期故障。平台参数变化符合对驱动系统非预期故障的分析。对平台非预期故障数据的诊断实验表明,诊断模型优化用时、诊断用时、鲁棒性均优于传统非预期故障诊断方法SVDD(Support Vector Data Description),对异常负载与异常位置信号非预期故障数据,诊断模型准确率分别为83.77%与87.5%,AUC(Area Under Curve)为0.91与0.75。

关键词：天文望远镜驱动系统故障诊断半实物仿真非预期故障

极大望远镜驱动系统非预期故障检测的方法研究

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

极大望远镜驱动系统非预期故障检测的方法研究

作者：邓壮壮南京信息工程大学

学位级别：硕士

近年来,伴随着天文事业的蓬勃发展,南极望远镜、极大望远镜、空间望远镜等适应不同极端环境的望远镜将相继出现并得以应用,这就对望远镜驱动系统的可靠性提出了更高的要求。一方面,望远镜可以通过自身设计结构等相关方面提高运行的稳定... 详细信息

近年来,伴随着天文事业的蓬勃发展,南极望远镜、极大望远镜、空间望远镜等适应不同极端环境的望远镜将相继出现并得以应用,这就对望远镜驱动系统的可靠性提出了更高的要求。一方面,望远镜可以通过自身设计结构等相关方面提高运行的稳定性;另一方面,故障诊断技术对提高望远镜运行可靠性同样也是必不可少的,而非预期故障又是故障诊断技术的延伸和重要组成部分。目前,针对望远镜驱动系统的非预期故障诊断研究在国内外无研究先例。因此,本文研究工作将为驱动系统的非预期故障诊断提供解决方案。本文对极端环境下望远镜驱动系统的非预期故障诊断展开研究,主要研究内容分为如下几个部分:（1）传统预期故障诊断研究甚多,具有完备的理论知识、解决思路和应用方法。相反,非预期故障诊断研究较少,且缺乏完善的理论和成熟的技术。本文借鉴预期故障诊断技术,结合了现有的预期故障和非预期故障的相关理论,对非预期概念进行详细地定义、准确地描述和规范地划分。（2）本文基于支持向量机及其衍生算法进行非预期故障诊断方法研究,通过分类实现正常和非预期故障数据的诊断识别。巧妙地结合支持向量机建立最优分类超平面的理论,将非预期故障诊断问题转化为最优超平面的求解问题。（3）进一步地,本文设计了专门适用于望远镜驱动系统的非预期半实物仿真平台。一方面将非预期故障转化为预期故障,另一方面也为望远镜驱动系统的设计和非预期故障诊断的问题解决,提供了有力的技术支持。（4）以有先验信息的故障数据选择二分类支持向量机和无先验信息的故障数据选择单类支持向量机两种不同应用场景,分别采用基于搭建的半实物仿真平台采集非预期故障数据,对提出的方法进行有效性验证;同时,单类支持向量机从两个方面进行验证,即数据理想状态下和非理想状态下,结合了智能寻优算法,数据预处理、降噪和交叉验证,以改进优化算法取得对目标类样本更好的描述效果。本文以高斯核函数为例,对支持向量机参数寻优,参数主要为高斯核带宽参数和惩罚系数,可以看出模型性能依赖参数的选择,主要表现在训练模型的支持向量个数和漏警率的改善。分析结果表明,该方法在非预期故障诊断中,能够获得良好的检测效果,验证了本文提出非预期故障诊断方法的可行性。

关键词：望远镜驱动系统非预期故障半实物仿真支持向量机

基于SVDD优化的南极望远镜驱动非预期故障研究

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

自动化与仪器仪表 2022年第1期 18-22页

作者：邓壮壮杨世海朱节中李运高志文南京信息工程大学电子信息学院南京210044 中国科学院国家天文台南京天文光学技术研究所南京210042 中国科学院天文光学技术重点实验室(南京天文光学技术研究所) 南京210042

支持向量数据描述SVDD(Support Vector Data Description,SVDD)算法,在小样本故障检测中表现出良好的学习能力。然而,现有的SVDD故障检测方法由于对实验数据和参数过于依赖,从而限制了故障检测的精度。针对上述问题,提出了一种基于SVDD... 详细信息

支持向量数据描述SVDD(Support Vector Data Description,SVDD)算法,在小样本故障检测中表现出良好的学习能力。然而,现有的SVDD故障检测方法由于对实验数据和参数过于依赖,从而限制了故障检测的精度。针对上述问题,提出了一种基于SVDD的智能寻优非预期故障检测算法。实验数据采取核主成分分析法(Kernel Principal Component Analysis,KPCA)降维去噪处理;并对SVDD算法与粒子群优化(Particle Swarm Optimization,PSO)算法结合,对算法参数优化。待检测样本点的球心距与超球体半径之差为衡量标准,实现非预期故障的检测。数据采集于南极望远镜的驱动系统,实验结果表明,优化后的SVDD算法检测精度提高。基于半实物仿真平台验证该算法,在非预期故障检测中具有很高的应用价值。

关键词：南极望远镜驱动系统 SVDD 非预期故障参数优化 KPCA降维

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

医疗设备非预期故障的现状研究

世界最新医学信息文摘 2019年第82期19卷 289-290页

作者：李佳王俊峰郭志慧内蒙古医科大学第二附属医院

在医疗机构的诊疗活动中,医疗设备的应用非常广泛。不论是诊断还是治疗,都有大量的医疗设备参与其中。本文利用质量改进方法,对医疗设备非预期故障发生现状进行研究,分析、探讨导致医疗设备非预期故障发生的主要原因。为提高医疗器械临... 详细信息

在医疗机构的诊疗活动中,医疗设备的应用非常广泛。不论是诊断还是治疗,都有大量的医疗设备参与其中。本文利用质量改进方法,对医疗设备非预期故障发生现状进行研究,分析、探讨导致医疗设备非预期故障发生的主要原因。为提高医疗器械临床使用率提供数据支持,从而提高临床规范操作医疗设备能力;增进了临床科室与后勤保障部门的沟通协调关系;降低医院运营成本。

关键词：医疗设备非预期故障对策研究

基于SVM的南极望远镜驱动非预期故障诊断方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国测试 2023年第6期49卷 75-81,91页

作者：邓壮壮杨世海朱节中李运南京信息工程大学自动化学院江苏南京210044 中国科学院国家天文台南京天文光学技术研究所江苏南京210042 中国科学院天文光学技术重点实验室(南京天文光学技术研究所) 江苏南京210042

针对南极望远镜驱动系统的非预期故障检测存在先验信息不足、故障特征难确定和故障样本少等问题,提出一种基于支持向量机(support vector machine,SVM)的非预期故障检测方法。以南极望远镜驱动系统为实验平台故障植入,采集的数据中心化... 详细信息

针对南极望远镜驱动系统的非预期故障检测存在先验信息不足、故障特征难确定和故障样本少等问题,提出一种基于支持向量机(support vector machine,SVM)的非预期故障检测方法。以南极望远镜驱动系统为实验平台故障植入,采集的数据中心化和标准化预处理。基于KNN(K-nearest neighbor)、K-means、BP(back propagation)神经网络和SVM算法建立4种非预期故障检测分类器,将各个算法参数调优,再根据数据特征预测分类。实验结果表明:在相同的实验条件下,基于SVM算法的非预期故障检测分类器性能优于其他3种分类器性能。将该类方法应用于半实物仿真平台,验证该算法可行、有效。

关键词：南极望远镜驱动系统非预期故障支持向量机分类器

维普期刊数据库博看期刊