非线性系统的神经网络预测控制研究

针对工业过程控制中的强非线性系统的复杂控制问题,给出了一种基于神经网络预测的控制方法,用改进的BP神经网络实现预测控制中的模型预测,有效的解决了神经网络收敛速度慢的问题,同时用RBF神经网络实现预测控制中的控制器的优化,解决动态规划方法求解慢的问题。将该算法用于强非线性系统中,仿真结果表明该算法,具有响应速度快、跟踪性能好、鲁棒性和抗干扰性强的优点。     

用分流法解决单侧管道保护电位偏低的问题

针对秦京输油管道大兴站进站方向管道阴极保护不足而出站方向管道阴极保护电位整体偏高的问题,进行了现场调查和原因分析。指出进出站管道防腐层差异和阴极保护进出站通电点连接电缆电阻差异导致进出站管道阴极保护电流分配不均匀,是问题产生的主要原因。对3种解决方案进行了试验研究,结果表明:改变阴极保护回路电阻,对阴极保护输出进行合理分流,可以使进出站两个方向的管道均得到有效保护。根据计算,在其它条件不变的情况下,减小进站电缆电阻,可提高进站方向管道电位;增大出站电缆电阻,可增大进站方向管道电流并保持出站方向管道电流不变。该方法虽然能暂时提高阴极保护电位,平衡阴极保护的输出,但增大了阴极保护的输出电流,因此,对于防腐层质量较差的管道,不能从根本上解决问题,应尽快安排大修。     

基于S变换谱图纹理特征的输油泵轴承故障诊断

为了实现输油泵轴承故障的智能诊断与识别,针对输油泵轴承振动信号S变换时频图包含丰富故障信息的特点,提出了一种利用纹理分析对S变换等高线时频图进行特征提取的输油泵滚动轴承智能故障诊断方法。该方法对轴承振动信号进行S变换,将S变换获得的等高线时频图作为纹理图像进行分析,提取其Tamura纹理特征中的粗糙度、对比度、方向度作为纹理特征组成特征向量,采用支持向量机作为分类器实现轴承故障的智能诊断。通过实测轴承故障信号表明:该方法能够获得较高的故障模式分类精度,实现滚动轴承的自动故障识别,因而具有较高的工程应用价值。