共查询到20条相似文献,搜索用时 156 毫秒
1.
[目的]为克服燃气轮机非线性时变特性对动态控制及性能监测的影响,通过长短期记忆神经网络(LSTM)的时序记忆、非线性关系表达与高斯过程回归(GPR)的区间概率估计能力三者的结合,提出一种基于LSTM-GPR混合深度学习模型的关键动态参数在线辨识算法。[方法]首先,建立燃气轮机的动态机理模型,以燃料热值、压气机效率及负载电力矩为待辨识参数,生成大量训练数据;然后,构建LSTM-GPR参数辨识网络模型,并输入训练数据进行网络训练和权重系数学习;最后,使用训练好的LSTM-GPR混合模型对燃气轮机动态运行参数进行在线辨识,经分析辨识结果来验证所提算法的有效性。[结果]仿真结果表明,所提算法辨识结果准确,误差小于1%,实时性好,相比于LSTM单一模型能获得更好的均值估计效果,并给出可靠的结果置信区间。[结论]所提算法能有效应用于燃气轮机模型的关键动态参数在线辨识,为进一步应用于实际机组奠定了基础。 相似文献
2.
[目的]为了支持制导、导航、控制等船舶智能化技术的测试验证平台的搭建,利用系统辨识技术得到高精度的智能船舶野本(Nomoto)运动模型参数。[方法]充分结合扩展状态观测器(ESO)以及鲁棒加权最小二乘支持向量回归(RW-LSSVR)算法的优势,提出一种高效低成本的混合参数辨识方法。为解决模型参数辨识中无法直接有效获取某些状态量的问题,构建了基于ESO的状态估计方法。基于估计方法与直接测量的船舶运动状态量,采用具有较强抗异常值干扰的RW-LSSVR对智能船舶二阶线性Nomoto运动模型参数进行辨识。以已知模型的两艘船舶为测验对象,对所提参数估计与辨识方法进行综合测验。[结果]在利用较少传感器的情况下,通过ESO可较精确地估计出非直接测量的船舶运动状态量,并且利用RW-LSSVR辨识得到的参数值十分接近标准值。[结论]利用所提方法获得的估计状态可用于参数辨识,并且辨识模型具有较好的泛化性。 相似文献
3.
轴流压气机作为燃气轮机安全运行的重要设备装置,它的稳定性直接影响燃气轮机的输出效率。因此如何快速准确判断并及时规避轴流压气机的喘振工况是燃气轮机优化设计的重点。本文提出一种基于轴流压气机已有传感器处理提取特征值后对喘振工况进行判断的新方法。首先对压气机的一维传感信号进行EMD分解升维后进行数据降维至数据本质维数上,再利用样本熵处理后提取特征信号从而对喘振工况进行判定。基于三级轴流压气机喘振进行喘振的诱导试验,实现压气机的喘振工况并且利用EMD-样本熵的方法对压气机的级间压力、出口压力进行分析对比。试验结果表明,此方法提取的特征值可以有效区分出压气机正常与喘振的工况,验证了方法的可行性,为轴流轴流机的故障预测提供基础。 相似文献
4.
[目的]针对智能浮标大深度浮潜模型难以精确量化的问题,提出一种抗数据饱和及测量噪声的最小二乘算法(ASNLS),以实现浮潜多参数识别及深度预测。[方法]首先,在智能浮标浮潜运动灰箱模型中引入其执行机构的非线性动作特性以契合实际模型,并将连续型浮潜运动方程转化为离散模式以匹配实际离散的数据采样方式;然后,将离散型运动方程构造为基于相关函数的表达形式,以减弱噪声对参数辨识的影响;最后,通过调整协方差矩阵的取值,实现该浮潜参数辨识算法的抗数据饱和功能。[结果]基于2021年智能浮标在南海的大深度试验数据,开展了浮潜运动模型参数辨识及深度预测,验证结果表明:相较于传统的最小二乘算法及支持向量机算法,ASNLS算法的收敛速度更快(较最小二乘算法提高了31.8%)、深度预测误差更小(不同深度下的平均绝对百分比误差均小于9%)。[结论]ASNLS算法可为智能浮标的深度控制和预报提供有效的浮潜模型支撑。 相似文献
5.
[目的]针对高频情况下使用传统仿真、实测方法获取舰船目标RCS受限的问题,提出一种结合引导聚集(Bagging)算法与基于谱混合协方差函数的高斯过程回归(GPR)模型的混合方法(Bagging-GPR),从而根据仿真和实测得到的低频段RCS数据,准确高效地外推高频段的RCS数据。[方法]首先,根据舰船目标低频段单站RCS数据,以重采样的方式获取训练子集,并使用基于谱混合协方差函数的GPR模型对各子集的RCS数据在频域上进行外推;然后,通过Bagging算法将各子集的外推结果进行混合,以进一步提高GPR的外推精度和鲁棒性;最后,分别在舰船模型的仿真数据集和实测数据集上对Bagging-GPR混合方法的性能予以试验验证。[结果]结果表明,Bagging-GPR可以实现实时外推,预测值与仿真值、实测值基本一致,均方根误差很小。[结论]所提方法具有较高的频域RCS数据外推精度和良好的鲁棒性,可为快速获取目标的高频RCS特征提供一种新的技术手段。 相似文献
6.
《中国舰船研究》2018,(6)
[目的]传统的高斯混合模型(GMM)算法存在收敛速度较慢的固有缺陷,容易产生过拟合现象,导致参数计算陷入局部最优,不能很好地用于船舶燃油系统的故障诊断。[方法]首先,分析GMM算法及参数估计算法,结合密度峰值聚类(DPC)算法,提出一种基于DPC-GMM算法的船舶燃油系统故障诊断方法;然后,通过训练船舶燃油系统状态所对应的高斯混合模型参数,实现对船舶燃油系统故障的无监督诊断;最后,基于获取的船舶燃油系统故障数据,验证该方法的有效性。[结果]实验结果表明,采用基于DPC-GMM算法的故障辨识准确率高、识别速度快,优于传统的反向传播(BP)神经网络和支持向量机(SVM)诊断算法。[结论]研究结果对船舶燃油系统的故障诊断有重要的指导意义。 相似文献
7.
《中国造船》2020,(1)
根据双桨单舵驱动水面无人艇的运动特点,针对正常驱动及单桨故障的状态,给出了一种基于增量式比例-积分-微分(proportion-integral-differential,PID)控制器和自抗扰控制算法的水面无人艇航行控制方案。该方法在双桨单舵正常状态下采用自抗扰控制方法,在故障状态下采用增量式PID方法获取平衡舵角,并配合自抗扰方法实现对水面无人艇航行控制。仿真结果表明:在风浪干扰情况下自抗扰控制方法较PID控制方法超调小、抗干扰能力更强。实艇水面测试结果表明:增量式PID与自抗扰相结合的控制方案在单侧螺旋桨出现故障情况下,能保持无人艇目标航向,且具有较好控制效果,能够满足双桨单舵驱动水面无人艇的航行控制要求。 相似文献
8.
9.
基于潜艇垂直面非线性运动模型,模拟近水面情况下潜艇的操纵运动;利用自抗扰控制技术(ADRC),对潜艇深度变换进行控制.仿真表明,相对于现有潜艇的操纵控制,在潜艇深度控制上,自抗扰控制器可以获得较高的控制品质和较理想的控制效果,并且可以实现控制上的零超调. 相似文献
10.
11.
12.
13.
14.
15.
16.
自主式水下航行器具有非线性、时变性、耦合性强且易受干扰等特点,为进一步提高AUV的深度控制效果,建立六自由度空间运动模型和执行机构响应模型,将线性自抗扰控制方法引入航行器深度控制,使用基于正切Sigmoid函数的跟踪微分器优化了线性自抗扰控制方法。将上述方法应用于深度控制实验中,并从控制精度和操舵能耗两方面评价其控制效果。仿真结果表明,在无干扰条件下,与S面控制方法相比,改进后的线性自抗扰方法在具有较高控制精度的同时平均操舵能耗指标下降了55.9%,且在内外扰动作用下保持了较高的控制精度和较少的操舵能耗,体现了较好的鲁棒性和节能特性。 相似文献
17.
针对能更加精确地描述船舶动态性能的Bech模型航向控制问题,构造三阶跟踪微分器,对期望航向及其微分进行精确提取,提出了一种基于线性自抗扰的积分滑模航向控制器。该控制器采用线性扩张观测器对实际航向与内外界总扰动进行在线估计与补偿;引入积分滑模面函数,设计非线性误差反馈控制律,加快系统的收敛速度。采用Hurwitz多项式,简化控制器,实现控制器参数化。由仿真结果得出,控制器能快速准确地跟踪到期望航向,对参数摄动与外界干扰具有较强的鲁棒性。该控制器设计结构简单,线性自抗扰与变结构积分滑模面相结合的控制器设计提升了控制品质。 相似文献
18.
宁君陈汉民李伟王启福李铁山陈俊龙 《中国舰船研究》2023,(1):60-66
[目的]为了解决大多数船舶编队控制算法控制周期长和时效性差的问题,提出一种基于扩张状态观测器(ESO)的有限时间控制策略。[方法]采用一种非线性终端滑模算法,通过对控制律分区域设计,克服传统终端滑模存在的奇异性问题;将非线性终端滑模与图论结合,实现有限时间的船舶编队控制;利用扩张状态观测器观测并补偿船舶模型中的不确定性及外界的干扰,以保证船舶编队控制的精确性;运用Lyapunov理论验证船舶编队控制律的稳定性。[结果]仿真结果表明,采用所提控制策略使整个编队系统误差在5 s左右趋近于0,从而实现了稳定。[结论]该控制策略能有效控制船舶编队,且控制速度快、时效性好。 相似文献
19.
20.
针对传统永磁同步电机PI控制存在的鲁棒性差问题,提出考虑参数摄动的永磁同步电机自抗扰内模控制方法.控制系统转速外环采用自抗扰控制器对外部负载扰动进行补偿,实现对给定转速的跟踪控制.电流内环设计考虑参数摄动的内模控制器,通过自适应观测器对电机参数摄动量进行实时估计和在线调整,增强电流预测控制的鲁棒性.实验对比传统PI控制与新型控制方法,其结果验证了新型控制方法在抗外部负载扰动和内部参数摄动方面的有效性和实用性. 相似文献