【摘 要】
：
针对复杂驾驶环境中智能车辆的路径跟踪问题,提出了一种新型自适应容错学习控制策略.为了便于路径跟踪控制器的设计,首先,创新地将车辆动力学转化为一种参数化形式.在此基础上,考虑到车辆动力系统的欠驱动特性,我们控制器设计中引入一种新型处理非方输入矩阵的方法.该方法不仅拓展了自适应学习算法的应用范围,同时也为处理一般非方动力系统提供了一种新思路.其次,针对行驶过程中车辆损耗或意外可能导致的故障,我们提出了一种容错学习机制.此外,利用Lyapunov理论给出了该控制方法的严格收敛性证明,并通过实例验证了该方法的有效
【机 构】
：
中山大学智能工程学院,广东广州510275
论文部分内容阅读
针对复杂驾驶环境中智能车辆的路径跟踪问题,提出了一种新型自适应容错学习控制策略.为了便于路径跟踪控制器的设计,首先,创新地将车辆动力学转化为一种参数化形式.在此基础上,考虑到车辆动力系统的欠驱动特性,我们控制器设计中引入一种新型处理非方输入矩阵的方法.该方法不仅拓展了自适应学习算法的应用范围,同时也为处理一般非方动力系统提供了一种新思路.其次,针对行驶过程中车辆损耗或意外可能导致的故障,我们提出了一种容错学习机制.此外,利用Lyapunov理论给出了该控制方法的严格收敛性证明,并通过实例验证了该方法的有效性.事实证明,所提控制策略不仅可以有效地处理车辆动力系统固有的非线性性、不确定性以及各种外界干扰,同时还能较好地应对汽车执行器故障带来的影响.
其他文献
针对滚动轴承寿命准确预测缺乏表征其健康状态的可靠退化指标的问题,提出径向基(RBF)神经网络及带有漂移参数的维纳(Wiener)模型进行剩余寿命预测.首先,使用小波包奇异谱熵提取轴承振动信号初始特征;其次,利用早期无故障样本特征和失效样本特征训练RBF神经网络模型,将已提取特征全寿命数据输入到RBF神经网络模型,计算隶属度,作为轴承退化指标;最后,根据滚动轴承的退化轨迹,选择不同Wiener模型进行退化建模,根据AIC信息准则和对数似然值选择合适的模型,利用极大化轮廓似然函数在线更新模型参数,预测轴承寿命
针对串联型故障电弧影响供电系统安全且不易测量的问题,提出改进卷积神经网络对串联型故障电弧的识别方法.由于SVM学习的超平面是距离各个样本最远的平面,相比于Softmax,具有更强的泛化推广能力和更高的识别准确率,故采用SVM损失函数(hinge loss)替换原有的Softmax损失函数并在CNN模型中添加三层Inception结构得到改进的CNN模型.其次,研制串联型故障电弧实验平台,在不同的实验条件下采集电流信号,利用短时傅里叶变换,得到电流的时频谱图.采用同一数据集对两个模型进行训练和测试.结果 表
利用工业锅炉对二甲酚的尾气进行处理时,存在爆炸和有毒尾气泄漏的风险,因此对二甲酚尾气处理过程进行故障监测十分必要.然而该过程具有非平稳特征,常规的故障监测方法监测准确率不高.为了解决这个问题,提出了基于趋势相似性特征的故障监测方法,通过滑动时间窗口切割时间序列,计算各时间窗口内数据之间的趋势相似性,并以此作为新的监控特征对该非平稳过程进行监测,从而提高监测准确率.最后,以某二甲酚生产企业采集的现场数据进行验证.结果 表明,基于趋势相似性特征的故障监测较常规方法有较高的准确率,且监测准确率随过程的非平稳性增
随着我国智能电网技术的发展,低频振荡预警已成为电力系统稳定性研究的重要问题.提出一种基于关键特征广域降维数据Vinnicombe距离的电力系统低频振荡幅值预警指标识别方法,该方法首先对PMU采集的原始大数据进行筛选与降维预处理,生成低频振荡幅值预警指标所需的初始特征量矩阵,然后通过对电力系统监控终端节点和各节点之间的区域进行编号,生成网络关联多特征向量状态检测矩阵,再结合Vinnicombe距离计算传递函数距离,判断是否发生低频振荡,并有效提高低频振荡幅值预警识别精度.最后,通过10机39节点新英格兰系统
针对支持向量机(SVM)诊断变压器故障的效果不稳定的问题,利用AdaBoost集成算法对其强化,得到的AdaBoost-SVM模型诊断结果比较稳定,但准确度依然有待提高.因此,提出利用麻雀搜索算法(SSA)对AdaBoost-SVM模型进行优化,指定其弱分类器权重口αt、SVM惩罚因子c和核参数g的寻优范围,使用SSA对三种参数在指定的寻优范围内寻优,提高模型的准确率.将提出的SSA-AdaBoost-SVM变压器故障诊断模型与PSO-SVM、SSA-SVM、AdaBoost-SVM、AdaBoost-S
为实现低成本、快速、高精度的电动汽车锂电池健康预测,提出一套基于深度学习模型和ZYNQ硬件平台的锂电池健康预测系统.首先,使用锂电池历史退化数据训练多层卷积神经网络模型,得到模型各层的权重;其次,采用动态精度数据量化策略对各层的模型参数进行量化,有效减少内存占用和带宽需求,进而提升硬件加速器的性能;然后,利用高层次综合工具实现了模型参数在ZYNQ硬件平台的嵌入和部署;最后,整套系统在Xilinx XC7020平台上进行验证.实验结果表明,该系统在实现高精度预测的同时,能够有效降低功耗、降低时延,满足车载条
转向架作为高速列车车体与轨道的连接部位,承载着保证列车在轨道上安全运行的重任.然而,在列车长期服役过程中,轨道不平顺以及轮轨磨耗等原因会造成转向架部件故障,严重影响列车的安全运行.实际运行过程中故障的发生具有随机性,无法将转向架故障诊断简单归类于已知组别分类问题.针对深度学习无法辨别未知故障的缺陷,在卷积神经网络(CNN)中引入随机微分方程(SDE)对转向架已知以及未知故障进行判别.实验证明,随机微分方程网络(SDE-net)不仅能高效分辨出已知故障,还能有效判别出未知故障,且准确率都超过93％.与此同时
针对难以量化配电网规划方案的权重问题,提出IVIF-AHP法与改进CRITIC法结合的综合评估配电网规划方案的方法.首先,从配电网供电可靠性、经济性、供电质量及安全性四个方面建立综合评估指标体系;其次,通过三角模糊数确定决策者自身属性,引入评估结果相似度与决策者犹豫度共同决定加权因子矩阵,根据评估矩阵聚合的IVIFN计算指标熵权值.基于CRITIC法引入变异系数和冗余信息熵提高客观权重的客观性;最后,基于最小信息鉴别原理评估指标综合权值,同时计算准则层与方案层聚合的综合权重,利用聚合矩阵与准则层指标权重的
锂离子电池作为一种高效的储能元件,被广泛应用到生产生活的各个领域,其健康状态事关系统的安全性,受到越来越多的重视.基于粒子群优化算法,优化了具有注意力机制的双向长短期记忆网络,实现了锂离子电池的健康评估.首先,考虑到锂电池数据的时序特征,采取了一种双向长短期记忆网络提高预测效果,并且引入注意力机制解决信息过载问题,提高任务处理的效率和准确性.接着,利用粒子群优化算法优化网络模型结构的参数,获得高效的锂电池健康状态估计.最后,引入NASA锂离子电池数据集.实验结果验证了所提方法的有效性.
直流充电站变流器开关器件的开路故障严重影响电站安全运行.考虑充电站运行中不可避免存在着非高斯测量噪声,提出一种基于尺度空间理论的经验小波变换(EWT)和循环熵(CCE)的变流器IGBT开路故障检测方法.首先,分析非高斯噪声对变流器IGBT开路故障的影响;接着,利用改进EWT方法分解IGBT开路故障时交流侧电流信号,通过相关性分析筛选得到有意义的模态分量并重构故障信号;进而,计算其循环熵并映射到循环熵谱中,提取故障特征值.不同故障类型下的实验结果表明,该方法可有效降低非高斯噪声的影响,具有较好的诊断准确性与