摘要:滚动轴承是旋转机械系统中保障安全运行重要组成部分之一。 开展滚动轴承特征识别具有重要理论实际应用价值。通常采用的深度学习滚动轴承特征识别方法,需要有监督标记数据或无监督故障数据参与训练,标签和故障数据不易获取,无法满足滚动轴承特征识别需求。 本文提出了一种边缘计算生成式对抗网络差分进化滚动轴承特征识别 EC-DE 法。 该方法训练过程采用健康数据训练生成式对抗网络,通过学习健康数据分布规律进行滚动轴承健康特征识别。 边缘端对比输入样本与生成式对抗网络生成样本差异性进行识别,根据输入样本健康置信度提前退出,提高系统实时性;云端采用差分进化算法搜索生成式对抗网络生成器输入潜空间,获得输入样本对应生成器输入潜变量,提高识别精度。 本文方法在 CWRU 滚动轴承公共数据集上的识别正确率达 99. 8% 且对超参数不敏感,推理阶段耗时降低,具有实际生产应用价值。

摘要:为提高空间望远镜精密稳像系统中压电驱动快摆镜( FSM)的摆动精度,对压电陶瓷执行器迟滞非线性补偿和控制技术进行研究。 针对压电迟滞的非对称性以及 Duhem 模型求逆过程复杂的问题,对 Duhem 模型中的微分方程进行变换,直接建立 Duhem 非对称逆迟滞模型作为迟滞前馈补偿器,并利用免疫差分进化算法辨识模型参数。 在 Duhem 逆模型补偿压电静态迟滞非线性的基础上,引入基于优化参考跟踪的线性二次型高斯(LQG-ORT)控制方法进一步提高压电执行器的动态定位精度,采用动态迟滞率相关自回归各态历经模型(ARX)建立状态空间方程,用于卡尔曼滤波器预测状态变量和控制器计算状态变量的最优控制系数矩阵。 实验结果表明:直接建立的 Duhem 非对称逆迟滞模型能有效描述压电执行器非对称逆迟滞曲线,拟合均方根误差为 0. 635 9 V(0. 5 Hz) ,相对误差为 0. 79% (0. 5 Hz) ;实时跟踪幅值为 24 μm,频率范围 1 ~ 80 Hz的目标位移信号,LQG-ORT 算法的跟踪误差为 0. 065 5 μm,相对误差为 0. 27% 。

摘要:现有的众多基于传统BoucWen改进的压电陶瓷非对称迟滞模型存在参数冗余，降低了模型参数辨识的准确性，而且常用的粒子群算法(PSO)在辨识压电陶瓷非对称迟滞模型参数方面收敛慢且容易陷入局部最优值。为此，首先提出了一种归一化的非对称迟滞模型，采用两个多项式达到非对称效果，利用归一化BoucWen消除参数冗余;然后采用参数和变异策略自适应的差分进化算法进行迟滞参数辨识；建立了相应的测试系统，对压电陶瓷作动器进行了实验研究。结果表明，相比于传统的BoucWen模型，所提出的模型能更精确地描述压电陶瓷实际电压位移曲线，而且消除了参数的冗余，降低了参数辨识的难度。相比于粒子群算法和传统差分进化算法，自适应差分进化算法能更快更精准地找到最优参数值。