基于双时间尺度粒子滤波的机电系统剩余寿命预测方法

    公开(公告)号:CN109241639B

    公开(公告)日:2022-10-18

    申请号:CN201811081075.1

    申请日:2018-09-17

    Abstract: 本发明公开了基于双时间尺度粒子滤波的机电系统剩余寿命预测方法,包括:采用欧拉离散化方法对连续的系统状态空间方程进行离散化处理,得到双时间尺度下离散的系统状态空间方程;利用双时间尺度粒子滤波算法对系统状态和故障参数进行联合估计,得到故障参数的估计值,并通过故障参数的估计值识别系统故障源;预测系统参数的退化模型,利用所述故障参数的估计值和故障失效阈值计算系统的剩余寿命。本发明解决了系统状态和故障参数在进行联合估计时会浪费大量的计算资源在故障参数基本不变的时间段的问题,提高了故障诊断的效率,保障了剩余寿命预测的实时性。

    基于双时间尺度无迹卡尔曼滤波的系统故障参数估计方法

    公开(公告)号:CN109086247B

    公开(公告)日:2022-10-18

    申请号:CN201811093396.3

    申请日:2018-09-19

    Abstract: 本发明公开了基于双时间尺度无迹卡尔曼滤波的系统故障参数估计方法,包括:对电动代步车系统的系统状态空间方程进行离散化处理,得到时间离散的系统状态空间方程;将待估计参数添加到系统状态变量中,得到增广后的系统状态空间方程,所述待估计参数为故障集合中的参数;采用具有双时间尺度的无迹卡尔曼滤波算法对待估计参数与原系统状态变量进行联合估计,在宏观尺度下,仅对增广前的原系统状态变量采用无迹卡尔曼滤波进行估计,在微观尺度下,对增广后的系统状态变量采用无迹卡尔曼滤波进行估计。本发明解决了故障诊断实时性差、故障源定位不及时的问题,减少了故障诊断时的计算量,提高了运算效率。

    一种车窗控制系统及方法

    公开(公告)号:CN110259321B

    公开(公告)日:2021-01-12

    申请号:CN201910046428.2

    申请日:2019-01-17

    Abstract: 本发明提供一种车窗控制系统及方法,所述车窗控制系统包括车载控制器,车载图像获取装置,雨雪传感器,用户端应用程序,车窗以及云服务器;所述车载控制器根据接收到的所述车载图像获取装置获取的实时天气图像信息,所述雨雪传感器的天气状况数据,所述用户端应用程序的控制指令,以及车辆所在区域的未来一段时间内的天气预报信息进行融合判断,以根据融合判定结果来执行相应的控制步骤。本发明的车窗控制系统和方法,能对天气状况自主作出实时性响应,能够检测下雪、风沙、雾霾等恶劣天气,节能且智能化程度高。

    基于连续快速非奇异终端滑模技术的电子节气门控制方法

    公开(公告)号:CN109098862A

    公开(公告)日:2018-12-28

    申请号:CN201810856093.6

    申请日:2018-07-31

    Abstract: 本发明公开了一种基于连续快速非奇异终端滑模技术的电子节气门控制方法,采用有限时间精确观测器,估计电子节气门系统的集总扰动dlum。本方法包括实时采集脚踏板角度θref和电子节气门输出角度θt并算出误差e;通过电子节气门的连续非奇异快速终端滑模控制算法算出最佳控制电压u,按T=u/12算出电机驱动器的占空比T;电机驱动器输出电压U驱动电子节气门,得到理想电子节气门输出角度θt1。本发明克服了电子节气门参数干扰问题,解决了系统控制增益选择难以及控制精度低问题,保证误差的快速收敛和参数扰动下的高精度追踪性能,实现了对电子节气门的快速、准确的控制。

    基于双时间尺度无迹卡尔曼滤波的系统故障参数估计方法

    公开(公告)号:CN109086247A

    公开(公告)日:2018-12-25

    申请号:CN201811093396.3

    申请日:2018-09-19

    Abstract: 本发明公开了基于双时间尺度无迹卡尔曼滤波的系统故障参数估计方法,包括:对电动代步车系统的系统状态空间方程进行离散化处理,得到时间离散的系统状态空间方程;将待估计参数添加到系统状态变量中,得到增广后的系统状态空间方程,所述待估计参数为故障集合中的参数;采用具有双时间尺度的无迹卡尔曼滤波算法对待估计参数与原系统状态变量进行联合估计,在宏观尺度下,仅对增广前的原系统状态变量采用无迹卡尔曼滤波进行估计,在微观尺度下,对增广后的系统状态变量采用无迹卡尔曼滤波进行估计。本发明解决了故障诊断实时性差、故障源定位不及时的问题,减少了故障诊断时的计算量,提高了运算效率。

    一种非线性机电系统的故障诊断方法

    公开(公告)号:CN108398637A

    公开(公告)日:2018-08-14

    申请号:CN201810083967.9

    申请日:2018-01-29

    Abstract: 本发明涉及一种非线性机电系统的故障诊断方法,特别涉及一种非线性机电系统的故障诊断方法。本发明首先对非线性机电系统建模,得到非线性机电系统的键合图模型,再依次得到解析冗余关系、故障特征矩阵,分析非线性机电系统故障的可检测性和可隔离性,得出非线性机电系统可能发生故障的集合,最后通过粒子滤波方法对非线性机电系统可能发生故障的集合和非线性机电系统的状态变量进行联合参数估计,然后将粒子分布的样本均值作为参数估计值和模型的标称值对比,确定非线性机电系统的故障。本发明能够通过故障辨识将故障参数精确到小范围区间内,能够及时、准确地诊断并隔离出故障源。

    基于自适应终端滑模控制的汽车线控转向控制方法

    公开(公告)号:CN107284519A

    公开(公告)日:2017-10-24

    申请号:CN201710406612.4

    申请日:2017-06-02

    CPC classification number: B62D5/046 B62D6/00

    Abstract: 本发明公开了一种基于自适应终端滑模控制的汽车线控转向系统控制方法,步骤包括实时采集前轮转角δf和方向盘转动参考角θhr,定义跟踪误差e为前轮转角δf和方向盘转动参考角θhr的差值,并通过一阶微分计算得到 和 接着将e和 输入终端滑模平面进行计算得到终端滑模变量s,然后对δf、 和s进行自适应律计算得到汽车线控转向系统不确定参数和扰动值的上界估计值 和汽车线控转向系统参数标称值相关变量 并将其与δf、s、一同作为输入量输入到自适应终端滑模控制器中进行计算,得到自适应终端滑模控制器输出u,最后将u传送到转向电机伺服驱动器中给线控转向设备发送电压指令,控制车轮转动,得到理想前轮转角δ′f。

    一种基于BG-LFT模型的机电系统的多故障隔离方法

    公开(公告)号:CN109241640B

    公开(公告)日:2022-10-18

    申请号:CN201811086082.0

    申请日:2018-09-18

    Abstract: 本发明公开了一种基于BG‑LFT模型的机电系统的多故障隔离方法,包括:对非线性机电系统建模,得到非线性机电系统的键合图模型;按照线性分式变换的方式,建立BG‑LFT模型,并根据BG‑LFT模型推导出系统的解析冗余关系ARR的表达式,再分别将系统中各个参数的标称部分和不确定性部分分离;所述BG‑LFT模型为对键合图模型进行线性分式变换后所得到的模型;对系统的解析冗余关系ARR进行分析,得到多故障隔离矩阵;利用多故障隔离算法对系统进行故障判断,获得故障元件信息。本发明解决了系统中多故障同时发生时的故障隔离问题,在多故障同时发生的情况下显著提高了故障的可隔离性。

    一种电动汽车故障诊断方法

    公开(公告)号:CN109492689A

    公开(公告)日:2019-03-19

    申请号:CN201811312879.8

    申请日:2018-11-06

    Abstract: 本发明提供一种电动汽车故障诊断方法,包括:采集加速踏板位置、车速、电动机转速、发电机转速和发动机转速的信号,建立故障决策表,并对采集的数据进行预处理;将建立的故障决策表进行二进制粒化,用粒计算对所述故障决策表进行属性约简,得到最小属性集;以所述最小属性集中的条件属性作为输入,以其决策属性作为输出,进行BP神经网络与RBF神经网络的训练,确定BP神经网络与RBF神经网络的隐含层层数及隐含层神经元节点数,设置训练参数,所述训练参至少包括:训练次数、训练函数;利用训练好的BP神经网络与RBF神经网络进行实时故障诊断,得到两个网络的故障诊断结果;利用证据理论将BP神经网络与RBF神经网络的诊断结果进行融合得到最终诊断结果。

Patent Agency Ranking