在汽轮机故障诊断领域,序列数据的变化趋势能够反映振动过程中的运行状态和发展态势,是专家在诊断时经常使用的特征依据。由于汽轮机组本体因结构、工况等导致的故障样本多样性和稀缺性以及专家经验和定性描述相对丰富的诊断现状,提出了一种基于云模型的汽轮机振动时间序列趋势判别方法。通过总结专家经验和故障案例,结合不确定性云模型生成定性趋势的云参数评估模型;利用样本数据通过逆向云得到的云参数生成大量云滴,代入云参数评估模型计算趋势等级确定度;引入趋势判别决策树得到序列数据的定性描述。最后以某亚临界双排汽凝气式汽轮机为研究对象,验证了该方法的可行性和有效性。

针对四轮全向机器人数学模型中未知因数的干扰,提出了一种基于神经滑模的比例微分(Proportional plus Derivative,PD)自适应跟踪控制策略。首先,对机器人的动力学模型进行分析;其次,利用反步轨迹跟踪控制器得到虚拟速度,基于虚拟输入与实际输入的误差设计PD控制器;接着,采用神经网络来逼近动力学模型中的不确定性,并利用Lyapunov定理证明了系统的稳定性。仿真和实验结果表明,该控制策略具有有效性。