基于核特征模糊聚类及模糊关联熵的齿轮故障模式识别

针对常用数据模糊聚类算法存在缺乏先验知识、对初始值敏感、随机性明显以及高维数据处理效果较差等缺陷,提出了基于核特征模糊聚类及模糊关联熵的故障识别方法,并建立了相关模型。首先提出了核主元熵概念,并采取KPCA降维以减少运算量,基于核密度估计和第一核主元熵最大原理寻求最佳分类数和初始聚类中心,以提高模糊聚类效果;然后引入模糊关联熵系数实现学习模糊集和待识别模糊集相似程度的有效度量,建立了基于数据集中微观算子而形成的全局性故障相似性判别规则。在齿轮故障实验台架上的测试结果显示该方法可显著提高故障数据的聚类效果,具有快速识别故障模糊模式的显著作用。     

基于K-means和高斯混合模型聚类的齿轮箱故障识别研究

针对传统的基于振动信号的机械故障诊断技术过于复杂、诊断时间过长等问题,提出了结合K-means和高斯混合模型聚类方法的齿轮箱轴承和齿轮故障快速识别方法。首先,通过经验模态分解方法分解振动信号,利用相关分析选取了对振动信号局部特征表达最佳的IMF分量,IMF分量的均方根值和原始振动信号的均方根值,共同构成了振动信号特征集;然后,利用K-means算法确定了振动信号特征集的可分类别数;最后,基于振动信号特征集及其可分类别数,利用高斯混合模型聚类构造了齿轮箱运行状态的多维高斯分布函数,建立了齿轮箱在各运行状态下的从属概率模型,并根据从属概率大小,实现了齿轮箱故障的快速识别。实验和研究结果表明:针对实验环境下齿轮箱轴承和齿轮典型故障识别,基于K-means和高斯混合模型聚类的齿轮箱故障识别方法平均识别准确率为94.3%,高于基于模糊c均值聚类方法的故障识别平均准确率(84.5%)。     

基于FVMD多尺度排列熵和GK模糊聚类的故障诊断

针对设备故障信号的非线性、非平稳特征,提出了基于快速变分模态分解、参数优化多尺度排列熵和特征加权GK模糊聚类的故障诊断方法。首先,在变分模态分解的基础上,引入快速迭代的思想,提出快速变分模态分解方法,以减少算法运行时间与迭代次数;其次,针对多尺度排列熵算法的参数确定问题,综合考虑参数之间的交互影响,提出一种基于多作用力微粒群算法的参数优化方法,并通过快速变分模态分解和参数优化多尺度排列熵算法提取故障特征;之后,考虑到样本特征矢量中各维特征在聚类过程中的贡献不同,提出基于ReliefF特征加权的GK模糊聚类方法,由特征加权GK模糊聚类确定标准聚类中心,通过择近原则实现故障模式的分类识别;最后,以在机械故障试验平台上采集到的轴承不同故障类型的振动信号为研究对象,应用所提方法进行分析。结果表明,相对于改进前的变分模态分解、多尺度排列熵和GK模糊聚类方法,本文所提方法不仅能够有效提取故障特征,还能准确实现故障模式的分类识别,而且故障识别率得到提高。     

基于SOM网络的特征选择技术研究

讨论了一种SOM网络训练结果的可视化技巧,结合该技巧提出了基于SOM网络的特征选择方法。该方法 通过计算出SOM网络竞争层神经元权值中各维特征对输入模式聚类识别的影响,可以选择出对于模式识别敏感 的特征集。用IRIS和齿轮故障数据对该方法进行了检验,研究结果表明,采用该方法能较好地从原始特征中选择 出有效特征子集,实现不同类别输入数据之间的模式聚类识别。     

基于变分模态分解的齿轮箱状态监测

针对传动系统振动信号可能存在的故障特征不明显造成的故障识别困难问题,提出了一种基于变分模态分解和奇异值分解的特征提取方法,并采用模糊C均值聚类进行状态识别与监测。首先将齿轮箱各状态数据进行变分模态分解,并将各模态奇异值作为特征值,通过模糊聚类进行状态识别,最后应用于齿轮箱状态监测。结果表明,对于人工无法识别的齿轮箱故障,该方法故障识别率在86%以上,基于该方法的状态监测可为齿轮故障预警及严重程度提供参考。     

基于膜计算的水电机组故障识别

本文对水电机组振动故障进行识别研究,提出了一种基于膜计算的粒子群模糊聚类方法;该方法利用粒子群算法对模糊均值聚类算法的聚类中心进行优化,并利用膜计算增加粒子群的种群多样性;最后将所给方法成功应用于水电机组振动故障识别;并与粒子群优化的FCM算法、FCM算法、K-means算法进行比较,说明所给方法的优越性。     

局部切空间排列和改进模糊C-均值聚类的滚动轴承故障诊断模型

针对滚动轴承故障振动信号具有非平稳特征以及故障特征难以准确提取,提出一种局部切空间排列(LTSA)和改进模糊C-均值聚类的滚动轴承故障诊断模型。首先,基于滚动轴承振动信号分别在时域与频域提取特征参数构建高维特征矩阵,利用局部切空间排列非线性流形学习算法提取高维矩阵的低维故障特征向量;然后,利用改进模糊C-均值聚类算法构造多类故障分类器,实现滚动轴承不同故障类型的识别。经实验验证,该模型能够有效提取滚动轴承故障特征,并能够获得较高的故障诊断准确率。     

一种改进SURF特征匹配的装配工件快速识别方法

在工件装配过程中,针对基于SURF算法的工件匹配识别过程速度慢、实时性较差的问题,通过对K-Means聚类算法以及机器学习中文本检索方法进行研究,推导了基于聚类算法的特征点种类词袋模型,对特征点类别进行统计。提出反向标记法生成目标物体描述向量。在物体匹配识别阶段,对待检测物体的描述向量分段进行匹配并选取满足阈值条件的子向量作为最终匹配向量来实现目标物体的识别。实验结果表明改进算法在一定尺度、光照、旋转条件影响下实现了工件的准确识别,并且提高了识别速度。     

基于小波矩和模糊核聚类的示功图诊断方法研究

提出了基于小波矩特征和模糊核聚类算法的示功图故障诊断方法.通过边缘检测和形态学细化的方法完成示功图的图像分割,采用极坐标下小波不变矩算法提取示功图的形状特征,通过参数选择确定12个小波矩特征量,将特征量输入到模糊核聚类分类器中进行故障类型的分类识别,得到了良好的实验效果,验证了该算法对于示功图故障诊断的有效性.     

基于改进密度峰值聚类的航空发动机故障诊断

针对快速搜索发现密度峰值聚类(CFSFDP)算法存在的密度中心选择不方便、聚类精度不高的问题,提出基于马氏距离的自动搜索发现密度峰值的聚类算法。该算法将马氏距离引入距离测定中,提高了聚类精度;提出聚类中心判定参数γ,自动获得了聚类中心。采集航空发动机转子模拟振动信号实验数据,分别采用传统CFSFDP算法、改进后的CFSFDP算法、K均值聚类和模糊C均值聚类进行分析,结果表明,所提算法能够很好地改善聚类精度,其聚类精度相比K均值聚类和模糊C均值聚类有很大优势,且在故障特征的分类与识别上均优于其他两种算法。     

改进的人工免疫算法在机床颤振诊断中的应用

针对人工免疫算法对多样性的要求,通过提出了在克隆选择算法的基础上增加一种模拟姓氏继承的算法,有效提高了算法训练时的效率。在CA6140型卧式车床的振动数据进行的实验中,该方法表现出色。     

GMRES算法在雷诺方程数值解法中的应用

雷诺方程是流体润滑问题计算的基本方程,研究其有效的数值解法在工程上具有很大的实际应用背景,本文主要选取了流体润滑计算领域的一个有普遍意义的典型实例－点接触等温弹流润滑问题进行雷诺方程的解法研究。数值解法计算雷诺方程,均有归结为求解ＡＸ＝ｂ的问题。本文研究ＧＭＲＥＳ算法及传统采用的ＳＯＲ算法解该方程的速度与精度等各方面的问题。通过对比,加预处理的ＧＭＲＥＳ算法在解此方程中具有明显优势。     

一种基于改进蚁群算法的混合型调度算法

针对混合型制造业车间生产调度及时性、合理性、科学性及应用结合性上的不足,提出了一种基于改进蚁群算法的混合型调度算法,结合混合型生产的特点,首先给出了混合型生产调度问题细化模型,然后对传统生产调度模型中的蚁群算法进行了改进,最后通过在具备混合型生产特点的汽车玻璃制造企业测试应用后,验证了该算法的可行性及有效性。     

基于模拟退火算法的矩形件排样

针对矩形件排样问题,提出了最低轮廓线最佳匹配算法。该算法根据最低轮廓线排放矩形,使板材浪费降至最低。并将其与模拟退火算法相结合,可获得近似最优的排样结果。最后给出不同规模的算例,结果表明,该算法比最低水平线算法排样结果好,是解决矩形件排放的有效方法。     

基于模拟退火算法的矩形件排样

针对矩形件排样问题，提出了最低轮廓线最佳匹配算法。该算法根据最低轮廓线排放矩形，使板材浪费降至最低。并将其与模拟退火算法相结合，可获得近似最优的排样结果。最后给出不同规模的算例，结果表明，该算法比最低水平线算法排样结果好，是解决矩形件排放的有效方法。     

基于改进自适应遗传算法的网格任务调度算法

针对网格环境动态多变性的特点,对网格环境任务调度中的遗传算法进行研究,提出一种改进的自适应遗传算法.通过对影响遗传算法行为和性能的关键参数交叉概率与变异概率进行分析,提出利用自适应思想以及表征调度性能的种群适应度对交叉概率和变异概率合理选取的自适应遗传算法,使交叉概率和变异概率能随种群适应度自动调节、改变.试验结果表明,改进的自适应遗传算法能使网格任务调度具有较好的种群自适应度,从而表明该方法的有效性.     

一种基于混合型结构优化算法——Apriori-Mend算法

关联规则挖掘是数据挖掘领域中最重要的研究问题之一。Apriori是关联规则挖掘的一种经典算法,它使用候选项集产生测试机制来找出所有满足用户最小支持度的项集,但它需要多次扫描数据库,会产生大量的候选项集。针对Apriori算法的不足,提出了一种基于混合型新的优化算法:Apriori-Mend算法。该算法从优化产生2项集、事务压缩等几个方面对Apriori算法进行优化,将散列技术应用于产生1项集和2项集,采用库优化策略和混合型存储结构,以节省空间和运算时间。实验结果表明,Apriori-Mend算法运行速度比Apriori算法有明显的提高。     

Operation algorithm for a parallel hybrid electric vehicle with a relatively small electric motor

In this paper, operation algorithms for a parallel HEV equipped with a relatively small motor are investigated. For the HEV, the power assist and the equivalent fuel algorithms are proposed. In the power assist algorithm, an electric motor is used to assist the engine which provides the primary power source. In the equivalent fuel algorithm, the electric energy stored in the battery is considered to be an equivalent fuel, and an equivalent brake specific fuel consumption for the electric energy is proposed. From the equivalent fuel algorithm, distribution of the engine power and the motor power is determined to minimize the fuel consumption for a given battery state of charge (SOC) and a required vehicle power. It is found from the simulation results that the fuel economy and the final battery SOC depend on the motor discharge energy and it is the best way to charge the battery only by the regenerative braking, not by the engine to improve the overall fuel efficiency of the HEV with the relatively small motor.     

．NET框架下RSA算法的研究与实现

对目前在非对称加密系统中占主流地位的RSA算法进行分析研究,并利用微软的.NET Framework 2.0框架给出其具体的C#代码实现。     

相移干涉术修正五步算法研究

研究了修正五步算法对线性相移误差及探测器二次非线性响应误差的不灵敏特性。数值模拟结果表明，该算法在一定程度上优于B.Zhao＆Y．Sur－rel的六步算法。