运用改进模糊C均值算法的复杂产品功构单元模块划分方法

为了解决目前已有聚类方法在复杂产品功构单元模块划分过程中存在的问题,提出了一种基于改进模糊C均值算法(D-FCM)的产品功构单元模块划分方法。该方法运用距离矩阵生成样本分层聚类树,结合F统计量方法确定模糊C均值算法最佳聚类数,在此基础上,应用模糊C均值算法进行聚类分析,获得聚类结果。最后,结合实际项目给出该聚类方法在机床模块划分过程中的典型应用,对该方法进行实例验证。以此为基础,开发出机床模块划分系统平台。系统实现及设计结果表明了所提出方法的有效性,为面向配置设计的机床模块划分提供了另一种有效的模块划分方法。     

基于智能聚类算法的产品粒度确定方法

通过分析当前的聚类算法在产品模块划分过程中普遍存在的局限性,结合产品配置的特点,对模糊C均值算法所构建的具有片面性的目标函数和爬山法寻优模式的缺点进行了改进,并用于产品的模块化结构规划。提出了一种利用演化细胞学习自动机与改进后的模糊C均值聚类算法相结合的智能聚类算法进行产品粒度划分。在分析影响配置设计主要因素的基础上,建立需求满意度、装配复杂度和变型设计复杂度等三个量化指标,对不同粒度层次下模块划分结果的合理性与有效性进行评价,进而确定出最佳的粒度大小和模块数量。最后,通过实例验证说明了所提方法的可行性。     

面向产品配置的模块形成及划分方法

产品配置要考虑客户需求、模块组合复杂度、设计复杂度和成本,合理模块划分是产品配置基础。通过分析客户需求和零部件各相关性因素,建立零部件模糊相似性矩阵,并构建零部件模糊聚类树,描述模块的形成过程。提出采用复合λ对模糊聚类树截距,以组合复杂度、设计复杂度和成本为优化目标进行模块划分。利用遗传算法进行模块划分的优化,得到各λ值,进而得到模块划分的优化结果。此方法不仅考虑零部件之间相关的紧密程度,而且考虑模块划分的目的,以某天文圆顶为例说明了该方法的可行性和适用性。     

基于动态优选元胞遗传模糊聚类的使用可靠性区域粒度确定方法

为了进行使用可靠性区域粒度划分研究,在分析空调使用可靠性影响因素的基础上,以其使用可靠性同类区域差异最小为目标,建立了使用可靠性基于工作环境和用户使用习惯两类影响因素的多变量高维聚类模型,提出求解该模型的一种动态优选元胞遗传模糊聚类算法。该算法在经典元胞遗传算法和模糊C-均值算法的基础上引入信息熵理论和优选策略,并采用动态交叉和两阶段变异算子,因此集成了模糊C-均值收敛速度快和元胞遗传算法在解决复杂问题时多样性好、全局搜索能力强的特点。通过6个标准测试数据集的测试结果,证明新算法相对于模糊C-均值、遗传模糊聚类算法和粒子群模糊聚类算法具有更高的聚类精度和稳定性,尤其适合处理高维复杂数据的聚类问题。最后运用该算法求解模型,并评价不同粒度层次下聚类结果的有效性,进而确定使用可靠性最优区域粒度划分方案,表明算法能有效解决相关的实际工程问题。     

木材表面图像的缺陷分割与类型识别方法

为了识别死节、活节、虫眼三种木材表面缺陷,采用Gabor变换和模糊C均值聚类进行缺陷分割;采用数学形态学运算对分割图像进行了后处理;获取了木材缺陷区域的12维频率能量参数和2维几何形状参数;用支持向量机进行木材表面缺陷类型的识别。采用Gabor变换和模糊C均值聚类方法对死节、活节、虫眼三种木材表面缺陷的分割精度都达到94%以上,支持向量机对缺陷类型分类正确率达到93%以上,这说明本文的方法对木材表面缺陷的分割与识别是可行的。     

基于模糊C均值技术的轴承故障诊断

先利用多小波变换对轴承缺陷图像进行去噪,再利用模糊C均值(FCM)聚类用于灰度图像分割具有简单直观、易于实现的特点,对模糊C-均值聚类(FCM)算法进行改进,并对缺陷图像进行分割,试验结果证明,该方法显著提高了分割速度和精度,受背景、光照、角度、姿态的影响很小,具有较好的鲁棒性,具有一定的使用价值.     

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。     

基于参数优化MPE与FCM的滚动轴承故障诊断

为精确提取滚动轴承振动信号的故障特征,提出了一种基于参数优化多尺度排列熵与模糊C均值聚类的故障诊断方法。首先,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,基于遗传算法与微粒群算法对参数进行优化;然后,利用参数优化多尺度排列熵对滚动轴承振动信号进行特征提取,并通过模糊C均值聚类确定标准聚类中心;最后,采用Euclid贴近度对故障样本进行分类。通过分类系数与平均模糊熵检验聚类效果,证明了多尺度排列熵参数优化的有效性;与单一尺度排列熵、样本熵结合模糊C均值聚类方法的对比分析表明,基于参数优化多尺度排列熵与模糊C均值聚类的故障诊断方法具有更高的故障识别率和更广阔的适用范围。     

基于模糊聚类分析的锚绞机模块划分方法研究

在分析现有模块划分方法不足的基础上,提出了面向产品创新设计的3种模块划分方法。研究模糊聚类分析方法中的直接聚类法,并以现有产品为对象,研究了产品各功能与结构单元之间的相关度,构造了它们之间的模糊关系矩阵,运用模糊聚类分析方法,实现了产品模块的合理划分。该方法的有效性在锚绞机模块划分实例中得到了验证,为产品模块划分提供了参考。     

面向配置设计的产品功构单元粒度划分方法

针对现有模糊聚类方法在粒度划分实现过程中存在问题,基于构建面向配置设计的产品功构模型,通过对模糊C均值算法中随机初始化策略进行改进,研究功构单元粒度划分方法,并结合产品配置设计过程中需求映射及实例映射特点,根据公理化设计原理探讨了基于信息熵的聚类评价函数构造。最后,结合项目实施给出该方法在电梯制造业中的典型应用实例。系统实现及结果表明提出方法的有效性,为面向配置设计的产品族构建提供另一种数值计算方法。     

基于粒子群模糊聚类算法的电机故障诊断方法

针对模糊C均值聚类算法（FCM）对于异常点较为敏感和对高维数据处理效果较差的缺陷,利用PSO算法较强的全局搜索能力和高效的优化性能,提出了一种新的以采用隶属度作为粒子编码为基础的基于粒子群的模糊聚类算法。该算法中粒子根据模糊聚类中的隶属度进行编码,采用了一种新的约束策略用于保证FCM的约束条件,从而优化了FCM 算法的聚类结果。将该算法应用于电机故障诊断中,实验表明,该算法弥补了FCM 算法的缺陷,提高了聚类的效率和准确性,改善了故障诊断结果。     

复杂产品碳足迹节点单元渐进式模块化方法研究

为了更好的优化复杂产品的碳足迹,在拆卸混合图的基础上,融合公理化设计思想,定义度量功能域、结构域、生命域、接触域及低碳域的节点单元模块化要素组合准则。首先分立各组合准则,描述节点单元结构矩阵和关联图,利用动态模糊聚类层次法获取相关性,初步划分该准则模块。再综合各准则模块,辨析复杂产品极大极小集合范围模块。在确定各准则组合权重后,模糊聚类计算各准则下模块间综合关联度,编制聚类网格抽象图,依照不同阈值确定复杂产品碳足迹节点单元模块。经理论及车床实例验证,相对现有方法,该渐进式模块化方法具有能有效关联外部拆分需求、计算量较小和精度效率高等优点。     

基于自适应模糊聚类的多模型染纱能耗软测量

针对染纱生产的工艺能耗测量问题,提出一种基于自适应模糊聚类的多神经网络的染纱能耗软测量方法.该方法采用自适应模糊C均值聚类算法,基于实时采集的样本数据,将训练集划分成不同聚类中心的子集,并自适应修正.每个子集用径向基函数网络训练得到子模型,然后根据聚类后的隶属度,将各子模型的输出加权求和获得最后结果.通过对染缸能耗软测量建模,并对其进行仿真和典型实例研究,表明该方法具有良好的预测精度和鲁棒性,且与制造执行系统结合具有良好的在线测量能力.     

基于改进核模糊聚类算法的软测量建模研究

针对发酵过程软测量建模采用单模型建模方法存在计算量大和精度较差的问题,提出一种基于改进核模糊聚类算法的多模型神经网络软测量建模方法.该方法首先使用主元分析方法对样本数据进行数据处理,所得主元变量作为模型的输入变量,然后使用基于粒子群优化算法的核模糊C均值聚类算法(PSKFCM)对数据集作聚类划分,最后针对每个聚类建立局部神经网络模型,多个局部神经网络模型估计结果的融合即为软测量模型的输出.将所提建模方法应用于红霉素发酵过程生物量浓度软测量建模,结果表明所建软测量模型具有较高的精度和良好的泛化能力.     

面向再设计的产品模块划分方法

针对现有模块划分方法的不足,提出和构建了产品模块划分的统一数学模型和求解流程。在此基础上,利用零件综合模糊相似矩阵构造了基于模块聚合度和分离度的适应度函数,同时根据模块划分矩阵的特点,应用矩阵交叉遗传算法进行了产品模块划分的优化求解。最后以某天文圆顶产品为例,说明了零件综合模糊相似矩阵的获取过程,以及算法的优化求解过程。实践证明该方法快速有效。     

面向INS数据分类的鲁棒性无监督聚类方法

针对惯性导航系统(INS)中加速度计、陀螺仪测量误差随时间积累的问题,提出了一种基于内核模糊C均值的无监督广度优先搜索聚类算法(RUCM),用于INS模块采集数据的去噪及其运动阶段的分类划分。RUCM通过广度优先搜索方法遍历相邻的数据,使用阈值确定聚类数目,同时引入高斯核函数提高RUCM对噪声和异常点干扰的鲁棒性,并验证了其收敛性和鲁棒性。最后,在基于MEMS的INS模块实物系统中验证了该算法,结果表明所提出的方法能够提高随机采样INS数据的聚类性能,抑制了噪声干扰,使其INS运动阶段的聚类划分更加清晰与明确。     

模糊聚类算法综述

模糊聚类算法是近年来图像分割技术领域的研究热点之一。本文在对模糊C均值聚类算法分析的基础上,结合目前在图像分割中的应用研究,对模糊C均值聚类算法的有效性进行了比较分析。从隶属度、聚类数和其它方面,评述改进的模糊c均值聚类算法。最后讨论模糊c均值聚类算法目前存在的问题和发展方向。     

包含构件成组约束的多目标产品架构模块划分

针对传统的基于设计结构矩阵和设计产品矩阵/模块指示矩阵的产品模块划分方法中优化解往往不符合特定构件局部成组的实际要求、粒度过大等问题,提出一种包含局部成组约束条件的多目标优化方法。设计人员根据设计结构矩阵和设计产品矩阵/模块指示矩阵的单独聚类结果以及先验知识确定所期望的特定构件局部成组方案。建立以设计结构矩阵的模块度、设计产品矩阵/模块指示矩阵的正交度和模块内聚度为优化目标、以局部成组方案为约束条件的聚类优化模型。采用改进型非支配排序遗传算法对该问题进行求解,得到Pareto解集;利用逼近理想解排序法帮助设计人员在Pareto解集中选择出合适的折衷解作为模块划分方案。以手提式吸尘器的模块划分为例,运用数值仿真手段验证了该方法的有效性和可行性。     

基于层次分析法的清障救援车模块划分技术研究

针对清障救援车辆,提出了一种基于模块化理论的模块划分方法,充分考虑了清障救援车辆产品从设计、装配到使用过程中的阶段特性,从功能、结构、材料、使用寿命、接口关系及回收利用等方面制订了该类型车辆产品的模块划分准则,并基于层次分析法构建了清障救援车零部件综合相关性矩阵。结合模糊聚类分析方法,进行产品零部件模块聚类划分,并基于模块内聚合度与模块间耦合度关系评价,选取最优阈值,优化模块划分方案。最后以某重型清障救援车产品为例,验证了该划分方法的合理性。     

复杂机电产品柔性平台模块化再设计集成方法

为实现面向订单设计类复杂机电产品的核心平台规划,提出柔性产品平台的模块化再设计集成方法。在分析柔性平台模块类别和映射机理的基础上,建立柔性平台设计的软件支持系统。使用类组件的几何拓扑、物料流、能量流和信息流的流转分析,构建平台设计结构矩阵;采用改进的最小化凸函数算法实现设计结构矩阵的二维空间变换,并引入模糊C均值聚类算法进行聚类运算,快速获得聚类设计结构矩阵;通过聚类中心组件决定模块的属性,避免了综合决策的复杂运算。通过液压支架平台的模块化再设计证明了运算方法的高效性和鲁棒性。