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.     

基于多模型建模的木材含水率测量方法研究

针对单一模型无法全面描述木材含水率的复杂非线性特性问题,本文提出一种多模型建模的方法测量木材含水率,该方法先用模糊C均值聚类算法将含水率等效电阻、进风口、出风口温度等数据分成具有不同聚类中心的子集,每一子集依据样本数分别采用径向基网络、支持向量积训练得出子模型,再用模糊聚类后产生的隶属度将各子模型的输出加权求和得到木材含水率测量的模型。通过实例验证了本方法与RBFNN建模对于木材含水率的检测,具有更好的泛化结果和测量精度。     

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.     

神经模糊建模在厌氧消化过程中的应用

在厌氧消化处理废水的过程中,挥发性脂肪酸的浓度对于监测厌氧消化的进程有着至关重要的作用.本文提出了一种神经模糊网络的软测量建模方法来预测VFA的值.首先通过减法聚类优选模糊规则数,避开"规则爆炸"的问题;然后建立自适应神经模糊推理系统软测量模型.仿真结果表明该方法具有很好的拟合精度和预测精度,是一种适合有效的软测量建模方法.     

基于自适应FLSVM的赖氨酸发酵过程软测量方法

针对生化反应过程中软测量模型随着时间的推移而出现的模型老化现象,提出一种基于增量学习的自适应模糊支持向量机软测量建模方法.它首先将输入空间中的样本映射到高维特征空间,然后根据样本偏离超平面的程度赋予不同的模糊隶属度,建立模糊支持向量机软测量模型,并在模型投入现场运行后,通过一种改进的增量学习算法在线更新模型参数以自适应获得更加准确的软测量模型.以L-赖氨酸流加发酵过程为例,验证了所提算法能够从过程的第2批次开始对关键生物量参数(菌丝浓度和基质浓度)进行较准确的在线预测,与普通的模糊支持向量机建模方法相比具有较高的预测精度和自适应性.     

CLS-SVM:一种时间序列预测的局部建模方法

针对LS-SVM应用于大样本时间序列预测时存在的计算复杂度高和泛化能力降低的问题,提出一种采用局部模型的时间序列预测方法.该方法采用K-means算法对训练样本进行聚类,并以VRC原则确定最佳聚类数,然后利用LS-SVM对聚类后样本进行局部建模;同时,针对一般LS-SVM建模过程中共轭梯度方法计算效率低的问题,采用Cholseky分解方法以实现计算效率的提升.仿真实验和应用测试表明,该方法用于大规模数据分析时,可在保持预测精度的前提下,提高训练效率5 ～ 28倍,在降低计算复杂度的同时,有效地提高了模型的泛化能力.     

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。     

基于数据场聚类的模糊神经网络在发酵过程中的应用

针对传统模糊神经网络方法中模糊规则难以提取、网络结构优化时间过长以及易于早熟的问题,提出了一种基于数据场聚类的免疫模糊神经网络方法.该方法将物理学中场的理念引入到抽象的数域空间,通过模拟对象在虚拟数据场中的相互作用实现数据对象的自组织聚类,提取模糊规则建立初始模糊神经网络模型,并运用免疫遗传算法优化构成隶属函数的网络结构.以实验室赖氨酸发酵过程关键生物量参数软测量为例,进行了仿真验证.结果表明,与常规方法相比,该方法具有较好的建模精度和实用性.     

基于FCM自适应模糊聚类的温度测点优化

在数控机床热误差建模中,温度测点的选择与优化是一个难点。针对传统的FCM模糊聚类方法对数控机床温度测点优化需要人为事先确定聚类数目,提出了一种FCM自适应模糊聚类测点优化方法。该方法在FCM聚类算法的基础上,建立了聚类数自适应函数,并自动给出最佳聚类数。通过对一台立式铣床进行实验验证,结果表明:FCM自适应模糊聚类方法自动将机床的温度测点由13个减少到6个。结合多元回归分析,建立了关键测温点的热误差模型,所建立的热误差模型精度较高,热误差由50μm减小到10μm以下,验证了该方法的有效性。     

基于广义轴理论的产品拆卸路径规划

如何将所有可行的拆卸路径进行紧凑、合理的表达是实现产品拆卸路径规划时首要解决的问题.为此,要对指定拆卸类型下的装配体进行有效的子装配体聚类.为在产品拆卸路径规划中实现子装配体聚类的优化,同时避免传统方法所造成的组合爆炸等问题,引用并扩展了表达零件问紧密程度的配合关系等概念,并结合对装配结构和装配过程的深入分析,提出符合工程语义的广义轴理论以及拆卸优先级修正系数等概念.在具体操作上,首先借助邻接矩阵的表达形式并结合同轴度系数函数和拆卸优先级别系数分配表等对应关系得到同轴隶属度矩阵及其修正矩阵.然后,结合模糊数学中模糊聚类分析的有关算法,得到具有传递性的模糊等价矩阵以及分属不同截距下的动态产品聚类关系图.最后,结合此关系图和拆卸优先级别系数分配表,实现子装配体的聚类优化.经验证,所提方法增强了拆卸路径划分同工程实际的一致性,同时减少了计算工作量.     

基于和声搜索优化多T-S模糊神经网络的聚合釜过程软测量建模

根据多个模型相加可以提高整体预测精度和鲁棒性的思想,提出一种基于模糊C均值聚类算法的多T-S模糊神经网络模型对聚氯乙烯(polyvinylchlorid,PVC)聚合生产过程中的氯乙烯(vinyl chloride monomer,VCM)转化率和转化速率进行预测。首先采用主元分析来对软测量模型的辅助变量进行选择以降低模型维数,并提出和声搜索和最小二乘法相结合的混合优化算法来优化T-S模糊神经网络子模型的结构参数。仿真结果表明该模型能够显著提高PVC聚合过程中经济技术指标预测的精度和鲁棒性,可以满足聚合釜生产过程的实时控制要求。     

用于分割无损检测图像的改进的抑制式模糊C均值聚类算法

由于无损检测图像灰度分布不均衡,常用的模糊C均值聚类算法不能对图像中的目标与背景进行有效分割,故提出一种改进的抑制式模糊C均值聚类算法(IS-FCM)对无损检测图像进行分割。通过对抑制式模糊C均值聚类算法(S-FCM)的目标函数融入每一类的总隶属度以均衡化目标像素和背景像素对聚类结果的影响,在构建的新目标函数基础上推导出新的隶属度和聚类中心迭代形式,然后分析了所提算法的收敛性并给出了执行步骤,最后通过无损检测图像对所提算法进行分割实验。结果表明,IS-FCM算法不仅能够对灰度分布不均衡的无损检测图像进行有效分割,还扩展了S-FCM算法的应用范围,增强了鲁棒性和适应性。     

混合聚类新算法及其在故障诊断中的应用

针对模糊C-均值(FCM)聚类算法假设各维特征和每个样本对聚类贡献相同,同时需要预先设定聚类数的不足,利用3层前馈神经网络、点密度函数算法和聚类有效性指标对其进行改进,提出一种新的混合聚类算法。该算法考虑到不同特征和不同样本对聚类结果有不同程度的影响,并根据聚类有效性指标的变化自适应确定聚类数来实现聚类。利用基于梯度下降的3层前馈神经网络通过无监督训练来自适应学习特征权值,使用基于点密度函数的算法获取样本权值,给不同特征和不同样本赋予权重,突出敏感特征和典型样本的主导作用,抑制其他特征和样本对聚类的干扰,以提高聚类性能。研究结果表明,对于国际标准测试数据和某机车轴承的早期故障诊断,该混合聚类算法不但能自动确定聚类数,而且聚类的准确性明显比FCM高。     

A differential evolution fuzzy clustering approach to machine cell formation

Searching for similar parts and associated machines plays a crucial role in machine cell design. The aim of this paper is to propose a new fuzzy clustering method to solve machine cell formation problems in a fuzzy environment. Fuzzy c-means (FCM) has been applied to machine cell formation problems. However, performance of existing FCM algorithms depends highly on the initial states (cluster centers or membership degrees). Additionally, the number of clusters (machine cells) has to be provided beforehand. In practice, it is difficult for the machine cell designer to select a proper set of initial states or to determine the optimal number of machine cells before the overall machine cell configuration is formed and the operational result is observed. In this paper, a new fuzzy clustering approach combining differential evolution (DE) algorithms with FCM formulas is proposed to overcome these deficiencies. The proposed DE-based fuzzy clustering method can automatically determine the correct number of cells and generate an optimal machine cell configuration at the same time. Experimental results demonstrate that the proposed algorithm performs well in searching solutions to the fuzzy machine cell formation problem with automatic cluster number determination.     

基于时间窗的锌钡白转窑煅烧过程在线优化建模

应用混合核函数的最小二乘支持矢量机(LS-SVM)解决锌钡白转窑煅烧过程的多变量模型拟合问题,模型拟合精度高,效果好。为使系统实现模型参数的在线修正运算,扩展了LS-SVM,提出了一种基于KKT判定条件的时间窗在线建模算法。这一算法在时间窗向前移动的同时,依靠KKT判定条件,确定是否需要对新增的样本数据进行重新训练,避免不必要的重复运算。随着时间窗向前移动,系统不断更新模型参数,以适应工况变化的需要。仿真分析说明,这种建模方法在此类煅烧过程控制和产品质量提高上有着广阔的应用前景。     

基于威布尔与模糊C均值的滚动轴承故障识别

提出一种基于威布尔分布与模糊C均值(fuzzy C-means,FCM)聚类算法相结合的滚动轴承故障识别方法。针对不同故障类型的威布尔分布模型的尺度参数、形态参数和威布尔负对数能够较好地刻画轴承运行的状态特性,提取其尺度、形态和威布尔负对数似然函数等3个参数构建表征轴承运行状态的特征向量。模糊C均值根据样本相对于聚类中心的隶属度确定样本的亲疏程度而实现分类。实验中,首先采用组合形态滤波器对滚动轴承原始信号进行降噪,然后建立威布尔分布模型,将提取的特征向量输入模糊C均值分类器进行故障诊断和识别。结果表明,该方法对机械故障诊断识别准确率高,可以作为滚动轴承故障识别的重要手段。     

基于FCM算法的零件簇编码分析

给出一个基于模糊c-平均(FCM)算法的零件簇聚类分析的过程模型来描述分析过程;构造了适合于零件簇聚类分析的FCM算法,该方法考虑了零件簇对象特征之间的模糊关系和各零件对象特征聚类中心之间的距离,无需设计权重系数;通过实例进行了聚类分析,并与模糊聚类和k-平均聚类两种方法进行比较,证明该FCM算法是有效的。     

基于自适应拓扑的电池动态分组均衡方法

传统电池分组均衡方法用于减小电池组不一致性时，其分组方式存在低效耗能问题，因此提出了一种基于自适应电路拓扑的电池分组均衡方法。结合开关组与Buck-Boost电路特点，设计了用于电池分组均衡的自适应电路拓扑，在分析模糊C均值（FCM）聚类算法需给定初始聚类中心及隶属度矩阵等不足的基础上，从软件角度提出了用于实现电池分组的基于密度的模糊C均值(DBFCM)聚类算法。每个均衡周期内，采用DBFCM聚类算法实现电池单体聚类分组，依托自适应电路拓扑对聚类完成的电池各组进行组间均衡操作。实验结果表明，该方案可有效提高电池组的整体能量利用率，缩短均衡时间，减小单体电池间的不一致性。     

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。