基于粒子群和BP混合优化的采煤机故障诊断分类方法研究

故障诊断的本质是信号的特征提取与分类,BP神经网络是典型的一种分类方法。针对传统的BP算法易形成局部极小值,缺乏全局搜索性的缺点,利用粒子群算法可以在复杂、多峰、非线性及不可微的空间中实现快速、高效的全局搜索的特点,结合传统BP算法,提出一种基于PSO-BP混合训练神经网络的新方法。该算法首先利用粒子群算法的全局搜索能力对BP网络的权值进行优化,同时引入粒子群熵的概念对粒子群体中个体的多样性进行度量,当粒子群熵的估计值超过某一设定阀值时,用BP算法进行神经网络的训练。采用采煤机的轴承故障数据集对PSO-BP算法进行验证,证明该方法能够对采煤机的故障进行诊断。     

基于改进的PAM算法的入侵检测方法

研究了入侵检测中算法的应用问题,由于PAM算法的入侵行为检测对大的数据集合没有良好的可伸缩性,提出了一种基于改进的PAM算法的入侵检测方法。首先将训练数据集转换为标准的单位特征度量空间;然后利用改进算法对数据进行划分,以找到聚类中心;最后对算法进行了性能分析与比较,并将该方法成功应用于入侵检测的仿真实验中。实验结果表明,算法具有良好的稳定性,能够有效地检测真实网络数据中的入侵行为,对大数据集合具有较好的可伸缩性。     

基于改进蚁群算法的齿轮故障模式识别方法研究

根据蚁群算法优化路径原理,提出一种基于改进蚁群算法的简单的模式识别方法。通过对TSP蚁群模型的适当修改,将模式识别问题转化为路径优化问题。为了尽量避免蚁群算法过早收敛或收敛到局部最优路径,采用了最大-最小和自适应蚁群算法相结合的方法对算法进行改进。通过实验,以齿轮3种不同状态下的关联维数为特征,成功实现了对不同故障状态的识别。     

基于蚁群算法的斗轮机构结构优化设计

介绍了蚁群算法及其改进型的原理、模型和算法实现过程,采用蚁群算法及其改进型算法对斗轮堆取料机俯仰钢结构进行了优化计算。改进型蚁群算法计算结果要优于普通的蚁群算法,说明了蚁群算法应用于机械优化计算切实可行,为复杂的机械优化设计问题提供了新的思路和方法。     

基于两电平SVPWM算法的三电平矿用变频器的研究与仿真

传统的煤矿变频器三电平SVPWM算法繁琐复杂,给应用带来不便。采用了三电平空间矢量脉宽调制新算法,这种方法是利用两电平的方法来实现的,这对计算过程进行了简化,并采用Matlab建模仿真软件及DSP来实现这种算法,试验表明了SVPWM算法的正确性。     

基于WI-FI的矿井人员精确定位算法

提出了一种基于WI-FI的矿井人员精确定位新算法,介绍了定位系统结构及信号模型,给出了一种基站节点优先选择的方法,在此基础上通过对全交点质心定位算法的分析,给出了加权全交点质心定位算法。为进一步提高定位精度,对加权全交点质心定位算法进行改进,最终提出一种运用最大似然估计滤波法对RSSI值进行滤波优化的新算法。仿真实验结果表明,新算法提高了定位精度,具有可行性和优越性。     

复杂混合浮选泡沫图像分割方法研究

针对浮选泡沫图像难以直接识别的问题,提出了一种基于形态学的分水岭改进算法,利用CLAHE、最小最大值滤波对泡沫图像进行预处理,采用形态学方法进行图像重建,最后利用分水岭算法对重建后的图像进行分割。仿真结果表明,该算法可有效地对复杂混合泡沫图像进行分割。     

基于改进型模拟退火算法的数控加工切削参数优化

介绍了模拟退火算法及其改进型的原理、模型和算法实现过程 ,并采用改进型算法对数控加工切削参数优化模型进行了优化计算。计算结果表明算法符合实际情况 ,证明基于改进型模拟退火算法的优化设计切实可行 ,为复杂的数控机械优化计算提供了一种优化方法。     

基于粒子群算法的惯性水平振动给料机的优化

该文介绍了粒子群优化算法的概念、算法的实现方法。通过对惯性水平振动给料机进行运动学分析,以料槽上物料运动的平均速度最大为目标函数,建立相应的优化模型,在MATLAB中编写粒子群优化算法的程序进行优化,得到了更好的结果。粒子群优化算法能够较好的完成优化,为惯性水平振动给料机的设计提供了新的方法和思路。     

基于蚁群算法的煤炭运输优化方法

基于蚁群算法的基本原理,论述了蚁群算法模型的实现方式,并对蚁群算法的煤炭运输优化方法进行分析,且结合实际案例加以说明,为基于蚁群算法在煤炭运输的实践优化提供借鉴,促进煤炭运输行业的良性发展。     

基于结果比对和过程特征分析的多线程评分算法的研究

结果比对分析方法是一种全新的评分算法,它采用多线程技术对考生的操作结果进行整体的分析和比对,可以快速评判考生是否全对。过程特征分析方法则是传统评分方法的改进算法,可以准确地判断考题中各个考点的得分情况。算法整合了结果比对分析方法和过程特征分析方法,高效和准确地实现了PowerPoint操作题的自动评分。     

一种改进的圆检测算法

传统的Hough变换算法对图像中的噪声不敏感,在参数低于二维的情况下能得到理想的效果,但如果参数在二维以上,计算量就会特别大,计算过程也非常复杂。随机Hough变换可以解决传统Hough变换存在的弊端。为此,以随机Hough变换为基础,通过对采样概率进行分析,结合Canny算子以及Zemike正交矩方法,提出了一种改进的圆检测方法。实验证明,该方法能降低随机Hough变换的无效采样概率,对圆形目标边缘的定位精度达到了亚像素级。     

改进遗传算法在软土路基沉降预测中的应用

软土路基在外荷载作用下的沉降在时序上常表现复杂的非线性,本文采用抛物线模型预测软基的沉降趋势。针对简单遗传算法存在的问题,进行了大量改进,改进后的遗传算法能有效克服传统方法易陷入局部极小的缺陷,大大提高算法的搜索效率、精度和稳定性。实践表明该方法是一种有效可靠的沉降预测新方法。     

遗传算法和模矢法结合的概率积分法参数反演方法

遗传算法在反演概率积分法预计参数时从参数取值范围内的串集开始搜索,并使用弹性策略来维持群体的多样性,使得算法可以跨过局部收敛的障碍,向全局最优解方向进化;但这种概率化的寻优算法存在局部探索能力差、结果不稳定的缺陷,只能获得问题的近似最优解。模矢法是一种降梯度算法,算法局部探索能力强、收敛快;但这种算法对初值选取敏感,初值选择不当易陷入局部极值。本文提出并实现了一种模矢法与遗传算法结合的组合算法:先使用遗传算法求得参数的全局近似最优解,然后将近似最优解作为探索初值,使用模矢法获得参数的稳定、精确最优解。研究结果表明:组合算法反演概率积分法预计参数的精确度高、收敛快、稳定性好,综合性能较遗传算法和模矢法有明显优势。     

基于遗传算法的矿井带式输送机变频控制系统

提出了一种基于遗传算法和空间矢量调制的新型控制策略,通过遗传算法优化得到最优PI参数,采用空间矢量调制技术得到预期电压矢量。仿真结果证明,该控制方案克服了传统控制策略的缺陷,有效减小转矩脉动,抑制电流超调,动静态性能得到了明显改善。     

基于小生境遗传算法的走向长壁采区优化设计

本文将基于排挤机制的小生境遗传算法应用于采区优化设计,为合理设计采区提供了一种新方法。算法分析和实例均表明,小生境遗传算法可有效搜索出多个优化设计方案,是一种非常有效的优化方法。     

不同智能优化算法反演概率积分法参数的对比研究

传统的概率积分法求参方法虽能较为精确地反演参数,但存在对工作面的类型以及测站的布设要求高、计算工作量大、效率低等不足,智能算法为精确确定概率积分模型最优参数提供了新方法。为探究不同智能优化算法在概率积分法求参过程中的性能,采用Matlab编程语言编写了模矢法、遗传算法、文化-粒子群算法、粒子群算法、果蝇算法和蚁群算法的运算程序,通过模拟试验,分别从算法的反演准确性、稳定性、抗误差干扰能力、全局寻优能力以及运行效率等方面进行了对比与分析。结果表明：当参数初值接近真值时,模矢法的反演准确性和效率最高;当参数初值与真值相差较大时,模矢法会陷入局部最优解,此时遗传算法的反演准确性和稳定性最强。从参数反演准确性和效率综合考虑,当参数范围已知时,最优算法为模矢法;当参数范围未知时,最优算法的选择依次为文化-粒子群算法、遗传算法、果蝇算法、粒子群算法、蚁群算法和模矢法。     

基于FastICA的旋转机械故障特征盲源分离方法研究

在快速独立分量分析基础上,提出了一种基于改进牛顿迭代法的独立分量分析算法,利用所建立的方法进行振动信号盲源分离的数值仿真,并对具有故障的实际转子进行多传感器信号采集并进行盲分离。仿真实验及实验室实测振动信号的分离结果证明该方法是有效的,可作为旋转机械故障诊断的信号预处理方法。     

蚁群算法及其在搜索土坡滑动面中的应用

介绍了一种新的解决优化问题的连续型蚁群算法,它具有简单易实现且计算效率高等特点,特别适用于复杂工程优化问题。土坡潜在滑动面的搜索可变成一个典型的复杂连续函数优化问题。最后,通过一个典型算例进行验证,并与遗传进化算法比较表明,本算法的计算效率较高。     

一种新的快速小波网络学习算法

针对小波网络学习算法具有训练时间长、收敛缓慢,以及训练时频繁调整隐含层与输出结点之间的权重,难以确定合适的步长等缺点,提出了一种把梯度下降方法和Kalman方法有机结合的快速学习算法。该算法使用梯度下降方法调整尺度和平移系数,用Kalman方法调整权重,以动态非线性系统和混沌系统为实例做了仿真,并与其它方法做了比较。结果表明该算法能够对动态非线性系统的输入输出快速学习和建模,优于其它小波网络的学习算法。