CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

考虑剔除虚假云服务的制造云服务优选

随着云制造服务模式的兴起,云池中存在大量云服务并掺杂有虚假的云服务,恶意竞争的虚假云服务伤害了云服务提供商的权益,云用户也很难判别真实且优良的云服务。针对该问题,提出基于蒙特卡洛模拟估计的超体积算法来识别和剔除虚假云服务。在剔除虚假云服务的基础上,提出面向云服务可信度评估的基于遗传算法的模糊c均值聚类算法对云服务聚类并进行可信度评估,利用由层次分析法和熵值法构成的制造云服务组合赋权综合评价法,根据可信度等级结合综合评价值对云服务进行优选。以某工程机械交易云平台作为研究对象,验证了所提算法的有效性,算法能有效识别虚假云服务,确定云服务的优先顺序,并选出最佳的云服务。