多分辨小波过程神经网络及其应用研究

以小波多分辨分析为理论基础,结合过程神经网络模型,建立了具有分层、多分辨和局部学习特性的多分辨小波过程神经网络.该网络充分利用小波函数和尺度函数互补的特性,以及过程神经网络可以处理连续输入信号的能力,能够很好地解决复杂的非线性时间序列的预测问题.给出了相应的学习算法,并以航空发动机排气温度裕度状态监视为例,利用多分辨小波过程神经网络进行预测.结果表明,多分辨小波过程神经网络收敛速度快、精度高.同时也为航空发动机排气温度裕度状态监视问题提供了一种有效的方法.     

用集成过程神经网络预测民航发动机振动趋势

提出了一种集成过程神经网络预测模型用于民航发动机振动信号趋势预测。首先,对AdaBoost.RT算法的误差函数进行了改进,并采用自适应调整策略在训练过程中自动调节算法的分类阈值;然后,以改进的AdaBoost.RT算法为集成学习框架构建集成过程神经网络(process neural network,简称PNN)预测模型。通过对两组实际民航发动机振动信号序列的预测对集成模型的预测效果进行了评估。结果表明,在具有更加简单网络结构的情况下,集成PNN模型的预测效果好于单一PNN模型。此外,提出的改进AdaBoost.RT算法的效果优于原始AdaBoost.RT以及仅改进了阈值调整方法的AdaBoost.RT算法。对比结果表明,提出的集成PNN模型适用于民航发动机振动信号变化趋势预测。     

基于QFD和公理化设计的模块划分方法研究

模块划分作为模块化设计的第一步,必须充分考虑顾客的需求和功能独立性。在现有研究的基础上,提出了基于质量功能配置(Quality Function Deployment,QFD)和公理化设计(Axiomatic Design,AD)的模块划分方法。运用QFD和AD理论,保证产品的功能分解时满足顾客需求和功能的独立性。在功能模块的聚合方式上,对原有的模糊聚类方法进行改进。在聚类计算之前,先进行模块分组,后在组内进行聚类。减小了模块聚类的计算量,并有利于模块化设计的优化。     

不确定环境下产品设计项目过程执行仿真

为了更有效地对不确定环境下的产品设计项目进行仿真和预测,采用拉丁超立方体采样法对不确定工期进行采样,通过细分耦合任务使其转化为依赖任务来降低问题的处理复杂性。在考虑多级返工及返工传播的情况下,建立了基于动态因果图的过程迭代执行模型。基于该模型采用离散事件仿真对项目进行模拟,在使用因果推理对任务返工进行判断及控制的基础上,给出仿真算法的具体步骤。通过算例及分析阐述了仿真的应用。     

基于可拓理论的数据挖掘在水轮机方案设计中的应用

针对大型水轮机方案设计复杂性的特点,建立了面向知识重用的有约束的基元可拓集,并基于基元的可拓性和可拓变换.探讨了基于可拓集合方法的数据挖掘技术实现;提出了一种改进的FP-growth关联规则算法对有约束的基元可拓集进行关联规则挖掘,并利用基元的相关性和蕴含性对已获得的关联规则进行拓展,获得更多有价值的知识.最后.通过大型水轮机选型方案设计实例进行了说明.     

大型水轮机方案设计知识重用可拓策略

为继承与重用大型水轮机产品设计知识,通过基元对设计知识进行了描述,研究了产品方案设计知识重用可拓策略,运用基元的可拓性实现了设计知识的拓展,形成了产晶方案设计知识的可拓基元集合,并建立了相应的产品方案设计知识重用可拓模型.最后,以大型水轮机选型方案设计为例,验证了该模型的有效性和可操作性.     

旋转矢量优化法及其在机构轨迹综合中的应用

本文完善了一种适合于工程应用的直接寻优法———旋转矢量法，即通过矢量绕目标值较低的端点旋转和矢量的不断缩短，逐渐收敛到最优点。并应用该法对利用连杆转角曲线法实现轨迹综合得出的解进行寻优后得到相当精确的解，证明该法具有良好收敛格式，对复杂工程问题有较强的适用性。     

一种结合UKF的疲劳结构剩余寿命预测方法

针对机械系统中疲劳结构的剩余寿命(RUL)预测问题,提出了一种结合无迹卡尔曼滤波算法(UKF)的RUL预测方法.该方法包括疲劳裂纹性能参数评估和RUL预测两个部分.在性能参数评估部分,通过对Paris疲劳裂纹扩展公式进行离散化,建立了参数状态空间评估模型,并利用传感器获得的实时状态信息结合UKF算法对状态空间评估模型中的疲劳性能参数(C和m)以及疲劳裂纹长度表现出的不确定性进行评估,以避免状态信息不完备、工况噪声等不确定因素对结构疲劳寿命预测的影响;在剩余寿命预测部分,利用UKF算法评估得到的参数结果,结合离散化得到的递推裂纹扩展模型,对结构的剩余寿命进行预测.仿真结果表明:提出的方法能够很好地处理疲劳裂纹扩展模型中疲劳性能参数的不确定性,且在剩余寿命预测上,通过与扩展卡尔曼滤波算法(EKF)进行比较分析,发现所提方法能够更准确地预测结构疲劳裂纹的RUL.将离散的Paris疲劳裂纹扩展公式和UKF算法进行结合,能够有效地提高疲劳结构的剩余寿命预测精度.