基于Relief-F特征加权的模糊支持向量机的分类算法

传统基于样本与类中心的欧氏距离构造模糊支持向量机隶属度函数的方法将所有特征同等对待,并未考虑不同特征对样本与类中心距离的影响。针对这一问题,提出基于Relief-F特征加权的模糊支持向量机分类算法。首先通过Relief-F算法计算各特征权重并剔除权重较小的特征;然后应用特征权重计算样本到所属类中心的加权欧氏距离;最后,基于加权欧氏距离构造隶属度函数。该方法在考虑到特征重要性对分类效果影响的同时,通过权重阈值剔除权重较小的特征,从而将数据降维,提高了分类准确度和训练效率。实验结果表明:与支持向量机和传统基于距离构造隶属度的模糊支持向量机相比,基于Relief-F特征加权的模糊支持向量机具有更高的训练效率和分类准确率。     

EMD辅助相关系数SVD的单向阀故障诊断

单向阀是往复式高压隔膜泵的关键部件,其故障振动信号常遭受强噪声污染,导致故障特征难以检测。针对这一问题,提出一种经验模态分解(EMD)辅助相关系数奇异值分解(SVD)的单向阀故障诊断方法。该方法首先将单向阀振动信号进行EMD分解,并将分解得到的本征模态函数(IMF)进行重构;然后将重构信号输入到相关系数SVD系统中进行二次分解,并用相关系数法筛选出包含故障特征信息的分量信号;最后对有效分量信号进行希尔伯特包络谱分析,实现单向阀故障诊断。仿真结果表明,提出方法解决了强噪声背景下故障特征提取困难的问题;实测数据表明,该方法能够有效检测出单向阀故障。     

相关系数SVD增强随机共振的单向阀故障诊断

针对大型往复式高压隔膜泵关键部件单向阀的磨损击穿故障通常遭受强噪声污染,故障难以检测的问题,从单向阀振动信号分析入手,提出一种相关系数SVD增强随机共振的单向阀故障诊断方法.该方法首先将含有噪声的单向阀振动信号进行奇异值分解（SVD）,然后利用相关系数法筛选出包含故障特征信息最多的分量信号,再将其输入到随机共振系统中进行处理,达到检测强噪声背景下单向阀磨损击穿故障的目的.仿真结果表明,提出方法解决了强噪声背景下故障特征提取困难的问题;实测数据表明,该方法能够有效检测单向阀磨损击穿故障.     

高压辊磨运行工况识别算法研究

针对机理分析导致参数选择不足与高维过程数据不利于快速精确预测高压辊磨工况变化的问题,提出 一种基于樽海鞘群算法(Salp Swarm Algorithm,SSA)的高压辊磨运行工况识别方法。 首先对过程数据利用皮尔逊相关 系数和互信息进行相应的数据关联度分析,构造皮带机电流、辊磨机压力等过程数据与工况变化相关性的目标函数; 然后在求解目标函数时利用自适应高斯-柯西变异概率机制来增加樽海鞘群算法的领导者与跟随者的多样性,使其 在迭代寻优时种群分布更加合理的同时又提高了算法后期收敛速度,防止陷入局部最优。 最后进行实际高压辊磨生 产过程数据特征选择验证和对比实验,实验结果表明所提方法的有效性与准确性。     

自适应高阶容积H∞滤波算法在目标跟踪中的应用

为了改善传统容积卡尔曼滤波器(CKF)的滤波性能,将高阶容积卡尔曼滤波算法与非线性H_∞鲁棒滤波算法相结合,提出一种自适应高阶容积H_∞滤波算法(AHCHF)。该算法引入数值稳定性更强的奇异值分解方法(SVD)替换传统的Cholesky分解;同时将H_∞鲁棒滤波的思想应用于高阶容积卡尔曼滤波;并基于新息与约束水平反比的关系,对约束水平γ值进行自适应选取,兼顾了滤波精度和系统的鲁棒性。仿真结果表明:相比于传统CKF算法和高阶CKF算法,AHCHF算法具有更高的滤波精度和鲁棒性。     

宝珠寺水电站水能资源综合利用分析

自宝珠寺水电站建厂以来与设计发电量相比,发电量严重不足,造成实际发电量与设计发电量差距较大的原因有很多,其中最主要的原因就是入库流量偏少;其次宝珠寺水电站运行以来基本都是按设计的水库调度图运行。宝珠寺水电站结合实际情况,休正原水库调度图,积极开展水库优化调度工作,同时改变以往发电量最大的目标,积极寻求发电量与经济效益的结合,即考虑丰平枯及不同时段的电价,结合电网的需求,寻找经济效益最大的电站运行方式,确保了最近几年宝珠寺电厂发电量逐年提升的佳绩。