基于改进GNG算法的燃煤锅炉数据动态特征分析与控制

数据动态特征分析与控制技术是一种重要的数据挖掘手段,燃煤锅炉数据具有明显时序性和漂移性等特点,针对目前数据跟踪与监督算法大多缺乏动态性、实时性和稳定性等问题,设计一种基于改进生长神经气模型(GNG)的自适应聚类模型,建立基于概率、范围搜寻、节点平均距离的节点生成、删除机制,实现对漂移数据实时监控.最后以燃煤锅炉动态数据为分析对象进行实验,实验结果表明该模型和算法对动态漂移数据的实时跟踪能力更强,能对燃煤锅炉动态数据进行准确、有效的监督和控制.     

基于贝叶斯理论的复杂装备综合性能评价方法研究

针对复杂装备的综合性能评价问题,研究了复杂装备综合性能的评价过程,提出了一种基于贝叶斯理论的复杂装备综合性能评价方法。该方法在评价过程中确定了复杂装备综合性能评价指标体系,首先,建立了一种基于贝叶斯网络的复杂装备性能分析模型,利用历史数据对该模型进行训练进而得出复杂装备不同性能的评价结果;其次,考虑了产品性能的权重问题,并运用层次分析法确定各项性能指标的权重;最后,通过将贝叶斯网络得出的评价结果与产品性能的主观权重线性结合得到综合性能评价指数,从而对复杂装备的综合性能进行合理的评价,并对综合性能较差的复杂装备提出了合理的指导意见。最后,以某企业生产的推土机为例,验证的该算法的可行性。     

基于GMDH与SVM的信号缺失情景下轴承故障诊断

针对在轴承故障数据采集过程中,由于外界干扰导致部分信号缺失的问题,提出一种基于数据分组处理算法(GMDH)与经粒子群优化的支持向量机(PSO-SVM)算法相结合的轴承故障诊断方法。首先,利用GMDH算法搭建时间序列预测模型,预测出并弥补上缺失的数据并与采集信号整合;其次,经过PSO-SVM模型对完整的数据集进行故障类型诊断;最后,实验采用了凯斯西储大学轴承故障振动数据,并与SVM、PSO-SVM等算法进行比较,验证了在信号缺失情景下,GMDH-SVM混合诊断方法的有效性。