基于综合关联度分析的风机故障诊断

在分析了灰色关联分析的基本理论和方法的基础上,考虑到故障诊断中模式的各特征参数的随机性和模糊性引起的模式间"相似性"的形状变异和"相近性"的距离差别,引进了相似系数,将关联度和相似系数联合形成综合关联度,提出了综合关联度分析诊断法,并将该方法用于风机的故障诊断。实例表明,将综合关联度分析法引入风机故障诊断中是可行的,且具有方法简单、计算量小、识别可靠等特点。     

CAE技术在铸造模具工艺优化中的应用

采用华铸CAE软件对铝合金壳体铸件的金属型铸造过程进行了数值模拟，通过对几种铸造模具工艺方案的数值模拟和实验,优选出了一种最佳的铸造工艺用于生产，成功地消除了壳体铸件生产过程的缩孔、缩松缺陷。模拟结果与实际生产中的情况吻合较好。结果表明：CAE技术能为工艺方案的评价和改进提供科学的依据，能缩短新产品的开发周期，为企业带来了显著的经济效益。     

基于小波分析的滚动轴承故障诊断系统的研究

针对机械设备滚动轴承的振动特性,研究一种优化的小波变换算法,并将其投入到滚动轴承的故障诊断中。对小波进行分解,以及阈值的选取方面进行技术性的研究,提高信噪比,提高故障诊断的精确性。在系统服务层上,使用Web开发技术开发基于B/S结构的在线监测系统,实现机械设备滚动轴承的远程监测、诊断管理。     

基于分辨矩阵和属性重要度的规则提取算法

研究了Rough集理论中的属性约简和值约简问题,将分辨矩阵引入值约简中,从属性依赖度的角度重新定义了属性重要度,提出了基于分辨矩阵和属性重要度的分类规则提取算法。该算法在保持分类能力不变的前提下,得到最小属性约简,再经过值约简后得到精确的规则,与现有算法相比,能减少时间和空间耗费。实验结果验证了该算法的有效性。     

基于循环自构形算法的神经网络结构优化

BP(back propagation)神经网络中隐层节点的个数过多将影响网络的泛化性能和效率,自构形学习算法通过考察网络隐层节点输出之间的相关性来删除和合并隐层节点.但自构形算法在节点的删除和合并时存在网络收敛不一致问题,因此,在自构形算法中引入随机度概念,在分治算法思想的基础上提出了循环自构形算法来优化网络结构.Matlab实验对比验证了循环自构形算法能从不同或相同的隐层节点数剪枝到一致的网络结构,并将网络结构优化至最精简.     

基于SVM的径向基网络故障诊断方法

结合支持向量机(Support Vector Machine,VM)在解决小样本数据集及非线性问题上的独特优势和径向基网络(Radial Basis Function,BF)的多模式分类特点,提出了一种基于支持向量机的径向基网络故障诊断方法.并将该方法应用在齿轮箱的故障诊断上,实验结果表明该方法可以提高径向基网络的泛化能力,获得更准确的诊断结果.     

CAE技术在铸造模具工艺优化中的应用

采用华铸CAE软件对铝合金壳体铸件的金属型铸造过程进行了数值模拟,通过对几种铸造模具工艺方案的数值模拟和实验,优选出了一种最佳的铸造工艺用于生产,成功地消除了壳体铸件生产过程的缩孔、缩松缺陷。模拟结果与实际生产中的情况吻合较好。结果表明:CAE技术能为工艺方案的评价和改进提供科学的依据,能缩短新产品的开发周期,为企业带来了显著的经济效益。     

模糊聚类分析法在抽风机故障诊断中应用

介绍了模糊聚类分析的理论和方法,讨论了数据规格化的三种方案,指明极差值是数据规格化最简便的方案。并将该理论应用于抽风机故障诊断研究中,在样本中引入正常状态和故障状态时的样本数据,运用基于传递闭包的模糊等价矩阵进行聚类分析,并通过待检测数据检验其可靠性。通过实例检验表明,理论分析与现场检查结果相符,证实了模糊聚类分析对提高抽风机故障诊断能力的有效性。     

基于语义的移动数据库的查询优化

在移动环境下,把大多数移动客户端用户频繁访问的数据(即热点数据)组织起来,以周期性的广播形式提供给移动客户端访问的数据广播技术是一种解决移动客户频断性的有效方法．移动数据的广播顺序直接影响移动查询的效率．为提高移动查询的效率,提出了基于语义顺序模型SOM、优化移动数据的广播顺序。     

基于粗糙集和朴素贝叶斯的垃圾邮件过滤系统

提出了基于粗糙集理论和贝叶斯分类算法的垃圾邮件过滤方法。利用粗糙集约简算法对邮件样本集进行特征约简,删除对邮件过滤结果影响不大的冗余特征,从而降低了输入样本集的维数,解决了贝叶斯分类器训练时间长,样本集占用的存储空间过大的问题。实验证明,该方法可以提高邮件过滤