机构动作可靠性估计的自适应极值响应面法

针对存在随机-区间混合不确定性的机构动作可靠性估计问题,本文提出了一种基于自适应极值响应面的高效计算方法,将其转化为随机不确定性下的动作可靠度上下界求解问题。使用麻雀搜索算法优化的混合核极限学习机构建从混合不确定性变量到极限状态函数响应值的初始响应面和从随机变量到极限状态函数响应极值的极值响应面;利用结合主动学习与反向学习的自适应加点策略选取极限状态曲面附近的样本点更新极值响应面以提高其精度与效率;最后结合极值响应面和蒙特卡罗仿真算得到动作可靠度上下界的近似解。通过数值案例和回转链式输送机的工程案例对所提自适应极值响应面方法的高效性与准确性进行了验证,为随机-区间混合不确定性下的机构动作可靠性估计提供了一种参考。     

基于鲁棒极限学习机的居民空调负荷能耗预测方法

为实现高精度的居民空调负荷能耗预测，基于鲁棒极限学习机提出了一种新的居民空调负荷能耗预测方法.以归一化的方式处理空调负荷能耗数据集，优化预测用户工作日样本数据集，采用鲁棒极限学习机构建负荷能耗激活函数预测模型.引入拉格朗日算子约束优化模型，以迭代求解的方式完成居民空调负荷能耗预测.仿真测试结果表明，在迭代次数为250次、过度补偿为1.5%时，该方法的收敛速度为0.2 ms,平均预测精度为96.7%,具有较强的预测性能.     

基于核极限学习机自编码器的转盘轴承寿命状态识别

针对低速重载转盘轴承运行工况恶劣、故障特征微弱的特点,提出基于飞蛾扑火算法优化多层核极限学习机自编码器（MFO-MLKELM-AE）的转盘轴承寿命状态识别方法. 该方法从振动信号的时域和时频域中提取出多个能够表征转盘轴承运行状态的特征向量,并将其组成高维特征集. 采用堆叠多层核极限学习机自编码器（MLKELM-AE）,从高维特征集中提取最能反映转盘轴承的寿命状态信息,输入核极限学习机（KELM）模型进行寿命状态识别. 在MLKELM-AE学习训练中,采用新的飞蛾扑火算法（MFO）优化惩罚系数和核参数,提高MLKELM-AE的特征识别能力. 转盘轴承加速寿命实验表明,MLKELM-AE比多层极限学习机自编码器（MLELM-AE）、单层极限学习机（ELM）、KELM的识别精度高,多传感器、多领域特征能够全面反映转盘轴承的寿命状态.     

基于移动最小二乘法和粒子群算法的优化算法

针对复杂电磁装置优化问题中目标函数计算次数过多的问题，提出了一种基于移动最小二乘法（MLS）和粒子群优化算法（PSO）的快速全局优化方法.该方法利用基于MLS的表面响应模型，重构原始的优化问题，采用加权PSO算法对重构后的目标函数进行寻优，再使用拟牛顿法，对原优化问题直接寻优，从而得到优化问题最终的最优解，并对基准测试函数和实际电磁装置问题进行优化计算.结果表明，与加权PSO相比，该算法能找到优化问题的全局最优解，并能有效的减少目标函数的计算次数，节省了计算时间，提高了计算效率.     

基于改进Kriging代理模型的土质边坡稳定可靠度分析方法

提高土质边坡稳定可靠度计算的精度和效率对工程设计具有重要的意义,为此提出了基于改进Kriging代理模型的土质边坡稳定可靠度分析方法。首先采用基于模拟退火的粒子群算法优化Kriging模型相关参数,并以一典型算例验证了该模型的良好函数拟合能力。接着将改进的Kriging模型作为边坡极限状态函数的代理,通过拉丁超立方抽样获得样本点,并由有限差分强度折减法计算样本点对应的响应值,利用基于熵理论的学习函数逐步更新代理模型,直至达到精度要求,进而基于该模型通过蒙特卡洛模拟评估边坡失效概率。最后,以一双层土质边坡问题为例,研究了所提方法的有效性。结果表明:所提方法不仅能够逐步提高计算精度,且极大地降低了计算量,为复杂边坡稳定可靠度问题提供了一种高效的评估方法。     

基于模糊失效准则的混凝土结构横向裂纹可靠度

针对现行国家标准尚未给出混凝土结构构件正常使用极限状态下目标可靠度指标的情况,提出了基于模糊失效准则的混凝土结构构件正常使用状态下的可靠度分析方法。构造混凝土模糊隶属函数,通过建立等效功能函数方法使混凝土结构模糊可靠度问题转化为传统可靠度计算问题。通过JC法求解,计算出正常使用状态下混凝土结构构件横向裂纹的模糊可靠度指标。与传统分析方法相比,考虑模糊性后混凝土结构可靠度下降,这点为今后混凝土结构设计提供理论支持。     

重力坝深层抗滑稳定极限状态函数的适用性

建立重力坝坝基深层抗滑稳定极限状态函数是进行可靠度研究的第一步,对已有4种极限状态函数进行比较研究,探讨其合理性.研究结果表明:根据剩余推力法、被动抗力法及等K法表达式建立的极限状态函数计算得到的可靠指标是一致的,3种极限状态函数可统一表达为安全系数极限状态函数,而以上、下游块等可靠指标为约束条件的等β法高估了双滑块模型的失效概率,以此来评价坝基深层抗滑稳定的安全度并不合理.     

基于核极限学习机的模拟电路故障诊断研究

核函数极限学习机有效地避免了极限学习机(ELM)模型固有的随机性和支持向量机(SVM)模型求解的复杂性,而且具有更快的学习速度和更好的泛化性能。因此,提出了基于核极限学习机的模拟电路故障诊断新方法,描述了电路故障特征的选取过程,建立了以核极限学习机为基础的模拟电路故障诊断模型。实验结果表明,该方法故障诊断准确率大于99%,性能优于支持向量机和极限学习机。     

基于极限过程学习机的储层微观孔隙结构识别

准确分析储层岩石的微观孔隙结构特征是发挥油气层的产能和提高油气采收率的关键.构建一种具有过程式输入的极限学习机模型,并提出基于灰狼优化算法原理改进的混洗蛙跳算法对模型的网络隐层节点个数及网络权值进行优化,利用基于张量乘积矩阵的广义逆求解方法加速极限过程学习机模型的求解.实验结果表明:与5种改进混洗蛙跳算法对比,所提的算法无论在6个高维函数优化还是微观孔隙结构类型识别方面都取得了最好的优化效果,具有很好的实际应用价值.     

基于GAELM神经网络的日前电价预测

针对日前电价预测问题,利用极限学习机建立预测模型.鉴于极限学习机在训练前随机产生输入权重和隐藏节点偏置,可能导致预测结果不稳定以及预测精度太低的问题,提出了一种基于遗传算法(GA)和极限学习机(ELM)的预测方法.首先利用遗传算法对极限学习机随机生成的参数进行寻优,然后根据优化后的参数建立基于GA-ELM的电价预测模型.最后以此模型对PJM电力市场的日前电价进行预测.结果表明,相比ELM和BP神经网络,GA-ELM具有更高的预测精度.     

基于可靠度指标的桥梁安全评估分级方法

针对目前桥梁结构安全状态评估分级方法主观性强、费用较高的问题,本文采用基于人工神经网络改进响应面法进行结构极限承载力可靠度分析,提出了基于可靠度指标的有效极限承载能力比作为结构安全状况分级指标,以实现桥梁安全状况的定量分析。以一座钢管混凝土拱-连续梁组合体系桥梁为例,计算了钢管混凝土拱、预应力混凝土主梁、吊杆三种构件的极限承载能力可靠度指标,得到的以有效极限承载能力比为指标的结构状态评估结果与规范评定结果误差在5%以内,说明该方法能够有效实现结构安全状况分级评定。     

基于改进学习策略的Kriging模型结构可靠度算法

针对机械产品可靠性分析过程中,极限状态函数隐式、高度非线性而导致可靠性求解困难等问题,提出一种基于Kriging模型和改进EGO主动学习策略的可靠性求解算法。对于传统EGO方法无法在极限状态面区域进行有效选点问题,提出一种改进的EGO方法,通过对样本点模型预测值做绝对值处理,基于响应值分布状态不变假设,将主动学习选点重心移到预测方差较大和极限状态面附近,避免对不必要区域的过量选点,从而减少极限状态函数值的计算或试验次数,有效提高了可靠性计算效率。通过3个算例表明:与传统主动学习方法相比,所提方法具有良好的全局和局部搜索能力,能够在较少计算极限状态函数次数条件下,估算得到精确的失效概率值。     

结构模糊随机可靠度的计算方法

考虑变量的模糊性,以模糊随机变量为基本变量,建立了模糊随机可靠度的数学模型,并提出应用改进的蒙特卡罗法(Monte Carlo Method)计算模糊随机可靠度.应用该方法,以型钢混凝土简支梁为例,计算了其裂缝宽度正常使用极限状态的模糊随机可靠度,从计算示例可以看出,提出的改进的蒙特卡罗法计算模糊随机可靠度是一种简单有效的方法,为模糊随机可靠度的计算提供了一条新途径.     

基于灰狼算法和极限学习机的风速多步预测

为了提高风速的多步预测水平,提出了一种基于数据信号分解和灰狼算法优化极限学习机的混合预测模型。首先,使用具有自适应噪声的完全集成经验模态分解算法将原始风速时间序列分解为若干本征模态函数和一个残差序列,并使用偏自相关函数法对模型输入进行特征选择;其次,在分解子序列上分别建立模型并进行预测,构造多输入多输出策略的极限学习机神经网络,使用灰狼优化算法求解其中的最优化隐含层权值和偏置;最后,对子序列进行重构并得到最终的预测结果。使用时间分辨率为15 min的多组实测资料开展模拟实验,所提模型在3个风电场的均方根误差分别为0.859、0.925、0.927 m/s,均低于其他对比模型,验证了该模型在未来4 h风速预测即16步预测中的有效性。     

正常使用极限状态下混凝土结构构件可靠度的分析方法

从适用性和耐久性两方面着手，讨论了五种混凝土结构构件基于正常使用极限状态的可靠度分析方法：横向裂缝宽度、构件挠度、碳化深度、纵向裂缝抗裂度及纵向裂缝宽度。分析结果表明，计算模式不定系数对正常使用极限状态可靠度的影响是最大的；荷载对正常使用极限状态可靠度的影响也较大；由于混凝土材料性能的离散性，混凝土结构构件本身对正常使用可靠度也有较大影响。     

基于混合核极限学习机的多标签学习研究

为了获得更优算法,将加入混合核的极限学习机算法应用于多标签学习中。首先在极限学习机算法中通过混合核函数将特征映射到高维空间,然后对原标签空间建立混合核极限学习机模型求得输出权值,最后通过模型计算预测未知样本的标签情况。     

可靠性分析的双加权响应面法

响应面法常用于极限状态函数为隐式的结构可靠度分析中,且结构的响应通常是通过有限元法求得.响应面法采用系数未知的多项式来代替隐式的极限状态方程,多项式通过一些样本点来拟合,拟合点的选取必须减少计算时间但不影响多项式近似值的质量.为了加快响应面的收敛速度,提出了一些改进,响应面采用加权拟合的方法,拟合点加权根据与真实响应面的距离和拟合点到设计点的距离来确定.这种方法的目的就是减少计算的时间而又能得到满意的结果.算例说明:这种方法具有较高的效率和准确性.     

基于极限学习机的轻度认知障碍辅助诊断

为解决现有的轻度认知障碍计算机辅助诊断方法准确率较低、耗时较长的问题,对功能磁共振图像进行预处理,基于复杂网络理论构建脑网络,从中提取特征并采用LASSO方法特征选择,采用极限学习机实现轻度认知障碍的辅助诊断。此外,为了得到更合适的极限学习机分类模型,讨论了隐含层节点数与激活函数的选择对分类准确率的影响。结果显示:极限学习机分类器的分类准确率为93.3%,相比支持向量机和BP神经网络提高了13.3%和20.0%,而耗时相比支持向量机和BP神经网络分别减少了60.7%和99.5%,该方法较为明显地提高了轻度认知障碍辅助诊断的准确率和速度,对于轻度认知障碍辅助诊断的临床应用具有重要意义。     

极限学习机优化及其拟合性分析

运用烟花算法(fireworks algorithm,FWA)优化极限学习机(extreme learning machine,ELM).首先烟花算法经过多次的迭代,确定M个最优的烟花,并且以极限学习机测试样本的RMSE作为烟花算法每次迭代的适应度函数,达到优化极限学习机的输入权值矩阵和隐含层偏差的效果.最后根据广义逆求出输出矩阵.通过对一维sin C函数的测试结果表明,烟花算法优化极限学习机能够以较少的隐含层节点数目达到更高的精度,比极限学习机的测试误差降低了29.58%.在以上基础上又做了对高斯正态分布函数的拟合实验,验证了烟花算法优化极限学习机比极限学习机拥有更好的拟合性能.     

基于QPSO优化ELM算法的井下快速定位方法研究

近年来,基于WiFi的井下人员定位算法受到了广泛关注,为进一步提高定位算法的速度和精度,提出了一种基于量子粒子群(QPSO)优化极限学习机(ELM)算法的井下人员快速定位方法。首先将优化的K均值聚类算法(K-means)引入定位流程,通过对位置指纹库进行聚类划分,降低单次识别需要的时间;其次利用QPSO算法优越的优化能力,提高ELM算法的定位精度,最终实现对井下人员的高效、准确定位。仿真实验结果表明,提出的基于量子粒子群优化极限学习机的井下快速定位方法,能够提高定位的精度和效率,具有较高的实用价值和工程意义。