基于梯度提升回归树的冷水机组能耗预测方法

冷水机组作为空调系统最主要的能耗设备,建立冷水机组能耗预测模型对于节能运行优化具有重要意义。本文针对冷水机组运行参数繁多,能耗预测模型超参数难以调优等特点,提出了基于梯度提升回归树的冷水机组能耗预测方法,并利用冷水机组实测数据对模型进行了训练与验证,同时对比了支持向量回归和决策树模型。结果表明:基于梯度提升回归树的能耗预测模型能够更准确的预测冷水机组能耗。对比其他两种模型,MAE和RMSE分别平均降低了24.5%和45.5%,相关系数达到0.999 7,并且模型对超参数不敏感,能够在较宽泛的范围内比较好地拟合数据,具有较高的实用价值。     

基于FDA-LSTM的冷轧过程多源异构时序数据处理及颤振预测EI北大核心CSCD

冷连轧颤振诱发机理复杂多变,颤振问题的解决需要通过大数据驱动的信息挖掘对机理模型进行补充。该研究针对某冷连轧机现场采集的工艺参数及振动数据,通过函数型数据分析(functional data analysis,FDA)方法进行预处理,实现多源异构时序数据的频率协同;采用SelectKBest算法对影响颤振的多种工艺参数进行特征选择,筛选出与振动相关性较强的因素,构造样本空间;基于长短时记忆(long short-term memory,LSTM)神经网络建立振动能量值的预测模型,并与径向基函数(radial basis function,RBF)神经网络、循环神经网络(recurrent neural network,RNN)模型进行比较。结果表明,LSTM模型具有较高的预测精度,同时采用阈值法验证该模型能有效地预测颤振的发生。     

基于NN-IMC模型的结晶器振动波形控制研究

根据神经网络系统和内模控制系统的基本原理，结合结晶器振动控制结构，建立神经网络内模控制（NN-IMC）系统。通过分析，采用范化回归神经网络GRNN进行系统控制，并对连铸连轧结晶器振动波形进行系统仿真。仿真结果表明NN-IMC系统能够很好地跟踪结晶器振动波形，满足系统的性能要求。     

基于SEM-PCA-DT的多联机制冷剂泄漏在线故障诊断

制冷剂泄漏会给多联机带来不良影响,需要对其进行实时且准确的故障诊断。本文基于结构方程原理和试验数据,利用数据预处理提取的特征变量,建立结构方程模型,与决策树模型对比,分析结构方程在选择重要变量上的正确性,并利用重要显变量采用主元分析的方法建立专家变量,代入决策树模型,其在线诊断正确率达到96.96%,相对单独采用决策树模型提高2.81%。     

基于ABiGRU的铣刀磨损监测方法研究

为了准确监测铣削加工过程中刀具磨损程度，提出了一种基于双向门控循环神经网络融合注意力机制(ABiGRU)的刀具磨损监测模型。在该监测模型中，通过对振动、力和声发射传感器采集到的时序数据进行时域、频域和时频域分析，使用spearman相关系数提取与后刀面平均磨损量强相关的20维特征。引入ELU激活函数来优化BiGRU网络，解决梯度消失问题；利用内部注意力机制提升模型对于重要特征信息的捕捉能力，快速实现从特征到刀具磨损值的映射。通过与RNN、LSTM、GRU、BiLSTM和BiGRU进行的对比分析，结果表明：该模型能够准确地表征刀具磨损程度，并使模型的精度和效率得到了较大的提高。     

基于循环自编码网络的冷轧轧制力建模方法

在钢铁冷连轧生产过程中,轧制力预测结果直接影响带材的轧制精度和产品质量。为进一步提高轧制力预测精度,同时实现模型的在线更新,避免漂移问题,提出了基于循环自编码网络的轧制力模型。首先,使用循环自编码网络对处理好的输入数据进行特征提取,为了加速网络训练,加入了小批量训练方法,然后使用高斯过程回归模型对提取到的特征进行回归拟合。仿真结果表明,该模型预测精度可达3%以内,能够实现轧制力的高精度在线预测。     

基于MC-XGBoost模型的航空发动机振动特性预测EI北大核心CSCD

为探索航空发动机高压转子组件的装配参数对整机振动响应的影响,通过不平衡响应振动方程描述了装配阶段几何偏差和不平衡偏差与振型的机理关系,提出一种基于最大相关性(maximum correlation,MC)系数与极端梯度提升(XGBoost)的改进模型,MC-XGBoost预测模型。通过MC系数筛选影响振动性能的关键参数,即最相关的几何/不平衡装配参数;代入XGBoost模型进行振动特性预测。利用试验数据对预测模型进行验证,结果表明所提出的MC-XGBoost预测模型相比于RF、GBDT算法模型,具有更高的预测精度,能够为航空发动机面向装配质量的振动特性评估提供一种有效的评价方法。     

基于Bagging集成算法的产品质量等级智能判定研究

工业大数据驱动人工智能赋能企业创新发展,正在对制造业生产方式、运行模式、生态体系产生重大而深远的影响。为实现产品质量等级的智能判定,提出一种基于Bagging集成的产品质量等级判定模型。模型将梯度提升决策树引入Bagging集成框架,权衡偏差和方差以减弱合格品与不合格品数量不平衡带来的影响。将该方法应用于某化纤企业涤纶长丝的真实生产中,结果表明模型能够实现长丝质量等级的准确判定,帮助企业提高产品质量检验效率,降低人工成本并有效提升产品的质量管理水平。     

基于提升小波包和模糊模式识别的结构有限元模型修正

该文提出了基于提升小波包特征提取和模糊模式识别的结构有限元模型修正方法，首先建立以节点固结系数表示的空间网架单元刚度矩阵，然后利用提升框架，将结构振动测试信号进行提升小波包分解，提取小波包信号分量能量作为特征向量，以此建立模糊模式识别的模糊子集，最后利用模糊模式识别方法对结构进行有限元模型修正，并研究了噪声对该算法的影响。为了证明该方法，对一个二层网架结构模型进行了数值仿真，结果表明该方法能够有效的修正结构的有限元模型。     

提升小波包和BP-AdaBoost模型在大跨斜拉桥拉索损伤识别中的应用

为了有效地进行工程结构的损伤识别,提出基于提升小波包特征提取和BP-Ada Boost模型的大跨斜拉桥拉索损伤识别方法。该方法首先利用提升框架,将结构损伤前后的振动测试信号进行提升小波包分解,提取小波包信号分量能量并将能量累积变异值作为特征值,识别斜拉索损伤位置,然后以此建立BP-Ada Boost(Back Propagation neural network,Adaptive Boosting)模型,利用Ada Boost算法和BP神经网络相结合的方法对大跨斜拉桥拉索的损伤程度进行识别,并研究噪声对该算法的影响。数值分析结果表明,采用基于提升小波包和BP-Ada Boost模型相结合的方法能够有效地识别大跨斜拉桥拉索损伤。     

随动压电磁耦合能量采集器的组合共振分析

压电磁耦合能量采集器能够实现较宽频带振动能量转化,但输出功率受激励方向影响较大,为使能量采集器实时获取较大机械能,设计了一种利用摆锤惯性力实时调整压电悬臂梁和磁铁相对位置的新型能量采集装置,通过对其运动特性分析,利用能量法建立了系统的动力学模型,并应用多尺度法和数值计算方法对系统进行求解,分析了外加激励作用下系统的组合共振特性,讨论了外加激励幅值、磁铁间距、摆臂长度、悬臂梁长度和宽度对有效采集频带宽度和输出电压的影响规律。结果表明：摆臂能够使系统在较大加速度激励下获取较高的机械振动幅值,并有效拓展能量采集频带;同时改变磁铁间距、摆臂长度和悬臂梁结构参数可有效提升能量采集性能。     

聚类支持下决策树模型在动车组空调故障检测中的应用

随着高铁的快速发展,人们对乘车环境的要求也越来越高。列车空调系统运行于列车高速振动环境下,性能极易下降且定期检修成本巨大,高效准确的空调故障检测尤为重要。本文用K-means聚类对空调数据进行分类,找到明显异常的类别并与业务部门确认后找到真正的空调系统故障数据,并对故障数据进行标记,利用CART决策树建立空调故障检测模型。     

近距离爆破对隧道结构影响的监测和HHT分析

近距离爆破产生的振动对隧道的安全有着不良的影响,根据现场监测的爆破振动数据进行回归分析和HHT变换分析。结果表明:在现有的爆破药量作用下,采石场的爆破作业不会对在建和已建隧道产生影响,瞬时能量能够很好地表征结构在瞬时受到的冲击情况,同时比单一速度分析更能直观地反映爆破振动对结构的影响,对相关工程具有一定的借鉴意义。     

运用BP-AdaBoost模型识别随机车载作用下大跨斜拉桥拉索损伤

为了有效地进行大跨结构的损伤识别,提出随机车载作用下利用BP-AdaBoost(Back Propagation neural network,Adaptive Boosting)模型对大跨斜拉桥拉索进行损伤识别的方法。该方法首先依据交通调查数据,建立随机交通荷载模型,再运用提升框架,对结构损伤前后的振动测试信号进行提升小波包分解,将小波包信号分量能量累积变异值作为特征值,识别斜拉索损伤位置,然后以此建立BP-AdaBoost模型,利用AdaBoost算法和BP神经网络相结合的方法对大跨斜拉桥拉索的损伤程度进行识别,并研究噪声对该算法的影响。数值分析结果表明,该方法有较强的抗噪声干扰能力,在随机车载作用下,运用BP-AdaBoost模型能够有效识别大跨斜拉桥拉索损伤。     

液压弯辊控制参数对热连轧机振动能量影响研究

近年来,热连轧机振动问题显得更加突出和复杂化,众多企业迫切需要解决这一难题。首先对某热连轧机振动现象进行在线监测;然后依据轧机实际参数建立液压弯辊系统和轧机垂直系统的耦合动力学模型,利用MATLAB进行了仿真研究,通过改变液压弯辊系统中控制器参数,获得液压弯辊的控制性能对辊系振动能量的影响,实践表明这是有效抑制振动的措施之一。     

基于RVM的爆破振动速度预测模型

为提高对爆破振动速度预测的准确性,提出一种基于相关向量机(RVM)的爆破振动速度预测模型.利用该模型建立爆破振动速度与其影响因素之间的非线性映射关系,通过选取影响爆破振动速度的3个主要因素(炸药用量、距离、高程差),并对这3个主要影响因素产生的36组数据进行拟合训练,根据这36组训练样本来对剩余5组样本进行精准预测.将...     

近区爆破对大桥振动影响的监测分析

近区开挖爆破会引起桥梁产生振动响应。为确保桥梁安全。对爆破振动进行实时监测,并及时反馈指导爆破施工。对实测数据分析并利用db8小波基对桥墩基处振动信号进行小波分析,研究了不同频带的相对能量分布。认为爆破振动不影响桥梁的安全。     

Xgboost在滚动轴承故障诊断中的应用

针对不同轴承数据特征选择困难和单个分类器方法在滚动轴承故障诊断中精度较低的问题,提出一种基于分类与回归树的Xgboost(e Xtreme Gradient Boosting)轴承故障诊断算法。Xgboost是包含多个分类器的集成学习方法。通过Xgboost的"提升"思想来提高滚动轴承故障诊断的精度。首先,从滚动轴承的振动信号中提取时域特征参数;然后利用Xgboost算法对滚动轴承故障进行诊断。将SQI-MFS实验平台的轴承振动数据,与传统分类器(支持向量机、邻近算法和人工神经网络)以及单个分类回归树的诊断结果相比,结果表明Xgboost在轴承故障诊断率上优于上述几种算法,且计算时间比传统提升决策树算法短。     

一种基于自适应形态提升小波的车轮踏面擦伤识别新方法

结合列车轴箱与车轮振动关系以及轨道激扰对列车振动的影响,分析了通过周期性冲击响应提取车轮踏面擦伤的可行性;通过对高速列车轴箱振动模型的分析,提出采用改进的自适应形态提升小波(IAMGLW)对列车轴箱垂向振动信号分析的方法;实测轴箱垂向振动信号的分析结果证明了IAMGLW对分析高速列车轴箱振动信号的有效性。与自适应形态提升小波(AMGLW)相比,IAMGLW通过前置滤波以及对梯度阈值的改进使其能够有效地保留一定梯度范围内的冲击响应,滤除幅值较大的随机冲击且抗噪能力强。同时该算法只涉及加、减和比较运算,计算简单、快速,可应用于车轮踏面擦伤的在线监测与诊断。     

深孔爆破振动测试分析与降振措施

西大洋水库石方开挖工程中采用了深孔爆破施工方案,因爆源距民房和水库大坝较近,为了确保安全、减少民扰及确定最大单响药量,降低爆破振动,研究影响爆破振动的因素,对该工程前期爆破进行了爆破振动监测。通过对实测数据的回归分析,得出了适用于该工程的爆破地震波传播经验公式,并分析了爆破振动产生的原因、爆破地震波的特征及传播规律和影响地震波传播的因素,为该工程预测生产爆破地震强度和采取降振、减振措施提供了理论依据,并提出了具体的降振措施。