优化支持向量机及其在智能故障诊断中的应用

单一支持向量机在轴承齿轮故障诊断中精度较低,为了提高支持向量机在轴承齿轮故障诊断中的精度,对支持向量机的样本特征提取方法以及支持向量机参数优化的方法进行了研究。首先,通过核主成分分析方法构造支持向量机的输入样本,可以减少数据间的冗余,提取数据的高维信息;其次,通过粒子群优化算法优化支持向量机核函数参数和惩罚因子;最后,使用优化后的支持向量机模型进行故障诊断。通过实际轴承齿轮故障诊断对比实验,结果表明,所提方法相比一般的支持向量机诊断方法诊断精度大幅提高,验证了该混合智能诊断方法的有效性和优势。     

基于SVM和遗传算法的装甲车齿轮箱故障模式识别

装甲车齿轮箱故障会严重影响装甲车的稳定运行,对故障进行模式识别是实现智能诊断的关键。基于支持向量机的齿轮箱故障诊断模型中参数C和σ对齿轮箱模型分类识别性能有很大的影响,利用遗传算法对这2个重要参数进行优化可明显提高模型的分类识别性能。试验信号和实测信号应用结果表明,采用该参数优化模型提高了支持向量机的分类的正确率。该方法的应用为实现齿轮箱轴承故障的模式识别和智能诊断提供了帮助。     

基于多重分形和PSO-SVM的齿轮箱故障诊断

针对齿轮箱振动信号的非线性和非平稳性,提出一种多重分形和粒子群优化的支持向量机(PSO-SVM)相结合的故障诊断方法。首先采用短时分维作为模糊控制参数的分形滤波器对背景噪声较大的齿轮箱振动信号进行滤波降噪;其次引入多重分形谱算法对滤波后信号进行分析,发现多重分形特征量Δa(q)、f(a(q))max、盒子维数Db能很好地反映齿轮箱工作状态;最后对支持向量机(SVM)的参数利用粒子群优化(PSO)算法进行优化,并将多重分形特征量分别作为SVM和PSOSVM的输入参数以识别齿轮箱故障。结果表明,基于粒子群优化的支持向量机可以提高分类正确率。同时证明了基于多重分形和PSO-SVM在齿轮箱故障诊断中的有效性。     

基于遗传退火优化MSVM的齿轮箱故障诊断

为了实现齿轮箱典型故障的自适应准确辨识,提出一种遗传退火算法优化多核支持向量机的齿轮箱故障诊断模型。首先,将齿轮箱故障振动信号经验模式分解为多个内禀模态分量并提取其幅值能量特征;然后,再基于高斯核和多项式核构建多核支持向量机;最后,将表征齿轮箱故障特征的内禀模态分量能量输入到遗传退火算法优化的多核支持向量机进行故障模式辨识。理论分析表明,多核支持向量机能够逼近任意多元连续函数,遗传退火参数优化可快速准确得到多核支持向量机的全局最优参数向量。通过齿轮箱的故障模拟实验验证了该方法的有效性,结果表明,相比于传统的故障诊断模型,该方法显著提高了齿轮箱典型故障的诊断精度和泛化推广能力。     

遗传算法和支持向量机在机械故障诊断中的应用研究

提出一种基于遗传算法和支持向量机的故障诊断方法,利用遗传算法对故障特征集和支持向量机的参数同时进行优化,然后把优化选择的故障特征输入支持向量机进行故障识别.既剔除了故障特征的冗余性、减少了计算量,又解决了支持向量机的参数难以选择等问题.诊断实例表明,该方法能利用较少的故障特征得到较高的诊断精度.     

改进灰狼算法优化支持向量机在风力机齿轮箱故障诊断中的应用

针对灰狼算法易陷入局部最优和后期寻优能力不足等缺点,提出改进非线性控制因子以提高算法收敛精度及稳定性.采用美国国家可再生能源实验室(National Renewable Energy Laboratory,NREL)"Gearbox Reliability Collaborative"项目测试采集的风力机齿轮箱振动信号为分析对象,经集合经验模态分解后,计算各本征模态函数分量的模糊熵并构建高维特征向量,后利用等距映射进行降维.利用改进灰狼算法优化支持向量机,对降维后齿轮箱故障特征集进行诊断.结果 表明:改进灰狼优化算法相较于灰狼算法、粒子群算法和遗传算法可有效避免陷入局部最优并提高支持向量机诊断精度及稳定度,在不同测试样本下其准确率均最高,平均准确率达93.17％.     

基于PSO-SVM的齿轮箱故障诊断研究

针对目前齿轮箱故障诊断存在的检测难度大、主观性强、准确性不高等问题,提出了一种基于粒子群算法和支持向量机的故障诊断方法。运用时域频域分析法对振动信号进行分析获取特征值,利用支持向量机(SVM)技术对齿轮箱特征参数进行模式识别和故障分类,并引入粒子群算法(PSO)用于优化支持向量机参数,建立了齿轮箱典型故障诊断模型。实验结果表明:该方法可以对齿轮箱不同故障类型进行准确的分类,有效的提高了齿轮箱故障诊断的可靠性。     

基于LFOA优化多核支持向量机的液压泵故障诊断

针对采用传统支持向量机(Support Vector Machine,SVM)进行故障诊断时核函数的构造和参数的选取存在盲目性的问题,提出一种基于改进果蝇优化算法优化多核SVM的液压泵故障诊断方法。首先,对液压泵振动信号进行局部特征尺度分解(Local Characteristic-scale Decomposition,LCD),从多个角度提取混合特征组成特征集。然后,基于全局核函数和局部核函数构建多核支持向量机,并利用具有Levy飞行特征的果蝇优化算法(LFOA)对核函数权值和参数的选取进行优化。最后,将特征集输入多核SVM进行识别。液压泵故障诊断结果表明,与采用FOA、GA和PSO优化算法及单核SVM相比,所提方法具备全局寻优能力强和诊断准确率高的优点,可有效应用于液压泵故障诊断。     

基于信息熵和GA-SVM的自动机故障诊断

提出了一种运用信息熵和遗传算法优化的支持向量机(GA-SVM)对小口径火炮自动机进行故障诊断的方法。针对自动机工作时的短时冲击信号特征,首先运用具有自适应特性的局域波对信号进行分解得到IMF分量,并对各IMF分量进行Hilbert变换。接着利用信息熵理论提取局域波特征空间谱熵、边际谱熵和时频熵作为故障特征。最后将特征向量输入遗传算法优化的支持向量机进行故障分类识别。利用遗传算法的全局搜索能力对支持向量机的参数进行优化,摆脱了对求解模型的依赖。结果表明,相对于空间穷尽搜索寻找最优参数的支持向量机模型可提高诊断正确率。同时证明将信息熵和GA-SVM方法相结合在自动机故障诊断中的有效性。     

基于MF-DFA和SVM的齿轮箱故障诊断

针对齿轮箱的故障信号是具有非平稳性、非线性等复杂特征的信号,利用多重分形去趋势波动分析(MF-DFA)和支持向量机(SVM)相结合的方法对齿轮箱进行故障诊断。利用多重分形去趋势波动分析,提取齿轮箱故障的多重分形最大奇异指数,最小奇异指数,奇异谱的宽度,极值点所对应的奇异指数等4个分形参数,将其作为特征参数。然后建立齿轮箱的不同故障状态的样本,通过利用支持向量机的方法实现齿轮箱故障的诊断与识别。研究表明,这两种方法的结合为机械故障诊断提供了一种新的方法,对齿轮箱的故障诊断识别具有重要意义。     

基于Bayes方法的小子样可靠性分析

少量数据的可靠性分析与评定一直是工程实践中的技术难题之一。Bayes方法可以融合多种验前信息,并结合现场数据,从而对少量数据作出有效的参数估计。针对多种验前信息的综合应用问题,引入支持向量机(support vectormachine,SVM)理论对不同来源的信息在验前分布中的权重分配策略进行研究,提出一种新的信息融合思路。并在此基础上,提出基于Bayes理论的威布尔分布的小样本参数估计方法。最后,运用实例对Bayes方法和传统的参数估计方法进行对比分析。     

有限元的神经网络计算方法研究

根据有限元总刚矩阵经修正后具有正定性的特点以及弹性体位能函数的具体形式，提出一种新的神经网络有限元计算模型，即模型中神经网络的能量函数与有限元的优化目标函数相等，从而避免由于神经网络自身结构的原因而带来的计算误差。同时，避免采用基于模拟退火算法等随机神经网络优化计算方法时求解结果的随机性和设定初始退火温度To、内循环次数判据、最终停止判据等人为因素的影响。理论分析和计算机仿真表明，文中提出的方法可靠、有效。     

组合夹具结构设计自动化系统研究

在广义映射原理指导下,开发了支持“top-down”风范的组合夹具设计自动化软件系统。在对零件夹持特性分析基础上,提取夹具需求信息,建立了组合夹具的功能要求集合,并对组合夹具功－构映射关系进行了全面分析,对组合夹具概念结构实施多方案重构,并进行了实例验证。为夹具结构设计自动化软件系统的开发探索出一条新的途径。     

快速气体渗氮机理及应用研究

依据化学热力学和动力学,材料界面科学,内扩散理论以及某些元素促进共渗的机理,我们在不加催渗剂和增添设备的情况下,设计出了循环两段“C-TS”、预强渗脉动“PS-P”及双重量“DB”快速渗氮新工艺。新工艺省时节能,节约原材料,渗氮效果良好,已成功地用于生产并取得了明显的经济效益。新工艺不仅适用于38CrMoAlA渗氮专用钢,还适用于42CrMo、40Cr、30CrMnTi、23Mn3V2Al等材料,应用前景十分广阔。     

独立公理在多目标优化设计中的应用研究

将公理设计理论引入优化设计中,阐述基于公理设计的优化设计思想,提出基于独立公理的多目标优化设计方法.通过确定主要的设计参数,将设计参数按无耦合设计的形式分组,生成函数依赖关系表,依照一定的次序对各目标函数进行优化,并给出基于独立公理的优化设计流程.实例结果表明,该方法简便可行,可为圆柱螺旋压缩弹簧以及其他产品的设计提供一种新的方法.     

APPROACH ON INTELLIGENT OPTIMIZATION DESIGN BASED ON COMPOUND KNOWLEDGE

A concept of an intelligent optimal design approach is proposed, which is organized by a kind of compound knowledge model. The compound knowledge consists of modularized quantitative knowledge, inclusive experience knowledge and case-based sample knowledge. By using this compound knowledge model, the abundant quantity information of mathematical programming and the symbolic knowledge of artificial intelligence can be united together in this model. The intelligent optimal design model based on such a compound knowledge and the automatically generated decomposition principles based on it are also presented. Practically, it is applied to the production planning, process schedule and optimization of production process of a refining & chemical work and a great profit is achieved. Specially, the methods and principles are adaptable not only to continuous process industry, but also to discrete manufacturing one.     

负刚度理论及其应用的研究

本文探讨了机械加工中产生负刚度的理论条件。得出了大小不等的双刚度轴的存在是产生负刚度的基本条件。并通过理论计算与实验,提出利用从负刚度到正刚度的变化区来提高机械加工精度的有效措施。     

基于广义特征的零件信息模型研究

针对并行工程的需求,基于广义特征和ＳＴＥＰ标准建立了零件信息模型,并在Ｐｒｏ／Ｅｎｇｉｎｅｅｒ软件二次开发的基础上,实现了一个基于特征的ＣＡＤ系统,该系统可实现自动特征识别。基于所建立的零件信息模型,系统可自动生成ＳＴＥＰ文件,为设计的后续过程提供丰富的零件信息,便于实现ＣＡＤ与后续过程的集成和并行。利用建立的零件信息模型,实现了ＣＡＤ／ＣＡＰＰ／ＤＦＭ的信息集成。     

含裂纹板断裂韧度厚度效应的理论研究

从理论角度对断裂韧度厚度效应进行研究。在线弹性断裂力学与含裂纹板的二维位移场的基础上，给出分离变量型的具有待定函数的三维位移场的表达式，进而通过几何方程与物理方程获取三维应变场和三维应力场。进一步，通过虚位移原理，使用变分方法建立待定函数所应满足的支配方程与边界条件，从而确定待定函数。基于上述分析，建立一个断裂韧度与试样厚度关系的理论表达式。最后通过两种试验材料LY12CZ（L-T）与TC4（L-T）进行验证。     

基于模态和刚度的车门轻量化研究

以某车型左前车门为对象,将拼焊板与自适应响应面法相结合的方式应用于车门部件厚度优化进行轻量化研究.在Hyperworks中建立车门有限元模型,并对其进行模态、刚度分析.利用Hypermesh共节点模型模拟激光拼焊技术,将原点焊车门内板前、后部采用拼焊板方式连接进行优化设计.通过灵敏度分析,选取部分板件在HyperStu...