基于SVD-KDR算法的工业监测数据插补技术

监测数据的完整性和可用性是工业大数据时代信息提取与知识发掘的前提和基础.然而由于采集中断、传输干扰、存储不当等诸多原因,监测数据的缺失问题在工业场景中频繁发生,严重影响数据价值密度.提出一种基于SVD-KDR的高精度、高鲁棒性缺失数据插补算法.该方法将一维工业数据转换为高维矩阵,弥补了传统方法直接从低维空间插补工业监测...     

基于Web使用挖掘的智能电子商务及其应用

海量、异构的Web日志同时蕴含有巨大潜在价值的信息,为有效发现这些资源,并用于为用户提供更高效的服务,建立了智能电子商务模型,指出通过Web使用挖掘,发掘规律、模式和知识来支撑电子商务的智能。提出了细化最大向前引用模型算法,用于处理Web日志,获取用户事务序列,并与最大向前引用模型算法进行了比较,说明细化后的算法更能反映用户浏览习惯。将这些用户事务序列转换为二进制向量,并结合改进蚁群聚类算法,对它们进行了聚类操作,实现了用户簇聚。最后,建立了在线自动聚类的智能电子商务系统原型,并应用到了实际运营的Web系统中,验证了原型的合理性。     

变分模态分解消噪与核模糊C均值聚类相结合的滚动轴承故障识别方法

提出了一种变分模态分解消噪与核模糊C均值聚类相结合的滚动轴承故障识别方法。首先,对实测振动信号进行处理,得到VMD的参数;然后,对信号进行VMD分解,得到一系列限带内禀模态函数(BIMF)分量,筛选并叠加组成重构信号;第三步,计算重构信号的样本熵和均方根值作为特征向量,从而得到训练样本和测试样本的特征向量集;第四步,通过KFCM聚类方法对训练样本特征向量集进行聚类分析,得到四种类型信号的聚类中心;最后根据测试样本特征向量与训练样本聚类中心欧式距离最小的原则识别故障类型。此外,将振动信号用经验模态分解(EMD)方法进行消噪,再用KFCM聚类进行分类识别,将两种方法的识别效果进行对比,结果表明所提方法的故障识别效果要优于EMD消噪和KFCM聚类相结合方法的识别效果。     

基于红外光谱技术的沥青质量现场检测

从沥青红外谱图与标准谱图的相似度出发,通过对红外谱图计算PCA得分和峰面积,再通过欧式距离、马氏距离、余弦相似度、皮尔森相似度4个方法,对入库样本与标准谱图进行比对;根据模型结果与分析,选定吸光度PCA得分的余弦相似度和皮尔森相似度两个指标及合格阈值作为基质沥青质量监测的标准,并将算法代码部署在沥青标准光谱分析系统中,实现待测谱图的输入、PCA得分计算、质量是否合格的结果输出。     

基于物联网的噪声在线监测系统设计与应用

为了实现噪声的实时监测、处理和噪声区域可视化,设计了基于物联网的噪声监测系统。系统由感知层、网络层、应用层、协议层和监管层构成;感知层的监控终端集成了噪声传感器、GPS等模块,噪声传感器模块和GPS模块用来获取噪声数据信息和噪声源的位置信息并通过网络传输将这些信息上传至应用层和监管层。实际应用测试表明:系统可实时准确监测噪声信息并进行传输数据,可以为噪声评价提供依据,为噪声治理采用二次隔振技术进行工程改造提供参考。     

自然环境下基于颜色聚类和颜色距离的死钩检测

针对目前火车死钩检测无法自动实现的问题,提出了一种自然环境下基于颜色聚类和颜色距离的死钩检测方法.根据死钩和车厢颜色的对应关系,使用CCD(charge-coupled device)相机获取现场车厢图像并提取前景区域和背景区域的颜色特征,通过分析该颜色信息的差异来判断车厢之间的连接是否为死钩.首先获取特定区域的颜色信息,然后采用FCM(fuzzy Cmean)聚类算法对颜色信息进行分类得到该区域的单一颜色特征,最后根据HLC(hue,lightness,hromatic)颜色空间和人类颜色视觉的相似关系,计算颜色特征对的NBS(national bureau of standards)颜色距离.利用翻车作业现场火车车厢图像进行检测,实验结果验证了该方法具有对颜色差异的高敏感性和识别的准确性,可以满足实际死钩检测的需要.     

作业车间瓶颈簇识别方法

针对传统作业车间调度瓶颈识别方法划定多瓶颈候选集时缺乏科学的划分范围、划分层次和划分依据等问题,提出机器簇、瓶颈簇、主瓶颈簇及阶次的概念,建立了作业车间瓶颈簇的识别模型.考虑机器的主次之分和多维特征属性,基于聚类思想及多属性决策理论提出了作业车间瓶颈簇的识别方法.选择识别瓶颈的机器特征属性,采用免疫进化算法获得调度优化方案并计算机器的特征属性值;采用层次聚类法,获得不同距离下机器簇的集合及其树状结构图;基于理想解相似度顺序偏好法确定并比较机器簇的簇中心,识别出瓶颈簇和非瓶颈簇;对瓶颈簇的子簇依次进行比较,通过多次识别逐步确定出多阶主瓶颈簇集合.最后,采用24组作业车间调度问题标准算例,将所提方法与移动瓶颈识别法、正交试验识别法、机器负荷识别法等进行比较,证明了其可行性及优势.     

基于物联网技术的机械设备运行状态监测系统

以准确识别机械设备运行状态，提升机械设备生产效率为目的，设计基于物联网技术的机械设备运行状态监测系统。系统整体采用物联网三层结构设计，划分为感知层、网络层、应用层。感知层采用传感器节点定位算法获取传感器节点坐标，通过合适的数据采集技术获取准确的机械设备运行状态数据，所采集的数据经由传感器网络集成至机械设备运行状态数据采集装置内。集成数据经由网络层传输至应用层内，应用层考虑数据的时间序列特性，通过聚类算法与数据流滑动时间窗口相结合的方法识别机械设备异常运行状态，并将最终的数据分析与处理结果呈现在机械设备运行状态监测系统主界面内，完成机械设备运行状态监测。实验结果显示该系统对于机械设备运行数据的平均识别准确率和异常状态平均召回率分别达到96.8%和90%，监测性能高。     

基于视觉特征的厚板机器人焊接焊缝轮廓的有效提取

基于结构光的主动视觉传感技术是用于厚板机器人自动焊接中检测焊缝信息的一种有效途径。针对焊接过程中采集的焊缝图像包含或不包含电弧区域的两种情形,提出了一种基于视觉特征的适用于典型接头的激光条纹提取的通用算法。该算法利用Gabor滤波生成方向特征图,阈值分割后利用最近邻聚类算法对激光条纹和干扰数据进行聚类,根据聚类结果获得各类数据点在图像中的空间跨度,且只保留跨度值大于平均跨度的类,实现激光条纹的粗略提取;在从粗略提取结果中获取首个激光条纹分段的前提下,利用后续待识别的类与前一次已提取的激光条纹分段的欧式距离和类的自身跨度,设计了一个能提取激光条纹后续分段的竞争策略,从而实现激光条纹主体轮廓的准确提取;根据激光条纹视觉投射特点,设计了一个提取主体轮廓各分段之间的激光条纹细节的有效规则,实现激光条纹细节的提取。利用厚板T形接头和对接接头焊接中采集的焊缝图像验证了文中激光条纹提取算法的有效性,为厚板机器人自主焊接智能系统面向多种接头焊接应用的集成提供了可能。     

PLC技术下新能源汽车电机驱动系统故障检测

由于已有方法不能完成非线性驱动信息的转换,导致电机驱动系统故障检出率偏低,提出在PLC技术下进行新能源汽车电机驱动系统故障检测的方法。利用小波包分析获取驱动电机频带分量,通过分析各个频带分量的变化提取出故障特征参数。根据故障特征,在PLC技术下,融合核方法和主成分分析方法,将电机驱动故障特征参数非线性信息转换为线性化信息。最后,采用模糊核聚类方法对线性化信息进行聚类处理,完成新能源汽车电机驱动系统故障检测。实验结果表明,所提方法具有较低的漏检率与误检率,同时能够提升故障检出率,实际应用性能较强。     

数据挖掘技术在质量功能配置建模中的应用与研究

为了有效地发现计算机辅助质量功能配置过程中的需求选型和工艺质量控制规律,引入数据挖掘技术和方法,提出了基于数据挖掘的计算机辅助质量功能配置模型。该模型由数据获取层、数据存储层和数据挖掘层组成。针对用户选型和如何发现质量控制规律,建立了模糊聚类和灰色理论算法的数据挖掘模型,其目标是在质量功能配置数据库中发现所有模糊权重系数大于预定阈值的分类规则及工艺质量,并用以控制未来趋势。用活塞发动机选型和发动机密封环工艺与质量控制归类规律的两个算例,验证了算法的合理性。     

TBM滚刀刀圈磨损量在线监测系统

为了在TBM(Tunnel Boring Machine)破岩过程中实时监测盘形滚刀的磨损量,设计了一种基于电涡流传感器的TBM滚刀刀圈磨损量在线监测系统,利用电涡流传感器将磨损前后滚刀刀圈与传感器之间的距离转换为电压信号,经调理后送入K60MCU经A/D转换与计算处理后得到刀圈的磨损量数据;在信号传输中使用能够依据链路质量与节点电量选择链路的ZigBee双链路无线通信系统,将测试数据从密闭的刀盘掘进面中传输到后方,避免数据通信的中断。通过对不同磨损量的17英寸1∶2相似滚刀在刀具性能检测试验台的在线监测试验,证明该监测系统能准确检测出滚刀刀圈的磨损量,可实现滚刀刀圈磨损的在线监测。     

群体智能点云光顺去噪算法

为避免点云数据处理过程中的过光顺和局部失真现象,利用基于核甬数的蚁群聚类算法对点云数据进行分析,在高维特征空间达到线性可聚的目的.通过核函数将散乱数据点的曲率及法矢映射到高维特征空间,并将它们在特征空间的加权距离作为相似性的度量,来分析可能的噪声点和局部特征.对法矢进行光顺调整时,采用类内方差自适应地确定调整阈值.实验结果表明,该算法比经典算法有明显的改善,并且较好地保留了原始数据的一些特征信息.     

基于小生境及模糊先验提取的自适应免疫网络

为了提高人工免疫网络的数据处理能力,在aiNet的基础上提出一种动态自适应免疫网络算法。首先调用模糊C均值对(部分)初始数据进行聚类,从聚类结果的各类数据中分别选取若干个数据作为免疫网络初始抗体集合,以获取待分类数据的初始分布信息,避免因随机获取初始抗体集合而存在的盲目性;引入基于小生境的评价函数,以有效衡量抗体与抗原之间的亲和度,避免进化过程中的近亲繁殖;在网络进化过程中,对克隆抗体的选取及网络抑制的阈值进行了动态控制,使其随网络的进化而动态改变,从而提高系统的动态自适应性。通过实验测试对比分析了算法的分类精度和网络收敛速度,结果表明,该算法对数据分类具有较高的准确性,同时大大提高了网络的收敛速度。     

基于非线性降维和模糊均值聚类的滚动轴承的性能退化在线评估方法

为了得到滚动轴承的性能退化趋势,并且实现对滚动轴承退化指标的在线实时监测,提出基于局部线性嵌入(LLE)和模糊C均值(FCM)的滚动轴承性能退化在线评估方法,首先用自回归(AR)模型和小波包分解提取早期无故障信号和同型号同位置失效滚动轴承(简称同类轴承)的失效信号的特征,用LLE方法对总特征非线性降维,然后建立模糊C均值,将待测信号特征提取后通过保持模型不变连续迭代的方式输入到FCM模型中,用待测样本到正常和失效聚类中心的欧式距离作为性能退化指标,最后用滚动轴承外圈故障实例和希尔伯特包络解调验证提出方法的有效性和实用性。     

基于聚类与改进最小二乘法支持向量机算法的汽车总装输送装备故障预警方法

汽车总装工艺复杂、生产节拍快、产量大,百分之六十以上的时间都在进行主辅物料输送,因此输送装备由于故障引起的停机会造成巨大的经济损失。为了对生产物料输送装备的健康状态作出评估,并在可能发生故障时作出预警,提出一种基于生长型神经气聚类算法与改进最小二乘法支持向量机(LS-SVM)回归模型的汽车总装输送装备故障预警方法。首先根据传感器的历史信号数据进行特征提取和降维处理,获得特征向量;运用生长型神经气聚类算法,将正常状态数据划分为多种工况,得到若干聚类中心,并计算当前运行数据的特征向量与聚类中心的欧式距离从而得到相似度趋势;同时构建了历史记忆矩阵,并通过改进粒子群算法优化LS-SVM回归模型参数,计算残差值,并结合残差值与相似度趋势,得出风险系数,对装备状态进行评估和预警。将所提方法应用于汽车总装物料输送设备,将减速器与轴承的振动值的均方根输入模型,得出设备的风险因子,证明了该方法的有效性。     

检测数据和专家知识混合驱动的小样本飞机结构件装配粗差判定

航空航天产品铆接变形、多层级耦合装配等多因素影响导致其装配偏差不确定度大,装配粗差难以准确识别.为此,针对小批量飞机研制模式,引入测量信息论中的聚类分析法和基于不确定性理论的直觉模糊熵法,提出检测数据和专家知识混合驱动的小样本飞机结构件装配粗差判定方法.首先,利用系统聚类法建立装配偏差测量数据聚类分析数学模型,用欧式距离来量化装配质量检测数据之间的相似度,引入组平均连锁量化检测数据类之间的相似度,进行装配粗差的预筛选.其次,提出加权直觉模糊熵的装配偏差置信区间判定方法.用精确数量化专家之间判定信息的直觉模糊相似度,进行装配偏差置信区间的合理性评估.最后,对数据挖掘和专家知识进行融合,综合识别出装配粗差.通过装配应用案例验证了检测数据和知识混合驱动的飞机结构件装配粗差判定方法的准确性和计算可行性,与经典的格拉布斯粗差判定准则相比,粗差识别准确率提高了12.5％.     

基于改进关联规则的卸船机故障预测模型

为使桥式抓斗卸船机安全稳定运行,针对大量监测数据利用率低、故障诊断不及时等问题,提出了基于兴趣度关联规则的卸船机故障预测模型方法。采用传感器监测和时域分析方法获取卸船机运行参数空间,利用聚类离散算法将监测数据根据其属性值域离散为非线性聚类区间,获取卸船机关联规则组,提取状态数据关联维的权重系数,构建状态监测数据关联规则指向性特征约束函数模型,通过预测模型中关联规则状态的改变实现故障预测。实验结果表明,该方法能有效表征卸船机运行状态监测的关联内部特征信息,实现对卸船机故障类别的预测,降低卸船机故障发生的频率。     

齿轮测量中心信息化系统设计与开发

针对齿轮测量中心与车间信息化系统的信息交互开发了齿轮测量中心信息化系统。信息化系统采用C/S模式设计系统的网络架构和软件架构,细化了测量参数、测量报告及实时状态交互格式标准,实现了齿轮测量中心与车间管理系统的通讯连接。齿轮测量中心获取DNC提供的测量参数,根据远程指令测量齿轮,并将测量结果上传至Q-DAS进行质量分析;同时齿轮测量机还可将设备实时状态上传至MDC,对设备状态进行实时监测。该系统已接入国内一家减速机制造企业的智能化产线,实现了齿轮测量数据的跨平台传输。     

基于D-S证据理论的产品多信息融合标识失效补救方法

针对离散制造企业生产环境和工艺的复杂性容易引起Data Matrix二维符号标记的磨损、污染和腐蚀而发生标识失效的问题,提出一种基于D-S证据理论的产品多信息融合标识失效补救方法。分析了产品物理与制造过程中多源信息之间的关联和数据结构,建立了离散制造产品零散与不完整多源信息的数学模型;设计了改进的变异系数加权法,并采用基于类中心的变权欧式距离法对失效标识产品特征和历史数据库进行相似性测度计算;通过D-S证据理论对失效标识的产品特征层进行融合辨识。实验结果表明,该方法能够较好地恢复补救产品失效的标识。