基于PSO参数优化的支持向量机齿轮箱故障诊断研究

为了解决支持向量机惩罚因子c和核函数g的确定只能依靠先验知识的缺点,提出了基于粒子群优化算法(PSO)的支持向量机参数优化的模型,通过PSO的寻优自动获得最优的支持向量机参数。并运用JZQ250型齿轮箱进行故障诊断,实验表明所提出的模型很好地解决了参数选择问题,使SVM性能有所提升。     

基于AR参数的液压阀故障信号检测

本文提出了一种使用最小支持向量机检测溢流阀故障信号的方法。通过提取溢流阀振动时的正常信号和故障信号,在此基础上进行了AR建模,并由建立的模型获取了信号的AR参数,之后利用这些参数作为最小支持向量机的输入进行故障辨识,取得了令人满意的结果。     

基于优化方法的复杂各向异性屈服函数参数标定

近年来,一些复杂的各向异性屈服函数被广泛地用来描述各种先进材料塑性成形过程中的屈服行为。这类复杂屈服函数需要标定的参数多,部分力学性能测试实验复杂且参数不易获取。基于单向拉伸实验数据,提出先通过优化方法标定简单各向异性屈服函数(Hill48或Barlat91),通过其理论预测出复杂屈服函数标定所需的力学性能参数,并代替真实实验值完成复杂屈服函数的标定。以常用的Yld2000-2d和BBC2005屈服函数为例,对比分析了不同标定方法对屈服函数预测不同取向时的厚向异性系数、屈服应力以及屈服面的影响规律。通过与不同材料常规标定方法的对比分析,验证了所提出方法的可行性。     

基于CEEMDAN-IGWO-SVM的轴承故障诊断研究

为了提高支持向量机(SVM)在轴承故障诊断时的准确率和识别效率,提出了一种基于具有自适应白噪声的完整集成经验模态分解方法(CEEMDAN)、改进灰狼优化算法(IGWO)和支持向量机(SVM)相结合的故障诊断方法。首先用CEEMDAN与Shannon熵对振动信号消噪、分解,获得典型故障的敏感信号;其次,将粒子群算法(PSO)惯性权重w与粒子“飞行”速度v引入灰狼优化算法(GWO),得到IGWO,通过IGWO算法优化SVM得到诊断模型的最优参数,增强SVM的学习能力和泛化能力;最后,利用美国西储大学的轴承试验数据验证优化模型的有效性。结果表明,IGWO算法优化SVM的模型可以准确、高效地对轴承进行故障诊断;与GA、PSO、和GWO算法优化的SVM模型相比,该方法的故障诊断准确率和识别效率更高。     

基于支持向量机的焊缝尺寸预测

焊缝尺寸是决定焊接接头强度及有关性能的重要因素,因此也是焊接质量控制的重要内容.分别以焊接电流、电弧电压以及焊接速度作为输入向量构造样本集,建立CO2焊接焊缝尺寸支持向量机模型,分别运用线性核函数,多项式核函数、高斯径向基核函数以及指数径向基核函数对焊缝熔宽、焊缝熔深以及焊缝余高进行预测.结果表明,采用指数径向基核函数所建立的支持向量机模型可以有效地对焊缝尺寸进行预测,为进一步实现焊缝质量的在线控制提供依据.     

基于多类支持向量机的板形识别方法

提出一种基于多类支持向量机理论的板形识别分类器,通过对冷轧工序中板形仪测得的数据进行预处理,获取所需样本数据。采用“一对多”方法训练多类支持向量机分类器,最后用测试样本对训练出的分类器进行性能测试。仿真结果表明该方法在处理小样本数据时识别率非常高,泛化能力更强,为板形识别提供了新的研究方法。     

基于改进支持向量机的选区激光熔化参数优化的研究

在选区激光熔化成型过程中,通过实验法和试凑法确定合适的参数组合,需要具备一定的实验设备以及人力物力和时间的投入,周期长、成本高.以316L不锈钢选区激光熔化过程的参数选择为例,采用粒子群算法和网格搜索法对支持向量机参数进行优化,建立其选区激光熔化过程的质量参数模型,对加工过程的熔池尺寸进行预测.结果 表明,熔池的宽度、...     

基于改进型支持向量机算法的轧机轧制力预测

考虑到基于神经网络算法建立的预测模型虽然具有较好的预测精度,但是神经网络模型需要大量的训练样本,另外会增加模型的复杂程度,研究了一种基于改进型支持向量机的轧机轧制力预测模型,建立基于RBF核函数和多项式核函数的最小二乘支持向量机,并使用协同量子粒子群算法对混合函数的参数进行寻优,以提高预测模型的预测性能。由协同量子粒子群算法优化得到了基于改进型支持向量机的轧机轧制力预测模型中的RBF核函数参数γ值、惩罚系数c值、多项式核函数参数q值和两个核函数的权重a值。通过实例研究表明:使用本文研究的改进型支持向量机的轧制力预测模型预测相对误差在4%～6%之间,多组数据的平均值误差为4. 83%。验证了本文研究的基于改进型支持向量机的轧机轧制力预测模型的可行性。本文研究的预测模型相比其他3种对比模型耗时更长,但是相比之下提高了预测准确率,更具有实际意义。     

变核函数的WVD在汽车轴承故障检测中的应用

由于轴承各个阶段的故障信号存在一定差异,且固定核函数的维格纳分布(WVD)无法适应不同类型的信号,为此,提出利用可变核函数平滑伪WVD对汽车轴承故障进行检测。建立WVD的特征函数,利用特征函数的聚散性抑制交叉项干扰;在此基础上,将不同类型信号核函数的确定转化为最优化化问题,并给出核形状与核参数协同优化的关系式。采用变核平滑方法的WVD对汽车轴承故障进行检测,结果表明:变核函数的平滑WVD对信号的适应性更强,且能有效抑制交叉项振荡,在计算成本略有增加的基础上,检测准确率达到了97%以上。     

基于LibSVM激光透射焊接聚碳酸酯的工艺参数优化

选用透明聚碳酸酯(PC)作为试验对象,铝粉碳粉混合物作为吸收剂,采用支持向量机算法对激光透射焊接聚碳酸酯试验数据进行回归分析,获得理论最优焊接工艺参数。首先,采用曲面响应法进行试验方案规划,获得焊接质量与焊接工艺相关性模型;其次,采用LibSVM支持向量机对与焊接工艺参数(激光功率、吸收剂配比、焊接速度、表面粗糙度)进行优化;最后,采用模型回归预测,并进行试验验证。研究结果表明,激光功率为37 W,焊接速度为5 mm/s,铝粉含量为29%,表面粗糙度为1.77 μm时获得最佳焊接质量,同时优化后的预测值与试验值误差较小,对降低焊接成本、提高焊接质量及焊接效率具有指导意义。     

基于核递推最小二乘的转子故障诊断方法研究

将核递推最小二乘(KRLS)辨识算法应用到转子故障诊断中,提出一种基于KRLS的转子系统故障诊断方法。它通过引入核函数,将原始的非线性数据映射到高维特征空间使其线性可分,然后在高维特征空间中实施标准最小二乘算法。该方法具有计算量小、较高的稳定性和抗干扰能力。仿真和实验结果验证了该方法的有效性。     

基于参数优化MLOG与SAM的滚动轴承早期故障诊断

针对强背景噪声环境下轴承早期故障特征不易提取问题,提出麻雀搜索算法(SSA)优化改进拉普拉斯高斯滤波器(MLOG)结合频谱调幅(SAM)的早期故障诊断方法。以滤波后信号的峭度最大值为指标,用SSA算法自适应寻找滤波器阶数和标准差的最优参数;用MLOG滤波器对故障信号滤波,去除部分噪声;用SAM方法对滤波后信号的幅值赋予不同的权重进行重构,计算重构信号的平方包络谱,提取故障特征频率。通过仿真信号和不同试验台的真实数据验证,同时对比PSO和GA优化MLOG结果,表明所提SSA-MLOG-SAM方法对滚动轴承早期故障特征提取的有效性和可行性。     

基于非线性Volterra核辨识的转子裂纹故障诊断方法研究

Volterra级数模型是一类能够完全描述系统的非线性传递特性的模型.将Volterra核的辨识应用于转子裂纹的故障诊断,提出一种基于Volterra核的转子系统故障诊断方法.该方法利用系统的输入输出同步采样信号,采用RLS算法进行非线性系统Volterra时域核的辨识,利用得到的一阶核、二阶核和三阶核来判断系统当前所处的状态.以正常转子和有裂纹转子为例进行实验验证,实验结果表明:该方法不仅可以从一阶核的特性来判断系统的变化,而且还可以从二阶核、三阶核等来判断系统的变化,提供更丰富的故障信息.     

基于结构参数优化的锥阀式单向阀消振研究

针对某型飞机锥阀式单向阀在地面工作过程中的振动问题,提出了一种基于阀结构参数优化的消振方法.根据阀芯受力情况建立了锥阀式单向阀的动力学模型,验证了阀芯在特定工作位置的振动现象,分析了造成阀芯振动的原因,并提出通过改变锥阀式单向阀锥角、座面长度和阀芯质量来消振,仿真结果验证了该方法的有效性.     

基于模拟退火算法的挤出模参数优化

建立了塑料熔体在异型材挤出机头流道中的流动均匀性模型 ,阐明了模具结构参数与流动均匀性间的关系,确定了塑料挤出模优化设计的目标函数和设计变量 ,并将一种改进的模拟退火算法用于流线型塑料异型材挤出机头的优化设计。实例表明所用方法对挤出模优化设计的适用性,该方法在利用经验的同时 ,优化了模具结构参数 ,提高了模具设计的智能化     

基于状态预测和分形维数判据的轴承系统故障诊断

轴承系统运行过程中的振动信号包含了大量的状态信息，本文基于检测到的信号进行状态预测，并进行故障的诊断和预防。采用了基于相空间重构的数据处理组合方法进行状态顶测，并用分形理论分析故障存在的可能及类型，用分形维数给出判定依据。从实验结果可以看出，基于状态预测和分形维数进行故障诊断是有效的，优于传统的谱分析方法。     

基于改进海马优化算法的PID参数优化

为了解决传统海马算法(SHO)在PID参数整定中存在全局寻优能力差且收敛速度慢的问题,提高PID参数优化质量,提出一种改进的海马优化算法(ISHO)。通过Tent混沌映射增加海马种群初始化多样性提高收敛速度;引入逃逸能量调控策略改进算法全局搜索与局部开发的转换机制,从而提高算法的全局寻优能力。将改进海马优化算法与传统海马算法、Z-N临界比例法、灰狼优化算法和粒子群优化算法进行比较,仿真结果表明：改进的海马优化算法优化PID参数具有调整时间更短、系统控制精度更高和收敛速度更快等优点,为PID控制系统的参数优化提供了参考。     

基于AMESim优化功能的参数识别法建模研究

针对用AMESim建立系统模型时存在的问题,提出基于AMESim优化功能的参数识别建模方法。采用该方法建立某型注塑机注射回路的模型(使用AMESim软件的超级元件功能简化了模型),说明建模的详细步骤,重点阐述如何应用AMESim的优化功能识别系统的未知重要参数,以完善仿真模型。实验和仿真数据的对比说明,使用该方法建立的模型比较吻合真实模型。     

基于工序质量信息的切削参数优化技术研究

将质量管理与工艺优化相结合提出一种新的基于工序质量信息的切削参数优化方法.针对这一方法,在改进原有质量工具的基础上,提出两种新的质量分析手段:横向工序质量分析和纵向工序能力分析.根据工序质量分析提供的目标和约束建立优化的数学模型,为切削参数优化提供方向,使用自适应权重遗传算法优化加工时间和表面质量,从而提高了工艺优化的准确性和效率.并通过实例验证该方法的可行性.     

基于参数驱动的结构优化设计系统研究

从解决结构设计的优化问题出发,构建了基于Web方式的结构优化设计系统框架.在分析了实际工程应用状况后,提出了以Pro/E、Ansys和iSight三者为基础,建立详细的优化设计流程,并通过对专业模型参数化技术的研究,给出优化设计流程的各主要节点实现参数化驱动的原理和方法.最后以油气悬挂系统中的参数化油缸设计与优化为例,来验证了该优化设计系统的有效性.