基于小波抗体记忆克隆算法的电机故障诊断

针对电机定子、转子、轴承偏心、气隙偏心等故障,提出了一种将小波分析和抗体克隆算法相结合的故障诊断新方法。使用小波技术对电机定子电流监控数据进行预处理,对采样信号进行小波分解,提取各频段的能量,归一化后将能量作为故障诊断的特征向量。将得到的故障特征向量作为抗原,由算法建立的聚类中心作为免疫系统的抗体,然后利用抗体记忆克隆算法对故障样本进行故障识别分类。试验和应用结果表明,用小波记忆克隆算法能很好地分类出电机的各种工作状态,使电机故障诊断具有较高的正确率和浓缩率。     

求解第Ⅱ类装配线平衡的改进粒子群算法

针对给定工作站数,求最小生产节拍的第Ⅱ类装配线平衡问题,建立了以最小化生产节拍、工作站负荷,最大化装配线平衡率为优化目标的装配线平衡模型,同时设计了一种免疫记忆粒子群算法对模型进行求解。在该算法中充分利用生物学免疫系统调节机制,为保持迭代过程中粒子(抗体)群体的差异性,将免疫记忆、接种、选择等思想引入该算法中,有效提高算法全局搜索能力,避免算法陷入局部最优;同时加入免疫记忆和免疫接种机制指导粒子的飞行方向,确保粒子种群向更优的方向搜索,提高算法的搜索速度。最后,通过具体装配实例证明了该方法具有更高优化效率,同时验证其有效性和可行性。     

基于模块性准则函数的模糊免疫网络聚类算法及其在故障诊断中的应用

为了改善免疫网络聚类算法的效果,进一步提高算法的数据浓缩率和分类正确率,设计新的抗体变异策略和独特型网络调整机制,提出免疫网络聚类新算法。首先,借鉴Timmis的人工识别球概念,结合模糊理论,构造独特型模糊免疫识别超球对抗体网络实现更新,并利用复杂网络中反映社群结构特征的模块性指标,构造模块性聚类准则函数,提出基于模块合并的记忆抗体提取算法,实现抗体网络的自适应压缩;其次,基于免疫网络聚类策略,提出基于模块性准则函数的模糊免疫网络聚类算法,UCI数据集的试验分析表明,该算法能够获取合理的记忆抗体网络,提高了算法的数据浓缩率和分类正确率;最后,将算法应用于一个四级往复式压缩机的故障诊断中,与aiNet等免疫网络聚类算法相比,获取较高正确率的同时大大提高了浓缩率,对故障诊断具有重要意义。     

基于最佳粒子共享的并行粒子群优化算法及其在分类中的应用

粒子群优化（Particle Swarm Optimizer,PSO）算法是数据挖掘技术的一种算法。数据挖掘就是从大型数据库中的数据中提取人们感兴趣的知识。PSO算法模仿鸟群、鱼群的行为,通过群中的每个个体即粒子,依靠本身的速度向量和群信息,在多维搜索空间中搜索找到最优解。并行粒子群算法可以减小粒子间的相互干扰,扩大搜索范围;对于大规模或超大规模的多变量求解具有重要的意义,可以提高解的速度和解的质量。本文提出了并行粒子群的改进算法。同时将改进的并行粒子群算法应用于数据挖掘的分类中。实验采用IRIS数据集,它有3个类别,分别为Setosa,Versicolor,Virginica,每个类别包含50个例子。每个例子有4个属性,分别为花萼长度,花萼宽度,花瓣长度和花瓣宽度,将数据按9：1分成两部分,大的作为训练样本,小的作为测试样本。得到一个分类规则,将这规则用于测试集,准确率为91．5％。实验结果表明该算法可行。     

基于Focal Loss的GBDT改进分类算法研究

为了解决传统分类算法梯度提升决策树(Gradient Boosting Decision Tree,GBDT)在多分类情况下由于样本不平衡和数据量大的情况下收敛速度较慢的不足,提出基于焦点损失(Focal Loss,FL)的FLGBDT算法。该算法与AdaBoost的主要区别在于采用基于概率的简单形式来修改样本权重,减少计算量,提高了收敛速度。利用癌症患者的RNA基因序列数据集进行训练与验证,并与原始GBDT、随机森林(Random Forest,RF)算法所得到的数据进行对比分析,结果表明FLGBDT与原始GBDT算法相比有更快的收敛速度、与RF算法相比具有更快的收敛速度和更高的精度。     

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。     

基于免疫算法的装配序列规划问题求解

针对装配序列规划问题提出了一种模拟生物免疫系统的免疫算法,并给出了亲和力计算、抗体生成、免疫选择、记忆细胞更新等的具体实现方法.实例仿真结果表明,免疫算法在装配序列规划问题的求解中充分体现了免疫系统的多样性、免疫自我调节、免疫记忆和分布式并行等特点.免疫算法较遗传算法具有更强的全局搜索能力和更快的收敛速度,有效地改善了全局收敛性能和收敛速度.     

免疫连续记忆故障诊断方法

故障样本少且难以获得是制约智能诊断系统发展的关键问题,基于生物免疫系统的克隆、变异及连续学习等众多智能机理,提出了一种具备新增故障样本在线连续学习能力的免疫连续记忆算法(Immune continuous memory,ICM)。算法采用高斯函数计算空间任一点故障样本(抗原)出现可能性的大小称为细胞因子浓度,并根据细胞因子浓度大小提出尺度可变B细胞(Scale variable B cells,SVB)概念,模拟生物免疫克隆变异机理针对任一抗原形成数量较多但识别能力更强的成熟B细胞,进而提出一种记忆细胞优选策略,对成熟B细胞数目进行优化,形成数量较少且能够识别所有训练抗原的记忆B细胞群用于数据分类。构建记忆B细胞群条件更新机制,对新增抗原进行持续学习,形成识别能力更强的记忆B细胞集,实现ICM的连续学习功能。经标准数据集仿真表明,所提出的ICM算法在同等条件下与其它算法相比具有较好的分类性能。经往复压缩机气阀诊断试验证明,ICM算法能够通过不断更新记忆细胞提高其诊断性能,是一种有效的连续学习故障算法。     

软件人工嗅觉图像技术研究

模式识别是人工嗅觉的重要组成部分和关键技术之一,虽然目前该领域对具体的识别算法进行了较多的研究,但对数据预处理及实验数据样本总体信息完整性描述着墨较少.为此,本文模拟光寻址电位传感器构建人工味觉图像的原理,提出了软件人工嗅觉图像技术.该方法从"传感器-时间-样本"三维结构样本出发,在对实验数据样本总体进行重组的基础上,使用独立分量分析技术削减冗余信息,生成基于软件的嗅觉图像,并产生嗅觉记忆.实验结果表明,该方法较好地保留了样本的总体信息,在嗅觉图像基础上,可以采用简单的分类器对气味进行正确分类,算法复杂度低.     

航空制造车间质量决策分类算法研究及应用

针对航空制造过程质量状态分类预测及相关决策问题,提出了流形学习的等距映射降维算法与支持向量机分类算法相结合的分类预测方法,该算法通过ISOMAP进行数据降维,找出过程质量数据内部规律;采用SVM分类算法提升质量分类预测精度;最终根据分类预测结果,综合考虑降维结果对比原始样本快速定位出现问题的原因,辅助质量决策.算法已在某航空制造企业进行实验,证明了它对提高航空制造企业产品质量的有效性.     

基于振动谱图像识别的智能故障诊断

以滚动轴承为对象,提出了基于Hilbert包络分析和双谱分析的组合方法来提取振动信号的故障频率特征,进而生成双谱灰度图,利用双谱灰度图的灰度共生矩阵及其特征统计量来表征谱图特征.对该特征统计量进行主成分分析而得到的主分量,作为故障模式识别的输入向量.将用于故障模式分类的人工免疫网络分类算法,通过人工免疫网络对训练抗原进行学习形成记忆抗体网络,并计算检验抗原与记忆抗体的亲和力,按照正面选择的原理实现分类.在故障特征信号干扰严重的情况下,取得了较好的诊断准确率,验证了基于振动谱图识别的智能故障诊断方法的可行性.     

基于免疫遗传算法的不规则件排样优化问题求解

基于遗传算法难以保持群体的多样性及存在易早熟、效率低的缺陷,提出免疫遗传算法应用于不规则零件排样的优化方法。该算法在遗传算法的全局随机搜索基础上,借鉴了人工免疫系统中的免疫记忆和浓度机制。通过疫苗接种实现种群个体中基因位的局部调整优化,并将其优良个体保存于免疫记忆库中,提高了算法的搜索速度。同时浓度机制保证了遗传交叉和变异过程中生成下代种群个体的多样性,扩大了搜索空间,更利于最优解的获取。该方法在开发的不规则件排样系统中进行了实算求解,通过与标准遗传算法的实验结果比对,板材的利用效率得到显著提高。     

基于免疫遗传算法的工艺设计与调度集成

为实现工艺设计与调度的并行分布式集成，建立了工艺规程调度仿真优化的数学模型，确定了模型的决策空间、目标函数及约束条件。提出了一种协同进化免疫遗传算法，用以同时优化零件的备选工艺规程组合和调度方案，通过工艺种群及调度种群的相互促进，实现协同进化，依据抗体的亲和力及抗体浓度来保持群体的多样性，根据抗体的激励度来进行免疫选择，采用最优解保持策略，确保算法的收敛性，考虑编码特点，工艺抗体采用均匀交叉及随机扰动变异，而调度抗体采用均匀顺序交叉及倒位变异。通过对10台设备10种零件的实例仿真，验证了算法的有效性。     

Reduction of rough set attribute based on immune clone selection

A novel attribute reduction approach of rough set based on immune clone selection is proposed. In this method, the approximation quality and attribute set were adopted as evolution object and antibody, respectively. On the basis of the inherent distribution within the immune response, the global optimization of the antibody was realized through parallel local optimization. Moreover, the diversity of the antibody population was maintained with the affinity maturation and renewal of the antibody. Thus, the stable multi-optimal solutions can be preserved. In addition, the machinery fault data were analyzed by this method, and the attribute reduction sets were obtained further to satisfy the demand of feature selection in machinery diagnosis. __________ Translated from Journal of Xi’an Jiaotong University, 2005, 39(11) (in Chinese)     

基于生物免疫机理的智能调度系统建模与仿真

根据生物免疫系统的基本概念和免疫应答机理，构造了一种融生物免疫机理和专家系统为一体的生产调度模型，提出了基于工序约束的抗体优生方法和基于机床作业序列的抗体编码规则，介绍了基于生物免疫机理的智能生产调度关键算法，给出了作业车间生产调度案例及其多目标动态优化结果，通过生物免疫记忆，激增和抑制机理，基于工序约束的种子抗体优选方法和抗体进化约束性检验专家系统，有效地解决了大规模，多因素，多目标生产调度问题的求解效率和成功率。     

Dissociation of memory retrieval and search processes: an event-related fMRI study

A cognitive task can often be subdivided into several subprocesses, which follow a specific temporal order. Here, we report an event-related functional magnetic resonance imaging (fMRI) experiment on memory search, in which the temporal onset of search in primary memory was varied relative to retrieval from secondary memory. Furthermore, previous behavioral studies demonstrated that search times in primary memory depend on the number of items in a memory set, whereas retrieval from secondary memory is a set-size independent process. We analyzed the dependency of the blood oxygenation level dependent (BOLD)-response on the temporal onset of memory search on the one hand and on memory set size on the other hand to differentiate the contribution of retrieval from secondary memory, maintenance in primary memory, item search in primary memory, and response-related processes. The timing of activation followed cue presentation bilaterally in the middle frontal gyri (Brodmann area (BA) 9,46) and the inferior parts of the precentral gyri (BA6). In all other regions of interest (ROI), supplementary motor area (SMA), posterior parietal cortex, antero-superior insula, and primary motor cortex, the onset of activation was delayed with delayed probe presentation, ruling out participation in retrieval from secondary memory. The amplitude of the BOLD-response increased with increasing memory set size in all ROI except primary motor cortex and left posterior parietal cortex. All areas with cue-associated BOLD onset, suggesting involvement in retrieval, showed prolonged BOLD activation, suggesting that they also support maintenance of the retrieved information.     

特征选择与支持向量机参数同步优化研究

提出了免疫多向二进制粒子群优化算法。基于该算法实现了特征选择与支持向量机参数的同步优化,克服了单独优化特征或单独优化支持向量机参数的缺陷。既解决了特征与分类器不匹配带来的诊断能力下降,又提高了故障诊断精度与搜索速度。     

免疫聚类算法在船用模拟电路故障诊断中的应用研究

基于人工免疫聚类算法的船用模拟电路故障诊断分为两个阶段:免疫训练阶段和诊断阶段.免疫训练阶段以训练样本数据为初始抗体种群,利用克隆选择算法得到每类模式的聚类中心,即该模式的抗体;诊断阶段以训练阶段得到的聚类中心为抗体,以测试数据为抗原,通过抗原抗体识别对诊断对象的状态进行分类.仿真结果表明该方法故障覆盖率高,易于实现.