基于蝙蝠算法的VMD在滚动轴承故障诊断中的应用

由于滚动轴承的工作情况较为复杂,信噪比较低,使用传统的故障处理方法难以对信号的故障进行有效识别。提出了一种新的故障诊断方法,基于蝙蝠算法提出了参数自适应的变分模态分解(VMD)优化算法。在该方法中,使用蝙蝠算法依据故障的相关分量包络谱熵最小原则获得VMD分量的优化值,实现故障的识别。通过实验验证,该方法能够有效地提取滚动轴承的故障特征,具有一定的实用价值。     

基于WOA-VMD-MPE算法的矿山爆破振动信号降噪研究及应用

矿山环境中爆破振动信号含有大量的高频噪声,其严重影响了爆破振动信号真实性。本文针对爆破信号中含有大量高频噪声这一现象,以云南某露天矿爆破振动数据为研究对象,提出了基于自适应WOA-VMD-MPE爆破振动信号降噪方法开展爆破振动信号降噪研究。将3个矿山爆破振动信号进行WOA优化算法处理,得出VMD算法参数中最佳组合K、a,带入VMD算法分解,将MPE值大于0.6的IMF成分去除,以达到降噪效果。研究结果表明：振动波形经过WOA-VMD算法优化后信噪比均为最高,分别为15.23、25.51、27.2,其均方根误差最小,分别为8.51、8.73、5.91。WOA-VMD算法相较EEMD、CEEMD算法在信噪比方面平均增加56%、44%、均方根误差平均减少46%、42%,其降噪效果均优于EEMD、CEEMD算法,能够较好地去除高频噪声,保留原始爆破振动波形信息,验证了其算法的普适性。     

遗传算法在爆破优化中的应用

介绍了遗传算法的原理和求解方法,并将它应用于爆破设计优化中,为合理设计爆破参数提供了一条新的途径。     

改进的模拟退火算法在原料矿混匀优化中的应用

运用改进的模拟退火算法对钢铁原料矿的混匀进行了优化计算，计算结果符合实际生产情况，表明改进的模拟退火算法是一种切实可行的优化方法，该算法为原料矿混匀问题的优化求解提供了新的思路。     

基于模糊熵的多目标模糊优选模型及其应用

利用多目标模糊优选法进行方案优选时,对各方案的隶属度越离散,则越有利于方案的优选。为达此目的,在献「１」相对各度及其计算方法的基础上,将模糊熵引入到多目标模糊优选模型的建模之中,提出了基于模糊熵与加权距优距离、加权距劣距离之和最小的目标模糊优选模型,并将其用于矿山安全监测系统的方案优选,结果表明,该模型具有更大的优越性。     

基于人工蜂群算法优化VMD的旋转机械故障诊断方法

旋转机械在运行复杂环境下振动信号复杂且有许多噪声,难以有效提取故障特征并准确诊断,为此提出一种人工蜂群优化变分模态分解(VMD)的机械故障诊断方法。首先采用人工蜂群算法优化VMD的参数,对振动信号进行变分模态分解,获得相应的本征模态函数分量;然后对各模态分量信号计算多尺度熵,构造故障特征向量;最后利用最小二乘支持向量机(LS-SVM)进行故障诊断。实验结果表明,该方法具有较高的准确率,准确率达到97.5%,可以满足旋转机械故障诊断的要求。     

基于熵权的模糊综合评价方法在火电厂选址的应用

针对火电厂选址评价中客观存在的模糊性与随机性,将信息论中的熵值理论引入火电厂选址评估中,运用信息熵所反映数据本身的效用值计算火电厂选址评价中各指标的权值,使得权值的分配有了一定的理论依据,并结合传统的模糊综合评判法对电力设备做出评价。工程实例表明:基于熵权的模糊综合评判法用于火电厂选址评价是合理可行的。     

混合遗传算法求解经典作业车间调度问题

在研究遗传算法和模拟退火算法的基础上,提出了求解经典作业车间调度问题的混合遗传算法的设计方案,并提出了一个新的编码方法,阐述了相应编码的解码规则。仿真计算验证了混合算法的可行性和有效性。     

基于熵技术的爆破参数决策研究

爆破参数方案评价可以看作一个多指标决策问题。运用熵技术与理想模式识别方法求解这类问题,实例表明该方法科学、合理、实用性强。从而给出了一种全新的爆破参数决策方法。     

采矿方案优选的熵模糊物元决策模型

针对采矿方案优选决策多属性、确定性与不确定性共存的特点, 从安全、经济和技术3个角度出发, 综合考虑影响采矿方案的动态、静态、定量、非定量指标, 选取生产能力、掌子面工效、损失率、贫化率、采切比、采矿成本、回采安全程度和施工难易程度8个指标, 建立了基于熵权的采矿方案优选的模糊物元评价模型。在评价过程中, 引用信息熵所反映数据本身的效用值来计算指标的熵权和层次分析法求得的专家权重来求得综合权重, 用方案的各项评价指标及其相应的模糊量值构造复合模糊物元, 通过计算与标准模糊物元之间的欧式贴近度来实现方案的排序与择优, 并以黄沙坪铅锌矿为例证明了该方法应用于采矿方案优选的有效性和可行性。研究表明该模型有效地避免了权重分配困难的问题, 通过评价样本与评价标准之间的远近关系, 得出黄沙坪铅锌矿3种采矿方案的欧式贴近度分别为82.1％, 80.4％和68.9％, 从而选取方案一。该决策模型为采矿方案综合评价提供了一种新思路。     

基于遗传算法多目标模糊优化设计方法的探讨

随着工程问题日益的复杂化,传统的、单目标、确定性优化设计方法已不能满足设计要求。就一个简单算例,着重探讨如何将遗传算法应用于解决多目标模糊问题。     

基于模拟退火的模糊分类系统应用研究

本文论述了使用模拟退火(SA)元启发式搜索策略构造模糊分类系统的过程,研制出1种精确的模糊分类器,改善了分类问题中搜索空间的数据发掘性能,找到了模糊if-then规则的优化集并能从输入数据集中抽取精确的模糊分类规则。     

深孔爆破防治煤柱冲击参数优化及应用

针对大煤柱引发的冲击矿压事故多的特点,采用深孔爆破对煤柱进行弱化处理是防治发生冲击矿压的主要措施之一.根据煤岩体弱化减冲理论,爆破可有效转移煤体应力,达到防止动态破坏的目的;对承压大煤柱来讲,采用爆破法对其进行松动弱化的关键在于既要有效对其进行松动卸压,又要保持其一定结构上的完整性;深孔爆破后形成的"三带":压碎带区、破裂区和弹性震动区,利用破裂区划定爆破影响范围的界限;以钻屑法作为判定煤柱弹塑性区的手段,综合分析爆破理论和实际合理设定各项爆破参数:孔深、孔距、孔高、装药量及起爆方式等.爆破后煤柱钻屑量指标大幅下降,证明设置的爆破参数合理,卸压效果明显.实际应用证明深孔爆破作为防治冲击矿压的主要手段,是可以广泛利用和推广的.     

基于数学优化算法的煤矿井下岩体参数识别技术研究

结合数值计算方法与遗传算法,并依靠现代工程岩石勘探侦测技术,可以得到工程岩石的重要参数,再对其进行模型化处理,进而可以得到工程岩石的智能等效模型,通过将这种智能等效模型应用到实际工程勘探中,并将这种理论分析结果与实际检测结果进行对比分析,从而发现两者有较好的对应性。由此可以得出,通过理论分析与计算机模拟所得到的智能等效模型能够很好的推算岩土工程的参数,这就为煤矿井下复杂岩土参数的选择提供了新的方法。     

基于跳跃基因遗传算法的模糊系统设计优化方法

采用一种新的跳跃基因遗传算法对获取的初始模糊系统参数进行优化。在此基础上,综合考虑隶属度函数的距离相似性和形状相似性,依据隶属度函数相似性对模糊变量的隶属度函数集进行简化。     

基于量子行为粒子群算法的铣削用量优化

铣削加工中如何选择最佳的铣削用量是一个多约束非线性的复杂优化问题。在考虑实际加工约束的情况下,以最小化加工成本为目标,采用量子行为粒子群优化(QPSO)算法对铣削实例进行优化,得出了最优的铣削用量组合。通过与实际使用经验值对比,验证该算法能够有效地优化铣削用量,节约加工成本。     

基于VMD与GWO优化SVM的轴承故障诊断

针对传统振动信号特征提取方法与支持向量机(SVM)分类方法的缺陷,提出一种基于变分模态分解(VMD)故障特征提取方法与灰狼优化器(GWO)优化SVM的诊断模型。首先,将滚动轴承的原始振动信号采用VMD得到若干本征模态分量(IMF);其次,将IMF的多尺度加权排列熵作为特征向量并使用t-sne方法做降维处理;最后,使用GWO对SVM进行优化并对样本数据进行分类判别。实验结果表明,该方法相比于其他传统算法能够有效提高故障分类精度。