基于粒子群优化相关向量机的起重机当量载荷谱预测方法

针对起重机作业环境多变、现场试验条件复杂、载荷作用随机性强,导致起重机大规模载荷谱难以获取的问题,提出基于粒子群优化相关向量机的起重机当量载荷谱预测方法。以相关向量机为理论基础,从核函数的构造、核参数的选取入手,构建基于粒子群优化相关向量机的预测模型并应用到起重机当量载荷谱的预测中,从而克服了传统机器学习方法中易出现欠学习、过学习、局部最优等现象,提高了预测精度、泛化能力与鲁棒性。以QD50/10t-22.5m通用桥式起重机和100/40t-28.5m铸造起重机的小样本载荷谱对该方法及模型进行了验证。结果表明,相比于神经网络、支持向量机等方法,本文方法预测误差更小、拟合度更高,且核函数的选择不需要满足Mercer条件。     

基于人工神经网络获取起重机当量载荷谱的疲劳剩余寿命估算方法

为实现在役起重机的疲劳剩余寿命估算,预防灾难性事故,确保起重机使用的安全性。针对起重机使用工况的高度随机性和不确定性,以通用桥式起重机为研究对象,首次通过大量的数据调研,采集不同额定起升载荷起重机在一个工作时段内对应不同起升载荷的工作循环次数簇,基于人工神经网络(Artificial neural network,ANN)技术获取预评估起重机的当量载荷谱。以Miner疲劳损伤累积理论、线弹性断裂力学理论和雨流计数法为理论基础,运用Paris-Eadogan方程,推导疲劳剩余寿命计算公式,以实现通用类桥式起重机疲劳剩余寿命估算。经实例验证:所提出的方法可快速获取该类型预评估疲劳剩余寿命起重机的当量载荷谱并估算其主梁的疲劳剩余寿命,大大节省起重机现场实测的烦琐过程和大量投入。与实测应力谱计算的疲劳剩余寿命相比具有较好的吻合性和实用性,说明应用本方法进行起重机的疲劳剩余寿命估算是可行和有效的。     

装载机动臂载荷当量方法与载荷谱编制研究

以5 t装载机铲斗与动臂销轴的实测载荷为基础,研究了将随姿态变化载荷当量到动臂局部坐标系下的求解方法,利用Matlab软件编写了相应的数据处理程序,得到了装载机动臂在固定姿态下的载荷时间历程。通过静力学分析确定了动臂的危险位置,利用危险截面应力等效原则得到了动臂的等效外载荷,并在此基础上编制了动臂疲劳试验载荷谱。研究结果为动臂的疲劳试验及抗疲劳设计提供了参考依据。     

自适应多核组合相关向量机预测方法及其在机械设备剩余寿命预测中的应用

针对支持向量机(Support vector machine,SVM)的惩罚系数难以确定、核函数必须满足Mercer定理等问题,相关向量机(Relevance vector machine,RVM)应运而生以解决上述问题,并在趋势预测等领域得到一定的应用。核函数是决定RVM预测精度的关键因素之一,目前的研究通常是人为选择单一核函数,因此增加了对参数的依赖性并降低了RVM预测的鲁棒性。为了解决以上问题,提出一种新的自适应多核组合RVM预测方法。该方法首先选择多个核函数,利用粒子滤波产生核函数权重,建立多核组合RVM集,然后经过不断地迭代预测、权值更新和重采样,自适应获取最优多核组合RVM,从而自适应融合多个核函数的特性,克服基于单一核函数RVM的局限,提高预测精度和鲁棒性。利用仿真对提出方法进行了验证,并将其应用于机械设备的剩余寿命预测,取得了比基于单一核函数RVM更好的预测效果。     

造船龙门起重机载荷谱的编制方法

在评价造船龙门起重机金属结构的安全性时,需要合理编制其载荷谱.因此,可通过对样本数据的分类合理采集载荷谱的样本数据;通过计算和查阅相关资料确定起重机的整机工作循环次数;根据样本数据推算出在起重机的全生命周期中各起重载荷区间的循环次数;根据起重机实际工作情况划分工作区域,由各起重载荷区间的循环次数即可推测出相应起重载荷区间各工作区域的循环次数.至此,便可编制出造船龙门起重机的载荷谱,给出编制实例.     

基于v-SVRM模型的起重机载荷谱预测软件编制及应用

针对v-SVRM无论是模型的建立、参数的选择还是数据的训练,计算复杂度都比较高的问题,以Visual C++6.0为开发工具编制基于v-SVRM的起重机载荷谱预测软件,实现了改进的支持向量回归机预测模型的程序化,并将改进的果蝇算法和惩罚函数法编程后应用于v-SVRM模型的参数优选,完成了桥式起重机载荷谱建立、训练、追加、获取及预测的软件编制。工程实例表明,该软件缩短了v-SVRM模型的训练时间,降低了计算复杂度,提高了模型的学习效率,为起重机载荷谱的获取与预测提供了一种新的工具。     

自适应多分类相关向量机的滚动轴承故障识别

提出了一种基于自适应相关向量机(Adaptive multiclass relevance vector machines, A-MRVM)的滚动轴承故障识别方法,该方法利用遗传算法对多分类相关向量机核函数参数进行优化,依据故障样本自身特性自适应地选取最优核参数,克服核参数人为选取的不确定性,从而构建基于自适应多分类相关向量机的故障识别模型。将该故障识别模型应用于滚动轴承故障识别中,分别提取滚动轴承振动信号小波包能量及EEMD(Ensemble empirical mode decomposition)能量作为故障特征进行故障识别,并与其它方法进行实验对比研究。实验结果表明,所提方法不仅能有效识别出故障类型,且具有较高的故障识别模型构建效率,验证了所提方法的可行性及优越性。同时,该方法也能对故障类型发生的可能性进行评估,为分析滚动轴承故障类型提供更多的参考信息。     

疲劳／断裂加速试验载荷谱编制的损伤当量折算方法

提出了疲劳／断裂加速试验载荷编制的损伤当量折算方法，使用方法编制的加速试验载荷谱能大大压缩试验时间，并保证加速谱与原谱对构件造成的损伤等效，从而使试验结果真实，可靠。     

桥式起重机主梁变幅疲劳寿命试验载荷谱

通过对实测的桥式起重机主梁应力—时间历程的统计分析处理,得到了主梁的应力幅谱。并说明了主梁变幅疲劳试验八级程序加载应力幅图的编制。     

采用遗传相关向量机的工业机器人焊缝跟踪预测

为了克服传统焊缝跟踪方法精度低的问题,提出基于遗传相关向量机(G-RVM)的工业机器人焊缝跟踪预测方法,其中应用遗传算法对相关向量机参数进行优化。相关向量机通过构建回归函数以解决焊缝跟踪问题。为验证所设计控制器的有效性,进行了焊缝的跟踪实验,并设计了实验条件。实验结果表明,基于遗传相关向量机的焊缝跟踪误差小于支持向量机法所得数据。可见采用遗传相关向量机的控制更能够适应实际焊接过程的变化。     

基于动态变步长果蝇算法优化支持向量机的轴承故障诊断方法

针对果蝇算法(FOA)在优化支持向量机(SVM)参数时容易陷入局部最优而影响诊断精度的问题,对果蝇算法中固定步长这一缺点进行改进,提出了动态变步长果蝇算法(DCFOA).利用该算法对支持向量机的参数进行优化,并对轴承的故障进行诊断,结果表明该算法获得了更优的支持向量机参数组合,相比于果蝇算法,显著提升了故障诊断精度,同...     

基于支持向量机的机电产品再制造成本预测方法

退役机电产品再制造成本是其再制造决策的主要依据之一。针对再制造成本的随机性、不确定性以及可用数据样本有限的问题,提出基于支持向量机的再制造成本预测方法。分析了再制造成本的构成要素、影响因素及其特点,将废旧产品经拆卸、检测后零部件分为可直接再利用、可再制造加工及替换处理等三类,结合其可再制造性,以零部件再制造加工比率、零部件替换比率及技术性指数为输入,再制造成本为输出,构建基于支持向量机的再制造成本预测模型,对机械式变速箱的再制造成本进行了预测,并与BP神经网络预测结果进行对比分析。结果表明,支持向量机预测模型能很好地预测再制造成本,并且预测精度比BP神经网络更好,可为再制造成本的准确预测提供参考。     

基于灰色支持向量机的液压泵寿命预测方法

针对单方法所建液压泵寿命预测模型精度较低的缺陷,提出基于灰色理论和支持向量机的组合预测模型的液压泵寿命预测方法.该方法通过灰色累加生成操作对原始序列进行数据处理,以增强数据的规律性;运用最小最终误差预测准则确定嵌入维数,选择模型的参数;采用支持向量机进行预测,利用灰色累减生成操作还原数据,得到预测结果.选取液压油的光谱分析数据作为液压泵的寿命特征信息,采用该模型对液压泵进行寿命预测,并与灰色模型、单一支持向量机模型进行预测性能对比.结果表明,灰色支持向量机预测性能最优,精度达到99.37％,为液压泵性能评估和寿命预测提供一种更为有效的方法.     

基于支持向量机数控机床切削能耗预测方法研究

数控机床在制造业中耗能比例大,研究其耗能至关重要。在数控机床切削过程中,切削参数的不同直接影响数控机床切削能耗大小。基于此分析切削过程中切削速度、进给量和切削深度等切削参数对数控机床切削能耗的影响,搭建基于支持向量机数控机床能耗与切削参数的模型。实例对比验证了基于支持向量机数控机床能耗预测方法的可行性,简化了传统经验公式繁琐的计算过程,相对于BP神经网络法比较精确,为数控机床节能问题、能耗定额等实际问题提供了基础理论依据。     

基于Nataf变换的载荷相关系统风险预测方法

以元件安全裕度为基本随机量,基于Nataf变换建立载荷相关系统共因失效概率定量分析的非经验模型,实现原始概率空间向独立标准正态空间的映射,从而把共因元件组的联合失效概率值转化成一维标准正态积分的乘积。针对系统低阶共因失效数据已知而系统载荷分布及元件强度分布未知的现实条件,提出载荷相关系统风险预测的实用方法。该模型与方法直接体现共因失效内在机理,克服传统模型过多依赖历史数据或主观经验而忽略共因失效发生及作用规律的局限,为复杂系统风险数据分析及概率预测提供了新途径。     

基于相关向量机的氢气传感器故障恢复方法

在相关向量机回归模型的基础上,提出了一种新的氢气传感器故障数据恢复方法。利用小生境粒子群算法的"共享机制"对相关向量回归的核参数进行了优化,使其能快速准确地找到全局最优参数。用优化并训练后的回归模型对发生故障后的数据进行预测,实现故障恢复。将本文所用方法与其他较成熟的方法进行了比较,实验结果表明本方法在恢复准确度和鲁棒性方面均优于传统方法。数据恢复相对误差在±2.8%以内。     

载荷谱外推方法的对比

载荷谱的外推是载荷谱编制过程中的关键,外推的准确度直接影响零/部件疲劳寿命的预测精度.通过综述参数法外推、雨流矩阵外推、时域外推和按里程分位点外推四种载荷谱外推方法,分析每种方法的应用条件及在实际外推过程中的关键环节,指出每种方法在应用中的优缺点,对载荷谱外推方法的使用提供参考.     

基于改进果蝇优化算法优化支持向量机的故障诊断

为提高支持向量机(SVM)在机械故障诊断中的精度,对果蝇优化算法(FOA)进行改进,提取了一种基于改进果蝇优化算法优化SVM的故障诊断方法。改进果蝇优化算法(IFOA)中果蝇个体在进行位置更新时,融入了历史位置信息,在增加果蝇种群多样性的同时,又使算法具有了跳出局部最优的能力,进而可以获得更优的SVM参数以增强SVM分类性能。齿轮故障诊断实例验证了IFOA算法提升了SVM的识别效果,相比于其他一些方法更有优势。