基于人工免疫方法的变压器故障诊断

将人工免疫方法引人变压器油中溶解气体分析,利用增加抗原、记忆抗体类别信息等方法对变压器故障样本进行学习,获取更多表征故障样本特征的记忆抗体集并进行分类．通过对变压器故障数据的仿真研究表明：与IEC三比值法相比,该算法具有较高的诊断准确率．     

基于人工免疫方法的变压器故障诊断

将人工免疫方法引入变压器油中溶解气体分析,利用增加抗原、记忆抗体类别信息等方法对变压器故障样本进行学习,获取更多表征故障样本特征的记忆抗体集并进行分类.通过对变压器故障数据的仿真研究表明:与IEC三比值法相比,该算法具有较高的诊断准确率.     

基于GA优化人工免疫算法的结构故障诊断

针对大型结构的故障检测与分类问题,提出了一种基于GA进化机制的人工免疫算法.该算法将样本结构模式数据作为抗原刺激抗体集合,抗体集合经过选择、交叉、变异、构建最优抗体集合这一进化过程来提高记忆细胞质量,利用训练好的记忆细胞集合实现对实测数据的故障检测与分类.在Benchmark结构模型上的仿真实验结果表明,该算法能实现有效的故障模式识别,且提高了故障分类的成功率,引入了多父体交叉操作,扩大了算法的搜索范围,且能有效利用其他抗体的优良模式,克服了单纯人工免疫算法收敛速度慢的不足.     

基于V-detector算法的滚动轴承故障诊断方法

针对实值阴性选择(RNS)算法的检测器尺寸不能自适应变化的问题,提出基于变检测半径的RNS算法(V detector)的轴承故障诊断方法.将计算轴承振动信号局域波分解后各基本模式分量的关联维数作为特征向量,并根据故障模式将其划分为多个自体样本集,采用V detector算法训练多个检测器集,用其对轴承故障进行诊断.结果表明：自体半径过小则误诊率高,自体半径过大则检测器灵敏度低,这都将导致准确率减小;覆盖率越高,则准确率越高、计算花费越大,当覆盖率≥95%时,覆盖率对准确率的影响远小于其对计算花费的影响;相对于基于RNS的诊断方法,V detector算法具有同样高的准确率,且计算花费显著减小、稳定性更高,可有效地识别轴承故障.     

基于免疫抗体生成算法的电力变压器故障诊断

提出了一种基于人工免疫的抗体生成算法,并将其应用于电力变压器的故障诊断。抗体生成算法仿生生物免疫系统中抗体对抗原的识别与记忆的机理,先对训练样本进行免疫学习和记忆,提取表征样本的有效特征,形成表征样本特征的记忆抗体集,再用最邻近分类法对测试样本进行分类识别。UCI的Iris数据集和电力变压器故障数据的仿真分析结果表明,抗体生成算法能够进行有效的分类,并具有很高的准确率。     

基于人工免疫算法和蚁群算法的协同控制方法研究

在无线传感器网络的基础上引入了若干执行器,通过这些执行器可以对接收到的信息做出快速响应,完成目标任务。针对无线传感执行网络中多执行器的协作问题,引入人工免疫算法,可以使参与协作的执行器快速达到最优化,从而提高协作效率。基于蚁群算法的智能传感器协调机制,能节省节点能量,从而延长网络寿命。通过仿真分析发现,在数据传输效率测试中,蚁群算法传输效率最佳,其次是LEACH算法和ARA算法;在能量损耗测试中,蚁群算法能耗最低,其次是ARA算法,LEACH算法能耗较高。人工免疫算法在迭代次数为60时协调机制达到收敛状态,亲和力最大值为147.5。     

人工免疫算法在水电机组优化组合中的应用

针对水电机组优化组合问题提出一种模拟生物免疫系统的人工免疫算法,给出算法的基本步骤,构造几种人工免疫算子,并对一个有12台机组的水电系统作仿真计算.计算结果表明:人工免疫算法比遗传算法具有更好的全局收敛性和收敛速度.     

人工免疫算法的全局收敛性分析

提出了一种模拟生物免疫系统自我调节功能的人工免疫算法,介绍了算法的基本步骤,构造了几种人工免疫算子.对人工免疫算法的全局收敛性进行了分析,指出在进行抗体选择时若能确保当时的最优抗体可以进入下一代抗体群,则人工免疫算法是全局收敛的.     

基于信息熵-灰关联度法的汽轮机振动故障诊断

以汽轮机轴系典型振动故障模拟试验为基础,利用灰关联分析理论对汽轮机轴系振动故障的识别进行了研究。通过对试验数据的研究,确定了故障信号的4种信息熵特征组成的灰色关联参考故障矩阵,并建立了相应的灰色关联度计算模型。对各组故障信号的灰色关联度计算表明,关联度作为一种表征待分析信号与参考故障矩阵相似度的定量特征,可实现对部分轴系振动故障的较好识别,具有良好的应用前景。     

A recognition method of vibration parameter image based on improved immune negative selection algorithm for rotating machinery

To overcome the limitations of traditional monitoring methods, based on vibration parameter image of rotating machinery, this paper presents an abnormality online monitoring method suitable for rotating machinery using the negative selection mechanism of biology immune system. This method uses techniques of biology clone and learning mechanism to improve the negative selection algorithm to generate detectors possessing different monitoring radius, covers the abnormality space effectively, and avoids such problems as the low efficiency of generating detectors, etc. The result of an example applying the presented monitoring method shows that this method can solve the difficulty of obtaining fault samples preferably and extract the turbine state character effectively, it also can detect abnormality by causing various fault of the turbine and obtain the degree of abnormality accurately. The exact monitoring precision of abnormality indicates that this method is feasible and has better on-line quality, accuracy and robustness.     

一种基于阴性选择的免疫检测器生成算法

通过简单介绍计算机免疫系统的原理,并对传统阴性选择算法进行分析,针对其不足,提出了一种新的生成检测器的改进算法。对匹配规则的阈值可变,并引入了全局匹配和局部匹配的概念,提高了生成的检测器成为成熟检测器的概率。同传统的阴性选择算法相比,大大减少了不可避免的“黑洞”数量,提高了检测率。     

小波理论在风力发电机振动监测中的应用

为减少周期性巡检带来的人力和财力上的浪费,压缩维护费用及维修成本,改传统的定期修为状态修,需要提高振动分析准确性.在介绍Matlab中的小波分析模块的基础上,运用小波理论对我校自主研发的SUT 1000型MW级风电机组的采集振动数据进行分析,得到了直观的包络谱线,进而得到准确判断风力发电机组的实际工作状态.给出了可行性报告,实现了风力发电机组的在线检测功能,提高了风力发电机的运行可靠性.     

基于改进BP算法的发电机组振动故障诊断技术

针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,提出了一种改进的BP算法。应用这种改进的BP算法对某发电机组振动故障进行了诊断研究,结果表明,该改进BP算法加快了网络的收敛速度,避免了陷入局部极小陷阱的问题。     

基于粗糙集与BP神经网络的烟气机故障诊断

结合粗糙集理论和神经网络在信息处理方面的优势,提出了一种基于粗糙集理论与BP神经网络相结合的烟气机故障诊断方法.首先对故障诊断数据中的连续属性进行离散化,然后根据粗糙集理论进行故障诊断决策系统约简,获得最优决策系统.最后在最优决策系统的基础上,设计BP神经网络对烟气机故障进行诊断.试验结果表明,该方法可以有效提高烟气机故障诊断的精度和效率.     

一种基于模糊思想的变阈值免疫阴性选择算法

通过对人工免疫系统中阴性选择算法机理的分析,利用模糊思想,定义了模糊相似度,并在此基础上,提出了一种基于模糊思想的变阂值免疫阴性选择算法．该算法匹配阂值可变,采用调整匹配阈值的方法大幅降低黑洞数量;在满足一定模糊相似度的前提下,实现了带控制参数的模糊匹配,模糊程度可控．仿真结果表明,该算法生成的成熟检测器检测范围较大,空间覆盖率高,黑洞数量大幅下降,同时检测率有显著提高,算法具有较强的鲁棒性。     

An optimization algorithm for locomotive secondary spring load adjustment based on artificial immune

In order to control the locomotive wheel （axle） load distribution, a shimming process to adjust the locomotive secondary spring loads was heretofore developed. An immune dominance clonal selection multi-objective algorithm based on the artificial immune system was presented to further improve the performance of the optimization algorithm for locomotive secondary spring load adjustment, especially to solve the lack of control on the output shim quantity. The algorithm was designed into a two-level optimization structure according to the preferences of the problem, and the priori knowledge of the problem was used as the immune dominance. Experiments on various types of locomotives show that owing to the novel algorithm, the shim quantity is cut down by 30%-60% and the calculation time is about 90% less while the secondary spring load distribution is controlled on the same level as before. The application of this optimization algorithm can significantly improve the availability and efficiency of the secondary spring adjustment process.     

基于模糊聚类分析的汽轮机振动故障自动诊断研究

通过分析汽轮机振动故障诊断所面临的不确定性等问题,引用模糊理论中隶属度的概念来描述机组振动故障存在的倾向性,采用模糊C均值聚类方法分析机组振动的原因。通过实例检验表明,理论计算与现场检查结果相符,该方法具有良好的实际应用前景,为汽轮机组状态监测及故障自动诊断提供了一种新途径。