发动机磨损模式的FGRD识别模型

发动机磨损模式识别是实现发动机故障诊断和状态监测的关键环节.根据灰色系统理论和模糊数学,引进了一种灰关联度综合评价模型和模糊相对权重的概念.根据铁谱分析的磨粒识别结果,将两者相结合运用到铁谱分析的磨粒识别中,提出了一种新的基于模糊灰关联度的发动机磨损模式识别方法,计算表明,方法是有效的.     

汽轮机运行效率的模糊优选模型

文章运用模糊优选理论及模型对汽轮机效率进行评估,获得了满意的结果.     

汽轮机运动效率的模糊优选模型

文章运用模糊优选理论及模型对汽轮机效率进行评估,获得了满意的结果。     

基于模糊识别理论的典型洪水选择

以漳河流域岳城水库为例,选取30场实测洪水,分析了洪水过程相关统计特性,确定了能反映洪水特性的因子指标.构建了典型洪水模糊模式识别模型,采用可能度法计算各影响指标权重、运用最小级别变量特征值原则对典型洪水模糊模式进行优选,根据优选的典型洪水进行了设计洪水计算.实例结果表明,模糊模式识别模型计算结果优于传统方法.     

发动机磨损模式识别的SFCE方法

针对发动机磨损过程的复杂性和不确定性,对磨粒数量特征信息进行了模糊化.引进了信息论中一种新的模糊子集间的距离度量-对称模糊交互熵(SFCE)的概念,并结合模糊相对权重对其计算方法进行了改进,提出了基于对称模糊交互熵的发动机磨损模式识别方法.计算结果表明,SFCE方法能够实现发动机油样磨损模式的分类,具有很好的识别效果.     

基于层次分析法的多指标方案模糊优选方法研究

将层次分析法与模糊优选理论相结合,针对建筑设计方案特点,建立了分别以效益、费用为目标的AHP模型和相应的方案模糊优选模型。分别用AHP法得到的效益和费用两个指标体系的综合权重向量对相应的模糊优选模型加权,计算得到效益型方案相对大值隶属度向量和费用型方案相对大值隶属度向量,进而得到效益-费用比率向量,并依赖该比率向量中元素的大小对方案进行优劣选择。     

基于模糊理论的水闸安全评价方法及其应用

针对水闸安全级别分类标准中既有定量指标又有定性指标,采用多指标半结构性模糊群决策理论进行分析,基于定性指标与定量指标的指标值矩阵和标准特征值矩阵具有相对统一的标准,提出基于模糊群决策理论的半结构性模糊评价方法,利用多级模糊优选模型建立了相对隶属度矩阵计算级别特征值.实例应用结果表明,该方法有效、可行,可供类似工程借鉴.     

汽油机废气涡轮增压系统方案的模糊优选研究

基于模糊理论,通过建立模糊优选模型,对汽油机废气涡轮增压系统方案进行优选研究。首先以功率、燃油消耗率、排气温度、涡轮放气阀开度和气缸内最大爆发压力等参数作为性能评判指标,通过计算和试验获得在各个工况下的汽油机的性能评判指标数据;然后,根据增压汽油机的特点,建立性能评判指标的模糊评判隶属度函数,获得各个工况下的性能评判矩阵;通过引入性能评判指标权重,计算出各个工况下的性能评判值;最后,考虑各工况的使用频率,建立增压系统方案的评判结果矩阵,根据矩阵中各方案得分高低即可判断出采用哪种废气涡轮增压系统时汽油机综合效能最佳。     

模糊识别优选模型在工程投资决策中的应用

将模糊模式识别理论引入工程财务评价领域,结合工程实例,用模糊模式识别模型对6种投资方案进行了优选分析,得出了方案的优先次序,并对指标权重进行了敏感性分析研究。评价结果可作为决策的依据,同时也为工程的投资方案决策提供了一条新的评价分析途径。     

基于LM算法的模糊优选神经网络模型

针对传统模糊优选神经网络模型训练速度慢、训练结果易陷入局部最小解的缺点,提出了基于LM算法的模糊优选神经网络模型且对传递函数进行了改进,并预测分析了黄河内蒙段的三湖河口站和巴彦高勒站冰情.实例结果表明,改进模型训练速度更快、训练预测结果更优.     

粒子群优化的模糊控制器设计

为避免模糊控制器设计中参数的复杂调试,并使其获得最佳控制性能,应用新颖的粒子群优化算法对模糊控制器参数进行优化设计。针对常规模糊控制器稳态精度欠佳的弱点,采用模糊控制与PID控制相结合的双模控制以有效消除静态偏差。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主蒸汽温度被控对象的仿真研究,表明粒子群算法寻优速度快,计算量小,对模糊控制器参数的优化设计是非常有效的,使得主汽温控制系统在不同负荷下均获得很好的调节品质。图6表2参8     

发动机气门杆端早期磨损的研究

对某发动机气门杆端早期失效故障原因进行了分析。在大量调查分析和试验研究的基础上,总结出了气门杆端表面硬度,接触副表面粗糙度、加工痕迹,原材料化学成分等因素是形成故障的主要原因。提出了改善气门杆端早期磨损的方法,该方法通过了发动机台架及整车道路试验验证,并已在生产实践中得到了应用。     

基于改进粒子群算法优化模糊神经网络的炉膛结渣预测研究

为提高基于模糊神经网络的锅炉炉膛受热面结渣预测精度,提出了一种基于广义钟型隶属度函数非线性惯性权重递减调整策略的粒子群优化算法,通过适应度测试函数对比实验、结渣预测实验和预测稳定性分析对现有文献中线性惯性权重递减调整策略（LPSO）、指数型非线性惯性权重递减调整策略(IPSO)和基于广义钟型隶属度函数非线性惯性权重递减调整策略(GJPSO)进行对比分析。研究结果表明：本文所改进的粒子群算法可以有效地改善算法的早熟现象、平衡算法的全局和局部搜索能力、提高算法的收敛效果和稳定性。利用改进后的粒子群算法对模糊神经网络中的权值和阈值进行优化,提高了模糊神经网络的炉膛结渣预测性能。     

一种决策逆问题的研究方法及在防洪规划中的应用

指出了模糊优选BP神经网络模型的缺点，在模糊优选BP神经网络模型的基础上，引入加速遗传算法，提出融入遗传算法的模糊优选神经网络智能决策模型。并将其应用于某流域蓄滞洪区优选决策逆命题的目标权重计算，结果表明，该模型能够明显加快网络的收敛速度，改善网络的全局寻优能力，集成了模糊优选BP神经网络和遗传算法的优点。     

基于模糊神经网络的点火提前角时间差软测量模型

基于模糊神经网络的理论方法,以点火提前角、发动机的功率和转速等特征参数作为二次变量,提出了点火提前角时间差软测量模型.仿真结果表明,软测量模型具有非常好的映射性能.试验结果表明,利用软测量模型对点火提前角进行控制时,该模型能在连续工作120h内很好地实现成功点火,以及在冷起动条件下保证一次性点火成功,并且能满足排放性能要求.     

推荐一本好书--复杂水资源系统优化模糊识别理论与应用

对陈守煜教授的新著《复杂水资源系统优化模糊识别理论与应用》做了简评。该专著提出了处理、求解复杂水资源系统优化的工程模糊集理论、模型与方法,并成功地应用于实际工程之中,是模糊水文水资源新学科的一项标志性研究成果;专著提出的决策分析的思路、理论、模型与方法,提供了一种深入、全面考虑问题的有效手段。     

基于模糊BP神经网络的发动机磨损模式识别研究

结合大量铁谱分析数据与专家经验,分析了发动机磨损模式识别原理,给出了发动机磨损模式识别标准样本库,建立了发动机磨损模式识别的BP神经网络模型,并结合磨损模式识别实例,验证了识别结果的可靠性。实践证明,BP神经网络方法能够快速、准确、有效识别发动机磨损模式。     

基于证据理论的内燃机活塞-缸套-活塞环组件磨损状态识别

简述了Dempster-Shafer证据理论的基本原理。认为曲轴箱压力和机身振动加速度这两类信号具有互补性，可以用于识别活塞一缸套一活塞环组件工作状态，对其选取了几个有效的信号特征参数。根据D-S证据理论，采用模糊隶属度计算基本概率分配，采用基于基本概率分配值的决策方法对两类信号进行信息融合，结果表明运用证据理论能够有效地提高识别活塞一缸套一活塞环组件工作状态的准确性。     

基于振动谱时频图像特征及SVM参数同步优化识别的内燃机故障诊断

为实现内燃机振动谱时频图像特征的自动提取及识别,提出了一种基于振动谱时频图像特征优选及SVM(support vector machine)同步优化识别的内燃机故障诊断新方法.该方法首先采用小波包生成内燃机振动谱时频相平面图,然后从内燃机振动谱图像的形状特征、灰度统计特征和纹理特征来提取特征参数,最后将支持向量机引入内燃机振动谱图像识别中,并针对机械振动谱图像特征参数优选问题,以及SVM的核函数及核函数参数选择问题,提出了基于免疫克隆选择机理的特征选择和SVM参数同步优化算法.内燃机故障诊断实例表明,所提方法故障分类准确率达到了98.92%,验证了该方法的有效性.该方法为实现内燃机振动谱图像特征的自动提取及识别探索了一条新途径.