小样本下基于概率加权矩的母体百分位值置信下限和可靠度置信下限估计的新方法

基于小样本场合下概率加权矩估计良好的无偏性,建立母体百分位值置信下限xR和可靠度置信下限RL估计的新方法.传统的估计xR和RL的单侧容限系数、新单侧容限系数和随机抽样等方法均采用矩方法或极大似然法来估计母体的分布参数,而所提方法则采用概率加权矩来估计母体的分布参数.由于小样本情况下概率加权矩法具有更优良的统计特性,因而在小样本情况下基于概率加权矩的xR和RL估计值比传统的方法更接近真值.大量的数字模拟试验也表明,所提新方法在小样本情况下优于传统方法.     

汽轮机故障诊断的粒子群优化加权模糊聚类法

针对模糊C-均值算法在汽轮机故障诊断中的不足,提出了粒子群优化加权模糊聚类分析的方法.首先,采用基于样本相似度的特征加权方法对样本特征及样本进行加权,以适应各种复杂分布的样本;然后,利用粒子群算法优化加权模糊聚类的特征权值和聚类目标函数,并依据聚类有效性指标自适应确定最佳聚类数及聚类结果.试验结果表明,该方法具有收敛速度快和全局收敛的特点,有效降低了汽轮机故障诊断的误分类率,诊断结果可靠.     

面向零件轻量化设计的自适应动态Kriging模型及应用

机械零件轻量化对提高装备运行性能、降低成本具有重要作用。针对传统基于Kriging模型的全局优化方法在处理零件轻量化问题时,收敛速度慢、优化效率低、精度差等问题,提出一种自适应动态Kriging模型。采用复相关系数R2检验实现Kriging模型的全局动态更新,以Pareto解中各目标函数最小值为特征点,通过特征点加权计算理想特征点位置,在理想点附近选取可行解完成样本局部更新,实现Kriging模型的动态自适应性。以数值算例和FT(N)-2800注塑机模板为例,验证了所提方法的有效性。     

求解黑箱优化问题的动态模式跟踪抽样算法

针对当前复杂工业领域设计过程中存在的计算密集型黑箱优化问题,提出一种改进的动态模式跟踪抽样算法.算法基于线性样条函数进行全局近似,通过随机抽样过程产生逐步逼近全局最优区域的设计点,并利用二次响应面函数进行全局收敛判定.引入动态加速因子来增强算法的全局搜索能力和函数适应性,并采用改进的修正复相关系数进行动态加速因子更新和响应面拟合精度判定.标准测试函数表明,相比于遗传算法和模拟退火等启发式算法,动态模式跟踪抽样算法在减少目标函数评估次数和收敛成功率上均具有较大的优势.     

一种三维CAD模型自动语义标注算法

针对三维CAD模型检索中的语义鸿沟问题,提出一种基于局部形状分布及语义概率统计的三维CAD模型自动语义标注算法.采用基于局部形状分布的多尺度特征提取方法获取CAD模型的形状信息,并计算不同模型之间的形状相似度;根据模型样本库中已知的语义分类信息,构建一个基于概率的标注框架对CAD模型进行语义标注,以建立模型形状信息和语义信息之间的联系.实验结果表明,该算法能够有效提高三维CAD模型检索的准确率,检索性能优于仅使用形状信息时的检索结果.     

基于局部搜索策略的混合自适应布谷鸟算法

为了提高布谷鸟算法的搜索精度和全局收敛速度,提出一种基于局部搜索策略的混合自适应布谷鸟算法。在该改进算法中,每个当前解的周围随机产生一个局部种群,利用正余弦算子的局部寻优能力得到局部最优解,并用局部最优解替换当前解,以提高局部搜索精度;同时采用自适应发现概率和搜索步长替代布谷鸟算法中的固定发现概率和搜索步长,以提高算法的全局收敛速度。对25个经典高维基准函数进行实验表明,所提算法在收敛速度和求解精度上优于布谷鸟算法,通过将其应用于拉压弹簧、三杆桁架设计和0-1背包问题,验证了算法的有效性。     

基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化EI北大核心CSCD

针对基于Kriging近似的可靠性设计优化样本最优配置问题,提出基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化方法。采用继承拉丁超立方样本构建Kriging近似,并求解最大可能失效点作为局部序列采样中心。针对有效概率约束构建基于Kriging近似误差、功能函数非线性度量及目标可靠度的局部序列采样区域。以重要抽样策略计算失效概率及灵敏度,并采用序列近似规划求解最优设计点。通过3个算例及机床横梁设计优化应用验证了所提方法的有效性。     

基于改进蚁群算法的自动导引运输车全局路径规划方法研究

针对自动导引运输车(AGV)全局路径规划采用传统蚁群算法存在收敛速度慢、易陷入局部最优的问题,提出了基于改进蚁群算法的AGV全局路径规划方法。首先,运用MAKLINK图论法构建了具有障碍物的环境模型,作为路径规划的基础;其次,改进的蚁群算法中融合了动态权重目标导向原理,设计了一种新的启发式函数,提高了其选择距离目标点更近的可选节点的概率,减小了AGV对非最短路径的选择概率;然后,采用动态调整信息素挥发系数策略进行了信息素更新,提高了算法的搜索效率;最后,将改进蚁群算法与传统蚁群算法进行了仿真实验对比。研究结果表明:与传统蚁群算法相比较,改进措施可使收敛速度提升近一倍,路径规划效率显著提高。     

基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化

针对基于Kriging近似的可靠性设计优化样本最优配置问题,提出基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化方法。采用继承拉丁超立方样本构建Kriging近似,并求解最大可能失效点作为局部序列采样中心。针对有效概率约束构建基于Kriging近似误差、功能函数非线性度量及目标可靠度的局部序列采样区域。以重要抽样策略计算失效概率及灵敏度,并采用序列近似规划求解最优设计点。通过3个算例及机床横梁设计优化应用验证了所提方法的有效性。     

非正态变量可靠性灵敏度分析方法

基于极限状态函数矩估计的失效概率计算,提出一种非正态变量可靠性灵敏度分析的新方法.推导极限状态函数的矩对非正态基本变量分布参数的偏导数,并利用失效概率与极限状态函数矩的关系,推导失效概率对非正态基本变量分布参数的偏导数,从而得到非正态变量可靠性灵敏度.用文中方法和改进的一次二阶矩法同时分析对数正态变量的可靠性灵敏度,验证文中方法的正确性;最后运用其方法计算失效概率对指数和Weibull分布参数的灵敏度.     

基于加权响应面的支持向量回归机可靠性分析方法

针对非线性隐式功能函数的可靠性分析问题,提出一种基于加权线性响应面法的支持向量回归机可靠性分析方法.由于设计点周围区域对失效概率的贡献最大,所以所提方法首先采用加权线性响应面法确定设计点,然后在设计点周围进行补充抽样,把加权线性响应面法用到的样本及补充样本作为支持向量回归机的训练样本.通过有效的组合加权线性响应面法和支持向量回归机,所提方法在设计点周围获得更好的非线性隐式功能函数的近似,从而提高了非线性隐式功能函数失效概率的估计精度.算例表明该方法具有广泛的应用前景和一定的优越性.     

基于ALK模型与子集模拟的主动学习可靠性分析方法

针对主动学习Kriging(Active Learning Kriging, ALK)模型在评估小失效概率时遇到的候选样本过多、计算耗时的问题,提出了一种结合ALK模型与子集模拟(Subset Simulation, SS)的双阶段代理模型方法——ALK-SS²。首先在第1阶段基于构建的极限状态函数代理模型,采用较少数量的SS最后一层样本作为候选样本完成极限状态面的粗略近似,然后在第2阶段选择更大样本量的SS最后一层样本来细化第1阶段的极限状态函数代理模型,以获得更高的精度。此外,考虑到传统ALK模型的收敛准则太过于保守,在ALK-SS²评估的失效概率基础上,提出了一种更高效的基于失效概率误差的收敛标准,进一步提高了该方法的效率。通过4个算例的测试以及同类方法的对比,证明其具有较高的计算精度和计算效率,适用于处理小失效概率问题和耗时的隐式功能函数问题。     

失效概率全局灵敏度分析的改进重要抽样法

针对结构可靠性分析中如何减小结构失效概率的问题,引入一种基于失效概率的全局灵敏度指标,通过分析指标,可判断基本变量的不确定性如何影响系统失效概率。求解全局灵敏度指标,在H-S方法基础上,提出一种改进估计量与重要抽样法相结合的方法,基本思想是用重要抽样法构造输入变量样本,寻找中间估计量,建立模型输出量和中间估计量;中间估计量和输入变量主效应、总效应之间的关系,然后求得变量基于失效概率全局灵敏度指标。由于所提方法继承了中间估计量的快速收敛性及重要抽样法高效搜索感兴趣区域样本的优点,因此在保证与标准Sobol方法计算结果同等精度的条件下,方法大大减少了对结构功能函数的计算次数,提高了效率,方便对精度和计算时间控制。最后,算例验证所提方法求解基于失效概率的全局灵敏度指标的准确性和高效性。     

一种改进的基于互信息和梯度特征的图像配准方法的研究

基于互信息的配准方法广泛应用于医学图像的配准，但当两幅待匹配图像重叠部分较少或图像包含的信息不够充分时，配准目标函数会出现较多的局部最优解而影响匹配精度。本文构造了新的配准目标函数，在互信息的基础上引入图像梯度信息，使两者相互补充，减少了目标函数中局部最优解的数目，突出了全局最优解。本文还设计了一种新的基于单纯形的模拟退火优化算法，该算法能以较大的概率迅速搜索到目标函数的全局最优解，以获得较满意的配准结果。本文使用该方法对二维医学图像进行配准，实验结果表明，该方法配准速度较快、精度较高，是一种有效的配准方法。     

一种基于改进NSGA-Ⅱ的多目标绿色柔性作业车间调度方法

针对多目标绿色柔性作业车间调度问题,建立了以最小化最大完工时间、总负荷和总能耗为优化目标的多目标优化模型,提出了一种带有自适应交叉变异算子和学习机制的改进NSGA-Ⅱ多目标优化算法。该算法通过机器和工序的两级编码机制,使用基于全局、局部和随机选择的非支配排序选择策略得到初始种群;采用具有自适应算子的混合交叉变异策略进行迭代,提高算法的全局搜索能力;引入分布函数来改进精英保留策略提高种群的多样性;通过学习机制进行邻域搜索提高算法的局部搜索能力。最后,采用基准测试算例Brandimarte以及Kacem数据集对算法进行测试,结果表明采用改进的NSGA-Ⅱ算法求解多目标绿色柔性作业车间调度问题具有求解精度高、收敛速度快以及解集多样性好的优点。     

基于遗传算法的运动图像的实时处理

提出了一种用于机器人手臂实时视觉伺服的运动图像实时处理的方法.这种方法采用全局遗传算法/局部遗传算法以及未经处理的原始图像对一个已知模型的运动目标物体进行识别.在GA处理的过程中,适应度函数的计算是基于表面-条纹模型作为目标物体模型,并且同时采用全局遗传算法和局部遗传算法来识别物体的形状及检测位置与方向,提高了GA的收敛速度,并得到了良好的识别结果.还采用一个三角形的物体为目标,对所提出的方法进行了仿真试验,结果证实了这种识别方法的有效性.     

结构可靠性分析中含交叉项的改进响应面法

针对非线性隐式功能函数的可靠性分析问题,提出一种基于试验设计技术含交叉项的改进响应面法。该方法首先采用基于试验设计的矩估计得到试验点并拟合响应面函数,然后通过计算拟合重要度得出最大贡献试验点并进行补充抽样,选择最佳交叉项,获得了隐式功能函数的更好近似,从而提高了失效概率的计算精度。算例表明该方法应用的广泛性和优越性。     

基于多策略的改进径向基代理模型方法

为提高径向基代理模型的预测精度和计算效率,提出一种基于多策略的改进径向基代理模型方法。该方法将局部密集加点策略、全局均匀选点策略和最小距离筛选策略应用于径向基代理模型构建过程中,通过拉丁超立方抽样方法获取初始样本,并建立径向基模型,利用七星瓢虫优化算法求得最优解信息;借助已知样本信息,采用局部密集加点策略与全局均匀选点策略相结合的方式获取训练样本,以平衡所提方法的探索与开发能力;进而利用最小距离筛选策略对训练样本进行筛选,引导模型进行有效预测。利用数值和工程算例进行仿真测试,结果表明该方法不仅能满足精度要求,还能明显提高计算效率;特别是对于工程设计问题,该方法的优化结果相对理论解的误差仅为0.01%,调用模型次数相比其他3种方法减少了33.10%,66.19%,72.78%。     

相似样本选择方法在SVM发酵建模中的应用

针对基于动态时间规整(DTW)发酵过程局部建模时相似样本选择未考虑样本权重对建模的影响,基于加权欧氏距离,提出了一种样本相似度度量方法。首先在分析亲和度的基础上将亲和度引入到加权欧式距离中,然后将其转化成相似度度量函数并应用到大肠杆菌发酵过程相似样本选择中,最后结合局部支持向量机建立发酵产物的在线预测模型。实验结果表明,与基于其他相似度度量函数的支持向量机模型相比较,该模型有着更高的预测精度、更好的泛化能力,而且预测时间也明显缩短。     

基于Kriging模型的小子样失效数据可靠性分析

针对高可靠性航空柱塞泵现场故障数据稀少,难以准确确定数据分布类型的问题,提出采用Kriging方法建立部件故障不确定性的精确描述模型,挖掘部件可靠性信息,并基于不确定性描述的隐式Kriging模型进行蒙特卡洛抽样,产生与原始数据统计规律一致的大容量样本,为基于蒙特卡洛方法的结构系统可靠性分析奠定基础。此外,为衡量所提模型与原始数据统计分布特性的差异,提出基于累积分布函数的单位面积期望误差测度。测度分析结果表明,Kriging方法所建的部件故障不确定性模型比传统方法更准确。以航空柱塞泵为例,进行可靠性数据分析,验证所提方法的正确与高效。