基于粒子群优化改进灰色模型的数控机床故障预测

在传统灰色预测模型的基础上,将背景值优化和新陈代谢模型相结合,构造出改进灰色模型GM(1,1,P),并将其应用于数控机床的故障预测.本模型在预测过程中综合考虑背景值与初始条件对预测精度的影响,采用新陈代谢过程来进行原始数据信息的更新,并采用粒子群优化算法进行每次新陈代谢的背景值优化.通过对某型数控车床主轴故障的实验仿真证明,这一改进灰色模型应用于数控机床故障预测是完全可行和有效的.     

基于改进灰色神经网络模型的板料成形缺陷预测研究

为了准确预测和减少板料成形过程中可能出现的缺陷,提出了一种改进的灰色神经网络预测模型。该模型利用BP神经网络辅助灰色预测模型进行预测。其中,灰色模型进行粗预测,神经网络模型修正其误差,再通过寻找最佳权值以优化灰色模型中微分所对应的背景值,进而得到精度更高的灰色神经网络模型。以国际著名板料成形数值模拟会议NUMISHEET'93的方盒件拉深为例,运用改进的灰色神经网络模型,预测其拉裂和起皱。结果表明,改进的灰色神经网络模型具有很高的预测精度,相比于未改进的灰色神经网络模型,预测结果更加准确和稳定。     

一种改进的灰色网络算法在早期故障预测中的应用

早期故障预测是大型工况设备故障诊断技术的一项重要内容,它以设备运行时的多种性能参数为依据,通过建立早期故障预测模型,准确地推断出下一时刻及以后时刻系统的运行参数,协助人们在故障发生早期及时采取处理措施。文章将非平稳信号分析中常用的小波变换、灰色预测、神经网络和马尔可夫过程有效地结合在一起,提出了一种改进的灰色网络模型算法,较好地发挥了灰色预测模型累加生成操作（AGO）,使数据更加规则有序,神经网络高度非线性、自学习及自组织的优点更为显著。实验分析表明,该算法在早期故障预测中具有较高的预测精度和较好的收敛效果。     

基于优化支持向量机的发动机故障预诊断

为实现车用发动机故障预诊断功能,预测发动机可能出现的故障类型,保证车辆安全运行,提出一种基于灰色关联分析和优化支持向量机的发动机故障预诊断方法。通过台架试验获取发动机故障样本数据,应用灰色关联分析确定样本数据与发动机故障的对应关系,选取经过改进蝙蝠算法优化的支持向量机建立故障预测模型对样本数据进行分析处理,实现发动机机械故障的预测分类。对四缸柴油机活塞环断裂等故障的实际验证结果表明,该方法能够预测发动机的机械结构故障,故障预测准确率达到97.5%,且运算时间较其他算法有所缩短。     

改进灰狼算法优化支持向量机在风力机齿轮箱故障诊断中的应用

针对灰狼算法易陷入局部最优和后期寻优能力不足等缺点,提出改进非线性控制因子以提高算法收敛精度及稳定性.采用美国国家可再生能源实验室(National Renewable Energy Laboratory,NREL)"Gearbox Reliability Collaborative"项目测试采集的风力机齿轮箱振动信号为分析对象,经集合经验模态分解后,计算各本征模态函数分量的模糊熵并构建高维特征向量,后利用等距映射进行降维.利用改进灰狼算法优化支持向量机,对降维后齿轮箱故障特征集进行诊断.结果 表明:改进灰狼优化算法相较于灰狼算法、粒子群算法和遗传算法可有效避免陷入局部最优并提高支持向量机诊断精度及稳定度,在不同测试样本下其准确率均最高,平均准确率达93.17％.     

采用改进灰色神经网络的铣床热误差补偿研究

数控铣床在铣削零件过程中,主轴会受到温度变化影响而发生热变形,导致铣削零件误差较大,从而降低产品精度。对此,采用一阶线性微分方程推导GM(1,1)模型,创建灰色预测模型。将神经网络模型与灰色预测模型进行组合,建立灰色神经网络预测模型。引用粒子群算法,在粒子群算法中增加变异操作和修改惯性权重系数,给出改进粒子群算法优化灰色神经网络预测模型的具体操作步骤。采用实验测试铣床铣削过程中所产生的热误差,并与预测模型进行比较。结果显示:在铣床主轴X、Y、Z轴三个方向上,灰色神经网络预测模型对铣床主轴补偿后,得到的残差较大;而改进灰色神经网络预测模型对铣床主轴补偿后,得到的残差相对较小。采用改进粒子群算法优化灰色神经网络预测模型,能够提高铣床主轴铣削精度。     

基于灰色支持向量机的汽车制动系统故障诊断与预测

分析了灰色预测方法和支持向量机各自的优缺点,提出了将二者相结合的一种新的预测模型-灰色支持向量机预测模型。为了提高预测精度,用粒子群算法对灰色支持向量机的相关初始化参数进行优化,用优化后的模型对汽车制动系统故障进行预测与诊断。实验结果表明文章所提出的预测模型有效可靠,为提高预测精度提供了新的途径。     

变风速条件下风力机轴承故障特征提取

针对风速变化条件下风力发电机轴承故障特征的检测问题,提出了一种基于灰狼优化( GWO )和双稳态杜芬振荡器的随机共振( SR )的故障特征提取方法.首先,根据风速估计故障特征信号的频率,通过合适的采样频率采集风力发电机的振动信号并对采集的信号做归一化处理.随后,根据风速尺度引入变换系数对频率 时间尺度进行变换.此外,利用灰狼算法方法将杜芬振子的阻尼比和系统参数调整到最优值.最后,通过杜芬系统和尺度恢复获得可识别信号.结果表明,所提出的方法能提取原始信号中的故障特征信号.     

滚动轴承故障特征选择的Filter与改进灰狼优化混合算法

为了从原始高维特征空间中选择最具鉴别能力的特征，提高轴承故障诊断精度，提出了一种Filter与改进灰狼优化混合的故障特征选择算法。首先，针对滚动轴承的原始振动信号，利用一种基于Hilbert-Huang变换的时频域特征提取策略建立高维敏感特征集合。然后，通过由ReliefF算法与拉普拉斯分数构成的混合Filter方法对原始特征集合进行相关性评估并快速筛选重要特征，从而完成特征集合的一次预选。最后，引入改进灰狼优化算法对预选特征集合进行二次筛选，实现冗余特征去除的同时，完成对支持向量机模型参数的优化。利用旋转机械振动试验台获取故障轴承数据进行了验证，试验结果表明，该方法显著提高了分类器模型的诊断准确率，有效实现了故障数据集的特征降维，并且与同类方法相比，所提方法具有更好的综合性能。     

基于改进小波神经网络的动车组牵引电机故障趋势预测

针对小波神经网络在多维输入情况下易于陷入局部极小值、收敛速度慢的弱点,引入Levenberg Marquardt(LM)算法优化小波神经网络,解决传统小波神经网络收敛速度慢的问题。基于传统小波神经网络和LM算法改进的小波神经网络分别建立预测模型,用于动车组牵引电机的故障趋势预测,通过MATLAB软件对两种预测模型的训练过程进行了数值仿真,仿真实验结果表明改进小波神经网络建立的故障预测模型提高了小波神经网络的预测精度,同时加快了神经网络的收敛速度,是一种有效的预测模型。     

一种改进灰狼算法优化LSSVR的混凝土泵车砼活塞剩余寿命预测方法研究

为了解决混凝土泵车砼活塞因无法及时更换导致设备停机的问题，提出一种改进灰狼算法优化最小二乘支持向量回归(LSSVR)的剩余寿命预测方法，该方法使用差分算法(DE)优化原始灰狼算法(GWO)，解决了其容易陷入局部最优解的问题，提高了收敛速度，使用优化后的算法优化最小二乘支持向量回归的两个参数，建立剩余寿命预测模型。通过真实的砼活塞寿命监测数据，使用3种评估指标对比LSSVR、GWO-LSSVR、DE-GWO-LSSVR这3个模型的预测效果，并与相关研究的结果进行对比。实验表明，DE-GWO-LSSVR模型拥有最高的预测精度，可以为砼活塞的预测性更换以及机械零件的故障诊断提供指导意义。     

基于小样本数据驱动的滚齿工艺参数低碳优化决策方法

针对实际生产历史数据不足的情况,提出一种基于小样本数据驱动的碳排放预测和多目标优化模型。通过Box-Behnken实验设计收集加工数据后,采用反向传播神经网络建立面向碳排放和加工效率的预测模型,在保证预测精度的同时有效减少模型对数据量的需求。以总碳耗和总时长为优化目标,采用改进的多目标灰狼算法和熵权-逼近理想解排序综合评价法进行了最优工艺参数决策。加工实验验证了提出方法的有效性。     

基于灰色预测和BP的集气管压力集成预测方法

针对焦炉煤气集气过程是一个高度复杂的工业生产过程,难以获得焦炉集气管压力的精确数学模型的问题,提出一种基于灰色预测和BP神经网络的集气管压力集成预测模型。该模型首先利用灰色预测和BP神经网络分别对焦炉集气管压力进行预测,然后采用熵值法确定各预测子模型的加权系数,将两个子模型进行加权集成,可以获得较为准确的焦炉集气管压力值。将其预测性能与单一的灰色模型和BP神经网络模型进行比较,运行结果表明:集成预测模型的预测效果和性能优于单一的灰色模型和BP神经网络预测模型,能够获得较高的预测精度。     

Sensor data validation using gray models

A new method based on the gray model is described for the online validation of measurements. A gray model is a differential equation describing the behavior of an accumulate generating operation (AGO) data sequence. First-order gray models are fitted to measuring data records using the recursive orthogonal least-squares algorithm. Predictions derived from the fitted gray model are then compared with the actual measurements to generate a prediction error sequence. The quality of the measured value is determined by the prediction errors and variance of the prediction error sequence. Experimental results for detecting the quality of measurements from a thermistor are presented.     

钢筋混凝土框架近断层速度脉冲地震响应分析

针对滚动轴承的故障诊断问题,提出了一种基于栈式稀疏自编码网络(stacked sparse auto encoder,简称SSAE)、改进灰狼智能优化算法(improved grey wolf optimization,简称IGWO)以及支持向量机(support vector machine,简称SVM)的混合智能故障诊断模型。首先,利用栈式自编码网络强大的特征自提取能力,实现故障信号深层频谱特征的自适应学习,通过引入稀疏项约束提高特征学习的泛化性能;其次,利用改进的灰狼算法实现支持向量机的参数优化;最后,基于优化后的SVM完成对故障特征向量的分类识别。所提混合智能故障诊断模型充分结合了深度神经网络强大的特征自学习能力和支持向量机优秀的小样本分类性能,避免了手工特征提取的弊端,可对不同故障类型的振动信号实现更精准的识别。多组对比实验表明,相比传统方法,笔者所提出的模型具有更优秀的故障识别能力,诊断准确率可达98%以上。     

改进的基于彩色空间距离的图像灰度化算法

为提高图像灰度化过程中边缘信息的保持率,提出一种改进的基于彩色空间距离的图像灰度化方法.该方法结合图像各彩色分量的统计特性,在彩色空间距离算法的基础上,引入了高斯算子进行处理,把图像中的目标与背景分开,同时凸显边缘.实验证明该方法有效保持了图像的边缘信息,在实际应用中获得了良好的效果.     

基于混合灰狼算法实现第Ⅱ类机器人U型装配线能耗优化

面向作业工序分配和机器分配,提出一种基于随机键编码的灰狼算法,以实现能耗最小化。算法在解码中,考虑工序间的优先关系约束和节拍约束,将工序和机器 分配到工位中。该算法基于灰狼个体间的社会等级信息,选择3只最优狼指引剩余个体进化,以实现种群的更新。同时,该算法依据作业工序分配和机器人分配,混合了两种交叉方式以增强最低等级狼群间的交流。最后通过U型装配线的标杆案例,验证灰狼算法的有效性和优越性。     

基于灰色理论的机电系统全寿命小子样系统研究

描述了以机电系统全寿命序列为代表的时间序列混沌特性,分析了灰关联分析和GM模型在产品可靠性预测中可开拓贫信息的可行性,阐述了GM和BP方法在机电系统全寿命预测时的特长及缺陷,介绍了将灰色理论用于机电系统全寿命小子样系统研究取得的进展,并以3个工程实例进一步验证。旨在应用灰色理论对重大机电产品全寿命预测中的小样本开发有所突破。