基于过滤器-封装器组合模型的故障特征选择算法

利用过滤器法运行速度快和封装器法精度高的优点，提出了一种新的Filter—Wrapper两阶段组合式特征选择算法。在Filter阶段，算法采用Fisher准则对特征进行排序；在Wrapper阶段，以分类器的性能作为适应度函数，根据特征排序结果采用遗传算法搜索特征子集。运用滚动轴承故障模拟试验的数据对所提出的算法进行了验证，结果表明，相比单一的过滤器法或封装器法，该算法能够同时提高特征选择的性能和效率。     

一种改进的基于禁忌搜索的特征选择算法

为了有效地提高特征选择任务的质量和效率,提出了一种改进的基于禁忌搜索的特征选择方法,采用改进的目标函数来反馈评估的结果,并采用医学数据集对改进的方法进行了测试,实验结果表明,改进后的特征选择方法不仅可以降低特征维数,提高特征选择的执行效率,而且可以有效地提升分类精度。     

一种改进的基于禁忌搜索的特征选择算法

为了有效地提高特征选择任务的质量和效率,提出了一种改进的基于禁忌搜索的特征选择方法,采用改进的目标函数来反馈评估的结果,并采用医学数据集对改进的方法进行了测试,实验结果表明,改进后的特征选择方法不仅可以降低特征维数,提高特征选择的执行效率,而且可以有效地提升分类精度。     

一种面向订单剩余完工时间预测的SOM-FWFCM特征选择算法

准确的订单剩余完工时间预测有助于动态调整生产计划、优化制造过程,以满足订单产品按时交付的需求.订单剩余完工时间受到车间物料、设备、在制品等各类生产要素的综合影响,相关数据具有典型的大量、多维、高冗余的特点,有效的特征选择能够获得更高的预测精度.在构建候选特征集的基础上,提出了一种基于自组织映射(SOM)网络特征加权模糊...     

一种面向订单剩余完工时间预测的SOM-FWFCM特征选择算法#br#

准确的订单剩余完工时间预测有助于动态调整生产计划、优化制造过程,以满足订单产品按时交付的需求。订单剩余完工时间受到车间物料、设备、在制品等各类生产要素的综合影响,相关数据具有典型的大量、多维、高冗余的特点,有效的特征选择能够获得更高的预测精度。在构建候选特征集的基础上,提出了一种基于自组织映射（SOM）网络特征加权模糊C均值（FWFCM）的特征选择算法。通过构建SOM网络初始化FWFCM的聚类中心,减少后者对初始聚类中心的依赖;基于互信息计算特征权重,实现导向性特征聚类,根据聚类结果选择特征代表,构成高质量关键特征子集。以某机加工车间的生产数据为例,通过与其他4种特征选择算法的对比分析,验证了所提算法的有效性。     

离散萤火虫算法的复杂装备测试点优化选择

测试点优化选择是复杂装备测试性设计的重要环节,本文提出一种用于解决测试点优化选择问题的离散萤火虫算法(DFA)。首先建立了测试点优化选择问题的数学模型,接着对传统的萤火虫算法(FA)进行了离散化改进,给出了离散化萤火虫算法的实施步骤,并分析了不同的吸引度函数和二值化函数(sigmoid和tanh函数)对算法结果的影响。最后针对5个不同规模的实际系统验证了离散萤火虫算法的有效性,并与粒子群算法(PSO)和遗传算法(GA)等传统的元启发式搜索算法的计算性能进行了比较分析。结果显示:在满足系统要求的故障检测率和故障隔离率的前提下,利用本文提出的离散萤火虫算法得到的5个系统测试代价最优值分别比PSO算法和GA算法平均降低了10.1%和14.6%。实验结果表明:离散萤火虫算法能快速收敛到更高质量的全局最优解,避免过早收敛而陷入局部最优值,对于解决大型复杂装备的测试点优化选择问题具有很好的应用前景。     

面向数控系统的优化调度算法及容错策略研究

建立了混合关联任务集描述模型,并引入人工智能领域的启发式搜索算法,以实现该模型任务集的最佳优先调度.在此基础上,进一步提出了基于回卷恢复机制的容错调度策略,通过对瞬时故障的容错恢复,提高数控系统运行的可靠性.与传统实时容错调度算法相比,基于回卷恢复机制和最佳优先调度算法的容错策略,能很好地适用于混合关联任务集.同时,通过降低错误恢复所需的时间开销,有效地提高了系统的资源利用率.实例分析和算法模拟研究证明了该算法应用于数控系统的有效性.     

基于启发式图搜索的最小测点集优选新算法

模拟故障字典的测点选择问题是目前的一个研究热点.本文将这一问题转化为启发式图搜索问题,测点选择过程就变成了图节点的扩展过程.运用信息理论和M进制编码规则,首先给出了启发函数的计算方法,推导出图节点的构造方法和扩展规则,然后在此基础上给出了用于测试节点优选的启发式图搜索算法,最后进行了分析实验.实验结果表明本算法既克服了局部寻优方法不能找到全局最小测点集的缺点,又能显著降低传统穷举搜索算法的时间复杂度和空间复杂度.     

改进蜻蜓算法及其在特征选择中的应用

为合理应用生产制造中产生的数据,分析和挖掘出数据中的关键特征和潜在信息,以帮助企业提高效率、降低成本,提出一种改进的蜻蜓算法,并将其用于特征选择。算法在继承蜻蜓算法良好收敛性的基础上,引入局部序列浮动后向选择机制,在增加算法的全局搜索能力的同时提高了算法的求解精度。在标准复杂数据集上对该算法与其他特征选择算法进行仿真对比与分析,并将其应用在半导体生产线上进行验证。实验结果表明,所提算法无论是在标准数据集上还是实际工程问题上,均表现出良好的全局搜索能力与发展潜力。     

基于BAB算法的ECG身份识别解析特征选择方法

ECG作为一种新的活体生物特征用于身份识别有着广阔的应用前景。针对目前不同学者用于ECG身份识别的解析特征种类多、差异大问题。提出了ECG身份识别的特征选择问题,并提出了基于分支定界法的ECG身份识别解析特征选择方法,将所提出的解析特征与Gahi最新提出的解析特征送入神经网络进行比较。实验表明该算法所提特征稳定性高、特异性强,优于Gahi算法所提特征,可有效用于ECG身份识别。     

采棉机的工作原理及设备选用

介绍了棉花采摘机的工作原理,以及该产品的相关设备在设计、制造过程中的参数选用,及应注意的问题。     

面向自动化装配的轴孔装配参数选择研究

在面向装配的设计中,很少考虑装配工艺参数,在一定程度上削弱了面向装配的设计思想对装配过程的指导作用.对此,提出了一种面向自动化装配设计的圆柱轴孔装配工艺参数优化算法.该算法以装配成本为边界条件,建立了解析几何求解模型,能帮助设计者选择合理的工艺参数,如配合零件的尺寸公差、自动化装配设备的定位精度和转角精度等.最后,编制了相应的程序优化装配工艺参数.     

全手掌纹5类主线特征选择方法研究

为解决非接触式掌纹识别中的光线干扰和算法复杂度问题,提出采用全手掌纹5类主线作为特征的思想,并研究主线特征的选择方法,即根据感情线、理智线、生命线、事业线、成功线的条数、交点数及部分端点信息将掌纹分为9个类别。采用主线特征的优点在于能够选择到不受光线干扰和运算复杂度小的掌纹特征自动提取方法,并为手多模态决策层融合提供数据基础。根据香港科技大学(HKUST)掌纹图库实验表明,与传统的只依据感情线、理智线和生命线3条主线为特征的分类方法相比,类间样本区分度增大,类内相似样本数由传统方法的81.54%降低至35.00%,其余各类样本趋于相对均匀,即说明了该方法不仅具有较高的分辨力,而且具有可行性和优越性,为手多模态特征识别技术中主线自动提取及匹配提供了理论支撑。     

面向绿色设计的材料选择多目标优化决策

为解决绿色设计中材料选择的多目标优化问题,提出一种将神经网络与遗传算法集成的求解决策模型。该模型以材料的力学性能、工艺性能、经济属性和生命周期的环境属性等为优化目标,利用人工神经网络进行系统建模,并为遗传算法找到适应度函数及求得目标函数值的方法,进而利用遗传算法进行多目标优化。采用生态指数方法定量分析材料在其生命周期内对环境的影响。以某个电冰箱壳体材料的选择为例,证明该多目标决策模型对绿色设计中的材料选择有重要指导作用。     

面向网络协同制造的制造服务优化选择研究

为了更好地实现网络制造环境下制造资源共享与优化配置,提出了协同制造链的概念;详细分析了协同制造链构建过程中的制造服务优化选择问题,建立了其数学模型;并进一步针对该问题,给出了一个制造服务评价指标体系;在此基础上,设计了一个基于模糊层次分析法的制造服务优化选择算法;最后,通过实例验证了该算法的有效性。     

BP neural network classification on passenger vehicle type based on GA of feature selection

This paper has concluded six features that belong to passenger vehicle types based on genetic algorithm(GA)of feature selection.We have obtained an optimal feature subset,including length,ratio of width and length,and ratio of height and length.And then we apply this optimal feature subset as well as another feature set,containing length,width and height,to the network input.Back-propagation(BP)neural network and support vector machine(SVM)are applied to classify the passenger vehicle type.There are four passenger vehicle types.This paper selects 400 samples of passenger vehicles,among which 320 samples are used as training set(each class has 80 samples)and the other 80 samples as testing set,taking the feature of the samples as network input and taking four passenger vehicle types as output.For the test,we have applied BP neural network to choose the optimal feature subset as network input,and the results show that the total classification accuracy rate can reach 96%,and the classification accuracy rate of first type can reach 100%.In this condition,we obtain a conclusion that this algorithm is better than the traditional ones[9].     

Compound feature selection and parameter optimization of ELM for fault diagnosis of rolling element bearings

This paper proposes a hybrid system named as HGSA-ELM for fault diagnosis of rolling element bearings, in which real-valued gravitational search algorithm (RGSA) is employed to optimize the input weights and bias of ELM, and the binary-valued of GSA (BGSA) is used to select important features from a compound feature set. Three types fault features, namely time and frequency features, energy features and singular value features, are extracted to compose the compound feature set by applying ensemble empirical mode decomposition (EEMD). For fault diagnosis of a typical rolling element bearing system with 56 working condition, comparative experiments were designed to evaluate the proposed method. And results show that HGSA-ELM achieves significant high classification accuracy compared with its original version and methods in literatures.     

用LCTF光谱技术提取甘蓝小菜蛾虫害叶片特征波段

利用由液晶可调滤波器(liquid crystal tunable filter,LCTF)和单色CCD相机组成的光谱成像系统对甘蓝正常叶片和遭受小菜蛾虫害甘蓝叶片的光谱特征进行分析,获取了430~720nm每隔5nm波段的灰度值信息,并采用自适应波段选择方法提取出了两种叶片的特征波段,通过欧氏距离聚类方法对所提取的特征波段进行聚类分析。结果表明甘蓝正常叶片在545nm、645nm、650nm、655nm波段具有较大光谱信息量,而虫害叶片在550nm、555nm、575nm、585nm、715nm波段有较大光谱信息量。因此,可以利用LCTF快速地检测出植物是否遭受虫害,为农业虫害检测提供了一种新方法。