基于IITD模糊熵与随机森林的滚动轴承故障诊断方法

针对滚动轴承故障微弱振动信号特征提取后难以识别的问题,提出基于改进的固有时间尺度分解(IITD)和模糊熵(FE)输入随机森林(RF)模式识别的滚动轴承故障诊断方法。首先,利用轴承试验台采集正常、滚动体故障、内圈故障、外圈故障等4种状态下轴承的振动信号;通过IITD分解将采集到的振动信号分解成一组固有旋转分量(PRC),然后选取表征故障主要信息的有效分量计算其模糊熵值并构建特征向量,输入到随机森林分类器模型进行识别分类。实验数据分析结果表明,该方法可以有效地实现滚动轴承故障类别的诊断。     

基于EEMD模糊熵和GK聚类的信号特征提取方法及应用

提出了一种基于集合经验模态分解模糊熵和GK聚类相结合的方法,应用于滚动轴承的故障诊断中。首先,利用EEMD方法将故障信号分解成多个本征模态分量来消除模态混叠影响;其次,通过相关性对IMF分量进行筛选,并求取其模糊熵作为特征向量进行GK聚类分析进行模式识别。在实验分析中,通过模糊熵、样本熵、近似熵3种特征参数的对比,和GK聚类与FCM聚类的对比,证明了该方法的有效性和优越性。     

Linear defuzzified output of fuzzy controllers via mixed fuzzy logic operators

Abstract

The linear defuzzified output of a fuzzy controller with two fuzzy variable inputs and one output is discussed in this paper. Arbitrary amounts of triangular fuzzy numbers are employed to fuzzify the linguistic variables in fuzzy control rules. We show that the defuzzified output is exactly equivalent to a linear function of the inputs to the fuzzy controller by using three mixed fuzzy logic operators to evaluate the control rules.     

磁流变阻尼器的模糊逼近

由于磁流变液具有非线性特性，所以磁流变阻尼器的输入输出问具有很强的非线性关系。可准确描述其非线性特性的磁流变阻尼器正模型通常非常复杂，难以直接得到逆模型。考虑到某些模糊系统的万能逼近能力，本文提出用模糊系统来逼近磁流变阻尼器逆模型的新思路。根据自适应神经模糊推理系统原理，设计两个模糊系统分别逼近磁流变阻尼器的正模型和逆模型。研究结果表明：无论是正模型还是逆模型。对于训练数据，模糊系统均可以准确逼近，而对于检验数据也可比较准确逼近。正模型的逼近效果稍好，若要提高逆模型ANFIS的逼近精度．将以增加系统复杂性为代价。模糊逼近可以推广到其它的磁流变阻尼器模型中，特别是可对正模型未知的磁流变阻尼器进行建模与控制。     

Constructing a new fuzzy classifier based on hierarchical fuzzy entropy

Abstract

In an earlier work, Lee et al. (Lee et al., 2001) presented a simple and fast fuzzy classifier that employed fuzzy entropy to evaluate pattern distribution information in a pattern space. In this paper, we extend his work to propose a new fuzzy classifier based on hierarchical fuzzy entropy (FC‐HFE). We retained the main parts of the original structure and modified some methods (e.g., methods for deciding the number of intervals in each dimension and for assigning class labels). In addition, the hierarchical fuzzy entropy is proposed for partitioning the decision region. The proposed FC‐HFE improves classification accuracy and overcomes some of the drawbacks in the Lee et al method (Lee et al., 2001). The simulation results show that the classification rate of the proposed FC‐HFE is better than earlier methods.     

模糊结构有限元分析的一种新方法

本文利用信息熵的概念,将模糊变量转变为随机变量,将模糊结构视为随机结构进行处理,从而提出了模糊结构有限元分析的一种新方法。当模糊结构转换的随机变量处于小扰动情况下,利用摄动法得到有限元递归方程组,解之可以得到响应量的均值和方差。     

基于DEMD和模糊熵的滚动轴承故障诊断方法研究

提出一种基于微分的经验模式分解(DEMD)模糊熵和支持向量机(SVM)相结合的滚动轴承故障诊断方法。首先对信号进行基于微分的经验模式分解,得到若干具有物理意义的本征模函数(IMF)分量,再利用相关度准则对固有模式分量进行筛选,计算所选分量的模糊熵,组成故障特征向量,然后将其作为支持向量机的输入来识别滚动轴承的状态。并将该方法与基于EMD模糊熵和SVM相结合的方法进行比较,实验结果表明该方法对机械故障信号能够更有效准确地进行识别分类。     

基于模糊神经网络的公差-成本模型研究

研究了面向制造环境的公差-成本模型。对制造环境中有关的加工因素进行分类及模糊化处理,构造了加工因素的成本模糊影响系数,并以此系数和零件公差作为输入,建立了基于模糊神经网络的公差-成本模型。此模型在表征加工成本、公差关系上的精度较高,更适应面向制造公差设计的要求。     

基于模糊集表达和熵处理的产品用户需求评价

 在产品设计早期,对用户需求功能及其重要程度进行分析和获取的成功与否直接关系到产品设计目标特性的质量以及后续产品开发的各个阶段。提出一种基于模糊集表达和熵处理的有效用户需求获取方法。根据用户需求调查结果,建立了用户需求功能抽象的原则,采用模糊矩阵对各用户需求进行表达,并用熵处理的方法简化用户需求模糊矩阵,从而获取用户需求的重要度排序。该方法的显著优点是能够反应用户需求的主观性和模糊性。     

基于局部均值分解多尺度模糊熵和灰色相似关联度的滚动轴承故障诊断

提出了一种基于局部均值分解多尺度模糊熵和灰色相似关联度相结合的滚动轴承故障诊断方法。该方法将故障信号自适应地分解为若干乘积函数,并从中选取包含主要故障信息的PF分量计算多尺度模糊熵作为特征向量,通过计算待识别样本与标准故障模式的灰色相似关联度,对滚动轴承故障类型和损伤程度进行判断。将该方法与LMD模糊熵和灰色相似关联度相结合的方法进行了对比,实验表明,基于LMD多尺度模糊熵和灰色相似关联度的滚动轴承故障诊断方法,能够有效地识别滚动轴承运行状态,实现对滚动轴承的故障诊断。     

模糊分布参数的全局灵敏度分析新方法

为合理度量随机输入变量分布参数的模糊性对输出性能统计特征的影响,提出了模糊分布参数的全局灵敏度效应指标,并研究了指标的高效求解方法。首先,分析了不确定性从模糊分布参数至模型输出响应统计特征的传递机理,以输出性能期望响应为例,利用输出均值的无条件隶属函数与给定模糊分布参数取值条件下的隶属函数的平均差异来度量模糊分布参数的影响,建立了模糊分布参数的全局灵敏度效应指标。其次,为减少所提指标的计算成本、提高计算效率,采用了扩展蒙特卡罗模拟法(EMCS)来估算输入变量分布参数与模型输出响应统计特征的函数关系。最后通过对算例的计算,验证该文所提方法的准确性和高效性。     

基于最大幅值变分模态分解和均方根熵的滚动轴承故障诊断

针对变分模态分解中模态个数的设定会对分解结果产生重要影响的问题,提出一种求取最优分解层数的方法,该方法以瞬时频率的幅值特性为依据,通过分析变分模态分解过程中,各分量最大幅值之间的关系来确定最佳分解参数;均方根熵可以反映不同振动信号的能量值,以信号均方根熵为故障特征参量,通过优化支持向量机建立故障分类模型,实现故障模式分类。将基于最大幅值变分模态分解和均方根熵的故障诊断方法应用于滚动轴承实测信号中,实验结果表明基于最大幅值变分模态分解和均方根熵的方法能够有效识别滚动轴承运行状态,识别准确率高达98.75%。     

基于犹豫模糊语言术语的供应商多准则群决策研究

针对全球价值链环境下供应商科学决策问题,提出基于不确定语言术语的多准则群决策模型。首先分别提取专家的偏好信息,将偏好信息转化为犹豫模糊语言术语,引入不确定语言变量进行词计算;其次,运用包络算子融合专家的偏好信息形成犹豫模糊语言术语集,设计集成准则权重的相对贴近度进行产品供应商排序,确定最满意供应商;此外,引入信息熵求解决策过程无先验知识的多准则权重;计算结果表明：3种信息熵参数条件下最满意汽车零部件供应商选择结果完全一致,基于相对贴近度值的供应商优劣排序结果相对于信息熵参数变化不敏感;验证了所提模型可行性、有效性和稳定性,为汽车零部件供应商的实际评价与选择提供有益借鉴。     

Improved fuzzy entropy clustering algorithm for MRI brain image segmentation

Magnetic resonance imaging (MRI) brain image segmentation is essential at preliminary stage in the neuroscience research and computer‐aided diagnosis. However, presence of noise and intensity inhomogeneity in MRI brain images leads to improper segmentation. The fuzzy entropy clustering (FEC) is often used to deal with noisy data. One major disadvantage of the FEC algorithm is that it does not consider the local spatial information. In this article, we have proposed an improved fuzzy entropy clustering (IFEC) algorithm by introducing a new fuzzy factor, which incorporates both local spatial and gray‐level information. The IFEC algorithm is insensitive to noise, preserves the image detail during clustering, and is free of parameter selection. The efficacy of IFEC algorithm is demonstrated by comparing it quantitatively with the state‐of‐the‐art segmentation approaches in terms of similarity index on publically available real and simulated MRI brain images.     

一种基于奇异谱熵和脉冲响应的结构损伤诊断方法

根据结构振动响应的行为会随结构状况的变化而改变的原理,提出了用奇异谱熵作为指标来评价结构状况的方法.采用脉冲响应序列重构相空间,在相空间中通过奇异值分解得到奇异谱熵,由熵的变化来判断结构损伤的发生.该方法直接利用结构响应,无需建立结构模型,减少了建模误差.为了抑制噪声对诊断结果的影响,引入循环移位树降噪技术进行降噪处理,分析了相空间维数、激励点和测点对奇异谱熵的影响.以ASCE学会提出的基准结构为对象,应用该方法对受脉冲激励的结构进行了损伤分析,结果表明该方法是有效的.     

模糊参数平面连续体结构的拓扑优化设计

研究了具有模糊参数的连续体结构在模糊载荷作用下的拓扑优化设计问题。利用信息熵将模糊变量转换为随机变量,构建了随机载荷作用下的随机参数的连续体结构的拓扑优化设计数学模型,以结构的形状拓扑信息为设计变量,结构总质量均值极小化为目标函数,满足单元应力可靠性为约束条件,利用分布函数法对应力可靠性约束进行了等价显式化处理。基于随机因子法,利用代数综合法导出了应力响应的数字特征的计算表达式。采用双方向渐进结构优化(BESO)方法求解。通过两个算例验证了该文模型及求解方法的合理性和有效性。     

Improving medical image fusion method using fuzzy entropy and nonsubsampling contourlet transform

Many types of medical images must be fused, as single‐modality medical images can only provide limited information due to the imaging principles and the complexity of human organ structures. In this paper, a multimodal medical image fusion method that combines the advantages of nonsubsampling contourlet transform (NSCT) and fuzzy entropy is proposed to provide a basis for clinical diagnosis and improve the accuracy of target recognition and the quality of fused images. An image is initially decomposed into low‐ and high‐frequency subbands through NSCT. The corresponding fusion rules are adopted in accordance with the different characteristics of the low‐ and high‐frequency components. The membership degree of low‐frequency coefficients is calculated. The fuzzy entropy is also computed and subsequently used to guide the fusion of coefficients to preserve image details. High‐frequency components are fused by maximizing the regional energy. The final fused image is obtained by inverse transformation. Experimental results show that the proposed method achieves good fusion effect based on the subjective visual effect and objective evaluation criteria. This method can also obtain high average gradient, SD, and edge preservation and effectively retain the details of the fused image. The results of the proposed algorithm can provide effective reference for doctors to assess patient condition.     

基于完备总体经验模态分解和模糊熵结合的液压泵退化特征提取方法

针对液压泵振动信号具有非线性、非平稳性,以及信噪比低等特点,提出了基于完备总体经验模态分解和模糊熵结合的液压泵性能退化特征提取方法。首先,使用完备总体经验模态分解方法对液压泵振动信号进行分解,得到若干个固有模态函数分量。其次,求取各个分量与原始信号的相关性,选取相关性较高的前几个分量作为有效分量并求其模糊熵,实现液压泵的退化特征提取,形成特征向量。最后,以液压泵不同退化状态下的实测数据为例,使用基于变量预测模型的模式识别方法对提取的特征向量进行验证。实验结果表明,该液压泵退化特征提取方法具有较高的精度,使退化状态识别的准确率提高到了100%。     

基于熵技术的矿山安全模糊综合评价

根据矿山安全评价所存在的模糊性和随机性的特点,在建立多级模糊综合评价的指标体系的基础上,借用信息论中熵的概念计算客观权重的方法,运用模糊数学理论,建立二级模糊综合评价模型,提高了矿山安全现状评价的客观性和科学性,具有一定的工程实际应用价值.     

Proposing integrated Shannon’s entropy–inverse data envelopment analysis methods for resource allocation problem under a fuzzy environment

In this study, a two-phase methodology for resource allocation problems under a fuzzy environment is proposed. In the first phase, the imprecise Shannon’s entropy method and the acceptability index are suggested, for the first time in the literature, to select input and output variables to be used in the data envelopment analysis (DEA) application. In the second step, an interval inverse DEA model is executed for resource allocation in a short run. In an effort to exemplify the practicality of the proposed fuzzy model, a real case application has been conducted involving 16 cement firms listed in Borsa Istanbul. The results of the case application indicated that the proposed hybrid model is a viable procedure to handle input–output selection and resource allocation problems under fuzzy conditions. The presented methodology can also lend itself to different applications such as multi-criteria decision-making problems.