基于并行混沌和复合形法的桁架结构形状优化

针对多工况下受应力、位移和局部稳定性约束的桁架形状优化问题,提出了基于并行混沌优化算法和复合形法的混合优化算法。该算法综合利用了并行混沌的全局搜索能力,复合形法的快速局部搜索能力和混沌细搜索。首先,利用并行混沌优化算法快速搜索到全局最优解附近,然后应用改进复合形法以并行混沌的优化解为初始复形进行搜索,提高了最优解的搜索速度,最后应用混沌细搜索策略提高最优解的精度。两个典型数值算例验证了该混合优化方法对桁架形状优化问题的有效性和稳定性。     

基于提升小波包和模糊模式识别的结构损伤识别

针对网架结构的损伤特点,提出基于提升小波包特征提取的模糊模式识别的结构损伤诊断方法。该方法首先利用提升框架,将结构振动测试信号进行提升小波包分解,提取小波包信号分量能量作为损伤识别的特征向量,以此建立模糊模式识别的模糊子集,最后利用模糊C均值聚类分析与择近原则相结合的模糊模式识别方法对结构进行损伤识别,并研究噪声对该算法的影响。为了证明该方法,对一个二层网架结构模型进行数值仿真,结果表明该方法能够有效地识别损伤。     

混合遗传算法在结构动力反演中的应用研究

研究了输入荷载未知条件下的结构参数识别及荷载反演问题,该问题最终归结为一个非线性的优化问题求解,根据目标函数、约束条件的具体特性,采用BFGS算法作为局部搜索算子,构造了基于浮点编码的混合遗传算法。针对系统输入未知的激励特性,采用分解反演的计算策略,从而提高了动力反演中混合遗传算法的稳健性和收敛速度。数值算例表明,这种方法具有很好的参数识别精度及荷载反演效果,对测试噪声有较强的适应能力。     

根据响应识别桥上列车荷载的模糊模式识别方法

为准确快速的获知通过桥梁的列车荷载大小，将模糊模式识别的方法引入桥梁列车荷载识别问题，将列车荷载识别过程转变为与列车荷载响应标准模式库的模式匹配过程。采用数值分析方法，分别基于桥梁位移、速度和加速度响应对鄱阳湖连续钢桁桥列车荷载进行识别，结果表明利用加速度响应获得的识别结果精度要明显好于采用位移和速度响应获得的识别精度，同时通过对在噪声干扰下列车荷载识别结果的分析，验证了本文所述方法对桥上移动列车荷载进行识别的可行性和准确性。     

从单点响应识别多点周期性冲击载荷

在已知脉冲响应的基础上,利用周期性冲击载荷的时序特征给出从单点响应识别多个载荷的时域方法.为改善系数矩阵的性态,提高求解精度,使用能量集中的正交基函数展开冲击载荷,同时为避免不完备函数基产生大的识别误差,通过参数优化使基函数具有一定的自适应性.基函数的参数优化增强了有限数量基函数对冲击载荷的匹配能力.针对一个扭转振动模型的载荷识别问题,研究了所提方法的辨识性能.仿真结果表明该方法具有较好的识别精度,而识别精度与激励载荷对观测信号的贡献大小有关.     

求解约束优化问题的改进布谷鸟搜索算法

为了提高约束优化问题的求解精度和收敛速度,提出求解约束优化问题的改进布谷鸟搜索算法。首先分析了基本布谷鸟搜索算法全局搜索和局部搜索过程中的不足,对其中全局搜索和局部搜索迭代公式进行重新定义,然后以一定概率在最优解附近进行搜索。对12个标准约束优化问题和4个工程约束优化问题进行测试并与多种算法进行对比,实验结果和统计分析表明所提算法在求解约束优化问题上具有较强的优越性。     

相位编码信号声学多普勒测流中的波形参数优化方法

针对相位编码声学多普勒测流中发射信号参数固定引起的适应性不强的问题,在基于信号模糊函数及其模的二阶导数的基础上,提出了两种根据测量需求和环境条件调整发射信号波形参数的优化方法,它们是分层精度约束下取得最佳速度估计精度的波形参数优化方法以及测速精度约束下实现最细分层厚度的波形参数优化方法,分别给出了参数优化的原理和具体的操作步骤。理论分析和实验数据分析结果均表明,相对于缺省参数信号,优化参数方法得到的信号具有明显的性能优势,且优化程度与理论预测基本相符。     

自动化生产单元调度的混沌粒子群算法

在求解一类带时间窗口的自动化生产单元调度问题时,基本粒子群算法易陷入局部极值点且收敛缓慢.针对这一问题,将混沌搜索技术引入至基本粒子群算法中,利用混沌运动搜索精度高、遍历性好的特点来改善基本粒子群算法易陷入局部极值点和收敛缓慢的缺点,从而提高粒子群算法的收敛速度和优化质量.首先给出了带时间窗口的自动化生产单元调度问题的混合整数规划模型,着重讨论了混沌粒子群调度算法的设计,包括编码方式、混沌初始化、混沌扰动和适应度函数计算等.对提出的算法进行了仿真验证,仿真结果表明在求解此类调度问题上,混沌粒子群算法比基本粒子群算法具有明显的优势.     

模糊粗糙集在轴承故障模式识别中的应用

提出一种基于模糊粗糙集理论的模式识别方法,将动态聚类法和方差分析法引入连续属性模糊化,获取模糊隶属函数,避开了粗糙集理论属性离散化过程带来的信息丢失;利用F检验判断分类的合理性,克服了人为确定分类数目的缺点;应用模糊化得到的模糊决策表进行条件属性约简,通过属性值约简,提取了清晰、简明的故障模式规则。轴承故障模式识别结果表明,该方法对比一般粗糙集理论,有效地提高了模式识别精度,在实际模式识别中具有很好的应用价值。     

非线性最优化问题的一种混合解法

把BFGS方法与混沌优化方法相结合,基于混沌变量提出一种求解具有变量边界约束非线性最优化问题的混合优化方法。混合算法兼顾了混沌优化全局搜索能力强和BFGS方法收敛速度快的优点,成为一种求解非凸优化问题全局最优的有效方法。算例表明,当混沌搜索的次数达到一定数量时,混合优化方法可以保证算法收敛到全局最优解,且计算效率比混沌优化方法有很大提高。     

基于独立分量分析的形状识别

物体的形状识别是模式识别的重要方向之一,广泛应用于图像分析、机器视觉和目标识别等领域。在介绍利用信号的高阶统计信息的独立分量分析方法基础上,提出了基于独立分量分析的形状识别方法。利用独立分量分析算法提取出图像的独立基,根据待识别图像在独立基上投影系数的差别进行分类识别。仿真实验结果表明,该方法对于形状识别有较高的识别率。     

基于多源数据融合的掘进机截割岩壁硬度识别方法

针对煤矿井下掘进机截割岩壁硬度识别难度大的问题,利用其悬臂振动信号、升降油缸和回转油缸压力信号、截割电机电流信号,提出了一种基于多源数据融合的截割岩壁硬度识别方法。该方法首先对各类信号进行小波包分解,单支重构各频带信号并组建时频矩阵,通过奇异值分解得到包含时频信息的若干特征奇异值,以构造特征向量;再利用LDA算法实现数据特征级融合,得到类可分性更好的低维特征。为解决概率神经网络(PNN)平滑参数无法确定和网络结构复杂的问题,提出了基于差分进化算法(DE)和QR分解的PNN优化方法,并通过优化PNN对低维特征进行硬度识别。实验结果表明:所提出的特征量提取和模式识别方法是有效的,与目前常用的其它模式识别算法相比,优化PNN在掘进机三种工况下均有更高的硬度识别准确率。     

基于VMD-DE的坦克行星变速箱故障诊断方法研究

为了提高坦克行星变速箱齿轮故障模式识别准确率,将变分模态分解(VMD)与散布熵(DE)结合提出故障特征提取新方法。利用波形法确定VMD分解层数,VMD分解振动信号得到一组固有模态分量(IMF);根据归一化互信息准则筛选若干IMF重构信号,计算重构信号的散布熵;将重构信号散布熵作为特征值输入到粒子群优化(PSO)的多分类支持向量机(SVM)中实现故障模式识别。通过对坦克行星变速箱的正常、行星轮故障和太阳轮故障三种状态进行模式识别,分类准确率达到100%,且计算时间较短。与基于原始振动信号DE、VMD-SE(样本熵)、VMD-PE(排列熵)及EMD-DE(经验模态分解与DE结合)等方法比较,综合考虑准确率和计算时间两个因素,基于VMD-DE的方法故障诊断性能最佳。     

基于小波包特征提取和模糊熵特征选择的柴油机故障分析

船舶动力设备因故障监测信号样本少、变化缓慢、数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。尤其是柴油机振动信号的故障诊断,由于柴油机振动信号噪声多,诊断信号难以进行特征选择的问题,提出了基于小波包能量谱特征提取和模糊熵特征择的柴油机故障诊断方法。利用模糊熵对小波包能量谱提取出的特征集进行特征选择,将选择后的特征参数输入LS-SVM进行故障模式识别。试验结果表明,该方法可以提高故障识别准确率。在该试验中,故障识别准确率达到了99.36%,相比于未进行特征选择的特征集,识别准确率提高了0.72%。     

基于不变矩的书法真伪鉴定方法研究

传统的书法真伪鉴定多采用专家鉴定等方式,基于图像形状真实度提出了一种书法真伪鉴定方法,将模式识别领域中的不变矩应用于书法真伪鉴定,分析比较了 Hu 矩、Zernike 矩、Pseudo-Zernike 矩、Legendre 矩、Fourier-Mellin 矩、Tchebichef矩和 Krawtchouk 矩等七种不变矩的形状真实度性能,并提出了衡量书法作品形状真实度的评价指标。通过高清晰、高精度、高保真的书法作品图像的采集与处理,进一步保证了鉴定的可靠性。实验结果表明,该方法能识别出肉眼不易观察的差异,可为书法鉴定提供一种科学可靠的辅助手段,提升了书法作品鉴定的效率与可信性,鉴定时间开销小且抗干扰性好,在书法真伪鉴定中具有一定借鉴意义及较好的实用价值。     

基于分形维数和GA-SVM的风电机组齿轮箱轴承故障诊断

对风机齿轮箱轴承故障诊断进行了研究,提出一种基于分形维数和遗传算法支持向量机(GA-SVM)相结合的故障诊断算法。基于常用的时域特征参数作为支持向量机的识别参数,引入分形维数特征参数来提升支持向量机的识别精度。提出了基于遗传算法(GA)的支持向量机参数优化的模型,通过GA的寻优自动获得最优的支持向量机参数。采用某风场的风电机组齿轮箱轴承数据进行故障诊断,实验表明,所提出的GA-SVM模型很好地解决了参数选择的问题,同时基于分形维数的特征参数也提高了风电机组轴承故障的识别准确率。     

基于模糊c均值聚类算法的控制图模式识别

控制图模式识别能够区分制造过程中的一般因素与异常因素,提高制造过程中的产品质量,减少成本,提高效益。利用蒙特卡洛方法产生样本;采用一维离散小波变换处理原始数据;利用模糊c均值聚类算法进行控制图模式识别。识别准确率99.43%,其标准差为0.002 8。这表明基于该方法的控制图模式识别准确率高,稳定性好,较现有的控制图模式识别方法具有简易、高效等特点。     

基于NIC-DWT-WOASVM的齿轮箱混合故障诊断

由于齿轮箱中振动信号的复杂性和非平稳性,致使齿轮箱混合故障诊断工作具有一定难度。针对这一问题提出基于NIC-DWT-WOASVM的齿轮箱混合故障诊断方法。首先通过窄带干扰消除(Narrow Band Interference Canceller, NIC)滤除原始信号中齿轮啮合和转轴等窄带干扰信号,接着对信号进行离散小波变换(Discrete Wavelet Transform, DWT),重构小波系数得到小波分量,提取分量的方差作为特征参数构成特征矩阵样本。针对传统优化支持向量机收敛速度慢及容易局部最优等问题,提出鲸鱼算法优化的支持向量机(Whale Optimization Algorithm Support Vector Machine, WOASVM),运用训练样本对WOASVM进行训练得到优化分类模型,将测试样本输入到优化模型中得到诊断结果。为验证方法的有效性,开展了变工况下齿轮箱混合故障实验,通过实验分析及与其他方法的比较,证明方法对于齿轮箱混合故障诊断是有效的。     

基于云模型人工鱼群算法的模糊优化设计

云模型是通过熵来控制云滴的不确定度,并利用模糊集理论中的隶属函数来判断云滴的优劣,其正向云发生器可显著提高智能优化算法的全局寻优能力.为此,采用云模型中的正向云发生器来改进人工鱼群算法(称为云模型人工鱼群算法),并将其应用于机械零部件的模糊优化设计.首先,确定模糊综合评判所需的机械零部件的相关参数,并通过模糊综合评判确...