基于ISVD和小波降噪理论的轴承故障诊断

针对滚动轴承振动信号的非平稳等复杂特点,在分析迭代奇异值降噪和小波阈值降噪的原理和特点的基础上,将两者理论结合应用于轴承振动信号降噪中。试验证明,结合降噪法能有效剔除噪声,并可较好地保留冲击信号中的尖峰和突变部分,最后通过计算降噪后信号的样本熵可准确地实现轴承的故障诊断。     

电子系统未发现故障研究综述

电子系统的复杂度日渐增加,工艺水平日益提升,未发现故障(NFF)事件频发,对电子设备产生很大的影响,常导致不必要的重复停机、过度修理和零备件大量损耗等问题,影响设备的战备完好性。主要从NFF事件的基本概念和相关术语、NFF事件原因如故障因素和非故障因素、间歇故障引起NFF事件的机理等方面对NFF 事件进行系统论述,并指出了NFF事件的危害及其应对/预防措施,列举了相关实例,以期给相关工程和研究人员以借鉴,促进对NFF事件的研究。     

基于IMF复杂度和RBF网络的配气机构故障诊断

针对柴油机振动信号的非平稳特性,提出一种经验模态分解(Empirical Mode Decomposition,EMD)、复杂度和RBF(radical basis function)神经网络相结合的故障诊断方法;运用经验模态分解方法对特定时段的振动信号进行分析,计算前5个固有模式分量(Intrinsic Mode Functions,IMF)的Lempel-Ziv相对复杂度作为故障特征向量,并利用RBF神经网络可以快速逼近任意非线性函数及良好分类能力的特点,来实现对柴油机工作状态和故障类型的判别;最后,利用实际柴油机试验数据的诊断和对比试验验证了该方法的有效性。     

LeCMPSO算法求解异构无人机协同多任务重分配问题

无人机系统在军事领域有着广泛应用, 由于战场环境复杂多变, 无人机遭遇突发状况后需进行任务重分配.异构无人机是指多种类型的无人机, 可完成单一无人机无法完成的多类型复杂任务, 异构无人机协同多任务重分配问题约束条件复杂且包含混合变量, 现有多目标优化算法不能有效处理此类问题. 为高效求解上述问题, 本文构建多约束异构无人机协同多任务重分配问题模型, 提出一种学习引导的协同多目标粒子群优化算法(LeCMPSO), 该算法引入基于先验知识的初始化策略和基于历史信息学习的粒子更新策略, 能有效避免不可行解的产生并提升算法的搜索效率. 通过在4组实例上的仿真实验表明, 与其他典型的协同进化多目标优化算法相比, 所提算法在解集的多样性、收敛性及搜索时间方面均具有较好的性能.     

面向电子系统间歇故障的改进RPN计算框架

针对经典风险优先值(risk priority number,RPN)方法的数学缺陷、要素缺陷和研究对象缺陷,分析了经典RPN方法存在这些缺陷和不足的原因,提出了一种面向电子系统间歇故障的RPN改进计算方法。该方法采用五态Markov模型进行故障致损次数O的估算,采用DEMATEL方法进行故障位置、机理、模式的相关性/影响性分析,采用马氏距离对RPN一次排序结果中的相同序号进行二次排序,较好的解决了经典RPN方法取值不是连续整数、对3个主要要素S、O、D取值的微小变化敏感等问题。最后,采用某海基设备电子系统的间歇故障案例来力证了改进RPN计算框架的有效性,可清晰区分不同间歇故障的危险级且更为客观,取得较好效果。     

群智能新研究:角色?匹配的狼群劳动分工

启发于生物狼群群体的劳动分工行为,本文提出一种新颖的角色?匹配狼群劳动分工方法。通过剖析自然狼群的生物学行为,概括提炼出狼群劳动分工行为的个体任务的专职化、个体角色可塑性和任务分配均衡性3个典型特征,并建立了生物狼群劳动分工行为与普适性任务分配问题之间的仿生映射关系;从狼群“个体?个体”+“个体?环境”的交互方式角度出发,分析了角色?匹配的狼群劳动分工的个体角色转换和任务调整机制,研究了狼群角色?匹配的柔性劳动分工机制,提出了一种新的群智能方法,即角色?匹配的狼群劳动分工方法;将狼群的角色?匹配劳动分工与蚁群的刺激?响应劳动分工和蜂群的激发?抑制劳动分工进行了比较分析,并展示出角色?匹配狼群劳动分工方法的应用前景。     

一种新的多变量时间序列的分形维数计算方法

分形维数是描述混沌动力学系统的重要参数之一. 根据时间尺度与多维超体体积之间的测度关系, 提出一种多变量时间序列分形维数的计算方法. 通过4 种典型混沌动力学系统所产生的多变量时间序列及其相应不同信噪比混杂序列的仿真计算表明, 所提出方法时间复杂度较低, 所需序列长度较短, 具有一定的抗噪能力, 且无需进行相空间重构, 避免了嵌入维数和延迟时间等参数选取对结果造成的影响, 是计算多变量时间序列分形维数的一种有效途径.

     

改进二进制布谷鸟搜索算法求解多维背包问题

针对多约束组合优化问题--多维背包问题(MKP),提出了一种改进二进制布谷鸟搜索(MBCS)算法.首先,采用经典的二进制代码变换公式构建了二进制布谷鸟搜索(BCS)算法.其次,引入病毒生物进化机制和病毒感染操作,一方面赋予布谷鸟鸟巢位置自变异机制增加种群多样性;一方面将布谷鸟鸟巢位置所组成的主群体的纵向全局搜索和病毒群体的横向局部搜索进行动态结合,进一步提高了算法的收敛速度,降低了陷入局部极值的概率.再次,针对MKP特点设计了不可行解的混合修复策略.最后将MBCS算法同量子遗传算法(QGA)、二进制粒子群优化(BPSO)算法、BCS算法就来源于ELIB数据库和OR_LIB数据库的15个算例进行了仿真对比.实验结果表明,所提算法计算误差均小于1%,标准差小于170,相比这3种算法具有相对更好的寻优精度和求解稳定性,是一种求解多维背包等NP难问题有效的算法.     

基于犹豫度和相似度的专家权重确定方法及其应用

针对属性评价值为语言变量、专家权重未知的供应商选择决策问题,提出一种综合考虑评价犹豫度和相似度的专家权重确定方法.首先,根据专家评价的犹豫度差别改进语言变量转化标准,将语言变量转换为更符合决策实际的直觉模糊数;然后,从评价信息的犹豫度和相似度两个方面集成专家权重,得到集结后的综合评价矩阵;最后,运用逼近理想解排序法(TOPSIS)对供应商进行排序,通过算例验证所提方法的可行性和有效性.敏感性分析及对比分析结果表明,决策者对专家评价确定性和一致性的不同偏好会影响最终的决策结果,当专家因认知局限和个人偏好对属性评价的犹豫度存在差别时,采用考虑犹豫度差别的语言变量转化方法能够降低评价信息不确定性对评价结果产生的不合理影响,有利于提高评价结果的可信度.