模糊灰关联在QAR故障数据检测中的应用

针对传统的灰色关联故障诊断算法无法解决大样本数据的问题,提出一种基于模糊分割灰关联的QAR（quick ac‐cess recorder）故障数据检测算法。鉴于QAR数据是数据结构复杂、维数高的时间序列数据,利用模糊分割将QAR数据分割成不重叠的子序列,从中提取出待检测故障序列,计算待检测序列与标准序列间的灰关联度,根据最大关联度原则进行故障模式识别并确定诊断结果。仿真结果表明,该算法的预测结果与实际情况基本一致,具有简单可靠、诊断精度高等优点。     

正态分布区间灰数灰色预测模型

近期灰数预测主要关注无分布信息和均匀分布区间灰数预测. 基于灰朦胧集演化思想, 研究在不确定信息广泛存在的正态分布背景下, 正态分布区间灰数序列的灰色预测问题. 首先, 通过正态分布随机函数实现区间灰数序列与实数序列族的信息等效转换; 然后, 对正态分布区间灰数随机白化序列进行GM(1,1) 建模, 利用最大值最小值及正态分布“3?? 法则”建立区间灰数预测模型; 最后, 通过实例对比分析验证了所提出模型的可行性和有效性, 为区间灰数预测问题提供新的思路和方法.

     

灰色Verhulst 模型背景值优化及其应用

鉴于背景值是影响灰色建模精度的重要因素之一, 提出一种灰色Verhulst 模型中背景值的优化方法. 基于灰色Verhulst 模型时间响应式的Logistic 函数形式和背景值的几何意义, 利用积分中值定理研究背景值与发展系数之间的数量关系; 采用最小二乘法对新参数进行估计, 还原原始参数估计值, 使得优化的背景值模型同时具备无偏性和最小误差性. 案例分析表明, 背景值优化的模型改善了模拟精度, 验证了模型的有效性和可行性.

     

近似非齐次无偏GM(1,1) 模型的递推解法及应用

针对传统近似非齐次灰建模可能出现参数复数解的问题, 提出无偏灰色GM(1,1) 模型的递推解法, 从而减少由差分方程向微分方程跳跃而导致误差的问题. 给出不同初始条件下非齐次无偏GM(1,1) 模型的递推预测公式,并在此基础上, 将递推公式运用于时间序列分段, 提出基于近似非齐次无偏GM(1,1) 模型的时间序列分段表示方法. 实例结果表明, 所提出的递推模型能够获得较高的拟合精度, 分析结果验证了基于灰色预测模型在时间序列分段表示中的有效性和实用性.

     

非等间隔GM(1, 1, ????) 幂次时间项模型及其应用

GM(1, 1, ??^??) 幂次时间项模型是灰色GM(1, 1) 模型的推广. 在灰色GM(1, 1) 模型和等间隔GM(1, 1, ??^??) 幂次时间项模型的基础上提出非等间隔GM(1, 1, ??^??) 幂次时间项模型, 并对模型进行求解. 讨论了GM(1, 1, ????) 幂次时间项模型的曲线形状、发展系数以及幂指数间的关系, 研究了非等间隔GM(1, 1, ??^??) 幂次时间项模型的参数空间. 将平均相对误差看成幂指数的函数, 根据序列形状判断幂指数的范围, 并利用粒子群算法求解幂指数. 实际应用验证了所提出模型的有效性.

     

多装配特征影响下的装配质量特性预测方法

针对现有产品装配过程中一次装配成功率难以保证的问题,以灰熵关联分析与粒子群—BP神经网络为建模工具,采用灰熵关联分析对装配特征进行筛选,找出影响产品装配质量的关键装配特征,缩减预测模型的规模,应用粒子群—BP神经网络实现产品装配质量的预测.以某型外圆磨床的砂轮架装配为例,验证了该方法的有效性.     

大规模定制环境下基于产品结构复杂度的工时定额制定研究

针对大规模定制环境下产品种类多、工时制定困难的特点,为了能够快速且准确获取产品工时,研究了产品结构复杂度与工时之间的关系,提出了一种基于产品结构复杂度的工时估算方法.综合考虑影响产品结构复杂度的各种因素后,针对决策结果的排序向量决定决策者权重,引入灰色关联理论,建立了产品结构复杂度计算模型.基于数据库中的工时信息,运用MATLAB软件进行编程确定产品结构复杂度和工时之间的函数关系.最后,以某企业产品加工工时估算实例,证明了所提出的估算方法的可行性.     

UUV导航测速信息的灰色自适应滤波方法研究

针对水下无人航行器UUV（Unmanned Underwater Vehicle）的导航测速数据受海洋环境噪声影响大、处理实时性要求高的问题,提出了一种基于灰色动态预测和数据自适应融合的滤波方法。该方法考虑到UUV的速度在连续变化前提下可能存在的机动性,将基本的静态灰色预测模型改进为灰色动态预测模型,以获得速度数据的近似估计值。然后根据估计值和实际采样值之间的偏差,自适应的调整两者之间的权重系数进行融合,以实现实时的数据滤波。通过对UUV海上试验数据的验证,证明了该方法的有效性。     

基于灰色神经网络的汽车动态称重数据处理

针对目前汽车动态称重方法称量精度低和所需数据样本数量大的缺陷,提出了一种新的动态称重数据处理方法,通过GM（1,1）模型对车辆动态称重数据进行预处理,获得每个称重数据的误差补偿量,建立了以车辆速度、加速度、动态称重残差序列为输入变量的灰色神经网络模型,使系统称量误差小于1%,称量准确度等级达到1级指标。研究表明,该方法在动态汽车衡数据处理中的可行性强,实现了在贫信息、少数据情况下对动态称重数据的高精度处理,为汽车动态称重系统精度的进一步提高提供了理论与技术支撑。     

计算机网络设计中关系数据库技术的应用

随着信息化技术的发展,计算机网络设计逐渐兴起并讯速发展。在计算机网络设计过程中,其工序相当复杂,因此需要建立与其相关的数据库保障计算机网络设计。关系数据库技术根据数据库中数据的相关性储存、调度数据,从而使其更好地服务于计算机网络设计。本文简要论述了关系数据库的概况、关系数据库在计算机网络设计中的辅助功能,分析了关系数据库技术在计算机网络设计中的基本原理并探讨了它在计算机网络设计中的优势。