基于可拓创新方法的改进TRIZ研究

针对TRIZ在解决矛盾问题时存在的初始问题分析难、发明原理具体化难和概念方案量化评价难的问题,进行了基于可拓创新方法的改进TRIZ研究。首先利用基元模型形式化表达的SVOP模型描述系统的目标和条件,得到根源冲突,并利用TRIZ求解工具消解矛盾得到原理解;然后利用可拓事元形式表达该原理解,直接变换零部件得到概念方案;最后结合模糊优度评价和TRIZ理想度法则对其方案进行定量化评价。通过在裁剪传送系统上的应用,证明了所提方法的有效性和正确性。     

面向功能需求的产品适应性修改单元识别方法

针对产品内部单元修改操作的效应传导过程缺乏有效的分析方法,导致无法明确优先修改对象的问题,提出一种产品适应性修改单元识别方法。首先,建立功能需求与产品实例功能的量化匹配模型,借助可拓集方法将匹配结果划分为3个功能域,并通过多层"功能—行为—结构"纵向分解得到产品的功能—结构底层映射关系;其次,细化结构修改粒度至零件特征层,构建零件及特征的物元表达模型;在此基础上,构建以零件特征物元为节点的基元有向图,提出基于基元有向图的综合传导度计算方法,并以综合传导度作为产品修改单元的识别依据。最后,以某款螺蛳切尾设备的实例应用验证了所提方法的有效性和可行性。     

基于可拓距的改进k-means聚类算法

针对现有聚类算法在初始聚类中心优化过程中存在首个初始聚类中心点落于边界非密集区域的不足,导致出现算法聚类效果不均衡问题,提出一种基于可拓距优选初始聚类中心的改进k-means算法。将样本经典距离向可拓区间映射,并通过可拓侧距计算方法得到可拓左侧距及可拓右侧距;引入平均可拓侧距概念,将平均可拓左侧距和平均可拓右侧距分别作为样本密集度和聚类中心疏远度的量化指标;在此基础上,给出初始聚类中心选取准则。通过与传统k-means聚类算法进行对比,结果表明改进后的k-means聚类算法选取的初始聚类中心分布更加均匀,聚类效果更好,尤其在对高维数据聚类时具有更高的聚类准确率和更好的均衡性。     

基于V-I轨迹与高次谐波特征的非侵入式负荷识别方法

针对传统方法无法准确识别含高次谐波家用负荷的问题,文中提出了基于V-I轨迹矩阵、功率及高次谐波多特征融合的负荷辨识方法.首先,分析了11种典型家用负荷的V-I轨迹、功率特征以及谐波特征,提出了基于像素图像转换的混合特征矩阵构建方法,将负荷的功率、高次谐波特征通过二进制编码转换与基本V-I像素轨迹相融合,丰富了样本的特征信息;然后以混合特征矩阵作为卷积神经网络的输入,实现了对家用负荷类型的准确识别.算例中,文中所提算法可准确区分功率特征相似但高次谐波含量不同的加热器与吹风机2种负荷,且其对全类型家用负荷的准确辨识率超过93％.该算法的应用可为实际中准确排查含高次谐波家用负荷的用电安全隐患提供有力的技术支撑.     

基于V-I轨迹与高次谐波特征的非侵入式负荷识别方法

针对传统方法无法准确识别含高次谐波家用负荷的问题,文中提出了基于V-I轨迹矩阵、功率及高次谐波多特征融合的负荷辨识方法。首先,分析了11种典型家用负荷的V-I轨迹、功率特征以及谐波特征,提出了基于像素图像转换的混合特征矩阵构建方法,将负荷的功率、高次谐波特征通过二进制编码转换与基本V-I像素轨迹相融合,丰富了样本的特征信息;然后以混合特征矩阵作为卷积神经网络的输入,实现了对家用负荷类型的准确识别。算例中,文中所提算法可准确区分功率特征相似但高次谐波含量不同的加热器与吹风机2种负荷,且其对全类型家用负荷的准确辨识率超过93%。该算法的应用可为实际中准确排查含高次谐波家用负荷的用电安全隐患提供有力的技术支撑。