水压试验机故障诊断专家系统的知识获取

针对水压试验机故障诊断专家系统的知识获取问题,将减聚类算法与人机交互方法相结合,提出了一种基于减聚类的"变焦"知识获取方法.通过将知识获取问题近似为水压试验机AMESim仿真模型增压侧压力的数据分析,引入减聚类算法,并将聚类结果与专家进行交流,实现人机交互.分析了减聚类主要参数对聚类结果的影响,建立参数修改规则,根据专家评价结果不断调整减聚类参数,获得符合要求的结果.通过"变焦"方法针对某一类结果进行深入研究,从而实现知识获取.实验结果验证了方法的有效性.     

一种基于时段的水压试验机故障诊断方法

由于水压试验机机理建模的复杂性,很难从机理方面对其生产过程进行故障诊断,基于多向Fisher判别分析的故障诊断方法同时利用正常工况和故障条件下的数据建模,具有很强的诊断能力.为了解决应用此类方法遇到的不等长周期问题,根据水压试验过程的数据特性提出了子时段首部数据等长法将所有批次调整成平均长度.在此基础上对每个子时段分别建立MFDA模型,并结合递推思想将三个时段的诊断结果密切结合以提高诊断精度.采用水压试验机实际生产过程的4个锁阀故障数据对该方法进行测试,结果验证了该方法的有效性.     

基于稀疏自编码的故障数据聚类清洗方法

针对电网中录波型故障指示器上传的海量故障数据存在着大量的重复、干扰、错误及无效波形,提出一种基于稀疏自编码(sparse auto-encoder,SAE)的故障数据聚类清洗方法,该方法首先利用稀疏自编码对故障数据进行特征学习与降维,继而用主成分分析(principal component analysis,PCA)对降维后数据再次进行降维提取,实现对不同故障数据的特征获取;最后利用基于密度峰快速搜寻聚类算法(clustering by fast search and find of density peaks,CFSFDP)对故障特征进行聚类,实现对重复、干扰、错误等故障数据的聚类清洗和真实故障数据推送.提出的海量故障数据聚类清洗方法,达到了对不同类型故障数据进行清洗去冗的效果,为故障告警智能推送提供了技术支撑,提高了运维人员获取准确故障信息的效率.     

基于有效分类的多模态过程故障检测及应用

多模态的故障检测作为复杂的实际问题,得到越来越多的重视.围绕多模态的故障检测问题展开相应关键问题研究,首先提出一种基于K均值聚类算法结合聚类有效性指标求解出最佳模态数方法,通过数值仿真和带钢热连轧生产过程数据进行验证;然后利用模糊C均值算法对训练数据进行模态划分,针对不同模态,利用主成分回归方法建立相应的监测模型,实现对故障的有效检测;最后将该故障检测方法应用到带钢热连轧生产过程.仿真结果表明,不仅实现合理模态划分和识别,而且取得良好的检测效果.     

基于GHSOM网络的故障识别

提出了一种基于生长型分级自组织映射(GHSOM)网络的故障识别方法,给出了方法的基本原理,并将该方法应用于汽轮机组与齿轮的故障数据分析.研究结果表明,GHSOM能根据数据特征无监督地对故障进行正确聚类和识别,并且具有动态增长及分层特性,能解析出数据内在的层次结构,实现由粗到精的聚类识别,该方法可以扩展应用于机械故障的诊断与识别.     

可拓理论与SOM网络相结合的多故障诊断方法

 针对采用SOM 网络进行多故障诊断时,要求多故障模式相似且不包含标准故障输出的限制,提出将SOM 网络与可拓理论相结合的多故障诊断方法.首先采用SOM 网络对训练样本进行聚类,得到故障模式及其聚类中心.然后针对每种故障模式的每个特征构造在聚类中心处取得最大值的关联函数,并以各特征的关联函数值为基础,设计多故障评价指标实现多故障诊断.最后采用汽轮发电机组振动信号的频谱数据对算法进行验证,结果表明该方法能够正确识别待诊断样本的单故障和多故障模式,具有可行性.     

基于模糊C均值聚类和减法聚类结合的图像分割

针对模糊C均值聚类算法(FCM)聚类过程中,初始聚类中心通过随机产生、类别数的确定通过预定义的方式实现的问题,利用减法聚类(SCM)以及聚类有效性函数,实现对FCM聚类过程的聚类中心和聚类类别数自动进行设定,实现了数据的自适应聚类,并将其应用到了CT图像的自动分割中.实验结果表明,该方法是有效的.     

面向高维特征故障数据的进化软子空间聚类算法

针对复杂机械设备故障诊断中特征量众多且对各种故障敏感程度不同的现象,提出了采用软子空间聚类算法来实现故障的识别方法。同时,针对传统软子空间聚类易陷入局部最优,目标函数设计受限制的缺点,又提出了采用进化计算实现聚类的方法。利用同类样本在相关特征维上方差小的假设,新的目标函数能更好地评价聚类结果的质量。在该算法中,通过设计类中心和权重值的混合编码以及聚类导向搜索算子,使算法更适于聚类问题的优化,而且设计的修复算子可有效地去除不合理的聚类结果。采用5组UCI数据集、2组轴承滚珠故障数据集和3组往复式压缩机气阀故障数据集对算法进行了测试,结果表明:该算法明显好于几种的软子空间聚类算法,在Rand指标上最多可高出0.226 6,并且对2组不同工况下一级缸气阀故障可实现100%的故障识别。     

多文档文摘提取方法的研究

在深入分析当前流行的自动文摘技术和方法的基础上,将语义方法融入统计算法,提出了一种基于统计的多文档文摘提取方法,描述了它的实现过程.该方法利用文档内和文档之间段落的语义相关性,实现了多文档文摘的自动生成.首先对文档进行分段实现信息分割,再利用聚类技术对文本段进行聚类实现信息合并,最后从类中抽取代表段产生摘要文本.实验结果表明,该方法是一个有效、实用的方法.     

基于小波包变换与粗糙集的船舶电机定子故障诊断方法

为在少量的传感器以及无先验故障知识的情况下,实现船舶电机定子故障状态的确定以及故障严重程度的划分,提出了对定子电流进行小波包变换提取故障特征,基于粗糙集理论建立可分辨矩阵,并从中提取故障诊断规则的方法.通过对电流特征信号进行小波包分解,使相应分解子频段能始终覆盖随电机转差率变化的故障特征频率;利用子频段重构系数的均方根值变化率作为特征指标,实现故障特征的提取.采用自组织特征映射网络对特征指标进行聚类,由相邻子频段的均方根值变化率组成一组学习样本的方法,减少了子频段之间混叠问题对于聚类结果的影响.实验室条件下进行了电机定子故障的实验,通过对故障数据的应用,验证了该方法的可行性.     

数据挖掘的灰色系统方法

灰色系统理论是研究贫信息系统分析、建模、预测、决策、控制的有效工具，在工程技术、社会、经济等领域中应用广泛，该文探讨了灰色系统理论在数据挖掘中的应用问题，提出了数据挖掘的灰色关联算法、灰色统计算法、灰色聚类算法、灰色统计聚类算法，并提出了灰色数据挖掘系统的体系结构。     

基于GFCM聚类算法的飞机故障诊断方法

为解决FCM算法对初始值敏感而易于陷入局部极小点的问题,针对FCM算法应用于系统原位测试时小数据量特点,提出了一种增量方式全局最优模糊c均值算法,进行了收敛速度优化并给出了算法步骤,机载武器系统信息通道原位故障诊断实验验证了此算法在小数据量情况下可以较好地解决FCM算法收敛局部最优的问题。     

基于改进灰色关联分析的BA-BP短期负荷预测

针对短期电力负荷随机性强、预测精度低等问题,提出了基于模糊灰色聚类与蝙蝠优化神经网络的短期负荷预测模型。采用模糊聚类方法选择相似日粗集,然后用改进的灰色关联分析法选取相似日;为了克服传统BP算法易陷入局部极值和收敛速度慢等问题,利用相似日集中的样本训练蝙蝠优化的BP神经网络预测模型。以某地区的历史数据为实际算例,将文中所提算法与普通的BP神经网络、传统灰色关联与蝙蝠优化的BP神经网络预测结果相比,结果表明所提方法有很高预测精度和稳定性,在实际中有一定应用价值。     

基于方差优化谱聚类的热点区域挖掘算法

为改善交通拥堵的情况,本文利用聚类分析方法对移动轨迹数据进行挖掘,识别居民出行的热点区域。传统的Ng-Jordan-Weiss （NJW）谱聚类算法常使用K-means聚类算法来实现最后的聚类操作,然而K-means聚类算法存在对初始值敏感、容易陷入局部最优的缺陷,影响对热点区域的挖掘结果。因此,本研究将方差优化初始中心的K-medoids聚类算法运用到谱聚类算法最后聚类阶段,提出基于方差优化谱聚类的热点区域挖掘算法（Hot Region Mining algorithm based on improved K-medoids Spectral Clustering,HRM-KSC）,然后在真实的轨迹数据集上进行试验。试验结果发现,HRM-KSC算法聚类结果的轮廓系数更高,表明HRM-KSC算法改善了NJW谱聚类算法,提高了聚类质量。     

液压胀形薄壁管材料流动应力方程的构建

提出了一种采用管材液压胀形（THB）来构建管材流动应力方程的方法．基于薄壁管材在液压胀形中的试验数据，用曲线拟合方法、塑性薄膜理论及静力平衡方程通过计算来确定管材流动应力方程，避免了变形管材轮廓子午向曲率半径、变形区应力与应变的直接测量．采用模具内部增压方式，开发了一套可在单动压力机上使用的自然胀形试验装置，并在此装置上对不锈钢1Cr18Ni9Ti管及碳素钢20钢管进行了管端自由的液压自然胀形试验，获得了2种管材的THB材料参数并构建了流动应力方程．研究结果表明：与单向拉伸试验相比可以得到更大应变范围内的流动应力；在等效应变较小时，所得到的流动应力曲线与单向拉伸试验得到的流动应力曲线基本接近，但随着应变的增大，两者差距增大；从液压胀形试验法中得到的管材硬化指数、强度系数及流动应力均比相应板材的单向拉伸试验数值要大得多。     

震区公路崩塌危险度评价模型研究

以＂5.12＂地震重灾县———青川县（青川生命线道路沿线）作为研究区域,选取产生崩塌及影响其稳定性的9个因素为评价因子,将崩塌危险度分为无危险、低度危险、中度危险和高度危险4个等级,建立了基于改进灰色聚类法的崩塌危险度评价模型。应用该模型对青川生命线道路沿线崩塌灾害点进行评价,将此评价结果与经典灰色聚类法所得的评价结果进行对比。研究结果表明,基于改进灰色聚类法的崩塌危险度评价模型所得的评价结果比经典灰色聚类法所得的评级结果更接近于现场专家勘查结果。由此可见,采用这种基于改进灰色聚类法的评价模型对崩塌危险度进行快速、科学、有效地评价是切实可行的。     

贯流式水轮机尾水管设计与试验研究

从工程实际需要出发，研究了贯流式水轮机水平扩散型尾水管的水力性能，提出了这种尾水管的设计方法，从理论上分析了其水力损失。然后对这种管和常用的圆方型尾水管进行了模型水力性能对比试验，用五孔测流探针测量了模型尾水管的流速分布。对试验结果进行了分析和探讨，论证了水平扩散型尾水管用于实际工程的可能性。     

锥纹管换热器流体流动与传热性能实验研究

波纹换热管是一种具有特殊形状的双面强化传热管,传热效率高,轴向变形补偿能力强,被广泛应用于工程实际中。锥纹管是在传统波纹管的基础上进行改进得到的新管型,具有优越的强化传热特性。针对锥纹管弓形折流板换热器的流动与传热特性进行实验研究,并将其与传统光滑管弓形折流板换热器进行对比,实验结果表明：在所测试流量范围内,当管程介质为水,壳程介质分别为水和32#液压油时,与光滑管换热器相比,锥纹管换热器的总传热系数分别提高了5%~40%和5%~20%,管程压力降升高了20%~70%,壳程压力降降低了10%。同时进行了相关数值模拟计算,并基于实验和模拟结果,对以水为介质的锥纹管换热器的管壳程传热准则关联式进行了拟合,数值验算结果表明,关联式可以满足工程设计的精度要求。