基于遗传算法的改进径向基支持向量机及其应用

通过对径向基核函数进行分析后发现:根据样本各个特征的识别能力赋予其不同大小的核参数,可以提高支持向量机的推广能力。此结论基础上,提出了一种基于遗传算法的多核参数径向基支持向量机算法,通过遗传算法最小化验证误差,实现了根据各个特征的识别能力赋予其不同大小的核参数。将该算法用于轴承故障诊断,实验结果表明,与传统支持向量机相比,多核参数径向基支持向量机具有更好的推广能力,同时,核参数的大小反映了对应特征识别能力的大小。     

基于二进制编码的改进杂交策略

通过分析发现,遗传算法二进制编码串中不同基因位的改变对个体的影响程度大小不等.提出一种改进的杂交算子,对编码串中各个基因位赋予不同的杂交点选择概率,使得群体在进化初期可以搜索到更大的解空间,提高算法的全局搜索能力;在进化后期适当降低高位基因的杂交点选择概率,使得搜索不致偏离最优解,同时提高低位基因的杂交点选择概率,增强算法在局部范围的搜索能力.仿真结果表明,同标准遗传算法相比,改进算法具有寻优精度高、稳定性好、收敛性强等优点.     

一种提高诊断信息质量的方法

针对工程实际中噪声干扰、不同源信号之间的混叠及信号的信噪比低，造成信号分析和特征提取难的问题，研究了采用连续小波变换（CWT）和独立分量分析（ICA）的方法对滚动轴承的声音信号进行了消噪和分离，从而提高了诊断信号的信噪比，保证了故障的确诊。通过仿真实验和实例分析，验证了该方法的有效性。     

柔性弯曲转子的特征识别与诊断

依据转子动力学理论分析子柔性转子弯曲响应的特征,在此基础上讨论了它与不平衡响应及机械与电气跳动量之间的关系,并利用转子在不同起车情况下的振动信息,有效地分离了弯曲响应和不平衡响应,求解出弯曲量与不平衡量的比值,提出了转子在恒定转速下,基于二维全息谱技术的的热弯曲故障识别方法,研究结果表明,当弯曲量相位稳定而其幅值变化时,转子响应的二维全息谱初相点的切线是相互平行的,由此可以有效地实现转子热弯曲故障的识别与诊断。     

转子测量面形状误差对振动测量的影响

为了有效地识别振动信号中存在的虚假信号,采用全息谱方法对具有时间延迟和相位延迟的理想测量面和典型测量面形状误差转子的振动信号进行了理论分析和试验研究.同时,分析并讨论了两种情况下测量面形状误差引起的虚假振动信号对实际振动信号的影响,总结了两种情形下的振动和全息谱特征,得到了具有测量面形状误差的转子振动信号特征.通过试验和现场数据验证结果,与理论分析结果一致,从而为现场转子测量面形状误差的诊断提供了新的识别理论和方法.     

基于冗余信息量的设备行为可预测性的研究

为了定量评估机械信号的可预测性，从而正确预测机械运行状态，文中提出了一种应用Bootstrap技术和冗余信息量相结合来评估各种类型机械信号的新方法．根据对周期信号、准周期信号、混沌信号、随机白噪声信号以及一组实际振动数据的冗余信息量的估算结果，得出信号的最大可预测极限，从而在很大程度上为提高机械设备长周期运行提供了依据．研究结果表明，该方法能定量地表示机械信号间的相互依赖关系，为准确预测机械运行状态提供了充分的依据．     

递归神经网络预测在库存管理决策中的应用

为解决供应链中库存管理的不确定性问题，建立了基于递归神经网络技术的需求预测模型，并在此基础上提出了该模型的学习算法．通过实验仿真将该模型同经典多层前馈神经网络模型的预测效果相比较，得出了该模型在多步预测方面比较优越的结论．利用某企业的销量预测进行了实例验证，效果良好．     

一种虚拟仪器软件的加密方法

为了保护虚拟仪器的软件不被侵权，针对基于便携式PC(Personal Computer)的虚拟仪器软件易于被复制的问题，分析了几种硬件加密方法的特点和效果，提出了采用以复杂可编程逻辑器件芯片为核心来设计加密卡，把硬件和软件结合起来进行加密的方法，并付诸实施。因此，减少了硬件故障率，节省了印制电路板的面积，降低了加密成本，通过灵活选择加密算法，并配置到加密卡芯片的办法，造成各加密卡在内部算法上不完全相同，因此增加了破解的难度，提高了对虚拟仪器软件的保护性。     

基于递归神经网络的多步预报方法

为了解决由多层前馈神经网络递推运算获得的多步预报存在的预报误差迭代累积问题 ,提出了基于局部递归神经网络的多步递归神经网络 (MSRN)模型 ,对时间序列进行了多步预报 .用模拟振动数据把MSRN模型用作单步和多步的预报能力 ,同经典的多层前馈神经网络进行了比较 ,并预报了天津石化总公司炼油厂大机组某测点振动的变化趋势 实践表明 ,用该方法进行多步预报误差小 ,并具有良好的预报能力 .     

奇异值分解技术在声音信息分离中的应用

针对工程实际中循环非稳信号信噪比低，因此造成分析和特征提取难的问题，采用奇异值分解技术，对用声传感器采集的声音信号进行分解和重构，提取有用信息，消除噪声，从而提高了声音信号的信噪比，保证了故障的确诊，利用短时傅里叶变换，从时频域提取特征，进一步说明了该方法的有效性。