基于KPCA-LSSVM的发动机PT燃油系统故障诊断

为有效解决PT燃油系统进油油路堵塞、滤清器泄漏、喷油器油路堵塞等多种典型故障诊断问题,提出了基于核主元分析(KPCA)和最小二乘支持向量机(LSSVM)的故障识别方法。首先计算油压信号的时域特征集,然后采用KPCA对原始多维初始特征向量进行特征提取,最后将经过KPCA提取的主特征向量输入经多种群遗传算法(MPGA)优化的LSSVM中实现故障类型的识别。实验结果表明,KPCA提取的主特征向量有效表达了原始故障的特征信息,相比于传统的BP神经网络和未经参数优选的LSSVM等分类模型,基于KPCA-LSSVM的故障识别方法速度更快、分类准确率更高。     

基于多种群遗传算法的水下吸声覆盖层结构参数优化设计

采用传递函数法导出含有渐变空腔的吸声覆盖层的声压插入损失,利用吸声覆盖层结构的声学特性,对吸声覆盖层的吸声系数进行计算。分析计算结果,探讨吸声覆盖层的不同结构参数对吸声系数的影响。以吸声覆盖层的反射系数为优化目标,对空腔的几何尺寸和吸声覆盖层的厚度参数设计提出优化方法。基于吸声覆盖层结构的数学模型,同时利用多种群遗传算法对消声层结构进行多参数优化设计研究。结果表明,在同等设计条件下,优化后吸声覆盖层的吸声系数得到了明显提高。该方法对水下吸声覆盖层的吸声效果的提高具有一定的理论与现实意义。