基于人工免疫的故障诊断模型及其应用

提出了一种基于免疫原理的故障检测及诊断系统模型. 通过对检测对象正常工作状态下获得的自己模式串的阴性选择,随机产生初始检测器;利用基于人工免疫的进化学习机制,实现对检测对象异常工作状态下获得的非己模式串进行学习和记忆;利用进化学习结果和系统故障信息库知识,区分和标记不同故障在状态空间上对应的区域. 将抗原学习过程中抗体集合变异所产生的各代抗体集合看作随机序列,给出了序列的收敛条件及证明,证明了所提出的动态免疫进化学习算法是概率弱收敛. 应用于机床齿轮箱故障检测和诊断问题的实验结果表明了所提出方法的有效性.     

基于规则提升的 Agent 系统异常处理方法

基于进化计算理论中的重组思想, 提出一种基于规则提升的Agent系统异常处理方法, 处理Agent系统中违背执行规则的异常. 该方法根据规则间的相互触发和执行情况分析得到规则处于异常状态的原因, 重组处于异常状态的规则, 提升规则向适应环境的方向进化. 实验结果表明, 该方法能处理规则的异常状态, 增强了规则的触发条件, 保证了规则达到预期的后置条件, 提高了Agent系统在开放环境下的异常处理能力.     

基于规则提升的Agent系统异常处理方法

基于进化计算理论中的重组思想, 提出一种基于规则提升的Agent系统异常处理方法, 处理Agent系统中违背执行规则的异常. 该方法根据规则间的相互触发和执行情况分析得到规则处于异常状态的原因, 重组处于异常状态的规则, 提升规则向适应环境的方向进化. 实验结果表明, 该方法能处理规则的异常状态, 增强了规则的触发条件, 保证了规则达到预期的后置条件, 提高了Agent系统在开放环境下的异常处理能力.     

稳定土拌和机转子轴动态扭矩的分析与测定

应用理论分析和实验研究方法,对稳定土拌和机转子液压驱动系统及其动态扭矩进行了研究通过在实测的多种工况下,对液压马达进口压力的频谱进行分析和比较识别,确认了由马达至转子的轴上动态扭矩的构成,从而为制定载荷谱奠定基础     

结合扰动集成RBF的故障识别方法

为提高旋转机械故障识别精度,将神经网络与集成学习方法进行结合,提出结合扰动方式的集成RBF故障模式识别方法.首先,通过ReliefF算法计算所提取出的转子故障特征数据集各个特征的权重,并且将权重值进行降序排列,从而筛选出权重趋大的系列特征构成低维特征数据集;其次,将较大权重作为无放回轮盘赌法的输入,对权重所对应的低维特征数据集进行特征扰动,产生系列化低维数据子集并将其划分为训练集和测试集;然后,采用Bagging算法中的自助采样法对训练集进行样本扰动,以此形成新的训练集并用于训练对应个数的RBF神经网络,完成差异性子分类器的构建;最终,对各个神经网络的测试数据辨识结果通过相对多数投票法进行结合,得到故障识别结果.实验结果表明,对于转子系统的故障识别,该方法相较于未集成RBF神经网络、集成BP神经网络具有较高的识别精度,并且拥有较好的泛化性能.     

质量控制图中趋势模式的综合识别方法

提出了一种综合模糊技术与神经网络技术对基于控制图的趋势模式进行自动分类识别的智能方法 .将控制图作为信息图用于趋势模式的提取 ,用模糊化的控制图模式数据构造训练集 ,将训练后的BP神经网络用来对趋势模式进行自动分类识别 .该方法为工序状态异常模式识别提供了一种新的方法 ,提高了工序异常状态分类识别的效率和可靠性 .最后用实例进行了仿真实验     

基于LMD和AR模型的转子系统故障诊断方法

提出了基于局部均值分解(Local mean decomposition,简称LMD)和AR模型相结合的转子系统故障诊断方法.该方法先用LMD方法将转子振动信号分解成若干个瞬时频率具有物理意义的PF(Product function,简称PF)分量之和,然后对每一个PF分量建立AR模型,提取模型参数和残差方差作为故障特征向量,并以此作为神经网络分类器的输入来识别转子的工作状态和故障类型.与EMD方法的对比研究表明,这两种方法均能有效地应用于转子系统的故障诊断.但LMD方法信号分解后数据残差比EMD方法的小.     

基于扰动后暂态量的戴维南等值参数辨识方法

针对现有戴维南等值参数辨识算法对等值系统发生扰动时适应能力不强的情况,提出了基于系统扰动后暂态量的戴维南等值参数辨识方法.首先对等值系统扰动下传统等值方法无法辨识戴维南等值参数进行了分析,然后阐明了基于扰动后暂态电压电流信号辨识等值参数的实现原理,利用最小二乘法求出端口电流电压约束关系下微分方程的系数,对比等值网络稳态时的等值参数,从而获得该等值网络暂态状态的戴维南等值参数.通过对简单电路网络和IEEE9节点系统进行仿真分析,结果验证了此方法在等值系统扰动后对戴维南等值参数进行跟踪辨识的可行性和有效性.     

稳定土拌和机转子轴动态扭矩的分析与测定

应用理论分析和实验研究方法，对稳定土伴和机转子液压驱动系统及其动态扭矩进行了研究，通过在实测的多种工况下，对液压马达进口压力的频谱进行分析和比较识别，确认了由马达至转子的轴上动态扭矩的构成，从而为制定载荷谱奠定基础。     

复杂地形上的低层风场特征

为了获得复杂地形上的城市地区低层风场特征,结合各个分散站点的实测风场资料,利用质量守恒风场调整模式M CF进行了三维风场模拟分析。以北京为例,对该地区低层大气的平均流动状况和局地扰动状况进行了模拟,获得了该地区流场总体平均状态和局地扰动状态的时空变化。结果表明:该地区风场季节变化主要受大尺度背景风场决定;流场的垂直分布主要由地形和背景风场共同决定。冬季流场主要受地形动力作用,而夏季则受热力作用,具有很强的局地环流;晴稳天气条件下,低层流场受地形扰动影响较强,其影响表现为水平涡旋形态,城市对涡旋产生也具有显著的影响。     

基于人工免疫系统的检测器生成算法改进

研究了免疫检测器的生成机制,通过采用k平均聚类算法提取到的规则生成未成熟检测器,提出了将模糊逻辑理论运用到成熟检测器激活及记忆检测器生成的进化方法,改进了传统的以人工免疫为基础的入侵检测系统中随机生成未成熟检测器的算法.实验表明该方法能够提高检测器的检测性能,证实了该算法的有效性.     

基于广义预测控制的泵控马达调速系统的研究

为减小泵控马达系统中参数时变、外界扰动等不确定因素对调速性能的影响,提出了基于广义预测控制的控制方案,并设计了泵控马达系统调速性能测试试验台.给出了泵控马达调速系统的整体数学模型并得到其单输入单输出的传递函数.建立了泵控马达系统的受控自回归积分滑动平均模型,对广义预测算法进行推导.在液压马达转速受负载扰动、转动惯量变化两种情况下进行了仿真分析,通过仿真结果可以看出,采用该方案以后泵控马达系统的调速性能具有良好的跟踪性能和鲁棒性.图4,参10.     

用于异常检测的单级免疫学习算法

基于对多级免疫学习算法(M ILA)的批评性研究,提出了单级免疫学习算法(SILA)。该算法适用于低维度特征量的异常检测,提高了探测器训练的效率和效益,而且对M ackey-G lass时间序列数据的检测取得了很好的实验结果。     

基于TLR异常检测系统的DC算法研究

在数据异常检测实验中,针对传统DC(Dendritic Cell)算法的检测不够精确的问题,结合生物免疫体系中天然免疫的TLR(Toll-Like Receptor)的工作机制,提出一种基于TLR异常检测系统的DC算法。该算法首先利用DC算法得到成熟与半成熟的DC,再将这两类DC作为输入提供给TLR进行处理,最后通过对激活TC的刺激水平来判断是否异常。     

水压人工肌肉三自由度关节试验系统设计

根据人体肩关节的运动机理,设计了串并联混合式三自由度水压人工肌肉机械关节.参照人体肩关节输出力矩范围,设计了机械关节输出转矩,计算确定与机械关节相匹配的水压人工肌肉参数.根据水压人工肌肉在不同工作压力下的力位移特性,分析关节的转角转矩关系.设计并搭建了三自由度关节试验系统,该系统在承受一定力矩的情况下可实现三自由度回转运动,为深入研究水下作业机械手的运动控制、操纵性能提供了条件.      

基于参数辨识的磁场定向感应电机自适应控制

在矢量控制感应电机的数学模型的基础上 ,通过理论推导和分析 ,建立了恒磁链矢量控制感应电机转矩扰动和转子电阻辨识模型及在线辨识的方法和方案 ,提出了矢量控制感应电机的自适应控制方案 ,理论推导分析和仿真结果表明该方法正确可行且具有快速简单等优点。     

异常检测中单类分类算法和免疫框架设计

基于主机系统执行迹的异常检测系统可以检测类似U2R和R2L这两类攻击。由于攻击数据难以获取,往往只能得到正常的系统调用执行迹数据。该文设计了基于自组织特征映射的单类分类器的异常检测模型,只利用正常数据建立分类器,所有偏离正常模式的活动都被认为是入侵。通过对主机系统执行迹数据集的测试,试验获得了对异常样本接近100％的检测率,而误报警率为4．9％。该文将单类分类器作为抗体检测器,运用人工免疫学原理建立了分布式的异常检测框架,使入侵检测系统具有分布式、自组织和高效的特性,为建立分布式的入侵检测提出一种新的思路。     

无磁仿真转台用凸轮转子马达叶片干扰力矩

介绍了一种新型的无磁仿真转台用凸轮转子连续回转电液伺服马达的工作原理及特点.通过对其叶片的系统受力分析,得出马达波动力矩产生的机理.利用Matlab软件对马达低速运行时,叶片产生的干扰力矩进行了仿真,并对不同减压阀出口油压及不同叶片厚度下的干扰力矩进行对比,得出相关参数对该类型马达力矩波动产生的影响.为解决该类液压马达存在的低速速率波动现象提供了一定的理论依据.     

Immune Based Intrusion Detector Generating Algorithm

Immune-based intrusion detection approaches are studied. The methods of constructing self set and generating mature detectors are researched and improved. A binary encoding based self set construction method is applied. First, the traditional mature detector generating algorithm is improved to generate mature detectors and detect intrusions faster. Then, a novel mature detector generating algorithm is proposed based on the negative selection mechanism. According to the algorithm, less mature detectors are needed to detect the abnormal activities in the network. Therefore, the speed of generating mature detectors and intrusion detection is improved. By comparing with those based on existing algorithms, the intrusion detection system based on the algorithm has higher speed and accuracy.