基于蚁群SVDD和聚类方法的旋转机械故障诊断

摘要：
针对典型故障样本缺乏而使常规机器学习方法无法直接应用的难题,提出了一个基于支持向量数据描述（SVDD）新异类检测与基于Davies Bouldin指数（DBI）的K均值聚类方法相结合的旋转机械故障诊断框架.首先,针对正常状态样本建立SVDD模型,并利用蚁群算法对SVDD模型参数进行优化;然后,当拒绝样本数目累积到设定的阈值时,利用K均值聚类方法对其进行处理而获得能够进行标记的类别,其中,K均值聚类的类型数目由DBI辅助确定;最后,针对所标记的各类样本,分别建立SVDD模型并进行训练,将SVDD分类器按照二叉树形式构建系统状态的完整诊断模型.同时,利用滚动轴承多故障模式样本进行训练测试,以验证所提出算法的有效性.结果表明,所提出算法的训练速度为常规网格搜索算法的近10倍,DBI能够有效确定聚类的数目,对样本状态的识别率达到100%. 关键词：
蚁群支持向量数据描述; K均值聚类; Davies Bouldin指数; 旋转机械; 故障诊断 中图分类号： TP 183
文献标志码： A     

关于太原市中小企业集群发展的若干思考

当前,产业集群已成为促进中小企业发展的一个重点。结合太原实际,阐述太原市中小企业集群发展的必要性,在分析总结国内外相关经验的基础上,从依托太原市园区建设、培育龙头企业、建立与完善中小企业服务体系等方面提出促进太原市中小企业集群发展的若干建议。     

自适应滤波器在提高持续正弦信号采样精度中的应用

针对如何提高ADC转换精度问题,提出自适应正弦滤波方法。对于已知频率信息的信号的测量,按照最小均方误差准则自动调节自适应正弦滤波器的系数,以使滤波器的输出信号与所需测量的信号达到最佳逼近,根据自适应算法收敛结果即可精确得到所测信号幅值和相位。并用MATLAB验证了该方法的有效性,结果证明自适应滤波方法改善了ADC精度和信噪比,相当于提高了ADC的转换位数。     

基于减法聚类的带钢厚度数据驱动建模

针对轧钢生产中大批过程数据没有被用于提高厚度质量的现象,提出了一种基于减法聚类的带钢厚度数据驱动在线建模方法.首先通过减法聚类将输入空间划分为一些小的局部空间,在每个局部空间中用最小二乘支持向量机建立子模型,子模型加权输出作为带钢厚度的离线模型;然后当在线数据不断增加时,通过在线减法聚类算法实时调整局部空间,子模型的参数采用最小二乘支持向量机的递推算法进行相应的在线辨识,子模型的预测输出作为模型的最后输出.实验结果表明,该方法具有良好的预测精度和较强的在线学习能力.     

一种实时有效的蜂群模式挖掘算法

针对实时相关运动模式挖掘应用的需求,提出了一种实时地发现关闭蜂群模式的簇重组算法(CLUR).该算法维护一个候选蜂群模式列表,在每个时间戳采用基于密度的聚类算法对移动目标进行聚类,根据聚类结果组合所有的最大移动目标集,记录相应的时间集,然后构建候选蜂群模式,并更新到候选列表.算法给出了三种更新规则和一种插入规则,用于实现候选蜂群模式列表的更新,同时降低了候选列表的冗余度,提高了算法的效率.在每个时间戳结束时可通过关闭检测规则实时地发现当前时刻的关闭蜂群模式.在合成数据上的综合实验验证了CLUR算法的正确性、实时性和高效性,CLUR算法适用于实时相关运动模式挖掘系统.     

一种模糊认知图分类器构造方法

提出了一种新的模糊认知图分类器模型构造方法,它包括构建流程、激活函数、推理规则和学习方法等核心构件.模型利用提出的动态交叉变异算子自适应遗传进化过程,实现种群间自动调节和自动适应.仿真实验表明：本文提出的模型增强了局部随机搜索能力,加强了算法的全局收敛能力,与其他经典分类方法相比,不但性能较好,而且具有较强的抗噪能力,从而具有更强的鲁棒性.     

板坯热轧批量计划数学模型及求解算法

根据热轧工艺特点将板坯热轧批量计划编制问题归结为不确定旅行商数的多旅行商问题,建立了以生产成本最小化和产品质量最优化为主次目标且考虑加热区段能耗的生产调度数学模型,并采用遗传算法和禁忌搜索相结合的混合算法进行求解.基于实际生产数据的计算结果表明:该模型充分满足了现场热轧批量计划编制的需求,在轧制单元数最优的基础上,缩短了传搁时间,提高了热送热装率,优化了产品质量.与人机结合方式相比,本文模型的计算结果体现了更好的高产和节能效果.     

模糊C均值聚类算法在高炉料面分类中的应用

通过对多雷达扫描得到的高炉料面进行数据处理,根据数据的特征,分别采用模糊C均值聚类和特征加权模糊C均值聚类算法对料面数据进行分类,建立标准料面模型库.再通过模糊模式识别中贴近度的方法把待分类的目标料面与模型库相匹配,为后续的布料控制提供依据.该算法在某2500 m3高炉上进行了实验,取得良好的效果.仿真结果表明了其有效性.     

一种移动机器人动态环境下的路径规划

一种动态环境下自主机器人路径规划的方法由趋于目标的全局运动规划和躲避障碍物的局部运动规划两部分组成.首先通过栅格法建立机器人的工作环境,利用蚁群算法初步规划出机器人的全局优化路径;在此基础上,采用滚动窗口的方法进行局部环境探测和碰撞预测,对动态障碍物实行局部避碰,使机器人安全顺利地到达目的地.该方法适用于环境中同时存在静止和动态障碍物的情况.仿真结果证明该方法有效.     

基于混沌蚁群算法的无衍射激光图像定中方法

针对无衍射激光图像特点,提出了一种基于混沌蚁群算法确定图像中心的方法。在图像处理时先找出图像中的有用区域,基于该区域估算图像的最大亮度,然后将其与图像像素点亮度的差值作为优化的目标函数,利用混沌蚁群算法对图像中心点进行全局的优化搜索。用 像素摄像机在 拍摄的图像进行处理,实验结果表明了该方法的有效性。