基于加权关联增量更新模型的设备故障诊断研究

利用数据挖掘技术对设备监测数据进行分析,可以建立较准确的故障诊断及预警模型,但随着故障数据库的扩大,如何利用新增数据进行快速诊断成为急需解决的问题。针对上述问题,提出了加权关联规则增量更新模型,该模型直接对新增数据进行频繁项集挖掘,在一定程度上缩减了矩阵规模。通过算例证明了其挖掘结果的准确率明显优于经典的增量模型-FUP。     

定期订货策略下企业集团集中采购的最优订货模型

针对企业集团集中采购中的订货量问题,考虑一个供应商与一个企业集团(包括集团公司及若干成员企业)所组成的系统,假设集团下属各成员企业的需求为相互独立的独立增量过程,从最小化集团预期库存成本的角度出发,求解集团公司在定期订货策略下集中采购的最优订货量。     

基于目标优先级加权的一种传感器管理算法

基于目标的运动优先级，提出了一种利用加权值对目环进行检测与跟踪的传感器管理算法，当信息增量的大小不足以检测跟踪到目标时，可以利用目标在某时刻的速度大小去定向地检测与跟踪优先级高的某个目标。该算法在检测与跟踪目标时，不仅考虑到目标的信息增量，还考虑到目标任务的优先级，仿真结果表明：与仅利用信息增量的方法相比，该算法能更好地检测和跟踪目标。     

钢筋混凝土板三维非线性有限元分析

在非线性有限元分析理论基础上,编写了钢筋混凝土双向板非线性分析的程序。程序中采用带钢筋膜的八结点六面体单元,应用初应力法避免非线性分析中每次组装和分解总刚,使计算较快收敛,计算结果能全过程分析钢筋混凝土双向板的受力至破坏过程。与实验结果吻合较好。     

应用载荷增量—最小二乘配点法的圆柱形壳体几何非线性分析

本文采用载荷增量－最小二乘配点分析圆柱壳体和纵、横向加筋圆柱壳体和纵、横向加筋圆柱壳的几何非线性问题。首先使用载荷增量法将两种圆柱形壳体的非线性微分方程线性化。然后使用最小二乘配点法求解这些离散后的线性微分方程。本文对几种典型的边界条件和载荷状况下的壳体编制了通用程度进行计算。结果表明本方法是有效和可靠的。     

基于增量动力分析的钢框架-混凝土剪力墙结构地震易损性

易损性是结构本身的一个特性,是结构在不同地震强度指标作用下,达到特定失效状态或性能水平的可能性。建立钢框架-混凝土剪力墙结构的非线性分析模型,采用增量动力分析方法对结构进行地震易损性研究,提出地震需求参数与地震动强度指标之间的关系,绘制易损性曲线;并结合地震倒塌储备系数对结构的抗震能力进行定量分析。结果表明:结构在立即使用状态时,易损性曲线斜率较大,曲线较陡,说明结构在震后不需经过修理仍可使用,随着谱加速度的增大,结构的超越概率急剧上升。结构在防止倒塌和整体失稳状态时,曲线走势趋于平缓,说明结构进入弹塑性状态后,耗能能力显著增强,结构的抗震倒塌能力可以满足规范要求。倒塌储备系数与结构的倒塌能力呈正相关变化趋势。研究结果为结构的抗震及倒塌能力评估提供参考。     

多元广义岭估计确定偏参数的两种准则

本文给出广义岭估计β（Ｋ）的偏参数Ｋ选择的Ｄ（Ｑ）准则和均方误差无偏估计的极小化准则,以及偏参数Ｋ的最优解公式．它使广义岭估计β（Ｋ）的均方误差（ＭＳＥ）明显小于 ＬＳ估计β的 ＭＳＥ．从而提高了广义岭估计的拟合精确度．最后给出一实例．     

基于案例推理的电弧炉终点预报

在电弧炉(EAF)冶炼生产过程中,出钢温度、碳含量和磷含量等终点参数直接关系到后续生产工艺,甚至影响产品质量.基于增量预报模型的思想,提出采用案例推理方法进行电弧炉炼钢的终点预报,该方法由于建立在已有的炼钢案例基础上,具有方法简单、不需要复杂数学推理的优点,并具有较强的鲁棒性.考虑到电弧炉炼钢影响因素较多、具有较强的非线性,采用支持向量机对案例推理的结果进行增量补偿修整.实践证明,经补偿后的案例推理方法预报精度较高,预报结果接近实际值,该方法是切实可行并有效的,可以用于电弧炉炼钢终点钢水温度、碳含量和磷含量的预报.     

一种决策树增量学习算法在故障诊断中的应用

在决策树增量学习算法ID5R上,结合粗糙集理论较强的简化知识、缩小知识库空间的能力,提出了一种增量学习方法,该算法在面对新事例时,能够先对新知识与知识库内容进行比较,将其中已为知识库所有的知识进行压缩,仅对其余部分学习,该过程能够有效减少新示例学习过程的消耗.同时针对知识获取的瓶颈问题,将其应用于故障诊断的知识积累过程中,并通过一个柴油机油样光谱分析故障诊断的算例,验证该算法的有效性.     

基于矩阵的关联规则增量式更新算法

关联规则的挖掘是数据挖掘中的一个重要课题.实际应用中事务数据库不断更新,而发现频繁项集代价较高,因此需要提出用于数据库中关联规则的维护算法.本文提出了基于矩阵的MFUP(matrix fast updata)算法,该算法充分利用原有挖掘结果中候选频繁项集的支持数,能有效减少对数据库的重复扫描次数.实验表明,MFUP算法是高效的.