优化群分解在磁瓦内部缺陷声振检测中的应用

针对磁瓦内部缺陷声振检测中的信号处理问题,提出一种结合群分解(swarm decomposition,SWD)、鲸鱼优化算法(whale optimization algorithm,WOA)和随机森林(random forests,RF)的信号分析方法。首先,根据磁瓦声振信号特点,构造反映SWD分解性能的适应度函数,再通过WOA配合该函数对SWD分解参数进行优化,以此获得最佳的SWD分解参数。其次,SWD利用该最优分解参数将磁瓦声振信号分解为若干振荡分量,并由能量最大值对振荡分量进行筛选,进而提取出反映磁瓦内部缺陷的特征信息。最后,经RF分类器对提取的特征进行识别,以决策磁瓦是否存在内部缺陷。实验结果表明,所提出的方法能准确地实现多种类型磁瓦的内部缺陷检测。     

IWOA和BP神经网络的压缩机故障检测算法

针对压缩机故障难以检测与分类的问题,传统的方法是采用BP神经网络的检测方法,利用从压缩机语音信号中提取的识别特征来预测压缩机故障类型,该方法具有良好的可行性,但是BP神经网络容易陷入局部最优值的情况,从而导致了预测精度较低和稳定性较差的问题。因此,本文提出了改进的鲸鱼优化算法(IWOA)和BP神经网络的模型,首先通过优化WOA中的搜索猎物被执行的概率和包围猎物向最优个体聚集的过程,从而提高了IWOA的全局搜索能力和收敛速度,其次将IWOA对BP神经网络的权值和阀值进行深度寻优,从而提高了BP神经网络的预测精度和稳定性,最后将该模型运用到压缩机故障检测实验中。实验结果表明,与其他模型相比,证明了IWOA和BP神经网络提高了预测精度,且具有良好的稳定性。     

基于PCA-VNWOA-LSSVM的感应电机轴承故障诊断

轴承作为感应电机的关键部件，其运行状态直接影响船舶电力拖动系统安全。为解决船舶感应电机轴承故障诊断难题，本文提出一种基于PCA-VNWOA-LSSVM的故障诊断模型。选用美国凯斯西储大学轴承振动数据，利用离散小波分解(discrete wavelet transformation, DWT)从振动信号中提取内圈、外圈和滚动体故障特征，按不同故障类型和直径进行分组、主成分分析(principal component analysis,PCA)降维，结合改进的鲸鱼优化算法(von neumann whale optimization algorithm, VNWOA)对最小二乘支持向量机(least squares support vector machine, LSSVM)初始参数δ 2和γ寻优，搭建其故障识别模型，最后将遗传算法(genetic algorithm, GA)和粒子群算法(particle swarm optimization, PSO)的寻优诊断结果与之对比。结果表明：基于PCA-VNWOA-LSSVM的模型故障诊断精度高，且具有良好的稳定性及诊断速度。     

猎杀独角鲸

在加拿大北极地区,独角鲸的归来是一件令人们期待已久的大事件。在接连数月的黑暗和低至零下40摄氏度的严寒过后,冬去春来,覆盖在兰开斯特海峡的海冰开始消融,逐渐分崩离析。大块浮冰间的开阔水域成了小鲸鱼们的长途旅行之路,它们随着消退的海冰向着巴芬岛附近进发,那里是它们祖祖辈辈世代相传的消暑胜地。在那些地处偏远的因纽特人聚落,独角鲸到来的消息让猎人们群情振奋,他们抄起来复枪向着冰缘地带进发。因纽特人     

大嘴鲸鱼吃天下

一年一度的“海洋大胃王争霸赛”又开幕啦!经过一天的比拼，鲸类轻轻松松就拿下了冠军。瞧，排行第一的蓝鲸一天之内竟然吃掉T3600千克的食物，足足相当于一个成年人10年的饭量。就连个头不太大的海豚，一天也能吃好几十千克的鱼儿。乖乖，如果你也是枚不折不扣的“吃货”。那你肯定很好奇，这些鲸类到底有什么秘密武器。可以吃追海洋无敌手呢？     

听，鲸鱼在哭泣！

海里传来阵阵嚎啕大哭声，除了鲸鱼，还有谁能哭出这么大动静？那是一只小抹香鲸，     

鲸鱼为什么不是鱼

老师说鲸鱼不是鱼，可是它和鱼一样生活在水里，有尾巴、有鳍，那么它为什么不是鱼呢？     

早期鲸鱼在陆地分娩

据物理学家组织道，两个距今4750万年前的鲸鱼化石揭示了早期的鲸如何分娩，同时为了解鲸鱼栖息地如何从陆地过渡到海洋提供了新线索。     

鲸鱼也患潜水病

抹香鲸习惯于潜入深海,但是看来它们一直在为此付出沉重的代价。最新研究发现,这种鲸鱼一生中都在潜入水面下3200千米或者更深的海底去捕食巨型鱿鱼,然后游到水面呼吸,这样就患上了减压病。这一新发现推翻了有关抹香鲸不会患减压病的旧理论。科学家是在抹香鲸的骨骼内部发现减压病症状的,因为鲸骨内部的小坑隙与在潜水员骨骼中发现的小坑隙很相似。科学家还发现,抹香鲸     

基于Iterative映射和非线性拟合的鲸鱼优化算法

为解决鲸鱼优化算法中收敛速度慢和寻优精度低等问题,提出一种基于Iterative映射和非线性拟合的鲸鱼优化算法（NWOA）。首先,该算法利用了Iterative映射对鲸鱼种群初始化,保证初始种群的多样性;其次,采用非线性拟合的策略对收敛因子和惯性权重进行改进,以平衡算法的全局勘测能力和局部开发能力。通过对13种函数进行仿真实验,从均方差和平均值的角度分析,改进后算法寻优精度显著提高,且稳定性较强。实验结果表明NWOA与传统的鲸鱼优化算法相比,收敛速度明显加快。