基于粗糙遗传算法在打捆机齿轮箱故障诊断中的应用*

自走式连续作业打捆机是一款实现不停机连续打捆作业的新型秸秆收集装备,其关键功能部件齿轮箱发生故障会严重影响正常打捆工作。针对齿轮箱故障的防控和监测,提出一种结合粗糙集和遗传算法的故障诊断方法。该方法使用时域频域分析得到的多项故障特征参数作为条件属性,故障类型作为决策属性,并利用自适应遗传算法得到决策规则表,实现无需先验信息的属性约简和故障诊断。在齿轮箱故障诊断试验中,分别对不同故障类型进行信号采集和诊断分析,结果显示:该方法在无先验信息的条件下将12项故障特征参量约简为3项,根据决策规则表进行故障诊断的准确率为100%,结果表明该方法能准确判断故障的发生和故障类型,对实现故障监测和防控具有重要意义。     

考虑水头损失的管道灌溉分水口轮灌分组优化模型

【目的】优化灌溉系统中分水口轮灌分组的灌溉制度,在满足流量要求的条件下节约电能。【方法】提出了在考虑水头损失时不同分水口状态与管道进口压力的关系模型,该模型利用分水口开关0,1状态作为自变量,从管道末端起利用推导的递推公式求出管道进水口的等效水头损失系数。依据该模型,在定流量分组轮灌优化中得到为使分组轮灌功率最小的目标函数。利用遗传算法对上述问题进行了优化求解,并给出了编码方案。【结果】在分水口等间隔布置时,轮灌分组按轮灌分组数等间隔安排所需功率最小,优化后的水头损失系数可以减小到没有优化前的0.772倍。【结论】本研究模型不仅适用于恒定流量的组合优化,也可应用于不同分水口的所需水量不同的随机灌溉以及恒压供水的优化中。     

微喷灌田间管网的优化研究

出水口的位置不同,田间管网布置方案也不同,从而影响田间管网的投资费用,以往的研究大多忽略了出水口位置对管网投资的影响。【目的】探究在自压供水条件下,出水口位置对田间管网建设费用的影响。【方法】分别对出水口位于地块一角、地块一边、地块中间3种情形建立以毛管长度、支管管径为决策变量,以微喷灌田间管网总投资最小为目标的优化模型,采用变径设计,选用遗传算法求解。【结果】与传统规范设计方案相比,出水口位于地块一角、一边和中间的模型优化方案,管道投资分别降低了20.0%、9.5%、23.9%。对比规范设计结果,出水口位于地块一边的管网投资最小,比出水口位于地块一角的布置方案投资降低了13.4%,出水口位于地块中间比位于一角时布置方案投资降低了7.2%;对比模型优化结果,出水口位于地块中间比出水口位于地块一角和出水口位于地块一边时田间管网投资分别降低了11.8%、9.9%。【结论】模型优化结果节省投资明显,模型优化结果显示出水口位于中间毛管双向布置时投资最省。     

自适应最大相关峭度反褶积方法诊断齿轮轴承复合故障

为了解决传统最大相关峭度反褶积(maximum correlated kurtosis deconvolution,MCKD)在故障诊断中容易出现因参数选择不当而影响诊断效果的问题,该文提出了一种基于量子遗传算法(quantum genetic algorithm,QGA)的自适应最大相关峭度反褶积方法(maximum correlated kurtosis deconvolution with quantum genetic algorithm,QMCKD)用于齿轮和轴承复合故障诊断。通过量子遗传算法自适应选择最大相关峭度反褶积的2个关键参数滤波器长度(L)和反褶积周期(T)。使用QMCKD处理原始振动信号,提取复合故障信号中的所有单个故障信号,分别对单个故障信号进行频谱分析从而识别故障特征。在对齿面磨损-滚动轴承外圈损伤复合故障诊断中,QMCKD能够识别齿轮故障频率及其2～4倍频,识别轴承故障频率及其2～6倍频,且主要频率成分周围干扰谱线很少,故障类型容易识别。与直接频谱分析和变分模态分解(variational mode decomposition,VMD)相比,该方法在诊断效果上具有优越性。在对齿根裂纹-轴承滚动体损伤复合故障诊断中,QMCKD能够突出齿轮故障频率及其2～5倍频,突出轴承故障频率及其2～8倍频,齿轮和轴承故障特征明显,验证了方法的稳定性。试验结果表明QMCKD能够有效识别复合故障中齿轮和轴承的故障特征,可用于齿轮箱的齿轮、轴承复合故障诊断。     

基于改进遗传算法的立体车库布局对比及服务资源优化

为了缓解城市交通压力,提高立体车库的服务效率.以排队论原理建立了立体车库的排队模型,考虑层、列布局对整体运行效率的影响,利用改进遗传算法通过改进编码方式、交叉变异,对堆垛机调度进行优化,得出优化后的顾客平均等待时间、平均等待队长;堆垛机空闲概率缩短了约29.1%,47.8%和0.31%;探讨了堆垛机数量及服务台数量对运行效率的影响,得出堆垛机数量为6台、服务台为3个时立体车库运行效率较高.从仿真结果来看,对立体车库库位布局和资源配置的研究,不仅可以提高立体车库运行效率,而且可以为立体车库的设计建造提供依据,对立体车库的快速发展及广泛地应用具有积极意义.     

基于GA–BP神经网络的番茄应力松弛参数的估计

为了实现机械手在抓取过程中对番茄应力松弛参数的快速准确估计,提出以BP神经网络为核心,遗传算法(GA)对BP神经网络初始权值和阈值进行优化的番茄应力松弛参数的估计方法:以番茄为样本,利用质构仪进行番茄应力松弛试验,并利用三元件广义Maxwell模型来表征番茄的应力松弛特性,通过拟合获取样本数据集;再以抓取力F、变形量D、作用时间t为输入,松弛特性参数E、Ee、η为输出构建BP神经网络模型,使用遗传算法对初始连接权值和阈值进行优化,获取最优参数的GA–BP神经网络估计模型;将该估计模型应用到机械手抓取过程中对番茄应力松弛参数的估计验证。结果表明:番茄应力松弛特性参数E、Ee和η的估计相对误差都在15%以内,且趋于稳定,该估计模型可对番茄应力松弛参数进行在线估计。     

基于神经网络遗传算法的湿度测量系统研究

在研究湿度测量和控制原理的基础上,设计了一种基于神经网络遗传算法的湿度测量系统。系统采用DHT11湿度传感器,利用改良的神经网络遗传算法对湿度测量进行优化。结果表明,经神经网络遗传算法优化的湿度测量仪可以将精度控制在1.6×10-2,大大地提高了湿度测量的精度,并且基于该算法的湿度测量具有很好的鲁棒性和自适应性。     

基于SAGA-SVR的马铃薯贮藏库温度预测方法

马铃薯贮藏库温度受室外温度、室内马铃薯呼吸释放温度、通风降温等因素的影响难以准确预测,提出了一种改进遗传算法(Genetic Algorithm,GA)优化支持向量回归机(Support Vector Regression,SVR)的马铃薯贮藏库温度预测方法。该方法针对支持向量回归机参数难以选择、容易陷入局部极小的缺点,引入了具有并行性、全局搜索能力强的GA算法,结合局部搜索能力强的模拟退火算法(Simulated Annealing,SA),实现支持向量回归机的自动寻优。以新疆某农产品加工公司马铃薯贮藏库实测温度数据为样本,建立SAGA-SVR马铃薯贮藏库温度预测模型,进行贮藏库温度准确的预测。仿真结果表明,与GA-SVR、反向传播(Back Propagation,BP)温度预测模型的预测结果相比较,SAGASVR预测结果优于GA-SVR、BP预测结果,具有良好的预测效果。该预测方法较好地解决了系统非线性、小样本等问题,为类似应用场合地温度预测提供参考。     

基于智能算法的感应电机多目标优化设计

感应电机自身作为一个复杂系统,其设计变量多,多个设计目标之间相互约束,多目标优化设计过程复杂、限制因素多。针对这种情况,以一台24 V低压大电流感应电机为例,选取了定转子槽6个相关设计参数作为优化变量,以感应电机3个外特性参数(最大转矩、启动电流、效率)作为优化目标,运用计算机辅助电机设计软件ANSYS Maxwell得到了大量工程实验数据,利用BP神经网络对感应电机数学模型进行拟合,并用遗传算法寻找设计变量最优解,使用神经网络的预测功能寻找优化目标最优解。最后用ANSYS Maxwell将最优解进行工程验证,实现了感应电机的多目标优化设计。