基于VMD和KFCM的轴承故障诊断方法优化与研究

针对机械设备轴承故障振动信号具有强噪声、非线性、非平稳特性并致使故障特征信息难以提取的问题.提出了一种利用变分模态分解(Variational Mode Decomposition, VMD)和改进模糊聚类算法相结合的机械故障诊断新方法.首先,对采集的故障数据采用VMD和奇异值分解方法进行预处理,去除异常值及噪声;然后,采用核模糊C均值聚类(Kernel-based Fuzzy C-Means clustering, KFCM)算法来进行不同故障类型数据划分,通过计算分类系数、平均模糊熵和海明贴近度对其分类性能进行评估;最后,利用粒子群算法(PSO)对KFCM训练状态的参数进行优化.通过仿真分析和实验数据验证,该方法不仅表现出更优的分类性能,能精确、稳定进行故障识别,而且只需要少量样本数据进行训练,从而使诊断的工作量和诊断时间大为减少,为大型旋转机械设备在线故障诊断提供了理论依据.     

基于Volterra级数与神经网络的非线性网络的频域故障字典诊断法

提出了用Volterra频域核(传递函数)作为故障特征对非线性定常动态网络进行故障诊断的方法，即计算出网络响应在各种常见故障状态下的Volterra级数解的各阶频域核(3～4阶即可)，并将其输入给BP神经网络(BPNN)．利用BPNN的分类功能建立故障字典，对实测的故障网络的各阶频域核进行测试样本分类，实现故障诊断．给出了各阶频域核的统一递推算式，并讨论了Volterra频域核的实验测量方法以及基于人工神经网络(ANN)的求解方法．     

基于辨识模型的非线性网络故障诊断方法研究

将Volterra级数解的递推算式与方波脉冲函数变换相结合,提出了一种对一类非线性动态网络的数学模型进行辨识的新型混合模型辨识法,导出了相应的混合模型辨识公式和动态响应的求解方法．并根据该法所得到的辨识混合模型,提出采用多重预置模型方法对非线性网络故障进行诊断的方法．该法避免了在线计算系统当前工作模型,易于实现在线故障诊断、     

改进蚁群算法在配电网规划中的应用

电网优化规划是一个复杂的非线性组合优化问题,目前对于该问题的求解仍存在计算速度和收敛性问题.为解决这个问题,提出了一种通过动态调整信息素挥发因子ρ来控制其正反馈过程的改进蚁群算法,提高了网络优化规划过程中得到全局最优解的概率和收敛速度.算例分析结果表明:规划结果符合实际,并在相同参数下,改进蚁群算法的迭代次数减少约一半,充分验证了该方法的实效性.     

含未知输入观测器的广义系统故障诊断

基于未知输入观测器设计和故障诊断的概念,讨论含未知输入的Lipschitz条件下非线性广义系统传感器故障诊断问题.在非线性广义系统中,通过引入传感器的故障信号,重新构造非线性广义系统,设计基于未知输入观测器,在满足Lipschitz条件下,实现了传感器故障的检测与分离.给出数值仿真算例验证该算法的有效性.     

非线性动态网络响应分析仿真算法设计及实现

为解决Volterra 级数解的连续算式分析非线性网络响应时,高阶Volterra响应算式中存在广义卷积积分的迭加运算的问题,利用方波函数的积分变换具有将时域内的微分、积分运算变换成方波域内的矩阵代数运算的性质,首先将非线性网络的一阶Volterra级数响应进行方波函数变换,求出非线性网络的一阶冲激响应的积分脉冲变换矩阵,推导出高阶Volterra 响应在方波脉冲域的离散算式,计算总响应,最后求出非线性网络的响应.文中给出了该算法,仿真结果证明了它的有效性.     

一种新的TS模型辨识算法

提出一种新的TS模型辨识算法.该算法思想：首先采用MCR算法（Mountain C-Regressionmethod）自动确定聚类数目和初始聚类中心,然后采用改进的GK（Gustafon-Kessl）聚类算法得到最优的划分矩阵,再根据最优划分矩阵计算系统前件参数的最优值,最后用自适应粒子群优化算法（Adaptive Parti-cle Swarm Optimization,APSO）对后件参数进行优化.此辨识算法能够用较少的规则数描述给定的未知系统,并且容易实现.仿真实验表明该算法能够实现非线性系统的辨识,并且可获得相对高的精度.     

GPS网平差的多元响应-非线性最小二乘模型及其解的最优化混合算法

在控制网中,用GPS测量,可以同时测得一个点的基线向量,在具有起算数据时可获得观测点的三维坐标等多个响应变量值,将这些响应变量包含的信息综合起来,可以得到参数的更精确的估计.本文针对GPS测量数据为多元响应数据的特点,建立了一个GPS网平差的多元响应-非线性最小二乘模型,针对该模型,结合拟牛顿法和信赖域算法建立了一个新非线性优化的混合算法,该算法具有全局收敛性和超线性收敛性.     

基于粒子群优化小波神经网络的风洞风机振动故障的诊断

针对省级气象计量部门建设的低速回路风洞长期使用过程中存在风机非线性振动故障问题,提出一种基于粒子群优化小波神经网络的风洞风机振动故障诊断识别方法。通过构建3层小波神经网络,并采用粒子群算法优化小波神经网络的参数,提高其对振动故障诊断的速度和精度。实验表明:样本数据的实际输出结果与期望输出结果较为接近,该算法能够有效地实现对风洞风机故障类型的诊断识别,具有一定的实际应用价值,也为科学管理维护风洞的健康状况起到积极作用。     

基于ERSM涡轮盘径向变形的非线性动态概率分析

为了准确设计高压涡轮盘和叶尖间隙,从概率的角度进行了涡轮盘径向变形的分析。介绍了高精度高效率的非线性动态概率分析的极值响应面方法(Extremum Response Surface Method, ERSM),并建立了其数学模型。考虑材料属性和边界条件的非线性,以及热载荷和离心载荷的动态性,基于ERSM对涡轮盘径向变形进行了非线性动态概率分析,得到了输入输出参数的分布特征和影响涡轮盘径向动态变形的主要因素。最后,通过方法比较,验证了ERSM在保证计算精度的前提下能大大提高计算速度,节约计算时间,改善计算效率。为进行更有效的涡轮盘设计和优化,改善叶尖间隙设计和控制的合理性提供了有效依据。      

密度K均值聚类算法及在复杂网络分析中的应用

现代信息社会中,许多实际问题都归结为复杂网络中模块问题的研究,而聚类方法是研究复杂网络中模块性的重要方法。本研究将基于视觉原理的密度聚类算法与传统的K均值聚类算法相结合,提出了一种新的聚类算法,即密度K均值聚类算法。该算法在一定程度上克服了传统的K均值聚类算法易受异常点影响和无法确定聚类数的问题,具有对初始参数不敏感、可发现任意形状的聚类,以及能找到最优聚类等优点。基于此,以城市建通网络中交巡警指挥平台的设置问题为例,通过Matlab程序求解说明了所给出聚类算法的应用。     

基于FTA与BAM神经网络融合的飞机故障诊断方法

飞机由大量彼此关联的组件组合而成,其大规模特性使得基于故障树（FTA）和基于神经网络的故障诊断方法在应用于其故障诊断时分别存在空间爆炸问题和训练样本整理困难问题.本文融合故障树和BAM神经网络,由故障树归纳出系统所有的故障模式,整理出BAM神经网络所需的具有规范性、独立性、正交性的训练样本, 然后用BAM神经网络实现飞机故障的快速和准确诊断.实验评估结果表明,融合方法有良好的可扩展性,而且故障判别率提升了20%.     

全双工双通路中继网络干扰处理与信号检测算法

全双工双通路连续中继(FD-TPSR)网络频谱效率高,状态控制简单,但全双工中继存在残留自干扰(RSI),发射中继对接收中继也会形成中继间干扰(IRI),会导致通信性能下降.这里提出一种中继间干扰处理方法,中继节点消除部分IRI,以提高端到端信干噪比;保留部分IRI,在目的节点构成延迟转发编码结构,以提供分集增益.同时提出一种基于并行软干扰消除的匹配滤波(MF-PSIC)信号检测算法,匹配滤波器结构简单,实现复杂度低,基于软输出的并行干扰消除能同时检测所有时隙的符号,处理时延小.仿真结果表明,中继间干扰处理方法兼顾了分集增益和累积干扰与噪声因素,相比于无IRI消除和完全IRI消除,误比特率最低; MF-PSIC信号检测算法实现复杂度低,相比于ML信号检测算法仅有很少的性能损失.     

遗传算法在光网络动态流量重构疏导中的应用

针对当前网络的动态业务,提出动态业务流量的重构疏导方案,并给出改进的遗传算法．此算法能通过调整网络的逻辑或物理拓扑结构以适应各种动态变化的业务．实验结果表明：改进的算法能搜索到较优的结果,即添加较少的ADM和波长就可使网络继续承载所有新、旧动态业务．但是算法复杂度较高,因而消耗的时间较多．     

关于摄动有限元法中几种结构形式的摄动变分方程

作者在分析几何非线性问题时，把摄动法引入变分方程，推导了梁、板、扁壳的各级摄动变分方程，用这些方程可以方便地进行有限元的计算。     

基于并行神经网络的二维FIR数字滤波器设计

通过对二维FIR线性相位滤波器的幅频响应特性的分析,提出了一种用并行神经网络算法来设计二维FIR线性相位数字滤波器的新方法,其主要思想是使幅频响应误差函数最小化.该方法避免了矩阵的求逆运算,而且因为采用了并行算法,能快速获得滤波器系数.给出了二维FIR圆对称线性相位低通数字滤波器优化设计实例.计算机仿真结果表明由该方法设计的二维数字滤波器,通带和阻带范围波动小,所需计算量非常少,稳定性强.     

非线性最小二乘问题的结构p步牛顿法

给出了非线性最小二乘问题的结构p步牛顿法算法,分析了该算法的效率,结果表明,对零残差问题新算法具有q-2阶收敛速率,与牛顿法具有相同的收敛速率,由于新算法只需计算近似海赛矩阵,所以,其效应比牛顿法高,对于非零残差问题算法具有p步p 1阶收敛速率,其效率至少与牛顿法相同。     

木材表面缺陷特征轮廓提取算法研究

虫眼、活节和死节是最常见的木材表面缺陷,是木材分选过程主要的识别目标,精确提取木材表面缺陷轮廓特征能大幅提高木材分选的准确率。本研究提出一种针对木材表面虫眼、活节、死节缺陷轮廓提取方法。针对木材表面常见黑点和纹理等非线性噪声,使用中值滤波方法平滑图像。然后分别应用OTSU算法与全局阈值分割算法分离图像背景与目标,对结果二值图像使用数学形态学方法进行滤除和填充,最终用sobel算子提取缺陷边缘。结果表明,采用OTSU算法分割和数学形态学相结合的方法可以很好地提取木材表面缺陷特征,用sobel算子能够提取到比较完整、准确、连续的木材表面缺陷边缘轮廓,提高了目标图像的可视性和精准性。     

一类非线性系统状态的网络化估计方法

提出了一类Lipschitz非线性连续时间时滞系统基于非均匀采样测量的网络化状态估计方法.利用线性连续时间系统采样控制的方法,在考虑系统和网络传输时滞及量化等因素的条件下,通过构造新的李雅普诺夫泛函得到了保证估计误差系统全局渐近稳定的线性矩阵不等式条件.在此基础上,给出了状态估计器增益矩阵基于线性矩阵不等式的计算方法.最后,通过仿真例子验证了本文方法的有效性.