结合振动特征优选和GWOA-XGBoost的电机轴承故障诊断

为解决电机轴承故障状态难以识别,从而造成诊断精度不高的情况,提出了一种基于信号特征提取与极限梯度提升算法(extreme gradient boosting, XGBoost)结合的电机轴承故障诊断模型。使用优化的变分模态分解获得振动信号的固有模态函数(intrinsic mode function, IMF)分量,再基于多尺度熵理论计算各IMF分量的多尺度熵值进行特征重构。在鲸鱼优化算法(whale optimization algorithm, WOA)中引入遗传算法的选择、交叉、变异操作对WOA进行改进。用改进的WOA算法对XGBoost的超参数进行寻优,获得了帮助XGBoost取得最优分类效果的超参数组合,将7种不同故障类型的振动信号进行重构后输入优化的XGBoost模型进行故障诊断。实验结果表明,所提GWOA-XGBoost模型的电机轴承故障诊断精度能够达到97.14%,相较于传统诊断方法,性能提升效果显著。     

基于稀疏贝叶斯学习的扩展目标雷达关联成像*

雷达关联成像不依赖于雷达与目标的相对运动,是一种高分辨凝视成像方式。传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该算法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该算法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

基于非负张量表示的扩展LDA标注模型

由于“语义鸿沟”的存在,自动图像标注是一项极具挑战性的工作。考虑到图像低层视觉特征与高层语义概念的差异,分别从图像表示与语义建模两个方面来实现自动图像标注。在图像表示方面,提出了一种正则化约束下的非负张量表示方法,用以提取符合人眼视觉直观理解的图像高阶结构特征。在语义建模方面,提出了一种三层贝叶斯模型——扩展隐Dirichlet分配。该模型利用隐变量来实现图像与标注词的关联,并通过一种基于变分推理的期望最大值方法来估计其参数。实验结果表明,ELDA模型在大规模数据库NUS-WIDE上的标注结果相较于现有方法有了显著的提高。     

具有集值H-半-伪单调映射的广义向量变分不等式解的存在性

首先推广向量集值半一单调映射到向量集值H-半-伪单调映射,然后利用Kakutani—Fan—Glicksberg不动点定理,研究了具有集值H-半-伪单调映射的广义向量t变分不等式问题,在自反Banach空间中得到了两个存在性结果。     

超精密机床变分法精度分析及其应用

本文介绍了一种基于变分法的机床精度分析方法,以及这一方法在超精密机床精度分析中的应用。以超精密气浮花岗石车床为研究对象,建立了车床成形系统的数学模型,对车床的输出精度进行了理论分析,指出了加工误差中各成分的来源及物理意义。最后还探讨了变分法精度分析在超精密机床设计中的应用     

Hilbert空间极大单调算子零点的逼近问题

设H为实Hilbert空间,C为H的非空闭凸子集,T:C→2H为极大单调算子,假设S(T)={X∈H:O∈Tx}≠Φ。求xk及ek满足设Pc:H→C为H到C上的最近点投影算子,定义证明了Hilbert空间中由上式产生的序列{xk}k≥0弱收敛于T的某个零点。     

Hilbert空间中无穷多个Lipschitz单调映像变分不等式解的逼近定理

首先给出了Hilbert空间中无穷多个Lipschitz单调映像变分不等式解的迭代格式,并证明了其收敛性。作为应用,证明了Hilbert空间中Lipschitz伪压缩映像的强收敛定理,扩展了已知的相关结果。     

磁性合金A1-xBx相图的理论计算

采用变分累积展开方法,研究了块体磁性合金的相图.利用随机键海森堡模型计算了面心立方、体心立方的居里点和耐尔点,给出了磁性合金临界点的计算公式,进而分别给出自旋1/2和3/2情况下Tc-x相图,并加以分析.     

基于VMD和SVM的舰船辐射噪声特征提取及分类识别

针对复杂海洋背景下舰船声频辐射噪声特征提取困难的问题，提出一种基于变分模态分解、中心频率、复杂度特征和支持向量机的舰船辐射噪声特征提取及分类识别方法。对四类舰船辐射噪声信号使用变分模态方法分解，得到一定数量的固有模态函数。通过比较提取能量最大的固有模态函数中心频率和排列熵作为特征参数，并利用支持向量机方法对四类舰船信号样本进行分类识别。实验结果表明，该方法可以实现对舰船辐射噪声的特征提取，与已有方法对比，该方法具有较高的识别率。     

海洋拖曳系统运动方程的变步长有限差分数值仿真

有限差分算法是常用的海洋拖曳系统运动仿真计算方法,传统的有限差分算法在对拖缆进行离散时,采用固定空间步长,为了提高数值计算的精度,通常需要减小空间步长,这既增加了计算时间,又浪费了计算机内存,甚至造成无法仿真一些工况。针对这一问题,提出了变步长有限差分数值算法,给出了步长变化的设定原则与算法,在建立海洋拖曳系统运动模型的基础上,系统分析了这一方法的求解思想与过程,并分别采用传统固定步长有限差分算法(大空间步长和小空间步长)和变步长有限差分算法,对模型进行了数值仿真,结果表明:变步长有限差分算法不仅保证了仿真计算精度,而且降低了计算机内存需求量,减少了计算时间。此外,变步长有限差分算法具有较高的灵活性,可根据实际情况,综合考虑计算时间、内存需求量和计算结果精度,从而选择合适的空间步长变化规律。