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。     

一种新的时频分析方法

首先分析了传统时频分析方法的特点及其局限性,而后评述了一种最新的适用于非平稳、非线性信号的通用的时频分析方法--基于经验的模式分解及希尔伯特变换谱,指出了该方法需进一步研究的有关问题     

面向任务的战时装备维修保障过程建模

针对战时装备维修保障过程建模的复杂性和抽象性,在对任务、面向任务和任务分解等概念进行深入分析的基础上,提出了一种面向任务的系统建模方法.该方法将系统建模过程概括为——系统结构及运行过程描述、任务分解和行为建模.该方法不仅可以通过继承和重载,使建立的任务模型和行动模型之间产生必然的联系,而且可以加强模型的重用性和自治性,有效提高仿真模型的灵活性,从而为战时装备维修保障仿真提供了一种有效建模方法.     

基因表达缺失值的加权回归估计算法

在基因芯片实验中,数据缺失客观存在,并在一定程度上影响芯片数据后续分析结果的准确性。在不增加实验次数的情况下,缺失值估计是降低缺失数据对后续分析影响的有效方法。利用相似性信息的核加权函数来实现缺失值回归估计的局部化,提出了基于加权回归估计的基因表达缺失值估计算法。在两个不同类型的基因芯片数据上,将新方法与几种已知的方法进行了比较分析。实验结果表明,新的估计算法具有比传统缺失值估计算法更好的稳定性和估计准确度。     

基于活动的C4ISR系统作战需求综合建模方法

在综合分析DoDAF作战视图产品的基础上,对基于活动、以信息为中心的C4ISR系统作战需求综合建模方法进行了研究.首先利用UML的扩展机制(包括构造型、标记值和约束),建立了作战需求综合建模的元模型;其次,通过面向对象方法确定了最小核心要素集模型,并深入分析各个核心要素及其相互之间关系;最后,在上述基础上,明确提出了C4ISR系统作战需求综合建模的开发框架,为作战需求综合建模的过程提供指导.     

基于集值统计法确定掩护重点目标问题

确定掩护重点是地面防空作战的一个重点和难点问题.利用集值统计分析采集的数据更适合指挥员确定掩护重点的思维方式,用区间数对数据进行处理能较好地降低主观误差.通过对被掩护目标的价值度的求取,为确定被掩护目标重要性顺序和兵力分配提供了依据.算法推理严密,模型简单实用,易于编程实现,为确定掩护重点目标提供了一种很好的算法.     

粗糙集理论的电子设备诊断规则提取

为了解决现有诊断规则提取方法中的不一致性问题,得到具有良好适应能力和最大匹配能力的诊断决策规则,结合电子设备故障征兆特点,提出一种基于粗糙集的电子设备故障诊断规则提取方法.该方法先对原始数据进行预处理,形成决策表,用粗糙集进行属性约简和值约简,最后提取诊断决策规则,并对诊断规则进行评价.通过实例分析表明,该方法能提取出具有一定泛化能力的诊断规则,在故障诊断中能够提高诊断决策规则的匹配效率.     

弹性压应力波作用下直杆动力失稳的差分解

以受载端简支、远端固支弹性直杆为例,通过对直杆微元的动力平衡分析导出了直杆动力失稳的控制方程,这与用哈密顿原理得出的方程完全一致。利用差分方法求解了动力屈曲方程,解出了动力失稳模态以及临界力参数和动力特征参数的值。特别分析了随着动力特征参数由零增加到一定值后,由静力失稳模态过渡到动力失稳模态的过程。结果表明,对于等效长度直杆,动力失稳临界压力要远大于静力失稳的临界压力。     

一种非对称鲁棒性盲水印算法

针对数字图像版权保护,提出一种非对称鲁棒性盲数字水印方法。通过将水印嵌入到最少受图像改变影响的子空间,使嵌入水印具有鲁棒性,且通过对特征子空间的选取限制,使算法具有较高的检测概率和安全性以及较低的虚警概率。同时,水印嵌入矩阵与提取矩阵不同,它可公开除密钥外的所有其它的信息,而且能实现水印盲提取。实验结果证明了该算法的鲁棒性。     

多输出性能下的重要性测度指标及其求解方法

针对基于马氏距离的重要性测度存在的问题,提出了基于谱分解加权摩尔彭罗斯马氏距离的重要性测度指标,通过构造多输出协方差阵的广义逆矩阵以及谱分解的策略,有效解决了协方差阵求逆奇异情况以及由于未能充分考虑多输出之间的相互关系而导致的错误识别重要变量的问题,克服了基于马氏距离指标的局限性。数值算例与工程算例结果表明:所提重要性测度可以更加准确地获得输入变量对结构系统多输出性能随机取值特征贡献的排序,从而为可靠性设计提供充分的信息。