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。     

A dual criteria sequencing problem with earliness and tardiness penalties

We consider the problem of sequencing n jobs on a single machine, with each job having a processing time and a common due date. The common due date is assumed to be so large that all jobs can complete by the due date. It is known that there is an O(n log n)‐time algorithm for finding a schedule with minimum total earliness and tardiness. In this article, we consider finding a schedule with dual criteria. The primary goal is to minimize the total earliness and tardiness. The secondary goals are to minimize: (1) the maximum earliness and tardiness; (2) the sum of the maximum of the squares of earliness and tardiness; (3) the sum of the squares of earliness and tardiness. For the first two criteria, we show that the problems are NP‐hard and we give a fully polynomial time approximation scheme for both of them. For the last two criteria, we show that the ratio of the worst schedule versus the best schedule is no more than . © 2002 Wiley Periodicals, Inc. Naval Research Logistics 49: 422–431, 2002; Published online in Wiley InterScience (www.interscience.wiley.com). DOI 10.1002/nav.10020     

多轴数控机床的通用运动学综合空间误差模型

提出了一种适用任意结构多轴数控机床的新通用运动学综合空间误差模型。该模型包含了由于制造、安装、运动控制不精确和刀具、床身、工件热变形以及其它因素引起的初始位置误差与运动误差 ,反应了机床误差的实际变化规律 ,对机床工作区误差适时全补偿特别有效。为了发展该新型误差模型 ,运用了多体系统运动学理论和齐次变换矩阵。最后 ,利用所述建模理论和方法 ,给出了 3轴立式数控机床的空间误差模型表达式 ,并分析了其 36种误差成分的变化规律     

长短周期记忆网络微调的氧气浓缩器寿命预测模型迁移

针对寿命预测模型迁移问题,提出了一种长短周期记忆网络微调(long short-term memory fine tune, LSTM-fine-tune)的迁移模型,利用理想条件下的试验数据对模型进行训练。在迁移过程中,对部分LSTM网络层进行冻结,利用实际服役环境下的数据对网络其他部分进行修正。为验证模型的泛化能力,采用不同相位与幅值的正弦函数生成数据,通过学习数据获取正弦函数的经验知识,并应用至其他正弦函数的回归,结果表明LSTM-fine-tune模型能够快速拟合,平均均方误差仅为1.033 5,明显低于直接预测误差1.536 8。为通过实际监测数据检验本方法泛化能力,分别获取了试验条件下与实际服役环境下氧气浓缩器的数据,对模型的泛化能力进行验证。结果表明,迁移后训练集预测精度提高了43.0%,测试集预测精度提高了20.2%。     

社会计算实验动态仿真引擎的研究与实现

应对新形势下非常规突发事件的严峻挑战是各国政府亟待解决的问题,综合人工社会-计算实验-平行执行的ACP方法,是解决非常规突发事件应急管理问题的有效方法.本文引入ACP方法,阐述构建高性能社会计算实验动态仿真引擎的作用;按照层次化模块化思想设计动态仿真引擎D-PARSE的体系结构,详细描述各组成部分的具体功能,并基于并行...     

建构学习理论在教学中的应用

在教学中运用建构学习理论,针对“基于经验的知识建构活动”进行有益尝试。在此理论背景下,教师最重要的任务是利用三个层次的建构性经验源为学生提供知识建构的良好条件,并探讨这一理念在教学中的具体应用及其效果。     

基于支持向量机的彩色图像恢复新方法

引起图像退化的因素众多,因而难以用一个统一的方法来进行恢复处理。鉴于图像的像素和各颜色分量通道间本质上存在某种相关性,以及以支持向量机为核心的统计学习理论具有较好地解决小样本、非线性、高维数问题的能力,提出了一种新的空域图像恢复方法,并通过对来自于待处理图像本身的训练样本的学习,构造自适应的回归插值函数;然后基于该函数对图像作有选择的修改,从而达到图像恢复的目的。实验表明,该方法是有效的,并且具有较好的泛化性能。     

利用支持向量机的矢量跟踪通道故障检测算法

为了克服卫星导航矢量跟踪接收机中故障通道对其他正常通道的影响,提高矢量跟踪接收机的鲁棒性,提出一种利用支持向量机的通道故障检测算法,利用矢量跟踪接收机的导航滤波器的新息序列作为支持向量机的输入。支持向量机的输出为通道的状态,根据支持向量机的输出通道的状态来判断该通道是否纳入导航滤波器,用来跟踪滤波器状态值,这样能够有效地避免故障通道对导航结果的污染。仿真实验结果表明:该方法能准确地检测出有故障的通道,提高矢量跟踪环路的鲁棒性。     

基于核与灰度的区间灰数多属性群决策方法

针对属性值为区间灰数且专家权重未知、属性权重部分已知的不确定多属性群决策问题,提出了一种基于区间灰数的核和灰度的决策方法。给出了区间灰数的基于核和灰度的简化形式,充分利用区间灰数的核和灰度的信息建立优化模型求得属性的权重。在求出属性权重的基础上,运用灰色关联方法分别求取各专家的核与灰度距理想方案值的关联系数,综合两者得到专家权重,最终综合专家意见并对方案比较排序得出最优结果。鉴于此,提出一种基于区间灰数相对核与灰度的决策方法。最后以一个算例验证该方法的有效性和可行性。     

SVM在空中目标威胁值评估中的应用

构建了基于回归型支持向量机的空中目标威胁值评估模型,确定了基于粗糙集理论的空中目标威胁因素,并建立了数据离散化、归一化的标准。将常用的4种核函数应用于对空中目标威胁值的估计,并通过基于网格法和遗传算法的搜索方法找到模型的最优参数。最后通过Matlab对算例进行了仿真验证。