基于CMCPSO-SVM的轴承微弱故障诊断方法北大核心

针对旋转机械轴承微弱故障振动信号易被强噪声掩盖难以识别的问题,提出一种改进混沌粒子群优化支持向量机的故障诊断方法。将信号通过局部均值分解算法分解处理得到乘积函数(PF)分量,并进行能量归一化处理获得时频域特征集;通过迭代拉普拉斯得分降低时频域特征集的空间维度;以PF分量的排列熵作为混沌粒子群的适应度,并加入交叉和变异新策略,建立一种新的交叉变异混沌粒子群优化方法;利用改进的粒子群算法优化支持向量机的核函数和惩罚因子,并将优化后的分类模型应用于轴承故障诊断。结果表明:该故障分类模型的识别准确率高于其他分类模型。     

基于改进蜂群算法的焊接机器人路径规划方法研究

针对焊接机器人的运动特点及焊接工作过程中焊枪的避障问题,提出基于改进人工蜂群算法的机器人避障焊接路径规划策略。首先针对传统人工蜂群算法存在的问题,将Lévy(莱维)分布引入到人工蜂群算法侦查蜂寻找新蜜源的过程中,代替其原有0～1之间的随机分布过程,形成了基于Lévy飞行的改进型人工蜂群算法,然后将其应用到焊接机器人的路径规划问题中,并进行了仿真实验。结果表明:改进后的方法能够得到最优的焊接避障路径,且寻优速度快、过程稳定。该方法可用于解决焊接机器人避障路径规划问题。     

利用QPSO算法的装配式建筑项目工序优化方法（英文）

针对装配式建筑项目中工序的合理安排问题,提出一种基于量子粒子群优化(QPSO)的工序优化方法。首先对项目工序进行编码,使其能够以量子形式表示。然后,根据综合考虑施工工期和成本的目标函数,利用QPSO算法对工序方案其进行寻优,得到最优方案。另外,为了提高QPSO算法的收敛能力,融入了变异机制来避免其陷入局部最优。在一个装配式住宅项目案例中的实验结果表明:提出的方法能有效降低项目工期和成本,具有较高的实用价值。     

利用QPSO算法的装配式建筑项目工序优化方法

针对装配式建筑项目中工序的合理安排问题，提出一种基于量子粒子群优化(QPSO)的工序优化方法。首先对项目工序进行编码，使其能够以量子形式表示。然后，根据综合考虑施工工期和成本的目标函数，利用QPSO算法对工序方案其进行寻优，得到最优方案。另外，为了提高QPSO算法的收敛能力，融入了变异机制来避免其陷入局部最优。在一个装配式住宅项目案例中的实验结果表明：提出的方法能有效降低项目工期和成本，具有较高的实用价值。     

基于改进型AdaBoost算法的轴向柱塞泵故障特征信息的分类诊断

对轴向柱塞泵故障特征信息的研究有助于辅助完成轴向柱塞泵故障类型的鉴别和分类.从轴向柱塞泵的所有故障中,选出两种典型故障:缸体与配流盘磨损、柱塞滑履松动.从轴向柱塞泵原始振动信号中提取这两种故障特征的数据,经过小波包变换、数学变换以及遗传算法和偏最小二乘回归相结合(GA-PLS)特征选择后,确定最优的故障特征集.为了解决训练时间较长及权重调整过适应等问题,提出一种基于均匀分布权重和指数损失函数的改进型AdaBoost算法.分别使用AdaBoost M1,改进型AdaBoost构建分类模型比较其分类效果.结果表明:改进型AdaBoost使用仅含有少量的特征组成的最优特征集,可以得到较好的分类结果.     

基于冷却曲线特征与粒子群算法的铸造热物性参数寻优

针对铸造过程材料热物性参数求解方法适用参数种类少、人工经验依赖度高的问题,根据铸造冷却曲线特征与粒子群优化算法,建立了基于冷却曲线间差异的适应度函数。提出了基于种群搜索状态与粒子适应度排序的惯性权重调整策略,并结合冷却曲线特征适应度的粒子群速度迭代策略,建立了一种铸造过程材料热物性参数寻优方法,并以25G材料为例进行了实际验证。结果表明,试验方法可达到与人工反求法相同的精度,且所需计算次数少、人工经验依赖度低。     

基于VPS-PSO算法的装配序列规划方法

针对装配序列规划问题的特点,提出一种求解装配序列规划问题的变种群策略-粒子群优化(Various Population Strategy-Particle Swarm Optimization,VPS-PSO)算法。针对粒子群算法容易陷入局部最优的缺点,采用变种群策略,缩短进化停滞时间,提高粒子群算法进化效率,增强算法的寻优能力。并结合装配几何可行性、装配过程连续性、装配工具改变次数3个评价指标构建适应度函数,实现多目标优化。以经编机成圈传动机构装配序列规划实例验证VPS-PSO算法比较PSO算法具有更好的全局搜索能力。     

LMD和SVM相结合的电机轴承故障诊断研究

为了提高电机轴承故障诊断的准确率,提出了基于粒子群优化的支持向量机(SVM)故障诊断的方法。文章采用局部均值分解(LMD)提取电机轴承振动信号特征作为支持向量机的特征向量;采用粒子群优化算法(PSO)优化支持向量机的核函数参数和惩罚参数,以此建立分类器用于识别电机轴承故障类型。通过仿真实验验证该方法能够有效的识别电机轴承故障状态。     

基于改进变异粒子群算法的TDOA/AOA定位研究

针对GPS盲点区域的定位问题,蜂窝定位技术能够有效解决。蜂窝定位技术中的混合定位算法能够有效地提高定位精度和定位可靠性,但是算法中的信号测量产生的误差和定位估计遇到的非线性优化问题严重影响了混合定位算法的性能。针对上述算法问题,文章提出了一种基于改进的变异粒子群算法(IMPSO)的目标定位策略。该算法是以TDOA/AOA混合定位算法为对象,首先用最大似然法得到移动台的估计函数,将估计函数作为适应度函数产生初始种群,然后对粒子群(PSO)算法中适应度方差进行变异操作,同时改进惯性权重,达到PSO算法在对适应度函数进行寻优处理时不会出现陷入局部最优的目的,最后用IMPSO算法对种群进行寻优,得到最优的估计位置。仿真实验结果表明,IMPSO算法的应用相对传统的Chan算法和TDOA/AOA混合定位算法,在视距的环境下,能有效减小测量误差的影响,并提高定位系统的稳定性。     

基于改进PSO优化模糊神经网络的数控机床故障诊断技术研究

数控机床故障具有隐蔽性和复杂性的特点,为了快速准确地识别数控机床发生的故障,结合粒子群算法全局搜索能力强、寻优速度快及模糊神经网络容错能力强、自适应性强的特点,提出了将模糊逻辑、RBF神经网络及粒子群算法有机结合的数控机床故障诊断方法。为了改善粒子群算法局部搜索能力,在标准粒子群算法的基础上,改进粒子群的速度更新公式和惯性权重,以此优化模糊神经网络结构参数,从而建立起改进PSO优化模糊神经网络的数控机床主轴伺服系统故障诊断模型。实验和仿真结果表明:与RBF神经网络、标准PSO优化模糊神经网络相比,改进PSO优化模糊神经网络的故障辨识准确性更高、泛化能力更强。     

基于频域特征和支持向量机的汽车水泵轴承故障诊断研究

为了在线监测与识别汽车水泵轴承的故障类型,以WR3258152型汽车水泵轴承为研究对象,分析了其内部结构和常见故障。根据常见故障,预设了汽车水泵轴承的4类缺陷。在搭建的信号采集实验平台上,利用加速度传感器,分别采集了4类缺陷轴承在运转过程中的振动信号。利用Matlab软件对振动信号进行快速傅立叶变换和频域特征值计算,选用径向基核函数和粒子群参数优化方法建立支持向量机模型,并进行测试验证,结果表明:支持向量机分类方法能精确识别汽车水泵轴承常见的4类缺陷。为汽车水泵轴承的在线监测与故障诊断提供了参考。     

基于特征融合与HPO-RVM的滚动轴承剩余寿命预测

为准确预测轴承的剩余使用寿命,提出基于特征融合与猎食者-猎物优化(HPO)算法优化相关向量机的轴承剩余寿命预测方法。提取时域、频域和时频域特征准确描述轴承的退化状态,利用综合评价指标对提取的特征进行筛选得到敏感特征集;采用核熵成分分析对敏感特征进行自适应融合,得到轴承的退化特征;构建混合核函数作为相关向量机的核函数以提高模型预测性能;最后,利用HPO算法得到混合核函数的参数,将寻优得到的参数用于寿命预测模型的训练。通过对轴承加速退化数据集进行实验,结果表明：所构建的寿命预测模型优于BP、ELM、SVM等模型,构造的混合核函数模型优于高斯核函数模型,采用的优化算法优于粒子群、遗传算法等。     

基于超限学习机的轴向柱塞泵滑靴磨损故障诊断

为了提高故障诊断的分类准确度并减少分类时间,运用一种新的分类器即超限学习机(ELM)对轴向柱塞泵滑靴磨损进行故障诊断与识别。采集轴向柱塞泵正常工作状态和不同滑靴磨损工作状态下的信号;对采集到的信号进行预处理,提取出8维的特征向量;运用ELM和其他分类器分别对其进行诊断与识别。对比试验结果表明,新的方法故障诊断准确度高且诊断速度快。     

基于VMD与IFWA-SVM的滚动轴承故障诊断研究北大核心

为有效提取非平稳性、复杂性的滚动轴承振动信号特征,提出一种基于变分模态分解、改进烟花算法(IFWA)优化支持向量机(SVM)的滚动轴承故障诊断方法。利用VMD对原始信号进行分解,计算得到各IMF的样本熵,将原始信号的时域特征与其结合组成特征矩阵。为提高故障诊断效率,采用IFWA优化SVM,建立IFWA-SVM模型。使用训练集特征矩阵训练诊断模型,实现滚动轴承的故障诊断。利用实测信号验证该方法,并与粒子群算法优化进行比较。结果表明:利用该方法进行诊断,正确率提高了3.33%、训练时间缩短了21.55 s,验证了该方法的可行性。     

基于AMESim/Simulink的轴向柱塞泵滑靴副静压支承特性仿真研究

滑靴副是轴向柱塞泵的主要传递动力部件之一,将直接影响轴向柱塞泵的工作性能。目前,轴向柱塞泵存在的主要故障问题是关键摩擦副的油膜润滑失效和支承失效。采用AMESim/Simulink联合仿真技术研究轴向柱塞泵外部特性与滑靴副内部特性之间的规律,通过分析滑靴副的静压支承特性原理,建立滑靴副的静压润滑特性数学模型和液阻模型,并以接口模块连接两个模型构成虚拟模型。对轴向柱塞泵滑靴副的结构尺寸与滑靴副的泄漏流量、油膜厚度与刚度之间的变化规律进行基于AMESim/Simulink的联合仿真研究。仿真结果为滑靴副结构参数的优化设计提供依据,而且为后续开展的滑靴副润滑特性实际测量试验提供帮助。     

基于混合算法的七轴机器人逆解求解

为了解决七轴机器人逆运动学求解较难、精度较低的问题,提出一种基于数值迭代法与粒子群优化算法相结合的方法求解.对机器手模型及逆运动学位姿函数进行了研究,利用数值迭代法进行机器手逆解的初步最优角度解,在此基础上缩小搜索范围利用粒子群算法进行二次优化搜索计算,减小数值迭代过程中产生的累积误差,仿真结果表明机器手的位姿精度大大...     

电机泵复合系统的协调控制

建立电机泵复合控制功率电传作动系统非线性模型,采用粒子群优化算法,在保证允许的超调量的条件下,研究了电机、泵之间的权值最优分配,提高了战斗机的机动性能.并运用Matlab来求取非线性系统阶跃响应的调节时间.仿真结果表明,粒子群优化算法具有调节参数少、运行速度快等优点,能有效解决组合优化问题.协调控制器的研究对未来机载作动系统的控制具有指导意义.     

基于CEEMDAN-IGWO-SVM的轴承故障诊断研究

为了提高支持向量机(SVM)在轴承故障诊断时的准确率和识别效率,提出了一种基于具有自适应白噪声的完整集成经验模态分解方法(CEEMDAN)、改进灰狼优化算法(IGWO)和支持向量机(SVM)相结合的故障诊断方法。首先用CEEMDAN与Shannon熵对振动信号消噪、分解,获得典型故障的敏感信号;其次,将粒子群算法(PSO)惯性权重w与粒子“飞行”速度v引入灰狼优化算法(GWO),得到IGWO,通过IGWO算法优化SVM得到诊断模型的最优参数,增强SVM的学习能力和泛化能力;最后,利用美国西储大学的轴承试验数据验证优化模型的有效性。结果表明,IGWO算法优化SVM的模型可以准确、高效地对轴承进行故障诊断;与GA、PSO、和GWO算法优化的SVM模型相比,该方法的故障诊断准确率和识别效率更高。     

轴向柱塞泵振动噪声诊断分析与研究

对某型轴向柱塞泵的振动异响噪声原因进行了分析与研究。开展了轴向柱塞泵振动测试试验,搭建了振动测试试验台并进行多点振动功率谱测试,进行了柱塞泵的理论输出压力、流量脉动,时域、频域特性分析,以及结构件模态仿真分析。通过试验和仿真结果的对比分析,定位了泵-试验台系统的噪声来源,明确了产生原因,提出了消除噪声的方法。