基于MGA-BP网络的航空轴承故障诊断

为了提高航空发动机轴承故障诊断的准确率,提出基于改进遗传算法优化(back propagation,简称BP)网络(modified genetic algorithm to optimize BP,简称MGA-BP)的故障诊断模型。针对传统遗传算法易早熟、易陷于局部最优解等缺陷,利用固定个体选择概率、引入三角函数和高斯变异操作对遗传算法进行改进,并用改进遗传算法优化BP网络的权值和阈值。利用优化的BP网络对滚动轴承正常、内圈故障、外圈故障和钢球故障4种工况进行诊断,并考虑到网络输出模式、诊断样本比例等对诊断精度的影响。为了验证MGA-BP在轴承故障诊断中的有效性,将其他改进遗传算法优化BP网络作为对比算法。分析表明:MGA-BP能够较好地适应网络不同的输出模式、不同的样本比例,其抗噪能力、诊断准确率、误差收敛速度和误差收敛值均优于文中其他对比算法。     

基于图像分析和野点检测的航空发动机磨损状态识别

研究了基于发动机滑油滤磨屑图像的磨损状态自动识别技术。首先采用最大熵法和数学形态学方法,提取滑油滤磨屑图像中反映磨损状态的特征量;然后采集反映正常状态的航空发动机滑油滤图像,通过图像分析与特征提取,构造出仅包含正常样本的训练样本集,最后用野点检测方法对训练样本进行学习,并使用遗传算法对野点检测参数进行优化,得到了滑油滤磨屑图像的正常域,并以此来识别航空发动机磨损状态的严重程度。开发了发动机滑油滤监控系统(engine oil filter monitoring system,EOFMS),实现了基于野点检测的磨屑图像识别功能,并利用实际航空发动机滑油滤磨屑图像进行了实验分析,结果验证了该方法的有效性。     

5通道铁磁探测仪的研发与锅炉管堵塞检测

为了提高航空发动机轴承故障诊断的准确率，提出基于改进遗传算法优化（back propagation，简称BP）网络(modified genetic algorithm to optimize BP,简称MGA-BP)的故障诊断模型。针对传统遗传算法易早熟、易陷于局部最优解等缺陷，利用固定个体选择概率、引入三角函数和高斯变异操作对遗传算法进行改进，并用改进遗传算法优化BP网络的权值和阈值。利用优化的BP网络对滚动轴承正常、内圈故障、外圈故障和钢球故障4种工况进行诊断，并考虑到网络输出模式、诊断样本比例等对诊断精度的影响。为了验证MGA-BP在轴承故障诊断中的有效性，将其他改进遗传算法优化BP网络作为对比算法。分析表明：MGA-BP能够较好地适应网络不同的输出模式、不同的样本比例，其抗噪能力、诊断准确率、误差收敛速度和误差收敛值均优于文中其他对比算法。     

航空发动机的IGWO-KELM故障诊断方法

为提高航空发动机滑油系统的故障诊断有效性，提出了一种改进的灰狼算法优化核极限学习机（IGWO-KELM）的航空发动机故障诊断方法，对航空发动机进行了故障诊断技术研究。首先对航空发动机滑油系统的参数数据进行预处理，利用核独立分量分析（KICA）将数据映射到核空间，消除原始特征向量间的相关性，并提取特征系数矩阵；其次，由提取的特征矩阵创建KELM故障模型，为减少人为调节网络参数的随机性对诊断结果造成的影响，采用IGWO算法优化KELM的网络参数，并创建IGWO-KELM故障诊断模型；最后，对所创建的IGWO-KELM故障诊断模型进行了试验验证。结果表明，所提出的IGWO优化KELM的故障诊断方法能有效提高航空发动机故障诊断准确率，诊断准确率达96%，具有很好的应用前景。     

发动机磨损状态的改进LS—SVM监控研究

介绍最小二乘支持向量机对航空发动机滑油系统铁元素浓度的变化趋势进行预测;并采用遗传算法对最小二乘支持向量机的参数进行优化。通过与时间序列分析的预测结果相比较,仿真实验结果表明：得到的最小二乘支持向量机的预测精度高,具有很好的泛化能力和学习能力。     

增程式电动汽车能量管理策略控制参数优化研究

为了进一步提高增程式电动汽车发动机的燃油经济性和排放性,对基本遗传算法进行改进,生成改进的自适应遗传算法,并将其应用于增程式电动汽车能量管理策略控制参数的优化。通过权值函数的方法将燃油消耗和排放多目标优化问题转化为单目标优化问题,并采用罚函数的方法对工况运行前后蓄电池荷电状态的增量进行约束,对增程式电动汽车发动机燃油经济性和排放性进行优化仿真。仿真结果表明,采用改进的自适应遗传算法能够有效优化增程式电动汽车能量管理系统的控制参数,使发动机的燃油经济性和排放性得到较大的提高。     

BP网络结合遗传算法对可取桥塞卡瓦结构优化

可取桥塞是井下作业中使用的主要工具,其中卡瓦结构参数的合理性直接影响油井产量和安全生产.为此提出一种基于BP网络和改进遗传算法的结构优化设计方法,在ANSYS软件环境中建立可取桥塞卡瓦模型进行仿真,得到25组数据构成网络训练样本,用BP网络建立映射关系,为遗传算法提供适应度函数,通过改进遗传算法完成最小值优化.优化结果表明卡瓦的整体性能有了显著的提高.     

基于ABC-BP神经网络的航空发动机故障诊断方法

为有效诊断发动机机械磨损故障,根据滑油金属磨屑建立基于ABC-BP神经网络故障诊断模型。模型针对BP神经网络的缺陷,利用人工蜂群优化BP神经网络,在初始化参数时将BP神经网络的误差函数作为人工蜂群的适应度,选择适应度最优的一组参数作为神经网络的权值和阈值。最后应用航空实际数据进行仿真研究,结果表明模型有较好的故障诊断效果,为实现故障预测和健康管理奠定基础。     

基于遗传算法的BP神经网络在塔式起重机故障诊断中的应用

为解决BP神经网络存在的收敛速度慢、易陷入局部极小点等不足,利用遗传算法随机搜索性强,易收敛到全局最优解的优点对其进行改进,通过误差平方和的倒数建立遗传算法与BP神经网络的联系,以改进网络权值、阈值为目标,优化神经网络结构,以更加有效地应用改进网络进行预测、识别,将其应用于塔式起重机的状态识别中,可很好地对塔式起重机进行故障诊断.     

基于实验数据的航空发动机稳态模型建模

针对基于部件级航空发动机稳态建模过程中完整、准确的航空发动机部件特性数据往往难以获取,建模时间长等现象,提出使用实验数据进行辨识建模的方法;为了建立航空发动机的稳态模型,通过对某轻型飞机实验台的飞行实验数据进行分析整理,提出使用BP神经网络对发动机重要参数进行建模,同时使用粒子群优化算法(Particle swarm optimization,PSO)对BP神经网络的权值和阈值进行优化。最后,使用改进粒子群优化算法(Improved particle swarm optimization algorithm,IPSO)对传统粒子群优化算法进行改进,仿真结果表明IPSO-BP网络建立的发动机模型精度更高,稳定性更好。     

遗传神经网络及其在制品质量预测中的应用

针对基本BP网络收敛速度慢、易陷于局部极小的不足,对基本BP网络的激活函数、动量项、学习率进行了较为全面的改进,并采用遗传算法进一步优化改进后的BP网络。分别采用基本BP网络、改进型BP网络、嵌入遗传优化的改进型BP网络建立了制品质量指标的预测模型,预测模型可根据输入的注塑工艺参数预测制品的质量指标。结果表明,嵌入遗传优化的改进型BP网络学习效率明显优于其他算法。     

基于张量Tucker分解的发动机故障诊断

传统的发动机故障诊断方法通常基于向量模式进行数据特征的提取,可能丢失数据之间的结构信息及破坏数据间相关性。针对此问题,提出了一种张量模式下提取发动机数据特征的方法,构建了“信号类别×曲轴转角×转速”的三阶张量形式的发动机状态样本,基于交替投影的思想,使用HOSVD-HOOI张量Tucker分解的联立求解算法,对数据特征进行提取。分别以不进行数据特征提取和基于张量Tucker分解进行数据特征提取两种情况,对发动机正常工作、单缸失火和轴系不对中三种状态下的实验数据进行处理,并分别采用网格参数优化法、遗传算法、粒子群算法对分类模型中的参数进行优化。以预测准确率和模型学习时间为评价指标进行对比分析,实验结果表明,基于张量Tucker分解的发动机数据特征提取及诊断方法预测准确率更高,分类模型学习时间更短。     

基于遗传算法优化神经网络的技术研究

为克服传统BP算法的收敛速度慢和容易陷入局部极小值的缺点,提出了一种基于遗传算法优化的BP神经网络智能诊断技术:采用基于实数编码的遗传算法优化神经网络权值和阈值,代替了原BP网络随机设定的初始权值和阈值,然后再用BP算法对网络进行精确搜索。实验仿真结果表明,用此法优化过的神经网络的训练步数明显减少,诊断准确率达91.7%,泛化能力也得到提高。     

改进人工蜂群优化神经网络的短期负荷预测

准确的短期负荷预测能够减少发电机组停机备用和旋转备用,其预测效果直接影响电网的安全稳定和经济效益.针对BP神经网络初值敏感、易陷入局部最优的缺点,提出了一种改进人工蜂群算法优化BP神经网络的负荷预测方法.首先融合负荷数据与温度、湿度等天气数据并进行高斯滤波处理,再采用搜索位置更新实现人工蜂群算法的改进,利用其算法完成BP网络权值和阈值的优化,最后建立用于短期负荷预测的优化模型,并通过实例进行仿真验证.结果 表明:该改进预测模型与传统BP算法相比预测精度及收敛速度均有大幅提高,具备工程实用价值.     

基于遗传算法优化BP神经网络的磨削力预测

为了克服传统BP神经网络的学习速率慢、容易陷入局部极小点等缺点,采用遗传算法对BP神经网络的初值空间进行遗传优化。用遗传算法来优化BP神经网络的权重和阈值,得到最佳的初始权值矩阵,并按误差前向反馈算法沿负梯度方向搜索进行网络学习的方法对磨削力进行预测。根据磨削力实验数据对网络进行训练,仿真结果表明该模型可以精确的描述砂轮速度、工件速度、磨削深度对磨削力的影响,并可以用有限的实验数据得出整个工作范围内磨削力的预测值。     

基于遗传算法的人工神经网络在航空发动机磨损预测中的应用

提出了一种将遗传算法和BP算法相结合的学习算法来训练BP神经网络，实现网络结构的优化，并用优化后的BP人工神经网络建立了航空发动机的磨损预测模型。将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的BP神经网络优于BP算法及多元线性回归法，具有良好的预测效果。     

多传感器融合故障诊断技术在汽车发动机上的应用研究

为避免对汽车发动机做不必要的拆装,采用多传感器获取发动机进气系统中空燃比、节流流量和汽缸流量的数据,利用BP算法进行数据的融合,对设备转速状态进行预测,以此判断故障原因。试验获取了精度较高的数据,经过MATLAB仿真计算,该系统能够达到的故障检测准确率大于93%,高于采用单一传感器所能达到的故障检测准确率。     

某型航空发动机燃-滑油热交换器模态试验中传感器布点优化策略

对某型航空发动机燃-滑油热交换器实物测量分析的基础上,在有限元软件ABAQUS中建立了其结构有限元模型并进行了模态分析。根据遗传算法原理,构造了一种基于正整数编码的改进遗传算法,利用Matlab编程完成了算法的实现,采用该方法对热交换器模态试验中传感器布点方案进行了优化,得到了传感器对应于其初始布置模式下的优化布置方案。     

遗传算法优化BP网络的锂电池剩余容量预测

为了有效地对锂电池剩余容量进行预测,在分析了BP神经网络对剩余容量模型非线性回归基础上,针对BP算法预测迭代速度慢且易出现局部最优的问题,提出了一种基于遗传算法(GA)优化BP神经网络的算法。遗传算法具有较强劲的全局搜索能力,将其应用到BP神经网络的参数寻优当中,可以寻找到BP网络的最优参数。将该模型应用于锂离子电池剩余容量的预测,并将生成的模型与单独使用BP神经网络的预测模型比较。仿真结果表明,基于遗传算法优化的BP神经网络剩余容量预测的精准度高于单独使用BP网络剩余容量预测的精准度,为锂离子电池容量预测提供了一种新方法。     

燃气轮机润滑系统磨损趋势预测

为预测燃气轮机润滑系统试验阶段潜在的磨损故障,应用神经网络及遗传算法(GA)对某型燃气轮机长时试验用润滑油中典型元素的光谱监控数据趋势进行预测。通过改变光谱分析数据归一化的范围及调整学习率的自适应性对标准误差反向传播(BP)神经网络进行改进,并利用遗传算法对改进的BP神经网络的权值和阈值进行优化,建立适合某型燃气轮机润滑系统试验阶段磨损趋势预测的模型。结果表明:所建模型具有很高的预测精度和很强的实用性,能有效地提高磨损故障的预测成功率。