基于分形理论的多孔质气体止推轴承倾斜研究

多孔质节流器表面孔隙分布的不均匀性会导致多孔质气体轴承的倾斜。为寻找一种合适的方法来评价渗透率分布对多孔质轴承倾斜的影响,通过图像采集得到多孔质节流器表面孔隙的局部分形维数,然后利用局部分形维数的分布情况来评价渗透率的不均匀性,并提出分形维数分布向量来评估多孔质轴承的倾斜。通过实验测量多孔质轴承工作状态下的倾斜角度和方向。实验结果表明,该方法可以在不破坏多孔质节流器的情况下很好地预测多孔质轴承的倾斜:局部分形维数分布越集中则表明多孔质节流器的渗透率越均匀;根据分形维数分布向量的模可判断出轴承倾斜的角度大小,轴承倾斜的方向和分形维数分布向量的方向和达到了很好的吻合。     

基于改进的差异演化算法求解SVM反问题的研究

针对求解支持向量机反问题的效率较低,算法复杂度高以及运用传统方法求解该问题容易陷入局部最优出现早熟收敛的问题,提出一种基于改进差异的差异演化算法。该算法在标准差异演化算法的基础上利用种群分类机制对算法进行改进,对改进后的算法与标准差异演化算法和K-means聚类算法进行实验设计,并对算法最终实验结果进行分析,改进的差异演化算法除在运行时间外,结果对比以及最大间隔次数比都有明显的提升,有效地保护处于最优解区域但是适应值低的个体,能够提高算法局部搜索能力,有助于算法实现全局收敛。实验结果表明,改进的差异演化算法在求解SVM反问题上能有明显的提升。     

融合SCADA数据的风电机组齿轮箱状态评估

为对风机齿轮箱状态进行准确评估,提出一种基于核主成分(KPCA)与最小二乘支持向量机(LS-SVM)结合的齿轮箱数据融合故障预测模型。鉴于SCADA系统中数据信息质量的不确定性和冗余性,该模型首先对监测数据预处理(4分位法剔除异常数据等),对齿轮箱特征因素进行相关性分析,利用该预测方法对齿轮箱典型状态特征(振动、温度特征等)进行预测,利用统计过程控制原理(SPC)分析残差,以实现齿轮箱异常状态的预测。最后,以齿轮箱油温预测为例,验证了该模型的准确性和有效性。     

基于kmeans-SVM的二叉树粗分类方法

针对大型数据库中进行匹配识别时存在识别速度慢、时间长、影响实时应用效果的问题,提出了一种树形层次结构的粗分类方法。通过k-means得到两类粗分类的样本,用这两类粗分类数据训练SVM分类器,找到分类超平面,再不断调整分类超平面,最后构建二叉树型结构达到粗分类的目的。三个方法相结合很好地缩小目标的搜索范围,提高了识别时候的效率。     

基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.     

《计量与测试技术》投稿须知

《计量与测试技术》栏目设置有:计量科研仪器与实践、医疗计量技术、计量方法与应用、计量监督管理、误差与不确定度、计量科普1.来搞要求论点明确,数据可靠、逻辑严密、文字精炼,每篇论文必须包括中英文题目、中英文摘要、中英文关键词以及作者简介(包括姓名、性别、职称职务,主要从事工作及研究方向)、作者工作单位、详细的通讯地址、通讯电话。在文稿的首页地脚处注明论文属何项目、何基金(编号)资助,没有的不写。2.论文摘要内容(100字左右),应具有独立性与自含性,关键词选择贴近文义的规范性单词或者组合词(3~5个左右)。     

基于支持向量机模型的地表下沉系数计算参数寻优

为准确快速地对地表下沉系数进行预测分析,提出基于支持向量机(SVM)的地表下沉系数的SVM预测模型,结合我国典型的地表移动观测站实际案例,分别采用网格参数寻优算法、遗产算法(GA)、粒子群算法(PSO)对SVM模型进行参数寻优,并采用考虑交叉概率的改进GA算法对地表下沉系数进行预测.结果表明,改进的GA算法预测回归系数可达到0.95271,适合地表下沉系数预测分析,预测准确率最高.