基于遗传算法的BP神经网络滚动轴承故障诊断

针对滚动轴承的故障诊断问题,提出了一种基于遗传算法的BP神经网络滚动轴承故障诊断方法。以BP神经网络的误差为目标函数,利用遗传算法进行BP神经网络的权值和阈值优化,并用优化后的BP神经网络进行故障诊断。通过MATLAB仿真,结果表明遗传算法优化的BP神经网络相比传统的BP神经网络具有更好的诊断效率和准确度。     

一种基于粗集理论方法的水位模糊控制器设计

应用粗集理论中知识表达系统决策规则的简化方法对模糊控制规则进行约简来设计粗糙模糊控制器,通过约简简化控制系统,从而得到一个最简控制决策规则,使系统更易于控制。完成了水箱水位粗糙模糊控制器的设计,并分别进行了模糊控制和粗糙模糊控制仿真研究,研究结果表明该粗糙模糊控制能有效改善模糊控制的性能。     

基于粗糙遗传BP神经网络的滚动轴承故障诊断

为了提高滚动轴承的故障诊断效率和精度,将粗糙集理论和遗传BP神经网络相结合,提出了一种新的滚动轴承故障诊断方法。首先利用粗糙集理论对故障诊断决策表进行属性约简,以简化BP神经网络的结构及降低计算量。然后利用遗传算法来优化BP神经网络的参数以达到最优泛化能力,从而建立粗糙遗传BP神经网络故障诊断模型。以美国凯斯西储大学的轴承数据为例,通过MATLAB仿真,结果表明该方法不仅可以克服BP神经网络的缺陷、减少遗传寻优迭代次数,还能提高故障诊断精确度。     

基于ELM的矿井突水水源识别方法

针对矿井突水事故的预测问题,提出一种基于极限学习机(Extreme Learning Machine,ELM)的矿井突水水源识别新方法。该方法是一种单隐含层前馈神经网络学习算法,在训练过程中无需调整初始连接权值和阈值,只需要设置隐含层神经元个数即可获得最优解。以梧桐庄煤矿水质为例,通过MATLAB仿真证实,该方法不仅克服了常规BP神经网络受初始权值和阈值影响的缺陷,而且识别精度更高;在突水预测方面有很好的应用前景。     

“人工智能+统计学”交叉课程设计研究

“人工智能+高等教育”已经成为国家人工智能发展和人工智能赋能人才培养发展战略。人工智能的发展对于高等教育人才培养的创新起到了助推作用,针对当前多学科交叉协同发展趋势,人工智能赋能教育已成为未来教育变革的重要趋势。本文提出了一种机器学习和统计学相融合的交叉课程设计方式,利用机器学习课程中的决策树、神经网络、支持向量机、贝叶斯分类、集成学习模型来实现统计学课程中的时间序列对象的预测,主要从交叉课程的教学大纲、考核方案两个方面进行了设计。为人工智能赋能统计学课程内容提供了一种参考方法。     

基于信息熵与动态聚类的文本特征选择方法

根据科技文献的结构特点,搭建了一个四层挖掘模式,提出了一种应用于科技文献分类的文本特征选择方法。该方法首先依据科技文献的结构将其分为四个层次,然后采用K-means聚类对前三层逐层实现特征词提取,最后再使用Aprori算法找出第四层的最大频繁项集,并作为第四层的特征词集合。在该方法中,针对K-means算法受初始中心点的影响较大的问题,首先采用信息熵对聚类对象赋权的方式来修正对象间的距离函数,然后再利用初始聚类的赋权函数值选出较合适的初始聚类中心点。同时,通过为K-means算法的终止条件设定标准值,来减少算法迭代次数,以减少学习时间;通过删除由信息动态变化而产生的冗余信息,来减少动态聚类过程中的干扰,从而使算法达到更准确更高效的聚类效果。上述措施使得该文本特征选择方法能够在文献语料库中更加准确地找到特征词,较之以前的方法有很大提升,尤其是在科技文献方面更为适用。实验结果表明,当数据量较大时,该方法结合改进后的K-means算法在科技文献分类方面有较高的性能。     

浅析高校物业服务满意度智能评价模型

高校物业服务满意度评价标准是衡量和判断物业服务工作好坏的重要依据。针对高校物业服务满意度评价中存在主观因素,以及传统统计模型在评价中准确度较低、难以模拟非线性对象等问题。本文首先分析了高校物业服务满意度评价体系,然后设计了一种服务满意度的智能评价模型,利用遗传算法优化BP神经网络来构建评价模型,最后对模型进行集成来设计服务满意度的评价系统。为高校后勤部门提供物业服务满意度评价结果的统计数据,评价统计结果可以为国内高校实施后勤社会化改革、提高物业服务质量水平和外包物业公司考评提供依据。     

基于反馈快速学习网的热力系统混合预测模型

针对汽轮机机组功率难以精确计算的问题,提出一种热力系统混合预测模型以改善机组功率的计算精度。混合预测模型以热平衡方程为基本模型,以反馈快速学习网(feedback FLN,B-FLN)为补偿模型,将B-FLN的功率预测值作为热平衡方程功率计算值的补偿值。以某300 MW机组为研究对象,采用提出的混合预测模型对机组的功率进行预测,将其结果与热平衡方程计算值进行比较。仿真结果表明:混合模型输出功率误差小于±2 MW,降低了热平衡方程计算误差,为机组功率的可靠计算提供了一种新的解决思路。     

一种基于模糊边界层的转台伺服系统滑模控制器设计

针对飞行模拟转台位置伺服系统中存在的非线性摩擦环节,设计了一种补偿摩擦的模糊边界层滑模变结构控制器.在常规的准滑模变结构控制中引入模糊控制,利用模糊控制器来动态调整滑模边界层的厚度.通过MATLAB仿真,结果表明该控制器较好地协调了常规固定边界层滑模控制鲁棒性与平滑控制抖振之间的矛盾,有效地抑制了摩擦力矩的影响,保证了系统的快速性和鲁棒性,实现了高精度的位置跟踪.     

最优隐层BP神经网络的滚动轴承故障诊断

针对滚动轴承的故障诊断问题,设计了一种最优隐层BP神经网络,借助经验公式确定隐层单元数的取值范围,进行计算平均迭代次数和均方误差来寻找最优隐层单元数。通过MATLAB仿真,结果表明该BP神经网络具有较高的诊断效率和准确度。