基于人工免疫算法的转子系统扭矩扰动识别方法

提出了一种对多支承转子系统在运转过程中所受的扭矩扰动进行识别的方法. 该方法基于人工免疫系统的阴性选择算法,提取转子转速和轴承载荷作为特征参量,首先获得转子系统正常工作状态下的自己模式串,并随机产生初始检测器;进而利用人工免疫系统的进化学习机制,对转子扭矩受扰后获得的异常工况下的非己模式串进行学习和记忆;进化学习后生成典型扭矩扰动下的成熟检测器,能够区分和标记不同类型的扭矩在状态空间上所对应的区域. 实验结果表明:该方法能有效地检测出转子系统异常扭矩扰动,并能对扭矩类型做出很好的识别.      

结合免疫聚类和免疫进化规划的RBF网络设计方法

提出了一种结合免疫聚类和免疫进化规划的径向基函数(RBF)网络设计方法.该方法采用人工免疫聚类机制根据输入数据集合自适应地确定RBF网络隐层中心的数量和初始位置,并通过提取RBF网络核函数宽度的先验知识作为疫苗构成免疫算子.该算子可以缩小进化算法搜索空间的范围,提高算法的收敛速度.仿真结果表明,采用本方法设计的RBF网络结构精简,具有较强的泛化能力.     

用于高维函数优化的免疫记忆克隆规划算法

基于抗体克隆选择学说及免疫记忆理论,系统阐述了一种新的人工免疫系统算法,免疫记忆克隆规划,并基于Markov链的有关性质,证明了该算法的收敛性.高维函数优化的仿真试验表明,与相应的进化算法(如BGA)相比,算法有效克服了早熟问题,保持了抗体的多样性,而且收敛速度快.     

一种基于虚拟力导向和细胞分化的免疫网络分类算法

针对传统免疫网络分类算法中抗体细胞进化缺乏有效指导的问题,提出了一种基于虚拟力导向和细胞分化的免疫网络分类算法(VCAINC).算法引入虚拟力场区的概念,基于虚拟力场区定义抗体所受的虚拟作用力以指导抗体的进化过程,并根据移动收敛条件判定抗体的合理位置;对于无法达到收敛条件的抗体,采用细胞分化策略提高免疫网络的分类性能;分析了算法在UCI标准数据集的分类效果.实验结果表明,VCAINC对于多个标准数据集均具有良好的分类性能,能够有效指导抗体细胞的进化.     

基于RBF神经网络多用户检测方法的设计

基于免疫算法和免疫进化网络,提出了一种训练RBF网络的混合算法.该算法采用了一种可以实现数据聚类的免疫进化网络,根据输入数据集合自适应地确定RBF网络隐层中心的数量和初始位置;采用免疫算法训练RBF网络,使优化过程趋于全局最优.通过计算机仿真证明,将该方法应用于多用户检测中获得了比传统检测器和其他方法训练的RBF网络多用户检测器更好的误码率检测性能.     

基于免疫多样性的分布式入侵检测算法

提出了一种基于免疫多样性的分布式入侵检测方法，将支持向量机（SVM）作为抗体对入侵行为进行检测．首先，采用随机子空间方法生成多样化的SVM个体，再用人工免疫算法进化个体，然后通过引入Q统计量和互信息作为抗体多样性的度量，由此得到的检测器种群具有知识互补性，最后用集成的思想将种群中各检测器的结论进行合成．数值实验表明，所提方法生成的抗体更具多样性，检测精度高于单个SVM和Bagging方法，其分布式并行检测特性有利于加强检测系统的健壮性．     

基于免疫进化算法的Bayesian网结构学习

利用免疫进化算法（IEA）, 借助遗传和接种疫苗操作将基于打分和基于约束的两类Bayesian网结构学习方法有机地结合在一起, 提出一种新的Bayesian网结构学习方法. 通过与基于遗传算法的Bayesian网结构学习方法EGA(Expectation & Genetic Algorithm）的对比试验表明, 所提出算法的收敛速度更快、 学习得到网络的精度更高.     

一种新的免疫克隆选择算法

提出了一种新的人工免疫系统算法——免疫克隆选择算法,描述了算法的操作过程.采用函数优化仿真实验与进化算法进行比较,结果表明免疫克隆选择算法收敛速度快,求解精度高,稳定性好,并能有效地克服早熟问题和骗问题.     

基于云模型的自学习进化算法

结合进化论和遗传理论的最新进展,提出基于学习算子的自学习进化算法;并将正态云模型引入进化过程中,提出云学习算子和基于云学习算子的自学习进化算法.最后的仿真实验表明,该算法具有精度高、收敛速度快等优点,能在很大程度上解决了现存进化算法的低效问题.     

基于学习的并行免疫量子进化算法及收敛性

提出了基于学习的多宇宙并行免疫量子进化算法,算法中将种群分成若干个独立的子群体,称为宇宙。宇宙内采用免疫量子进化算法,宇宙间采用基于学习机制的移民、模拟量子纠缠的种群交叉等信息交互方式,使得进化算法具有更好的种群多样性,更快的收敛速度和全局寻优能力。不仅从理论上证明了该算法的收敛,而且通过仿真实验表明了该算法的优越性。     

Nonlinear fault diagnosis method based on kernel principal component analysis

To ensure the system run under working order, detection and diagnosis of faults play an important role in industrial process. This paper proposed a nonlinear fault diagnosis method based on kernel principal component analysis (KPCA). In proposed method, using essential information of nonlinear system extracted by KPCA, we constructed KPCA model of nonlinear system under normal working condition. Then new data were projected onto the KPCA model. When new data are incompatible with the KPCA model,it can be concluded that the nonlinear system is out of normal working condition. Proposed method was applied to fault diagnosis on rolling bearings. Simulation results show proposed method provides an effective method for fault detection and diagnosis of nonlinear system.     

基于多重预设广义频率响应函数模型的故障诊断方法

为了避免在基于非线性谱分析的故障诊断中估计被分析系统当前的广义频率响应函数（GFRF），提出了一种基于多重预设GFRF模型的故障诊断方法。该方法使用不同的预设GFRF模型来表征系统的各种工作模态，并根据各预设模型与系统当前状态的匹配程度来判定系统故障，应用这一方法对实际的车辆减震弹簧的故障进行了诊断，测试结果表明，该方法对于工程应用是可行的，且该方法能避免在线估计GFRF，具有在线计量小、便于用微处理器实现的优点。     

基于主成分分析法的变风量空调系统传感器故障诊断

在已经建立的建筑空调系统仿真器的基础上,针对变风量（VAV）空调系统的传感器故障,提出一种基于主成分分析（PCA）和法则相结合的传感器故障诊断方法。建立了PCA模型,将由传感器测量值所组成的测量空间分解为主成分和残差两个子空间,进行故障检测后再由基于法则的策略进行故障重构。仿真试验表明,该方法不仅能够准确地检测并隔离传感器故障,而且可以初步地进行故障重构,为进一步研究传感器的故障诊断提供了必要的基础。     

基于深度学习与图像处理的废弃物分类与定位方法

针对现有人工垃圾分类工作环境恶劣、自动化程度差等问题,提出基于深度学习与图像处理的废弃物分类与定位方法,为智能分拣提供理论依据.建立基于Inception模块与残差单元,搭建改进的卷积神经网络废弃物分类模型,预测目标物体种类.针对复杂环境采集到的图像,利用图像处理算法对图像降噪、阈值分割、边缘检测,有效提取目标轮廓信息,并结合质心定位算法实现废弃物准确定位.实验结果表明:该方法中废弃物分类模型预测准确率可达88.8％,基于轮廓信息的质心定位算法可以准确定位目标,具备较强的废弃物分类与定位能力.     

多面体干涉检测中的接触状态判定法

目的针对已有的干涉检测算法多采用在离散的时间点上进行求交的方法,效率和可靠性低,并且不太容易解决物体刚好接触等问题,提出通过接触判断进行多面体干涉检测的方法。方法在对接触状态进行分析的基础上提出了基于四元组运动表示的物体接触状态判定算法。结果该算法的干涉检测时间是连续的,能够避免由于时间划分误差产生的判断遗漏。结论在检测到几何对象的接触后,采用静态包容性测试,大大提高了算法效率,而且由于避开了非线性问题,可靠性也大大提高。对简单运动或几何问题,具有很高的效率和可靠性。     

基于摄像机的人体运动分析系统标志点图像处理

针对基于普通摄像技术的人体运动分析系统检测精度与处理速度低的问题,提出了一种快速标志点模糊图像预处理及标志点识别与跟踪的新方法。该方法首先利用快速模糊边缘检测算法对图像进行增强处理,然后使用作者构造的基于阈值法的连通域判别算法提取标志点图像边缘,最后运用“一阶预测—局部搜索”方法查找与跟踪标志点。对比实验及临床应用结果表明,该方法具有运算量小,图像处理快的特点,提高了运动分析系统的运行速度。该方法尽管是针对由普通摄像机替代专用设备建造的人体运动信息分析系统中图像处理问题提出的,但它同样适用于其它有关静止或低速运动物体图像的检测、处理与模式识别等方面的研究。     

电液伺服阀状态在线特征提取和异常检测方法

基于电液伺服阀的动态工作特性,提出一种新的特征提取方法.将一类支持向量机用于电液伺服阀的在线异常检测,通过交叉有效性估计学习方法优化一类向量机参数,并与神经网络的诊断结果进行对比.实验结果表明,所提出的特征提取方法能够有效地提取电液伺服阀的动态特征信息,同时利用一类支持向量机优良的泛化能力能够有效地对电液伺服阀的异常状态进行识别.     

卫星姿态测量系统的故障诊断技术

以挠性陀螺仪、红外地平仪和太阳敏感器组成的对地观测卫星的姿态测量系统为对象,研究了该系统传感器硬件故障的诊断技术．在给出系统方程的基础上,对传感器的故障作了假设,并对该系统进行基于广义简化滤波器（多重滤波器）故障诊断方法的应用．该方法利用测量系统自身的卡尔曼滤波器,故只需增加有限的计算量．结果表明,这一方法有较好的实时性和较高的故障检出率,有利于卫星姿态测量系统可靠性的提高和高精度卫星的研制．     

基于神经网络预测器的单传感器故障检测方法

目的 研究单传感器的故障检测方法,方法 提出了神经网络预测器用于单传感器故障检测的实现方法,并给出了神经网络预测器的在线和离线学习算法。结果 本方法只需要一个传感器的输出信号就可检测系统中的传感器是否发生故障,如果对系统中多个传感器建立神经网络模型,可以检测控制系统中多种类型的以及多个同时发生的传感器故障。结论 用汽车发动机仿真实验可以表明本方法是行之有效的。