发动机磨损模式的FGRD识别模型

发动机磨损模式识别是实现发动机故障诊断和状态监测的关键环节.根据灰色系统理论和模糊数学,引进了一种灰关联度综合评价模型和模糊相对权重的概念.根据铁谱分析的磨粒识别结果,将两者相结合运用到铁谱分析的磨粒识别中,提出了一种新的基于模糊灰关联度的发动机磨损模式识别方法,计算表明,方法是有效的.     

发动机磨损模式识别的SFCE方法

针对发动机磨损过程的复杂性和不确定性,对磨粒数量特征信息进行了模糊化.引进了信息论中一种新的模糊子集间的距离度量-对称模糊交互熵(SFCE)的概念,并结合模糊相对权重对其计算方法进行了改进,提出了基于对称模糊交互熵的发动机磨损模式识别方法.计算结果表明,SFCE方法能够实现发动机油样磨损模式的分类,具有很好的识别效果.     

发动机点火系统模糊诊断方法的研究

本文对基于模糊理论的发动机点火系统故障诊断方法进行了初步的研究，给出了体现诊断专家经验知识的模糊诊断国，提出了诊断系统的组成结构以及模糊诊断的基本过程，并且针对东风EQ6100型汽车发动机点火系统的常见故障进行了实例诊断，结果表明，利用模糊理论对发动机的点火系统进行故障诊断，是一种行之有效的方法。     

模糊模式识别通用模型及在灌溉技术优选中的应用

针对复杂大系统多层次、多因素的特点，在模糊模式识别理论的基础上，提出了适用于系统任一层次的模糊模式识别通用模型，并应用该模型对灌溉技术方案进行优选。在优选过程中，将优与劣之间分为多个级别以提高模型识别的合理性。由于指标权重对决策影响较大，为克服以往方法中的不足，提出主、客观相结合的方法确定指标权重。实例证明了模型和方法的可行性与实用性。     

一种决策逆问题的研究方法及在防洪规划中的应用

指出了模糊优选BP神经网络模型的缺点，在模糊优选BP神经网络模型的基础上，引入加速遗传算法，提出融入遗传算法的模糊优选神经网络智能决策模型。并将其应用于某流域蓄滞洪区优选决策逆命题的目标权重计算，结果表明，该模型能够明显加快网络的收敛速度，改善网络的全局寻优能力，集成了模糊优选BP神经网络和遗传算法的优点。     

车用发动机运行状态的模糊聚类与识别

利用混沌理论对车用发动机多组振动信号进行相空间重构，计算出不同运行状态的关联维数，同时结合各状态的振动平均值、峰峰值、燃料敲缸系数及机械敲缸系数组成状态向量样本。在此基础上，利用模糊C-均值的方法对样本数据进行聚类分析，得到标准状态向量，从而实现发动机当前状态的模糊识别。试验结果表明这一分析方法可为发动机的故障监测和及时维修提供可靠依据。     

退役动力电池政策智能模拟方法研究

推进退役动力电池梯次利用是建立绿色低碳循环经济体系的重要抓手,该文围绕退役动力电池政策事前模拟评估开展研究,提出一种退役动力电池利用政策的知识化表达方法,构建基于模糊神经网络的退役动力电池政策智能模拟模型,实现了计算机对政策知识的自动识别和政策制定者决策行为的智能模拟,为退役动力电池政策优选提供了一种新思路.     

伪多目标模糊遗传算法在结构损伤识别中的应用

将模糊优选理论与多目标遗传算法相结合,提出了基于模糊优选理论的伪多目标遗传算法,解决了结构多损伤中传统遗传算法对载荷不敏感部位识别难、精度不高、运算效率低的不足,并将该方法应用于两端固支梁的损伤程度识别中.实例表明,该法对结构中单个单元损伤和多单元损伤程度识别准确、精度高、收敛速度快,对大型复杂结构的损伤程度识别具有广阔的应用前景.     

车用发动机聚类元素的选取及磨损部位识别

以某型特种车为研究对象,在判定其发动机存在异常磨损的基础上,通过实例阐述了基于模糊聚类分析方法和灰色关联分析理论的发动机磨损部位识别方法。选取不同聚类元素的发射光谱原始数据进行磨损部位识别,结论表明,聚类元素的选取直接影响模糊聚类结果,并对磨损部位识别的最终结果产生影响。为提高故障部位识别的准确度,在聚类分析中应剔除零部件中不存在的及工作环境影响较大的元素,并依据发动机材料元素构造合理的磨损部位标准模式。     

车用发动机聚类元素的选取及磨损部位识别

以某型特种车为研究对象,在判定其发动机存在异常磨损的基础上,通过实例阐述了基于模糊聚类分析方法和灰色关联分析理论的发动机磨损部位识别方法。选取不同聚类元素的发射光谱原始数据进行磨损部位识别,结论表明,聚类元素的选取直接影响模糊聚类结果,并对磨损部位识别的最终结果产生影响。为提高故障部位识别的准确度,在聚类分析中应剔除零部件中不存在的及工作环境影响较大的元素,并依据发动机材料元素构造合理的磨损部位标准模式。     

半结构多目标模糊优选理论在确定工程治涝标准中的应用

在区域除涝规划设计阶段,关键是要选择出合理的除涝工程标准。在选择的过程中,要考虑定量因素和定性因素。为协调各因素之间的复杂关系,提出将层次分析法和多目标模糊优选理论相结合,建立除涝工程标准方案多目标决策模型。运用层次分析法建立指标层次模型,根据不同决策人的偏好确定相应的指标权向量,在此基础上使用多目标模糊优选模型求解各方案最优相对隶属度,以确定最佳方案。经实例分析表明,该模型在确定区域除涝工程标准中具有重要的应用价值与现实意义,能为最后的总决策提供较为客观公正的依据。     

灰色变权模糊优选模型在软基加固中的应用

针对软基特点及现有加固优选方法的不足,将模糊识别模式和变权综合模式相结合,建立了软基加固的灰色变权模糊优选模型,对某高速公路沿线软基加固方案进行优选,并采用综合健康指数评价法对优选结果进行检验。结果表明,灰色变权模糊模型的优选结果合理、可信,塑料排水板法为软基加固的最优方案。     

典型暴雨优选综合模型研究

鉴于典型暴雨在资料缺乏的中小流域水文设计时的重要性,考虑到典型暴雨本身具有灰色性、模糊性及随机性,从水文设计的安全性与样本集的整体性考虑,确定能反映暴雨特性的因子指标,采用可能度法计算各指标的权重,在典型暴雨灰加权关联度综合评价模型、典型暴雨模糊加权模式识别模型及典型暴雨贝叶斯加权评价模型三个单一模型的基础上,构建了基于贝叶斯理论的典型暴雨灰色模糊优选综合模型,以优选典型暴雨。实例应用结果表明,单一模型及综合模型均给出了选择典型暴雨的定量计算方法,得到了典型暴雨的可行性解集,弥补了传统定性选择典型暴雨主观随意性较大的不足,其中综合模型得到的可行性解集更可靠,解集中各元素的离散程度大,更便于典型暴雨的优选。     

基于超平面原型聚类的水轮机调速系统模糊模型辨识

针对水轮机调速系统的辨识难题,提出了1种基于超平面原型聚类的T-S模糊模型辨识方法.基于局部模糊模型线性度的重要性,推导出1种基于超平面的模糊聚类算法.该算法以优化局部模型线性度为目标,进行模糊模型前提结构辨识,能使局部模型具有良好的线性度;它应用变尺度混沌优化方法搜索最优聚类结果,避免陷入局部极小;应用最小二乘法实现模糊模型结论参数辨识.以某水电厂水轮机调速系统为对象,采用该方法建立了T-S模糊模型,并对其进行了辨识和对比试验.结果表明:建立的T-S辨识模型具有较高的辨识精度及较强的泛化能力,提出的模型辨识方法有效可行.     

聚类模糊原理在汽轮发电机组振动故障中的应用

:针对模糊关系诊断方法的不足,引入了聚类分析的概念,将聚类分析方法应用到旋转机械振动故障的研究领域,提出了聚类+模糊关系的综合诊断方法。并结合实例对两种方法进行了计算比较。文章最后介绍了该方法在2×300MW机组振动故障在线诊断诊断系统中的应用。     

考虑参数时变性与经济性优化的数字化保护系统可靠性分析

为解决数字化保护系统可靠性,采用三角隶属函数模糊化失效率、修复率参数,并通过对数字化保护系统建立模糊Markov模型,分析参数时变性对其可靠性的影响;同时建立一种兼顾可靠性与经济性的优化模型,提出了最优可靠度、最优失效率、最优修复率的概念,即可靠性参数在模糊区间上取一个最优值,在确保系统可靠性的基础上使得经济成本越低;最后通过实例分析,验证该方法的有效性。结果表明,在考虑参数时变性的前提下,通过求解可靠性与经济性的优化模型可得到系统的最优经济成本。研究成果可为实际工程提供借鉴。     

模糊优选决策模型在水电站群容量分配中的应用

多阶段多目标模糊优选决策模型，将传统的优化技术与模糊集理论有机地结合起来，进一步拓广了多阶段单目标动态规划模型，它能有效地解决多目标方案优选问题。在介绍模型及其求解方法的基础之上，将模型应用于水电站群的容量优化分配中，获得了满意决策。     

模糊识别优选模型在工程投资决策中的应用

将模糊模式识别理论引入工程财务评价领域,结合工程实例,用模糊模式识别模型对6种投资方案进行了优选分析,得出了方案的优先次序,并对指标权重进行了敏感性分析研究。评价结果可作为决策的依据,同时也为工程的投资方案决策提供了一条新的评价分析途径。     

An exergetically-sustainable operational condition of a photo-biohydrogen production system optimized using conventional and innovative fuzzy techniques

The aim of the present study was to perform an exergy-based multi-objective fuzzy optimization of a continuous photobioreactor applied for biohydrogen production from syngas via the water-gas shift reaction by Rhodospirillum rubrum. For this purpose, the conventional and innovative fuzzy optimization techniques coupled with multilayer perceptron (MLP) neural model to optimize the main exergetic performance parameters of the photobioreactor. The MLP neural model was applied to correlate three dependent variables (rational and process exergy efficiencies and normalized exergy destruction) with two independent variables (syngas flow rate and agitation speed). The developed MLP model was then interfaced with three different multi-objective fuzzy optimization systems with independent, interdependent, and locally modified interdependent objectives. The optimization process was aimed at maximizing the rational exergy and process efficiencies, while minimizing the normalized exergy destruction, simultaneously. Generally, the innovative locally modified interdependent objectives fuzzy system showed a better optimization capabilities compared with the other two fuzzy systems. Accordingly, the optimal syngas photo-fermentation for biohydrogen production in the continuous bioreactor corresponded to the agitation speed of 383.34 rpm and syngas flow rate of 13.35 mL/min in order to achieve the normalized exergy destruction of 1.56, rational exergy efficiency of 85.65%, and process exergy efficiency of 21.66%.