基于模糊c均值聚类算法的焊缝缺陷等级磁记忆定量识别

针对磁记忆检测技术在焊缝缺陷等级定量识别中模糊性和分散性的难题,提出以模糊c均值聚类算法为理论基础的焊缝缺陷等级磁记忆定量识别模型。以Q235焊接试件为试验材料,进行疲劳拉伸试验。对比X射线检测定量标准,确定磁记忆焊缝缺陷量化等级,提取不同等级的磁记忆信号征参数向量,通过训练样本的学习选取最优模糊加权指数m,建立了基于模糊c均值聚类算法的焊缝缺陷等级磁记忆定量识别模型。模型验证结果表明,预测损伤等级的准确率达到了90%,为实际工程中准确区分焊缝缺陷等级提供理论依据和新的思路。     

基于软竞争Yu范数自适应共振理论的轴承故障诊断方法

传统自适应共振理论网络模型利用硬竞争机制对故障类边界处的样本进行分类时易造成误分类,为此,提出了基于软竞争Yu范数自适应共振理论的轴承故障诊断方法。将基于模糊竞争学习的软竞争方法引入Yu范数自适应共振理论模型中,根据模式节点与输入样本间隶属度的大小,对竞争层多个节点进行训练和学习。通过对轴承故障试验数据的诊断分析可知,该方法不但能有效识别不同类型的故障,而且能识别不同严重程度故障,且诊断精度优于自适应共振理论模型和模糊C均值聚类模型。     

电动车驱动防滑控制策略研究

针对驱动轮在附着条件恶劣的路面行驶时滑转问题,对后轮独立驱动电动汽车进行驱动防滑控制研究。提出了基于自适应模糊神经网络控制的驱动防滑控制策略,提高汽车在极限工况下车辆的稳定性。根据车辆运动状态,路面识别算法对当前路面和最优滑转率进行辨识。采用自适应模糊神经控制器将驱动轮滑转率实时控制在最优滑转率附近。仿真结果表明:模糊路面识别算法能够较好识别路面附着系数和其最优滑转率;基于自适应模糊神经控制的驱动防滑具有良好的控制效果,提高了恶劣路面行驶时车辆的稳定性与动力性。     

基于路面识别的电动汽车驱动防滑控制策略研究

针对电动汽车在低附着路面行驶时驱动轮滑转问题,对后轮独立驱动电动汽车进行了驱动防滑控制研究,提出了基于模糊路面识别的自适应模糊PID控制方法,提高汽车在极限工况下车辆的稳定性。首先根据轮毂电机转矩、转速易于测得的优势,设计了基于Burckhardtμ-S模型的模糊路面识别算法。根据车辆运动状态,路面识别算法对当前路面和最优滑转率进行辨识。然后采用自适应模糊PID控制器将驱动轮滑转率实时控制在最优滑转率附近。最后选择典型工况,基于Car Sim与Matlab/Simulink联合仿真实验对控制方法进行了验证。仿真结果表明,该模糊路面识别算法能够较好识别路面附着系数和其最优滑转率;基于路面识别的驱动防滑控制具有良好的控制效果,提高了极限工况下车辆的稳定性与动力性。     

基于改进模糊C均值的回转支承寿命状态识别

为了对回转支承的寿命状态进行研究,以保障机械设备的高效正常运行,提出一种将点密度和模糊C均值结合的算法对回转支承的寿命状态进行识别,解决了传统模糊C均值算法识别速度慢、临界点分类不准确的问题。利用自主研发的回转支承综合性能实验台对某型号回转支承进行全寿命疲劳实验,验证了所提算法的可行性。通过对比所提改进算法与传统模糊C均值算法的识别结果,表明改进算法能够更准确地识别出回转支承的不同运行状态,从而为实时维修奠定了基础。     

废旧机床再设计关键质量特性的识别方法

再设计关键质量特性是影响再制造机床顾客满意度和市场竞争力的关键因素。为了识别再设计关键质量特性,提出基于模糊线性回归的再设计关键质量特性识别方法。该方法充分考虑顾客需求与再设计质量特性之间的不确定性,构建再设计质量特性质量屋,并通过基于非对称三角模糊数的模糊线性回归,得到顾客需求与再设计质量特性之间的初始模糊关系,进而对拟合度进行优化,得到顾客需求与再设计质量特性之间优化的模糊关系。其次构建再设计质量特性重要度识别方程,并充分考虑废旧机床的可再制造性,最终识别出再设计关键质量特性。以某厂的废旧数控铣床的再设计为例,验证了该方法的有效性及可行性。     

考虑剔除虚假云服务的制造云服务优选

随着云制造服务模式的兴起,云池中存在大量云服务并掺杂有虚假的云服务,恶意竞争的虚假云服务伤害了云服务提供商的权益,云用户也很难判别真实且优良的云服务。针对该问题,提出基于蒙特卡洛模拟估计的超体积算法来识别和剔除虚假云服务。在剔除虚假云服务的基础上,提出面向云服务可信度评估的基于遗传算法的模糊c均值聚类算法对云服务聚类并进行可信度评估,利用由层次分析法和熵值法构成的制造云服务组合赋权综合评价法,根据可信度等级结合综合评价值对云服务进行优选。以某工程机械交易云平台作为研究对象,验证了所提算法的有效性,算法能有效识别虚假云服务,确定云服务的优先顺序,并选出最佳的云服务。     

基于光照补偿和模糊增强的煤粉区分割方法

针对回转窑烧结带火焰图像中煤粉射流混合区域(“黑把子”或“煤粉区”)存在光照不均和粉尘影响的问题,提出一种基于自适应光照补偿和模糊增强的煤粉区分割方法.首先利用图像的局部均值对图像亮度进行垂直方向自适应光照补偿,然后采用水平投影隶属度均值作为渡越点对应的模糊阈值,对煤粉区进行水平方向自适应模糊增强,最后用快速模糊C均值聚类分割黑把子区.实验结果表明,所提出的方法可有效克服窑内火焰图像的光照不均和图像模糊问题,快速完整地分割模糊图像中的黑把子区域,具有较强的鲁棒性.     

基于LMD样本熵和RBF网络的结构损伤识别研究

基于局部均值分解的自适应时频分析特性和样本熵的非线性量化能力,结合径向基(RBF)函数神经网络,提出一种基于LMD样本熵和径向基函数神经网络的结构损伤识别方法。首先,应用局部均值分解方法将结构振动原始信号自适应分解为若干乘积函数分量(PF分量);然后提取前3个PF分量的样本熵,实现对PF分量的特征量化;最后将分量的样本熵作为损伤特征向量,利用径向基神经网络对高速列车比例车体下底板进行识别。实验结果证明,采用该方法识别结构损伤时,结构损伤位置和损伤程度的识别精度分别为96.97%和96.25%,证明了此方法在结构损伤诊断方面的有效性和准确性。     

基于威布尔与模糊C均值的滚动轴承故障识别

提出一种基于威布尔分布与模糊C均值(fuzzy C-means,FCM)聚类算法相结合的滚动轴承故障识别方法。针对不同故障类型的威布尔分布模型的尺度参数、形态参数和威布尔负对数能够较好地刻画轴承运行的状态特性,提取其尺度、形态和威布尔负对数似然函数等3个参数构建表征轴承运行状态的特征向量。模糊C均值根据样本相对于聚类中心的隶属度确定样本的亲疏程度而实现分类。实验中,首先采用组合形态滤波器对滚动轴承原始信号进行降噪,然后建立威布尔分布模型,将提取的特征向量输入模糊C均值分类器进行故障诊断和识别。结果表明,该方法对机械故障诊断识别准确率高,可以作为滚动轴承故障识别的重要手段。