基于改进灰色神经网络的液压泵寿命预测

改进了GM(1,1)模型,提高了其精度和适应范围;将改进的GM(1,1)模型与神经网络预测模型相结合来构建灰色神经网络组合预测模型;提出了基于支持向量机的液压泵寿命特征启发式搜索策略,以液压泵寿命特征参数特征集的交叉验证错误率为评价指标,从液压泵的特征参数（振动、压力、流量、温度、油液信息等）中选取寿命特征因子;运用小波阈值降噪法进行降噪处理,提取典型的小波包能量特征作为模型的输入。以齿轮泵为例,将改进的灰色神经网络预测模型与原始GM(1,1)模型和改进GM(1,1)模型比较可知,灰色神经网络预测模型预测精度最高,达到98.42%。     

灰色模型在疲劳寿命预测中的应用

疲劳寿命预测的问题是疲劳研究中的重要课题。影响疲劳寿命的因素多且复杂,利用灰色理论方法进行疲劳寿命预测,提出了非等间距GM(1,1)模型和中心逼近式GM(1,1)模型两种预测疲劳寿命的方法。通过对实验数据进行分析和整理,然后建立微分方程,利用MATLAB软件计算得到灰色预测值。与实验数据值进行比较,得出结果表明灰色模型方法具有很高的预测精度,证明灰色理论是一种简单可行的、可靠的分析方法。     

预测腐蚀管道剩余寿命的新方法研究

针对概率统计方法预测腐蚀管道剩余寿命对数据样本要求大和预测精度低的问题,提出采用灰色预测理论对腐蚀管道进行了剩余寿命预测;针对传统GM(1,1)模型不能根据非等时距数据进行数据拟合、背景值构造误差大和新信息利用充分的问题对GM(1,1)模型进行了改进,并提出灰色预测理论对非等间隔数据处理的新方法。通过采用所建立腐蚀管道剩余寿命模型和改进GM模型对腐蚀管道剩余寿命的计算,证明了该方法的准确、简洁、可行与普适性。     

液压挖掘机臂杆结构疲劳寿命预测方法研究

液压挖掘机臂杆结构承受复杂的冲击载荷,其疲劳寿命存在许多不确定性因素。首先采用Miner准则,依据实验载荷谱和有限元方法对液压挖掘机工作装置寿命进行了预测。其次研究了结构疲劳寿命变化过程和灰色理论预测模型内在规律的一致性,建立了液压挖掘机工作装置疲劳寿命的灰色预测GM模型,并分别运用GM模型的两种形式--GM(1,1)线性模型及GM(1,1)幂模型对液压挖掘机工作装置进行疲劳寿命预测。分析比较Miner准则、GM(1,1)线性模型及GM(1,1)幂模型三种预测方法。结果表明,三种预测方法结果基本一致,灰色系统模型同Miner准则模型相比误差明显减小且非线性幂模型具有更高的预测精度。基于灰色理论的GM(1,1)幂模型考虑了非线性因素,更适合于液压挖掘机工作装置结构疲劳寿命预测。     

改进背景值的非等间距阶跃灰色模型及其在油液光谱分析中的应用

针对非等间距、具有阶跃跳变的原始数据序列建立Simpson求积公式构造背景值的非等间距阶跃灰色模型。将该模型用于某型军用挖掘机液压系统油液光谱分析数据的拟合与预测,得到较高的拟合预测精度。利用阶跃参数对预测数据进行修正,根据修正数据结合线性回归理论制定的阈值,可以有效判断液压系统的运行状态,在一定程度上消除了换油对光谱分析数据的影响。     

锥齿轮疲劳寿命预测的灰色GM(1,1)模型

齿轮疲劳寿命的评价与预测需要大量的齿轮疲劳试验数据,而灰色GM(1,1)模型则可以对小样本实验数据进行分析。介绍了灰色GM(1,1)模型的原理,建立了一个实例的齿轮疲劳寿命的GM(1,1)模型,预测结果具有较高的精度。证明了将灰色系统理论用于弧齿锥齿轮的疲劳寿命试验数据预测是可行的。     

灰色GM(1,1)模型在机械产品寿命试验数据预测中的应用

将构造的背景值公式引入 GM(1,1)模型 ,并用该模型预测机械产品寿命试验数据 ,实例计算结果表明 ,该方法能缩短机械产品寿命试验时间 ,提高了 GM(1,1)模型的预测精度。     

非等间距灰色法预测废旧零件剩余寿命研究

对日益增长的矿冶废旧零部件进行剩余寿命预测是对其再制造循环利用的前提和基础。为了准确预测矿冶废旧零部件再制造剩余寿命,首先选取矿冶废旧零部件油液光谱分析数据作为其寿命特征信息,针对实际油液采样间隔不等距的处理难题,采用非等间距数列处理方法,运用非等间距加权灰色线性组合模型对矿冶废旧零部件再制造剩余寿命进行预测。最后通过对某型凿岩台车液压泵齿轮的实例分析,表明该方法简单、实用、具有较高预测精度,可以在矿冶废旧零部件剩余寿命预测中推广。     

制动器摩擦衬片磨损量的等维灰色预测

为评估制动器摩擦性能和工作可靠性,采用灰色系统理论分别建立了摩擦衬片磨损量预测的灰色GM(1,1)模型及等维灰色GM(1,1)模型(包括等维灰数递补GM(1,1)模型和等维新息GM(1,1)模型).计算结果表明,灰色预测模型的计算值与实际测定值之间非常接近,而等维灰色预测模型较单一GM(1,1)模型在多步预测时具有较高的精度;等维新息GM(1,1)模型较等维灰数递补GM(1,1)模型具有更高的预测精度,其具有动态性,可对摩擦制动器的工作状态实施在线实时监控.     

基于灰色神经网络的传感器分段标定

针对大量程高精度传感器不能一次完成标定实验的情况,提出一种将优化灰色GM(1,1)模型与BP神经网络相结合来预测分段标定过程中特征值缺失的方法,从而实现传感器的分段标定。首先,根据实验数据建立传统灰色GM(1,1)模型,对待标定传感器和标准传感器的测量值进行缺失数据的预测;然后,为弱化传统灰色GM(1,1)模型序列变化的幅度,提高模型的预测精度,利用中心逼近的思想对传统的GM（1,1）模型进行优化;最后,利用BP神经网络对优化的灰色GM(1,1)残差序列进行修正,以较高的精度实现对分段标定过程中缺失特征值的预测。结果表明,待标定传感器和标准传感器组合预测模型的平均残差分别为0.023%和0.401%,证明了组合预测模型的有效性。所提出方法为解决大量程高精度传感器分段标定时静态特性曲线的拟合提供了一种新思路。     

逐步优化 GM(1,1)预测模型在金属切削理论研究中的应用

运用灰色系统理论及方法，在GM(1，1)建模思想的基础上提出了一种基于直接建模的逐步优化的建模方法，它通过优化背景值与差商调节系数来估计模型参数。该模型不仅适合于等间距建模，也适合于非等间距建模，且突破了发展系数的绝对值较大时，不能用GM(1，1)模型的禁区，提高了建模的精度。应用该模型对金属切削试验数据处理，为金属切削试验提供了科学的方法。     

灰色系统模型在机床热误差建模中的应用

提出了采用灰色系统模型进行机床热误差建模的基本原理及方法，以及其在机床热误差补偿建模中的应用。论述了如何利用实测的热误差序列，通过对全数据GM（1，1）模型、新信息GM（1，1）模型和新陈代谢GM（1，1）模型进行机床热误差建模和预报，得出了新陈代谢GM（1，1）模型是机床热误差补偿建模最理想模型的结论。     

基于不等间距灰色模型的疲劳寿命预测方法

运用不等间距灰色模型与传统Miner准则相结合的方法对结构件的疲劳寿命进行了预测。首先针对应力统计分级得出的相邻应力间距不相等的情况,构建了不等间距灰色模型,并用遗传算法优化不等间距灰色模型的背景值以保证模型的精度。其次运用不等间距灰色模型与Miner准则相结合,建立了疲劳寿命预测的灰色Miner方法。再次采用算例验证了不等间距灰色模型建模的精确性以及将不等间距灰色模型应用于疲劳寿命预测的合理性。最后将该方法应用到矿用自卸车A形架的疲劳寿命预测之中,不仅提高了A形架疲劳寿命的预测精度,而且证明了该方法对构件疲劳寿命预测的有效性。     

GM（1，1）和线性回归模型及其在印刷包衬压缩变形数据预测中的应用

运用线性回归对预测数据进行分析,剔除异常数据,用GM（1,1）模型进行预测,有效降低了数据相对误差,提高了预测数据的精度。选用印刷包衬压缩变形的压缩变形量λ值,用线性回归进行数据分析并剔除异常数据后用GM（1,1）进行预测,使得预测数据具有更高的准确性和适应性。实验及仿真结果表明,经过前期数据分析整理后的灰色预测模型,其预测期望值远优于单纯的回归模型和GM（1,1）模型。     

灰色时序组合模型在发动机状态监测中应用的研究

分析了时序AR（n）模型和灰色GM（1,1）模型2种故障预报模型的优点和缺点,将2种模型有机地结合起来,提出了一种新的灰色时序组合预报模型。通过对一组发动机铁谱数据进行检验以及比较,表明提出的组合模型比2种原始模型具有更好的预报结果。证明了灰色时序组合模型在发动机油液铁谱分析与状态监测中的优越性。     

冲压生产线液压油光谱监测研究

采用GM(1，1)模型对所监测的冲压生产线在用液压油的光谱数据进行拟合和预测，计算结果表明，GM(1，1)是一种用来预测的有效的模型，同时探讨了油液污染度与设备磨损状态的关联度，初步揭示了油液污染度和元素光谱数据之间的关系。     

纳米定位系统动态误差灰色模型补偿方法研究

对等步距多工位工作的纳米工作台,采用灰色模型能够同时对定位误差中的系统误差和随机误差进行动态补偿。讨论了提高灰色模型精度的方法,建立了改进背景值的等维新息GM(1,1)灰色预测模型。用5 μm步距定位误差进行了一步预测分析,结果表明该模型具有较高的预测精度;5 μm和3 μm步距的定位误差预测补偿实验表明,工作台的定位误差可以控制在40 nm以内。实验证明了灰色预测模型用于纳米定位系统动态补偿的有效性,且需要的建模数据很少、计算量小,适用于具有时变特征的精密定位系统。