Bezdek型模糊属性C均值聚类算法

推广了属性均值聚类算法,提出了基于模糊度m的Bezdek型模糊属性C均值聚类算法(FAMC),给出了FAMC算法的迭代算法,并讨论了模糊度m对算法收敛性的影响.在标准Iris数据集与肿瘤基因芯片表达数据的模式识别实验结果,验证了该算法优于模糊C均值算法和属性均值聚类算法.      

基于混合人工鱼群算法的传感器网络优化

针对传感器网络节点优化的问题,提出一种混合人工鱼群算法.该算法在人工鱼群算法优化的末段引入模式搜索法,以人工鱼搜索到的最优解作为模式搜索法的初始解,利用模式搜索法的单调搜索特性,将解引向全局极值.新算法保留了人工鱼群算法全局搜索能力强、寻优速度快的特点,使寻优精度得到了提高.仿真实验表明:混合人工鱼群算法能够有效地优化传感器网络节点部署,提高覆盖率.     

基于阈值的激光雷达K均值聚类算法

针对同一距离不同目标的激光雷达全波形回波数据聚类准确率低的问题,在分析K均值聚类算法原理的基础上,提出了一种基于阈值的K均值聚类算法。首先,利用强度信息对距离信息进行标定,使用强度信息作为特征进行聚类以区分同距离的不同目标。然后,利用阈值限定聚类中心间的最小距离,提高聚类准确率。最后,搭建了扫描验证平台进行平移和旋转成像,对算法有效性进行验证。通过不同颜色目标和模拟道路回波数据聚类实验表明,在不同阈值的情况下,提出的基于阈值的K均值聚类算法的聚类准确率均在90%以上,相比于无阈值的K均值聚类算法准确率提升10%以上,能够有效进行目标聚类和模拟道路提取。      

一种改进的固液火箭发动机故障诊断方法

针对固液火箭发动机的可靠性问题,设计了一种改进的贝叶斯网络故障诊断方法,可以通过网络化自主逻辑推理,对固液火箭发动机进行故障诊断。为了提取时序观测信号的故障特征,提出将步进法与核主成分分析(KPCA)相结合的分析方法,并根据模糊C均值聚类算法(FCM)建立模糊多态贝叶斯网络,实现对观测信号尺度的模糊处理,提高对不确定性故障的诊断能力。通过Matlab/Simulink建立改进的贝叶斯网络故障诊断系统。仿真结果表明,改进的算法能够实现对固液火箭发动机常见故障的有效诊断,并能够适应小样本集学习的情况。与传统贝叶斯诊断算法相比,故障诊断的平均准确率提高了20.9%。     

基于组件的模糊推理在卫星故障诊断中的应用

利用COM组件技术实现故障诊断组件化 ,用模糊推理技术与故障诊断技术相结合的方法 ,给出卫星故障诊断组件化平台 ,并开发了模糊推理组件。最后针对某型号卫星的电源系统 ,将模糊推理组件应用在电源损耗器故障诊断专家系统中     

基于谱峭度与双谱的轴承故障诊断方法

针对强背景噪声情况下的轴承故障诊断问题,提出了一种基于谱峭度与双谱的轴承故障诊断方法。该方法采用谱峭度检测振动信号瞬态频带,利用最优带通滤波器抑制振动信号中的噪声得到滤波后信号。由带通滤波器的带宽确定低频矩形区域,计算落于该区域内的信号包络的局部双谱图,依据局部双谱图诊断轴承故障。仿真分析表明,强背景噪声和滚动体滑动会造成传统轴承故障诊断方法（如峭度、功率谱、包络谱）失效,而该方法能够有效地抑制噪声,更准确地诊断轴承故障,并通过6205-2RS JEM SKF轴承诊断实例,说明了该方法的有效性。     

基于核方法的聚类算法及其应用

在分析核方法的核心概念基础上,提出了一种基于核方法的聚类算法.通常,传统聚类算法只在数据特征差异较大时才有效,当数据特征差异较小时,很难取得较好的聚类效果.引入核函数,将原始数据由数据空间映射到特征空间,在特征空间中进行聚类.核函数的非线性映射使得原始数据的特征更完整地显现出来,从而能够更客观准确地聚类.与传统聚类方法相比,该方法聚类结果更客观有效.以16组实际数据为例,将该方法应用于数据分类研究中,聚类结果表明了该方法的可行性和有效性,从而为数据分类提供了一种新的可行方法.      

基于小波包分解和FCM聚类的纹理图像分割方法

提出了一种新的图像特征提取中选取最优小波分解树的方法.塔式小波分解对信号解不够全面,而小波包全分解又引入庞大的计算量,因此小波分解最优树的选取尤为重要.结合模糊c均值(FCM,Fuzzy C-Mean)聚类,提出了一种能同时进行小波自适应分解和纹理特征分类的纹理图像分割方法,该方法将无监督聚类中的聚类有效性参数引入到自适应小波分解的判决中,能根据无监督聚类分割的需要,自适应地选取小波包分解的树形结构和分解层数.相对于小波包全分解,节省了大量的运算,并能取得良好的分割效果.      

基于EMD与切片双谱的轴承故障诊断方法

针对轴承故障诊断问题,提出一种基于经验模态分解(EMD,Empirical Mode Decomposition)与切片双谱分析相结合的新方法.将原始信号分解成不同尺度的固有模态函数(IMF,Intrinsic Mode Function),求取IMF分量的包络,计算其对角切片双谱,提取由于二次相位耦合产生的非线性特征,得到轴承的故障特征频率.通过对仿真信号进行分析,表明该方法克服了传统的基于EMD的包络功率谱方法不能抑制噪声的缺点,同时较传统高阶谱方法计算量更小.给出了6205-2RS JEM SKF轴承诊断实例,说明了该方法的可用性.     

基于半监督迁移学习的轴承故障诊断方法

针对航空发动机轴承故障诊断过程中预测精度不足以及过拟合的问题,提出基于迁移学习的半监督集成学习器（SSIT）用以发动机轴承故障预测。首先,训练改进的基于迁移学习的极限学习机（TELM）以及基于迁移学习的支持向量机（TSVM）,分别迁移不同目标空间的高相似度样本加入到源样本空间进行训练。然后,与对应的基学习器集成同簇学习器来识别未标记样本,构成半监督学习器不断调整初始基学习器权重,并继续集成半监督基学习器的识别结果到SSIT中。通过此学习机识别提取特征后的,用以故障识别。实验结果清楚地表明:此种方法可以有效降低迁移学习中的负迁移效果,提升迁移精度10%左右,降低机器学习中的过拟合效果,提高半监督学习稳定性,与现有的预测方法相比可以提高精度9%以上。      

基于振动参数聚类融合的空间轴承故障辨识方法研究#br#

轴承是飞轮和控制力矩陀螺(CMG)等空间惯性执行机构的核心部件,其健康状态直接影响整机性能和使用寿命.当前,由于轻载轴承在正常运转时也可能产生类似于微弱故障特征的现象,导致单一故障特征参数难以辨识正常和微弱故障状态.针对这一问题,本文提出了一种基于振动参数聚类融合的轴承微弱故障辨识方法.首先,通过轴承振动实验获得数据;然后,基于特征频率比值等方法对振动信号进行特征参数的提取;在此基础上,利用K Medoids算法对正常样本进行聚类,并根据3σ法则构建正常运转的安全边界;最后,计算不同轴承故障数据的超限概率,根据概率大小进行故障状态的识别.结果表明,该方法对轴承正常和微弱故障的辨识是可行和有效的.     

基于知识推理的航天器自主故障诊断方法

面向深空探测这类型号任务,提出一种基于知识推理的航天器自主故障诊断的智能方法,采取直接线性存储的知识库结构、主动监测事实更新并触发推理以及基于散列算法的事实管理三项关键技术,适用于航天器硬件处理能力和存储容量受限的应用环境.采用C语言在基于TSC695处理器的嵌入式系统上实现了该故障诊断方法,实验的结果表明该方法有效.     

基于序列-图像映射的航天器智能故障诊断方法

卫星组网是未来航天的发展大趋势,要保证众星在轨安全可靠稳定运行,要求单星具备高精度的在轨自主故障诊断能力。本文针对航天器控制系统故障闭环传播和数据维数高的特点,结合某航天器的地面测试数据,首先对高维耦合序列数据进行处理,实现序列到灰度图像的映射,然后采用卷积神经网络完成高精度同一故障部件的故障诊断。通过将所提方法与K邻近算法、基于主成分分析的K邻近算法等非图像化机器学习算法进行对比验证,说明了本文所提方法的有效性。     

基于自适应观测器的飞轮故障诊断物理仿真

研究了反作用飞轮的故障诊断问题.针对反作用飞轮的非线性数学模型,分析了其故障模式,建立了其故障的参数化描述方法,并在此基础上提出了一种基于参数自适应投影的反作用飞轮故障诊断方法.该方法通过构造观测器,利用参数自适应投影算法来更新参数信息,保证观测器的误差收敛到零.最后对飞轮的正常模式和3种故障模式进行了物理仿真实验,结果表明提出的方法有效可行.     

基于分散化预测滤波的故障诊断方法研究

针对多故障源系统的故障诊断问题,提出一种采用分散化预测滤波与两种不同类型残差相结合的诊断方法。该方法针对不同类型故障敏感的特点,利用不同类型残差,区分系统组件／执行机构故障和传感器故障;利用模型误差估计与故障各分量的对应关系,辨识和隔离系统组件／执行机构故障;利用分散化滤波的结构,识别和隔离不同传感器故障。以卫星姿态估计系统为例,仿真验证该故障诊断方法,结果表明,分散化预测滤波与集中预测滤波相比,对多类型故障讲轩枪测识别以及系统舌柏古白体力事程．     

一种推进系统故障诊断反问题模型与算法

针对大型液体火箭推进系统故障诊断工作的需要, 建立了一种推进系统故障诊断反问题模型,并提出了基于遗传算法的反问题求解算法.在对故障诊断反问题的特点与困难及其求解方法研究的基础上,重点论述了基于遗传算法的反问题求解算法和基本过程.最后,给出了液体火箭推进系统故障诊断反问题求解的具体例子,表明所建立的推进系统故障诊断反问题模型及所提出的算法是合理有效的.      

模型辨识法诊断发动机故障的分析

利用模型辨识法,以双轴分排涡扇发动机为例,研究当监视参数较少时,发动机故障诊断的 可行性及效果.模型辨识法基于发动机性能仿真模型,在辨识的过程中利用了发动机平衡技 术,考虑了模型的非线性.故障诊断过程中详细讨论了典型工作状态的选择对诊断结果的影 响.研究表明,模型辨识法能够准确定量诊断发动机故障,并得到状态选择的原则.     

基于LM优化算法的神经网络在航空发动机转子故障诊断中的应用

针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,给出了两种改进BP算法:LM(Levenberg-Marquardt)优化算法和SCG(Scaled Conjugate Gradient)算法,应用这两种算法对航空发动机转子故障进行诊断研究,比较它们之间的研究结果,仿真和实验表明LM优化算法比SCG算法具有更高的准确度和较快的收敛速度,可行性更强。     

基于定性模型的故障诊断方法

基于定性模型的故障诊断方法，利用定性模型描述系统结构和定性地预测系统行为，并通过与实际行为进行比较，可推理得到系统的故障诊断结果。详细介绍了基于定性模型故障诊断方法的诊断机理、建模方式及优缺点。此外，还概述了该方法的研究与应用现状及发展趋势。     

基于矢量观测的陀螺故障诊断算法

卫星在轨运行期间, 采用反作用轮进行姿态控制及推力器进行位置保持, 星体惯量会发生改变并存在控制力矩. 提出了一种基于运动学方程的矢量观测算法应用于陀螺故障诊断, 采用广义罗德里格参数描述卫星姿态, 避免了四元数在计算过程中出现模值不为一的情况; 计算过程中采用四元数进行姿态运动学计算, 避免了广义罗格里德参数复杂的积分运算. 针对陀螺突变和缓变两种故障, 分别在角速度幅值变化很小和幅值缓慢减小两类情况下进行仿真. 仿真结果表明, 该算法可有效估计星体角速度, 在上述两类情况下均能准确地对突变和缓变故障进行诊断, 不受星体惯量变化和控制力矩的影响, 并且计算量较小, 对工程应用具有较好的参考价值.