基于失衡样本特性过采样算法与SVM的滚动轴承故障诊断

针对传统支持向量机(SVM)算法在滚动轴承故障诊断领域中,对失衡数据集效果不佳、对噪声敏感以及对本身参数依赖较大等缺点,提出一种基于样本特性的过采样算法(OABSC)。该算法利用改进凝聚层次聚类将故障样本分成多个簇;在每个簇中综合考虑样本距离、近邻域密度对"疑似噪声点"进行识别、剔除,并将剩余样本按信息量进行排序;紧接着,在每个簇中采用K^*-信息量近邻域(K^*INN)过采样算法合成新样本,以使得数据集平衡;模拟3种不同失衡比下的轴承故障情况,并采用粒子群算法优化了SVM分类器的参数。经试验证明:相比已有算法,OABSC算法能更好地适用于数据呈多簇分布且失衡的轴承故障诊断领域,拥有更高的G-mean值与AUC值以及更强的算法鲁棒性。

改进狼群算法求解旅行商问题

为了找到一条最短路径,并克服传统算法在路径规划中不适合离散域求解以及收敛速度慢等问题,提出一种改进的狼群算法。通过在初始化阶段引入位置-次序编码的方法,研究了离散域的路径优化;同时在迭代过程中引入二次搜索来提高算法求解速度与精度,以实现在达到最大迭代次数前出现最优解。结果表明,改进的狼群算法相比已有的算法求解精度更高,收敛速度更快,更加有效地避免陷入局部最优。可见改进狼群算法可以很好地应用于求解最优路径规划问题。

改进支持向量机的齿轮故障诊断研究

为了更好的了解跟预测齿轮的故障情况,对断齿齿轮特征的改变和特征在声音的变化进行采集和研究。基于支持向量机在小样本数据处理十分高效的前提下,提出了通过利用主成成分分析法和遗传算法对支持向量机中的参数进行优化,针对断齿齿轮在波形变化的特征,提出了通过改进支持向量机算法对其进行故障诊断。经过数据采集分析,将一分钟的数据分成六十份,每份一秒钟,利用改进的支持向量机算法训练与优化。最后通过matlab软件实例,进行六十组的实验,验证了方法的可行性。

下部水冷壁风室卧式装焊工艺攻关

本文通过介绍下部水冷壁风室的结构特点和新型卧式组装方式,为后续同类型结构部件的制造提供了一种新的思路,该方案不但可以减少部件制造时对场地的依赖性,而且可以提高制造过程中的安全性。