基于MEA优化BP神经网络的农机滚动轴承故障诊断

为了解决农机滚动轴承的故障诊断问题,提出了一种基于思维进化算法(MEA)优化BP神经网络的故障诊断新方法。该方法利用思维进化算法的趋同和异化操作,通过竞争获取优胜种群,在迭代过程中不断优化BP神经网路的初始权值和阈值,建立MEA-BP网络农机滚动轴承故障诊断模型。以滚动轴承试验实测数据为例,通过Mat Lab软件进行仿真,结果证实:该方法不但克服了常规BP网络学习速度慢和局部极小的缺点,而且提高了故障诊断准确度,为其他农业机械设备的故障诊断提供了一种试验方法。

阱宽非对称性诱导随机共振的轴承故障诊断方法

针对随机共振能够俘获噪声能量增强与提取机械微弱故障特征的优点,基于两态信噪比理论研究了阱宽非对称性诱导下的随机共振现象,理论结果表明阱宽诱导下的非对称随机共振比对称随机共振具有更高的输出信噪比,意味着适当的非对称性能够改善随机共振的增强性能。因此,提出了阱宽非对称性诱导随机共振的轴承故障诊断方法,利用量子遗传算法以信噪比为目标函数优化阱宽非对称性,以获取阱宽非对称性与微弱故障特征之间的最佳匹配。仿真和轴承实验结果表明,提出的方法能够有效地实现轴承的故障诊断,而且其性能优于集成经验模式分解。

求解低碳调度问题的改进型候鸟优化算法

针对柔性作业车间,建立一种以能耗最小化为目标的数学模型,解决低碳策略下的该车间内的作业调度问题。对于上述模型,提出一种改进型候鸟优化(Improved Migrating Birds Optimization,IMBO)算法进行求解。结合全局搜索、局部搜索和随机规则三种方式初始化种群,确保算法的求解质量和收敛速度。采用两种有效的邻域结构构造个体的邻域解,并在此基础上设计一种局部搜索方法增强算法的局部寻优能力。此外,引入一种跳跃机制避免算法陷入早熟收敛状态。通过大量计算结果验证了模型和算法的可行性和有效性。

基于遗传算法的BP神经网络滚动轴承故障诊断

针对滚动轴承的故障诊断问题,提出了一种基于遗传算法的BP神经网络滚动轴承故障诊断方法。以BP神经网络的误差为目标函数,利用遗传算法进行BP神经网络的权值和阈值优化,并用优化后的BP神经网络进行故障诊断。通过MATLAB仿真,结果表明遗传算法优化的BP神经网络相比传统的BP神经网络具有更好的诊断效率和准确度。

基于信息熵与动态聚类的文本特征选择方法

根据科技文献的结构特点,搭建了一个四层挖掘模式,提出了一种应用于科技文献分类的文本特征选择方法。该方法首先依据科技文献的结构将其分为四个层次,然后采用K-means聚类对前三层逐层实现特征词提取,最后再使用Aprori算法找出第四层的最大频繁项集,并作为第四层的特征词集合。在该方法中,针对K-means算法受初始中心点的影响较大的问题,首先采用信息熵对聚类对象赋权的方式来修正对象间的距离函数,然后再利用初始聚类的赋权函数值选出较合适的初始聚类中心点。同时,通过为K-means算法的终止条件设定标准值,来减少算法迭代次数,以减少学习时间;通过删除由信息动态变化而产生的冗余信息,来减少动态聚类过程中的干扰,从而使算法达到更准确更高效的聚类效果。上述措施使得该文本特征选择方法能够在文献语料库中更加准确地找到特征词,较之以前的方法有很大提升,尤其是在科技文献方面更为适用。实验结果表明,当数据量较大时,该方法结合改进后的K-means算法在科技文献分类方面有较高的性能。

一种基于粗集理论方法的水位模糊控制器设计

应用粗集理论中知识表达系统决策规则的简化方法对模糊控制规则进行约简来设计粗糙模糊控制器,通过约简简化控制系统,从而得到一个最简控制决策规则,使系统更易于控制。完成了水箱水位粗糙模糊控制器的设计,并分别进行了模糊控制和粗糙模糊控制仿真研究,研究结果表明该粗糙模糊控制能有效改善模糊控制的性能。

基于BP神经网络的课堂教学质量评价系统

课堂教学质量在很大程度上决定了学校的教育质量,其评价体系的构建成为教学督导工作的重要环节。本文将BP神经网络用于课堂教学质量评价中,以重庆工商大学的教学督导专家评教情况为例,构建了课堂教学质量评价模型。通过MATLAB仿真,结果表明该评价模型可以克服人为的主观因素,并且得到满意的评价结果。为学校构建科学合理的内部质量保障体系提供了一种新方法。

基于粗糙遗传BP神经网络的滚动轴承故障诊断

为了提高滚动轴承的故障诊断效率和精度,将粗糙集理论和遗传BP神经网络相结合,提出了一种新的滚动轴承故障诊断方法。首先利用粗糙集理论对故障诊断决策表进行属性约简,以简化BP神经网络的结构及降低计算量。然后利用遗传算法来优化BP神经网络的参数以达到最优泛化能力,从而建立粗糙遗传BP神经网络故障诊断模型。以美国凯斯西储大学的轴承数据为例,通过MATLAB仿真,结果表明该方法不仅可以克服BP神经网络的缺陷、减少遗传寻优迭代次数,还能提高故障诊断精确度。

最优隐层BP神经网络的滚动轴承故障诊断

针对滚动轴承的故障诊断问题,设计了一种最优隐层BP神经网络,借助经验公式确定隐层单元数的取值范围,进行计算平均迭代次数和均方误差来寻找最优隐层单元数。通过MATLAB仿真,结果表明该BP神经网络具有较高的诊断效率和准确度。

经管类独立学院线性代数课程的MATLAB融合教学模式研究

本文在经管类独立学院转设期背景下,以培养应用型人才为目标,在线性代数课程现有教学模式基础上融入MATLAB计算分析平台,提出一种应用型融合教学模式.针对线性代数理论课中的重要求解问题,设计了模拟仿真实验进行融合教学,以提高学生的学习兴趣和后续课程应用能力,从而提高教学效果.

浅析高校物业服务满意度智能评价模型

高校物业服务满意度评价标准是衡量和判断物业服务工作好坏的重要依据。针对高校物业服务满意度评价中存在主观因素,以及传统统计模型在评价中准确度较低、难以模拟非线性对象等问题。本文首先分析了高校物业服务满意度评价体系,然后设计了一种服务满意度的智能评价模型,利用遗传算法优化BP神经网络来构建评价模型,最后对模型进行集成来设计服务满意度的评价系统。为高校后勤部门提供物业服务满意度评价结果的统计数据,评价统计结果可以为国内高校实施后勤社会化改革、提高物业服务质量水平和外包物业公司考评提供依据。

基于ELM的矿井突水水源识别方法

针对矿井突水事故的预测问题,提出一种基于极限学习机(Extreme Learning Machine,ELM)的矿井突水水源识别新方法。该方法是一种单隐含层前馈神经网络学习算法,在训练过程中无需调整初始连接权值和阈值,只需要设置隐含层神经元个数即可获得最优解。以梧桐庄煤矿水质为例,通过MATLAB仿真证实,该方法不仅克服了常规BP神经网络受初始权值和阈值影响的缺陷,而且识别精度更高;在突水预测方面有很好的应用前景。

基于GA-BP神经网络的高校物业维修服务评价模型

高校的设施设备管理、检修及维护对学校的正常运行起着重要作用,从而对维修服务工作提出了越来越高的要求。维修服务的满意度评价标准是衡量和判断高校物业服务工作好坏的重要依据,因此,对维修服务的满意度进行正确的分析和评价具有重要的意义。本文深入研究了维修服务满意度评价的各项内容,采用定性和定量相结合的方式,设计了一种遗传算法优化BP神经网络的服务满意度评价模型,通过MATLAB仿真验证该模型的有效性。

一种模糊趋近律转台伺服系统滑模控制器设计

针对飞行模拟转台位置伺服系统中存在的非线性摩擦环节,设计了一种补偿摩擦的模糊趋近律滑模变结构控制器.在常规的滑模变结构控制中引入模糊控制,利用模糊控制器来调整滑模控制的趋近律参数.Matlab仿真结果表明,该控制器优于常规指数趋近律变结构控制器,有效地抑制了摩擦力矩的影响,保证了系统的快速性和鲁棒性,实现了高精度的位置跟踪.

基于ELMC的蛋白质折叠识别方法

传统的机器学习方法在处理蛋白质折叠类型识别问题时需要花费大量的时间来调节最佳参数,利用一种新的极限学习机(Extreme Learning Machine,ELM)分类优化方法(Extreme Learning Machine for Classification,ELMC)对蛋白质折叠进行识别,仅需调节很少的参数值就可达到很好的测试精度。与支持向量机(Support Vector Machine,SVM)和推荐相关向量机(Relevance Vector Machine,RVM)相比,ELMC能获得更好的泛化性能,而且在寻找最优解的训练时间比较上,ELMC比SVM平均要快35倍,比RVM要快12倍。

一种基于模糊边界层的转台伺服系统滑模控制器设计

针对飞行模拟转台位置伺服系统中存在的非线性摩擦环节,设计了一种补偿摩擦的模糊边界层滑模变结构控制器。在常规的准滑模变结构控制中引入模糊控制,利用模糊控制器来动态调整滑模边界层的厚度。通过MATLAB仿真,结果表明该控制器较好地协调了常规固定边界层滑模控制鲁棒性与平滑控制抖振之间的矛盾,有效地抑制了摩擦力矩的影响,保证了系统的快速性和鲁棒性,实现了高精度的位置跟踪。

基于改进粒子群算法的滚动轴承激光故障信号提取

针对滚动轴承容易发生故障,且激光故障信号很难提取的问题,以及传统激光故障信号提取实用性差的弊端,提出一种基于改进粒子群算法的滚动轴承激光故障信号提取方法,介绍了标准粒子群算法及其实现过程。对滚动轴承激光故障信号进行提取前,通过激光传感器对滚动轴承激光信号进行采集,并对其进行分离处理。通过经验模态分解EMD对滚动轴承激光故障信号进行预处理。利用负熵对滚动轴承激光故障信号的非高斯性进行描述,将其看作改进粒子群算法的适应度,通过改进粒子群算法将分离信号输出,从而实现滚动轴承激光故障信号的提取。实验结果表明,所提方法能够有效提取滚动轴承激光故障信号,实用性强。

基于ELM的高校课堂教学评价模型研究

高校教学督导工作作为逐步建立和完善教学质量保障体系、保证教学过程规范进行、提高教学质量的坚实后盾,在加强教学环节管理过程中起着重要的作用。为了改善课堂教学质量的客观、科学、合理性,本文针对高校教学督导组在教师课堂教学过程中的评价问题,提出了一种基于极限学习机(ELM)的课堂教学评价模型。该模型在训练过程中无需调整神经网络的权值和阈值,只需要设置隐层神经元个数获得最优解。以重庆某高校为例,通过MATLAB平台仿真,结果表明该模型不仅克服了BP神经网络模型容易陷入局部极小的缺陷,而且抑制了教学督导评价的主观因素,提高了评价准确度。

飞行模拟转台伺服系统模糊滑模控制器设计

本文针对飞行模拟转台位置伺服系统中存在的非线性摩擦环节,设计了一种补偿摩擦的模糊滑模变结构控制器。在常规的滑模变结构控制中引入模糊控制,采用模糊推理来调节切换控制的幅度,实现了高精度的位置跟踪,提高了控制系统的鲁棒性。通过MATLAB仿真,结果表明该控制器有效地抑制了摩擦力矩的影响,使控制性能得到了极大的改善。

“人工智能+统计学”交叉课程设计研究

“人工智能+高等教育”已经成为国家人工智能发展和人工智能赋能人才培养发展战略。人工智能的发展对于高等教育人才培养的创新起到了助推作用,针对当前多学科交叉协同发展趋势,人工智能赋能教育已成为未来教育变革的重要趋势。本文提出了一种机器学习和统计学相融合的交叉课程设计方式,利用机器学习课程中的决策树、神经网络、支持向量机、贝叶斯分类、集成学习模型来实现统计学课程中的时间序列对象的预测,主要从交叉课程的教学大纲、考核方案两个方面进行了设计。为人工智能赋能统计学课程内容提供了一种参考方法。