基于双目标传感器分布优化的转向架构架状态监测

研究提出一种基于传感器分布优化的转向架构架状态监测方法,采用小波变换和主成分分析对构架正常状态下的多工况振动信号进行特征提取和降维,以支持向量数据描述(SVDD)超球体半径定义双目标优化函数:传感器数量和超球体聚类指标,并基于改进的非劣分层多目标遗传算法(NSGA-II)对传感器分布进行优化。在此基础上,搭建转向架构架状态监测实验平台进行构架异常状态识别研究,结果表明:1)经优化后的传感器分布方案能以较少的数量保证很好的构架异常状态监测效果,当传感器分布优化方案中传感器数量分别为1,2和3时,识别率分别为79.24%,94.80%和99.81%;2)以转向架构架正常状态样本集构建的SVDD模型对异常状态具有很好的识别效果。

基于NSGA-Ⅱ和SVDD的转向架构架异常状态监测

转向架构架状态监测是保证轨道车辆安全运营的重要途径。研究提出了一种基于NSGA-Ⅱ和SVDD的转向架构架异常状态监测方法,针对构架异常状态下样本集的随机多样和不确定性,引入SVDD算法,以构架正常状态的样本集构建SVDD超球体模型对多工况条件下构架的异常状态进行识别。同时以SVDD超球体半径定义优化目标函数f1(传感器数量)和f2(超球体聚类指标),并基于NSGA-Ⅱ算法对传感器分布进行了优化。在此基础上,搭建转向架构架状态监测实验平台,对多工况条件下构架的异常状态识别进行研究。结果表明:(1)经优化后的传感器分布方案能有效获取转向架构架状态监测数据,当优化方案中传感器数量达到3时,识别率达到91.33%;(2)以转向架构架正常状态样本集构建的SVDD模型对异常状态具有很好的识别效果。

可移动变形组件法中组件数对拓扑结构优化的影响

可移动变形组件法因具有设计变量少、可显式表达结构几何参数等优点,现已广泛被应用于工程结构的拓扑优化设计中。针对可移动变形组件法中组件数目对拓扑结构优化的影响,基于可移动变形组件框架,利用有限元分析和灵敏度分析求解设计域的结构场,以移动渐近线法更新设计变量,以体积为约束函数,以结构柔度最小为目标函数,研究了不同组件数目对特定受力条件下短板算例的拓扑结构优化的影响。结果表明随着组件数目从6个增加至20个时,目标函数值相应减小,拓扑结构轮廓更为光滑、细节更加突出;然而其拓扑优化结构的复杂程度相应增加、优化耗时增加。研究结果为实际拓扑优化中合理选择组件数目提供了有益的借鉴。