Fault Diagnosis Model Based on Fuzzy Support Vector Machine Combined with Weighted Fuzzy Clustering

A fault diagnosis model is proposed based on fuzzy support vector machine (FSVM) combined with fuzzy clustering (FC).Considering the relationship between the sample point and non-self class,FC algorithm is applied to generate fuzzy memberships.In the algorithm,sample weights based on a distribution density function of data point and genetic algorithm (GA) are introduced to enhance the performance of FC.Then a multi-class FSVM with radial basis function kernel is established according to directed acyclic graph algorithm,the penalty factor and kernel parameter of which are optimized by GA.Finally,the model is executed for multi-class fault diagnosis of rolling element bearings.The results show that the presented model achieves high performances both in identifying fault types and fault degrees.The performance comparisons of the presented model with SVM and distance-based FSVM for noisy case demonstrate the capacity of dealing with noise and generalization.

Fuzzy Fruit Fly Optimized Node Quality-Based Clustering Algorithm for Network Load Balancing

Recently,the fundamental problem with Hybrid Mobile Ad-hoc Net-works(H-MANETs)is tofind a suitable and secure way of balancing the load through Internet gateways.Moreover,the selection of the gateway and overload of the network results in packet loss and Delay(DL).For optimal performance,it is important to load balance between different gateways.As a result,a stable load balancing procedure is implemented,which selects gateways based on Fuzzy Logic(FL)and increases the efficiency of the network.In this case,since gate-ways are selected based on the number of nodes,the Energy Consumption(EC)was high.This paper presents a novel Node Quality-based Clustering Algo-rithm(NQCA)based on Fuzzy-Genetic for Cluster Head and Gateway Selection(FGCHGS).This algorithm combines NQCA with the Improved Weighted Clus-tering Algorithm(IWCA).The NQCA algorithm divides the network into clusters based upon node priority,transmission range,and neighbourfidelity.In addition,the simulation results tend to evaluate the performance effectiveness of the FFFCHGS algorithm in terms of EC,packet loss rate(PLR),etc.

A modified harmony search algorithm and its applications in weighted fuzzy production rule extraction

Harmony search(HS)is a form of stochastic meta-heuristic inspired by the improvisation process of musicians.In this study,a modified HS with a hybrid cuckoo search(CS)operator,HS-CS,is proposed to enhance global search ability while avoiding falling into local optima.First,the randomness of the HS pitch disturbance adjusting method is analyzed to generate an adaptive inertia weight according to the quality of solutions in the harmony memory and to reconstruct the fine-tuning bandwidth optimization.This is to improve the efficiency and accuracy of HS algorithm optimization.Second,the CS operator is introduced to expand the scope of the solution space and improve the density of the population,which can quickly jump out of the local optimum in the randomly generated harmony and update stage.Finally,a dynamic parameter adjustment mechanism is set to improve the efficiency of optimization.Three theorems are proved to reveal HS-CS as a global convergence meta-heuristic algorithm.In addition,12 benchmark functions are selected for the optimization solution to verify the performance of HS-CS.The analysis shows that HS-CS is significantly better than other algorithms in optimizing high-dimensional problems with strong robustness,high convergence speed,and high convergence accuracy.For further verification,HS-CS is used to optimize the back propagation neural network(BPNN)to extract weighted fuzzy production rules.Simulation results show that the BPNN optimized by HS-CS can obtain higher classification accuracy of weighted fuzzy production rules.Therefore,the proposed HS-CS is proved to be effective.

多场景下基于AHP-EWM的人体健康状态评估模型研究

为解决人体健康评估方法个性化监测不足的问题以及在满足不同场景下健康状态精细化评估的需求,需要一种基于多场景的人体健康状态评估方法来实现长期自动化监测。提出一种基于层次分析法(AHP)和熵权法(EWM)组合的多场景人体健康状态评估模型。首先采集人体在运动、休息、工作/学习和娱乐等4种不同场景下的健康监测指标数据,构建相应的评估指标体系。然后分别根据评估指标计算出AHP和EWM权重,再采用量子粒子群优化(QPSO)算法对AHP和EWM中的主客观权重进行分配,以确保评价指标占比的客观性。最后通过模糊综合评价法对人体健康状态进行评估和量化,并利用实际监测数据对方法的可靠性和稳定性进行验证。实验结果表明,在4种场景下所提方法的综合得分分别为63.78、59.83、58.71和59.21,表明在不同场景下该模型都具有较好的准确性和稳定性。根据评估结果,对测试者的身体状态评价结果进行分析,并给出一些健康建议。所提模型可全面了解人体在不同场景下的健康状况,并为人们提供科学的健康指导,从而为健康管理和疾病预防提供科学依据。

基于改进麻雀搜索算法模糊PID控制器设计

为了提高无刷直流电机输出转速与转矩的平稳性,提出了一种通过时变惯性权重改进的麻雀搜索算法模糊PID控制器控制无刷直流电机。通过在Matlab/Simulink中对无刷直流电机进行控制仿真,仿真结果表明,时变惯性权重改进麻雀搜索算法模糊PID控制器控制无刷直流电机,其转速与转矩的平稳性符合要求,并且能够实时响应负载的变化。

基于属性权重的Fuzzy C Mean算法

提出CF-WFCM算法,该算法分为属性权重学习算法和聚类算法两部分.属性权重学习算法,从数据自身的相似性出发,通过梯度递减算法极小化属性评价函数CFuzziness(w),为每个属性赋予一个权重.将属性权重应用于Fuzzy C Mean聚类算法,得到CF-WFCM算法的聚类算法.CF-WFCM算法强化重要属性在聚类过程中的作用,消减冗余属性的作用,从而改善聚类的效果.我们选取了部分UCI数据库进行实验,实验结果证明:CF-WFCM算法的聚类结果优于FCM算法的聚类结果.函数CFuzziness(w)不仅可以评价属性的重要性,而且可以评价属性评价函数的优劣.实验说明了这一问题.最后我们对CF-WFCM算法进行了讨论.

基于加权犹豫模糊集的实验设计与分阶段PSO-Kriging建模

过高的实验成本导致输出为非线性多极值的复杂系统获得的实验样本点少,建立的代理模型精度较低。针对此现状提出一种基于先验信息的实验设计与建模方法。该方法利用先验信息划分实验设计域,并根据波动性指标构建各区域的加权犹豫模糊集,增加评价结果的合理性;结合各区域的波动性与范围大小决定实验样本点个数,由汉默斯里序列采样获取样本点;再将分阶段搜索粒子群算法与Kriging方法结合,提高代理模型的计算精度。以模拟平面桁架结构的损伤模型验证所提方法的有效性。实验结果表明,与汉默斯里序列采样、拉丁超立方设计建立的模型相比,所提方法建立的模型拟合优度平均提升0.84%和4.94%,均方根误差平均降低31.02%和57.18%。

基于动态惯性权重的电子节气门改进PSO-BP优化控制

针对汽车电子节气门系统存在的动态迟滞非线性问题,提出一种模糊神经网络PID控制器的设计方法。该控制器将动态调整惯性权重的粒子群优化算法和BP算法结合来优化模糊神经网络参数,修正模糊神经网络在寻优过程中收敛缓慢、易陷入局部最小值的不足。利用模糊神经网络的自学习能力,对PID控制器参数进行整定。仿真结果表明,经过优化后的模糊神经网络PID控制器相比于模糊PID控制器在响应时间、超调量和振荡次数等方面都有显着提升。在模拟气流扰动工况施加扰动信号后,该控制器表现出良好的抗干扰性能。在电子节气门响应试验中,节气门响应曲线存在轻微超调,但稳态误差较小,表明该控制方法下电子节气门具有良好的动态响应特性。

基于多目标优化加权软投票集成算法的信用债违约预警研究

为了提高信用债违约预测的准确性和稳定性,便于金融风险管理,以2014年1月1日—2021年12月31日的信用债为研究对象,提出一种基于多目标优化的加权软投票集成算法。该算法通过计算每个基分类器的模糊密度来量化其识别能力,并使用多目标粒子群算法来求解基分类器的权重。将所提算法与其他单一分类器如支持向量机、逻辑回归、高斯贝叶斯、MLP,以及其他集成算法如投票类集成算法(voting)和stacking算法进行比较,采用期望PFI算法进行特征重要度分析。结果表明,加权软投票集成算法在信用债违约预测中表现出色,不仅提升了单一算法的性能,且相对于其他集成算法,具有更高的准确性、精确度和AUC值。违约前主体评级、交易所、违约前债项评级、总资产周转率、货币资金、净资产增长率、经营活动现金流量占营收比、GDP、PPI、注册地、短期国债利率、宏观经济景气指数(先行指数)、债券类型和所属行业的特征重要度较高,在信用债违约中值得关注。该研究可为金融风险预测提供一种有效方法,对于投资者和金融机构的风险预警具有重要参考意义。

博弈论及哈里斯鹰算法的桥梁安全模糊评估模型

为了对桥梁的安全性能进行有效评估,首先建立由4个一级指标和30个二级指标构成的评估指标体系,利用数学转化公式消除监测数据不一致性对评估结果的影响。其次建立博弈论组合赋权模型,优化FAHP法和熵权法。然后利用哈里斯鹰智能算法进行权重迭代,得到全局最优解。最后通过贴近度排序对桥梁安全等级进行评估。案例分析表明,所得结果与工程实际相符。

A weighted fuzzy C-means clustering method for hardness prediction

The hardness prediction model was established by support vector regression(SVR).In order to avoid exaggerating the contribution of very tiny alloying elements,a weighted fuzzy C-means(WFCM)algorithm was proposed for data clustering using improved Mahalanobis distance based on random forest importance values,which could play a full role of important features and avoid clustering center overlap.The samples were divided into two classes.The top 10 features of each class were selected to form two feature subsets for better performance of the model.The dimension and dispersion of features decreased in such feature subsets.Comparing four machine learning algorithms,SVR had the best performance and was chosen to modeling.The hyper-parameters of the SVR model were optimized by particle swarm optimization.The samples in validation set were classified according to minimum distance of sample to clustering centers,and then the SVR model trained by feature subset of corresponding class was used for prediction.Compared with the feature subset of original data set,the predicted values of model trained by feature subsets of classified samples by WFCM had higher correlation coefficient and lower root mean square error.It indicated that WFCM was an effective method to reduce the dispersion of features and improve the accuracy of model.

风力发电石油电动旋挖钻机功率模糊控制

风力发电通过风转动风轮产生的动力驱动电机产生电能。由于风能具有不稳定性,因此风力发电石油电动旋挖钻机在工作过程中的运行功率不稳定。对此,提出一种风力发电石油电动旋挖钻机功率自动模糊控制方法。根据基本组合风概念计算实时风速;对风力发电石油电动旋挖钻机功率进行稳态分析,确定钻机功率不变时的钻机临界风速;当风速超过临界风速时,利用T-S模糊加权算法对风轮转速偏差展开控制,从而保证旋挖钻机功率在额定值内,实现稳定运行。实验结果表明:该方法预测的风速和实际值基本一致,最高转速仅为4.82 rad/s,控制精度始终高于0.95,说明该方法的功率控制效果好,有利于石油电动旋挖钻机的稳定运行。

基于权系数法的功率和载荷协同控制策略

针对大型风机在高风速区由风剪切效应引起的输出功率波动和叶轮不平衡载荷,从功率和载荷两个维度出发,以美国国家可再生能源实验室(National Renewable Energy Laboratory,NREL)公司的5 MW陆基风机为对象,提出一种基于权系数法的功率和载荷双目标协同的独立变桨控制策略。首先,以遗传算法优化的比例、积分和微分(proportional integral derivative,PID)作为主控制器,通过风轮转速反馈得到统一变桨距角;其次,根据方位角反馈得到各桨叶的动态权系数,以此调整各桨叶的桨距角;最后,将叶根挥舞力矩反馈给模糊PID控制器得到载荷影响下的桨距角微调量,并对桨距角进行修正。通过FAST和MATLAB/Simulink平台联合仿真,将所提控制策略与统一变桨距控制和独立变桨PI控制对比分析。结果表明,所提控制策略能有效地将输出功率稳定在额定功率附近,并且对于降低风轮不平衡载荷具有显著效果。

基于改进狮群算法–模糊评判的变电站台风易损性评估

为解决台风灾害对沿海地区变电站破坏严重,易造成故障的问题,提出一种基于改进狮群算法–模糊评判的变电站台风易损性评估方法。首先基于致灾因子危险性、孕灾环境敏感性和承灾体脆弱性建立易损性评估体系;在传统模糊综合评判方法中引入组合云模型,构建模糊综合评判隶属度函数,并基于改进狮群算法(lion swarm algorithm,LSA)优化聚类中心,得到隶属度函数阈值划分规则;随后,基于主客观组合权重,通过权重和改进的模糊综合评判法计算灾害风险指数,并基于历史数据计算灾害风险概率,由灾害风险概率和风险指数得到变电站台风灾害易损性评估结果;最终根据评估结果采取不同针对性的措施。算例结果表明,文中提出的变电站台风易损性评估方法提高了评估准确率,达到了防灾减灾效果。

一种新的模糊决策树算法——基于加权毕达哥拉斯模糊熵

传统的模糊决策树虽然可以从模糊数据中抽取模糊分类规则,但只能获取节点的隶属度信息,无法得出样本数据对于节点的非隶属度和犹豫度信息,导致数据分类的准确率不高。针对此,基于毕达哥拉斯模糊集理论,提出了一种新的加权毕达哥拉斯模糊决策树算法(Weighted Pythagorean Fuzzy Decision Tree,WPFDT)。首先,通过改进的K-means聚类算法得到连续属性数据的聚类中心,并结合三角模糊数对连续数据进行模糊处理;其次,定义并计算每一个属性的加权毕达哥拉斯模糊熵,选择加权毕达哥拉斯模糊熵最小的属性作为决策树根节点,在根节点下递归选择模糊熵最小的属性作为分裂节点,同时通过阈值控制树的规模,得到从根节点到叶子节点路径的模糊规则以及模糊规则的隶属度、非隶属度以及犹豫度,并完成预测分类,直至生成WPFDT模型;最后,选取UCI上的3个医学数据集(Haberman、Breast Cancer、Parkinson)进行实验,在分类准确率和得出模糊规则的数量与3种传统决策树算法(模糊ID3算法、C4.5算法、CART算法)比较,实验结果表明:WPFDT在分类精度和树大小上都优于其他传统决策树算法,并且有较高的召回率和精确率。

大功率型燃料电池重卡能量管理策略的研究

针对大功率型燃料电池重卡混合动力系统尚无成熟能量管理策略的问题,提出在燃料电池重卡能量管理策略设计中燃料电池保护优先的控制方法。根据该方法,综合考虑重卡动态工况特性和动力系统工作特性,以实现燃料电池工作状态最优为前提,以提高重卡经济性和燃料电池耐久性为目标,建立了复合模糊控制能量管理策略;在此基础上,为降低燃料电池劣化工况出现的频率,使用加权均值滤波算法WAFA和燃料电池变载速率限制法,提出了WAFA复合模糊控制能量管理策略。仿真结果表明:在重卡的复杂工况下,WAFA复合模糊控制策略在整车经济性和燃料电池耐久性方面均优于功率跟随策略,其中:燃料电池平均工作效率提高6.46%,等效百公里氢耗降低4.64%,燃料电池劣化工况明显减少。本研究为大功率型燃料电池重卡的能量管理策略研发提供了参考。

5G无人机异构网络应急通信全覆盖算法设计与系统开发

传统通信全覆盖算法存在负载不均衡问题,为此,基于网格分区块融合聚类设计了5G无人机异构网络应急通信全覆盖算法,并采用嵌入式方法完成系统设计。采用空间网络均衡调度技术均衡异构网络应急通信的负载。利用嵌入式的Linux和B/S构架协议,实现对网络应急通信全覆盖系统开发与设计。仿真结果表明,所提算法均衡性更优,且误码率更低,实验结果验证了所提算法具有理想的应用效果。

基于混合策略改进鲸鱼优化算法的模糊时间序列模型

近年来研究者们提出了许多基于模糊时间序列的预测模型,并发现论域划分机制和去模糊化预测方法是影响模型预测精度的主要因素。对此,提出了一种混合模型,将改进鲸鱼优化算法用于论域划分,提出一种基于次序和时序的平均加权算子优化去模糊化预测方法。在Alabama大学入学人数数据集上进行仿真实验,与国内外相关研究进行横向分析。结果表明,改进鲸鱼优化算法在收敛速度、求解精度都有很大程度提升;混合模型与基线模型对比时,训练阶段和预测阶段都获得了最小的均方根误差(RMSE)和平均绝对百分比误差(MAPE),训练阶段对照基线最优模型,RMSE减少21.1%,MAPE降低0.28%。

基于优化神经网络与聚类的加权定位算法

针对RSSI测距误差较大的现象,为进一步提高加权质心定位算法精度,提出了一种基于MEA-BP神经网络与模糊C均值聚类的加权定位算法。该算法首先引入思维进化算法与BP神经网络以优化测距信息;采用三边测量法得到多个初始定位结果并组成集合,经模糊C均值聚类处理后,使用加权质心定位算法得到每个聚类簇针对于未知节点的估计位置;将每个聚类簇中数据点的数量视为权值,再次使用加权质心定位算法,得到未知节点的最终定位坐标。仿真结果表明,该算法显著降低了二维场景中无线传感器网络定位误差。

基于熵权法的计算机辅助语言测试效度评价

针对将计算机应用于英语语言应用能力测试中人们对其辅助语言测试效果存在质疑问题,提出了一种基于熵权法的计算机辅助语言测试效度评价算法。采用灰度关联分析选取效度评价指标,构建评价指标体系,利用熵权法计算每个指标的权重。通过模糊综合评价将指标权重与指标隶属度实施模糊合成,得出效度评价分值,同时参考隶属度最大原则,得出效度等级。结果表明,初中和高中计算机辅助语言测试系统效度达到非常高的等级,大学计算机辅助语言测试系统效度则有所降低,但仍然达到了较高等级,表明计算机在辅助语言测试中效果较好,具有很强的实用性。