基于云模型相似性度量的结构不确定性损伤识别

测量噪声、建模误差等不确定性因素会影响损伤识别结果,甚至导致损伤误判的问题。为此,提出基于频响函数和云模型相似性度量的不确定性损伤识别方法。首先基于多次重复测量数据,根据频响函数理论计算结构损伤前后各单元的损伤系数,采用损伤前后云模型期望曲线的相似程度来构造损伤位置识别指标,识别结构的损伤位置。其次,利用单元损伤前后的云模型数字特征变化量来构造损伤程度指标,确定损伤单元的损伤程度。以23杆桁架结构数值算例验证该方法的可行性及可靠性,探讨原始样本个数、噪声程度对识别结果的影响,并研究在无健康工况数据条件下所提方法的识别效果。研究结果表明:与传统的云模型相似性度量方法中的夹角余弦法相比,所提算法可以更好地处理损伤识别过程中的不确定性问题,且仅需少量样本即可准确识别出单元的损伤位置及损伤程度,具有一定的工程应用价值。

基于AHP-云模型的雷达抗干扰性能评估

针对传统主观评估方法在雷达抗干扰性能评估应用时存在的结果多值性和不稳定性等问题,将层次分析法(analytic hierarchy process,AHP)与云模型相结合,提出了一种AHP-云模型的雷达抗干扰性能评估方法。该方法以群体决策者使用层次分析法得到的权重作为输入,通过逆向、正向云发生器生成各个指标的权重云,再与雷达的指标值综合得到结果云,通过云相似性度量得到雷达的评价结果及优劣次序。评估实例结果表明,所提评估方法具有较好的准确性与鲁棒性。

基于改进即时学习算法的球磨机料位软测量

针对传统球磨机料位软测量模型难以适应生产过程中的时变特性,以及磨机信号中存在的非线性和不确定性等问题,将磨机筒体的振动和振声频谱作为辅助变量,提出基于改进即时学习算法的料位软测量模型。采用梅尔频率倒谱系数提取所有样本的特征参数;以当前样本作为查询样本,采用云模型理论计算其与历史样本的相似度并得到最近邻样本;利用得到的最近邻样本建立局部最小二乘支持向量机模型并预测当前料位。实验结果表明,该软测量模型可以有效地实时测量球磨机料位并能获得较高的预测精度。