基于人工化学反应优化的SVM及旋转机械故障诊断

针对支持向量机(SVM)的参数优化问题,结合人工化学反应优化算法的优点,提出了基于人工化学反应优化算法的支持向量机(ACROA_SVM)方法;然后利用标准数据验证了ACROA_SVM方法的有效性和优越性;最后,结合局部均值分解信号分析和能量矩特征提取,将ACROA_SVM方法应用于旋转机械故障诊断中。分析结果表明,ACROA_SVM方法不但具有较高的故障诊断精度和较好的泛化能力,而且时间消耗短,故障诊断效率高,有利于实现在线智能故障诊断。

混合人工化学反应优化算法求解0-1背包问题

人工化学反应优化算法(ACROA)是一种模拟化学反应过程的元启发式算法,它把化学反应中的对象、状态、过程和事件设计成一种计算方法;把反应中焓和熵的能量变化设计成目标函数,通过求目标函数的最优组合来实现问题的求解。在现实生活中有许多问题都是求最优组合问题,它的求解可以采用人工化学反应优化算法来实现,但求解这些问题就是求解0-1背包问题,也是计算机领域的NP难问题,所以提出一种混合人工化学反应优化算法求解0-1背包问题。该方法首先把化学反应分成单分子和双分子两种反应类型,并对这两种类型中的不同化学反应进行二进制编码;其次,为了获得问题的最优解,引入一个贪婪策略的修正算子来修正反应过程的随机选择所产生的非可行解,并通过局部和全局搜索来获得问题的最优求解。实验结果证明ACROA算法的性能明显优于GA算法和QEA算法,该算法在解决背包问题等有很大的优势。

混合人工化学反应优化和狼群算法的特征选择

包装器特征选择是一种数据预处理方法,通过筛选出信息量最大的特征来降低原始数据集的维数,同时使分类特征的精度最大化。为提高包装器特征选择能力,提出了一种混合人工化学反应狼群优化算法——ACR-WCA。ACR-WCA算法采用自然策略,模仿狼群的搜索策略,可以快速向解空间靠拢,再采用人工化学反应策略优化狼群的种群行为,快速找到最优解,解决局部最优问题;其次,为有效处理数据特征,在初始化阶段利用转换函数处理成二进制特征问题;之后,结合分类准确率和特征选择数给出算法的适应度函数。同时,采用k最近邻(KNN)分类器对测试数据进行训练,并通过K-折交叉验证来克服过拟合问题。实验基于21个著名的不同维度数据集训练,并与4种传统方法和3种接近方法进行比较。实验结果表明,该算法是高效可靠的,它可以对大量特征进行分类任务,具有较高的准确率。

ACROA优化的自适应最稀疏窄带分解方法

提出了基于人工化学反应优化算法(artificial chemical reaction optimization algorithm,ACROA)的自适应最稀疏窄带分解(adaptive sparsest narrow-band decomposition,ASNBD)方法,将信号分解转化为对滤波器参数的优化问题,使用ACROA进行优化,以得到信号的最稀疏解为优化目标,在优化过程中将信号自适应地分解成若干个具有物理意义的局部窄带信号。对数值仿真和齿轮故障数据进行分析,结果表明该方法在抑制模态混淆、抗噪声性能、提高分量的正交性和准确性等方面要优于ASTFA方法、基于遗传算法(genetic algorithm,GA)的ASNBD方法及总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)方法,并能有效识别出齿轮的典型故障。

基于t-SEN数据降维的煤矿安全风险评价模型

针对目前大部分煤矿企业对事故风险状态的分析还主要基于现场人员的知识和主观判断而导致煤矿安全风险评价无法智能化开展的问题,将t-SEN模型引入ACRO-ELM模型中,对原始数据进行降维,采用降维ACRO-ELM模型对煤矿安全风险进行评价。得出t-SEN模型能够较好地消除原始模型的过拟合问题,极大地提高了ACRO-ELM模型对煤矿安全风险评价的准确性。采用t-SEN进行ACRO-ELM模型数据降维研究,为煤矿安全风险评价的准确性、客观化发展提供了一种可行的思路。