无量纲免疫检测器在缓变故障检测中的应用

针对缓变故障难以检测的问题,提出一种基于无量纲免疫检测器的缓变故障检测方法.首先,将基于生物免疫原理和进化机制的免疫检测器生成算法与无量纲指标相结合,构造五种无量纲免疫检测器,为了使检测器能检测到微小的变化,对试验中提取的数据采用阴性选择算法和选择合适的编码位数进行编码;然后通过多个无量纲免疫检测器同时进行交叉检测,再进行集成、融合,从而能较全面获得故障信息;最后将离线训练后的免疫检测器进行在线故障检测.仿真实验结果和实际应用均表明,文中方法能有效地在线检测缓变故障.

基于证据理论的免疫检测器在轴承故障诊断中的应用

针对旋转机械故障诊断的不确定性问题,提出一种基于证据理论的数据融合故障诊断方法,把5种无量纲免疫检测器的敏感因子和信息因子通过D-S联合规则联合多个证据组形成一个新的综合证据组,建立多故障特征信息融合诊断框架,充分利用不同证据体的冗余和互补故障信息,通过对不同轴承故障进行分析,结果表明,此方法能有效地减少诊断的不确定性,提高故障诊断的准确性。

多级免疫检测器集在分布式入侵检测中的应用

为了提高入侵检测系统的网络环境适应能力,提出了一种基于多级免疫检测器集的分布式入侵检测模型。该模型由检测主机、检测子网和中心服务器组成,将入侵检测系统部署在网络的各检测主机中,检测子网具有与上层入侵检测网络相同的特征,中心服务器负责为检测主机和子网提供支持。通过模拟生物免疫系统的免疫细胞,检测主机的免疫检测器进行了学习和进化,该模型利用二级免疫检测器集机制,协同中心服务器的疫苗接收和种痘操作,减少了检测器的数量和提高了检测器的检测能力。

基于Monte Carlo估计的免疫检测器分布优化算法

针对免疫实值检测器的黑洞和边界入侵问题,分析规模对检测性能的影响,提出一种基于Monte Carlo估计的检测器分布优化算法,以Monte Carlo方法估计检测器对非自体空间的覆盖效果作为算法结束的条件,通过优秀子代替代不合时宜的父代来完成检测器的分布优化处理。经实验测试表明,该算法不仅可以有效地降低黑洞,而且能够以更少的检测器更精确地覆盖非自体空间,从而提升检测器的检测性能。

一种采用无量纲指标免疫检测器的集成故障诊断方法

文章针对采用无量纲指标对低中频故障进行诊断时,每个无量纲指标对应不同故障取值均存在交叉、重复现象的不足,首先运用分类处理的方法生成了与独有故障一一对应的无量纲指标,然后借助人工免疫系统多样性原理,利用多个无量纲指标免疫检测器对故障进行集成诊断,通过仿真试验的结果证明了该方法的有效性。

基于自适应免疫检测器的变速器轴承故障诊断研究

针对变速器轴承振动信号不平稳、特征难以提取等问题,以对振动信号的幅值和频率的变化不敏感的5种无量纲参数为特征参数,将这5种特征参数分为自我模式和非我模式,并基于人工免疫原理设计了一种自适应免疫检测器来克服传统变速器轴承故障诊断方法的局限,重新定义了自适应变异和抑制阈。在变速器轴承实验台上,首先对变速器轴承6种状态下的振动加速度信息进行了测量;然后计算了这些振动信息的无量纲指标;再用所得到的5种无量纲特征参数训练免疫检测器,使之成为成熟检测器;最后采用训练好的成熟检测器对变速器轴承的故障状态进行了诊断。试验结果表明:利用自适应免疫检测器进行变速器轴承故障诊断是可行的,而且该检测器具有较强的故障识别能力。

基于多免疫检测器的机组智能故障诊断系统

生物免疫系统(AIS)主要的功能就是在线检测和杀伤来自生物体内和体外的抗原,具有"自己非己"识别能力。人工免疫系统是对生物免疫系统的模拟,具有强大的信息处理能力。依据人工免疫系统理论设计了机组在线智能故障诊断系统。

基于小波包无量纲免疫检测器的故障诊断模型

为可靠地检出并识别旋转机械设备轴承故障,提出了一种基于小波包分解和无量纲免疫检测器的轴承故障模式识别方法.该方法采用小波包对原始时域信号进行预处理,分别提取原始时域信号和各频带范围内时域信号的无量纲指标,并计算其敏感因子,根据敏感因子选取敏感特征,结合人工免疫阴性选择算法,生成多个敏感特征无量纲免疫检测器,实现对故障进行识别和分类.仿真实验结果表明,所提方法能有效地识别各种轴承故障.

石墨相氮化碳免疫检测器的构建及应用研究

石墨相氮化碳为一种具有类石墨烯结构的非金属材料,因其独特的电子结构和良好的生物相容性在生物检测领域有着较好的应用前景。甲胎蛋白是常见的肿瘤标志物,其体内浓度与肝脏相关疾病有着密切联系,对其检测在临床上有助于癌症的早期诊断和治疗。本工作利用纳米石墨相氮化碳的荧光性质,构建了免疫检测器对血清中的甲胎蛋白进行了检测。该方法具有灵敏度高,操作简便,检测快捷的优点。

免疫检测器证据理论集成的机组复合故障诊断

针对机组复合故障诊断准确率较低的状况,基于免疫机理的人工免疫智能方法,构建对故障比较敏感的无量纲指标免疫检测器.采用自适应调节匹配阈值和从非己空间产生的候选检测器,能有效减少黑洞和边界不清晰.通过免疫编程优化策略获得最佳识别能力的新特征指标.利用证据理论对多类免疫检测器进行集成诊断,提炼出能直接应用于复合故障诊断的优秀无量纲免疫检测器,机组实验结果表明,所得免疫检测器能快速、准确地进行复合故障诊断.

一种基于免疫检测器集的高速网络自适应入侵检测系统

网络安全类产品的入侵检测方法主流的特征检测和异常检测均存在着如序列数据处理能力缺乏、规则库及时更新等问题,而智能算法由于运行效率问题无法在高速网络中实时检测。本文提出了一种基于免疫检测器集的高速网络自适应入侵检测系统设计方法,人工免疫算法的自我与非自我识别机制可检测新型变种的入侵行为与网络异常,针对该算法的执行效率提出自体集规模约束方法产生检测器,可以实时检测网络数据,适用于高速网络中发现未知入侵行为。

阴性选择算法检测器生成的优化及仿真

针对现有常规阴性选择算法在非我空间覆盖设计上未考虑自身免疫性检测器发生的问题,提出一种能检测和剔除自身免疫性检测器的方法,并以MATLAB软件为仿真实验平台,分别对不规则分布数据、环形分布数据和近圆形分布数据3种空间数据分布进行仿真研究.仿真结果表明,该方法能有效剔除90%的自身免疫性检测器,提升了免疫阴性选择算法的鲁棒性和自适应能力.

基于概念格和人工免疫的入侵检测研究

研究网络入侵检测问题。在网络运行过程中,非法用户的入侵,造成网络不安全。为防御外来非法入侵,提出概念格和人工免疫技术融合的两级检测模型,可解决传统方法降维后信息丢失、检测正确率低、漏检率高等问题。首先对网络连接数据利用概念格属性约简方法进行降维,降低规则检测器建立复杂度;然后建立概念格的入侵规则检测器,并进行动态更新,用来检测绝大多数网络攻击行为;最后建立基于概念格的人工免疫检测器,增强了入侵检测的自适应性,作为辅助检测器检测前者漏检的网络攻击行为。仿真实验证明,改进方法检测正确率高,误检率和漏检率低,能够为网络信息系统提供良好的安全服务。

基于人工免疫系统的复合故障诊断技术研究

鉴于多缺陷并存的故障对无量纲指标影响不明显这一特性,直接从各个单独故障的无量纲指标值诊断复合故障,得知无量纲指标值对复合故障的诊断整体不是太理想。针对这一点,先利用对单独故障比较敏感的无量纲指标结合人工免疫系统的阴性选择机制构建无量纲指标免疫检测器,再采用将复合故障特征直接生成无量纲指标免疫检测器的方法来诊断复合故障。该方法操作简单,仿真试验验证该方法的有效性。

基于粗糙集的免疫入侵检测器优化算法

本文分析了免疫入侵检测器在实值空间下存在的问题,提出一种基于粗糙集的免疫入侵检测器优化算法(IIDOA-R&A):利用粗糙集约简理论将高维形态空间转换为低维空间,并利用属性重要度加权欧式距离来计算亲和度大小,通过亲和度对比来优化检测器。实验表明:优化后的检测器不仅提高了检测的速度,改善检测器存在的高重叠问题,对非自体集的覆盖效果也相对理想。

基于模糊免疫的风电机组异常状态识别

风电机组处于高空中,工作环境比较恶劣,导致故障频发。为此,设计一种基于模糊免疫的风电机组异常状态识别方法。结合BM4D与小波去噪设计去噪方法,对初选的特征参量数据进行去噪。利用Relief方法,提取具有较强相关性的风电机组运行状态特征参量。采用模糊免疫算法,设计模糊免疫检测器,检测提取到的特征参量,完成风电机组的异常状态识别。测试结果表明,该方法在异常状态识别中的均方误差低于1%,平均迭代次数低于80次,具有良好的异常识别效果。

一种基于自体集层次聚类的否定选择算法

否定选择算法是用于产生人工免疫检测器的重要算法,然而传统的否定选择过程需要将随机生成的候选检测器与全部自体数据进行匹配以排除识别了自体的无效检测器,该匹配过程导致检测器的生成效率过低,极大地限制了免疫算法的应用.为此,文中提出了一种基于自体集层次聚类的否定选择算法CB-RNSA.算法首先对自体数据进行层次聚类预处理,然后用聚类中心取代自体数据点与候选检测器进行匹配,以减少距离计算代价.在生成检测器的过程中,候选检测器被限定在非自体空间的低覆盖率区域内,以降低检测器冗余.对检测器的非自体空间覆盖率进行了概率分析,给出了中止生成检测器的条件,该条件较传统的预设检测器数量的中止条件更为合理.理论分析表明CB-RNSA的时间复杂度与自体集规模无关,从而解决了经典的否定选择算法的时间复杂度随自体数量呈指数增长这一难题,极大地提高了大自体样本空间下的检测器生成效率.对比实验结果表明:在相同的实验数据集与期望覆盖率下,CB-RNSA的检测率比经典的RNSA与V-detector算法分别提高了12.3%与7.4%,误警率分别降低了8.5%与4.9%,产生检测器的时间代价分别降低了67.6%和75.7%.