转子故障特征数据分类的KPCA-BFDA方法

对非线性转子系统故障特征数据的分类方法进行了研究。在提出一种偏费歇判别分析法(biased fisher discriminatory analysis,简称BFDA)的前提下,进一步提出将核主成分分析法(kernel principal component analysis,简称KPCA)与偏费歇判别分析法相结合的数据集降维方法,该方法中的核主成分分析步骤用于构造剔除数据集冗余信息的降维数据集,偏费歇判别分析步骤用于进一步降低数据集维数并提高不同类别数据子集间的分离程度。对实例数据与典型故障数据的分类结果表明,提出的偏费歇判别分析法在具备费歇判别分析降维可分性能的基础上,具有更低计算复杂度的特点。提出的核主成分分析结合偏费歇判别分析的算法,其对应的降维结果能直接应用于线性分类器,且取得了较好的分类效果。

航天器在轨故障特征数据生成方法

针对故障特征数据模拟生成算法与航天器的原理、模型关联度高,航天器状态描述模型不成熟、难以应用于工程实践的现状,根据反映航天器在轨故障的遥测数据表现形式和变化时间长短,将航天器故障进行分类。从遥测数据变化的角度,针对每类故障遥测数据的变化特点,研究了符合每类故障数据变化规律的故障特征数据生成算法及基于WEB服务的故障特征数据生成原型系统实现方式。生成的故障特征数据在故障检测、诊断与预警等方面得到成功应用,使航天器对象、状态演化规则和测控信息产生等故障输入数据更接近真实的动态特征。

基于改进决策树算法的智慧电厂设备故障数据特征融合研究

若电厂设备故障数据的采集和提取过程受到环境噪声的影响,易降低数据特征融合的准确率。针对这一问题,提出基于改进决策树算法的智慧电厂设备故障数据特征融合技术。首先,使用多源传感器数据采集电力设备运行过程中的异常数据,并实时收集设备之间的故障信息,建立设备故障数据集;然后,利用半软阈值函数技术,对设备数据集实施去噪处理,基于改进决策树算法对去噪后的设备数据进行分类处理,以分类后的电气设备故障数据为基础对电气设备故障数据的特征进行提取;最后,构建复合判断模型,实现对智慧电厂设备故障的数据特征的融合处理。实验结果表明,通过本研究设计的智慧电厂设备故障数据特征融合技术,能够显著提高对设备故障数据特征的融合准确率。

基于改进粒子群算法的智能农村营销服务渠道优化分析

本文研究了一种面向农村电网营销服务渠道的改进粒子群算法并验证其挖掘结果适应性。引入收敛因子的改进PSO算法并非单纯从粒子群数据迭代收敛效率上高于传统PSO算法,其实际的数据应用端表现也显著优于后者。其中表现在对优势用户和问题用户的数据特征提取方面,改进PSO算法表现出较强的数据挖掘结果可用性。