基于流挖掘算法的飞机液压管路裂纹泄漏故障监测研究

飞机液压管路是飞机液压系统中非常重要的组件,其出现裂纹故障将导致飞机出现严重的安全故障。针对循环压力冲击下的液压管路裂纹泄漏故障诊断,在飞机液压管路动力学分析的基础上,设计了循环压力冲击下裂纹故障检测多模式拓扑结构,通过流挖掘算法提取飞机液压管路裂纹泄漏故障特征来实现故障诊断,在试验台架中真实模拟飞机液压管路裂纹泄漏故障来验证故障监测方法的可靠性。试验结果表明,采用流挖掘算法的故障诊断方法能够快速的监测出飞机液压管路的裂纹泄漏故障。

基于改进双链量子遗传算法的流数据挖掘方法

为了提高数据库中存储的数据量,提出了基于双链量子遗传优化的分类规则挖掘算法,并建立流数据挖掘平台,采用垂直并行化的方式处理源数据,提取符合用户需求的有用数据。从量子位实数编码、解空间变换等过程描述分类规则集形成并实现分类过程,利用目标函数的梯度信息调整进化步长幅值,以避免陷入局部最优解。流数据挖掘平台的数据采集系统中对ETL模型进行优化,提供的消息分发模型的限制下完成下行通信消息调度分发策略的设计,使数据采集系统具有双向通信的能力。通过试验,本研究流数据挖掘平台的数据处理时间最短,对实验数据集中Iri数据集的分类挖掘精度高达95.17%。

基于频繁项统计的流-安时积分SOC估计方法

针对传统安时积分法由于无法在线更新库仑效率而导致的难以准确估测电池剩余容量的问题,提出一种基于频繁项统计进行电流分段积分,利用不同库仑效率对分段积分后电量进行修正的流-安时积分法。该方法利用连续充放电循环对库仑效率进行在线修正,基于柯西频繁项统计算法对电流进行分段累积,利用修正后的库仑效率对分段累计电量进行校正,最后实现了电池剩余容量的准确估计。仿真和实验分析表明:基于频繁项统计的安时积分法有效减小了传统安时积分法产生的电量累积误差,提高了剩余容量及SOC的估计精度。

SWFP-Miner： an efficient algorithm for mining weighted frequent pattern over data streams

Previous weighted frequent pattern （WFP） mining algorithms are not suitable for data streams for they need multiple database scans. In this paper, we present an efficient algorithm SWFP-Miner to mine weighted frequent pattern over data streams. SWFP-Miner is based on sliding window and can discover important frequent pattern from the recent data. A new refined weight definition is proposed to keep the downward closure property, and two pruning strategies are presented to prune the weighted infrequent pattern. Experimental studies are performed to evaluate the effectiveness and efficiency of SWFP-Miner.