面向对象有限元快速算法——Ⅰ数据结构

结合结构有限元方程组的特征,提出了刚度矩阵的稀疏分块矩阵的双向正交链表存储方案。它不需要行指标和列指标索引,每个子矩阵块使用一个表头,指针和行列号都是4字节整数,有效存储量在84.21%以上。存储数据的复杂度为O(1),大大提高了数据存储速度。

面向对象有限元快速算法——Ⅱ快速算法

在稀疏分块矩阵的双向正交链表存储结构的基础上,采用矩阵间的快速算法和基于稀疏分块矩阵的带宽优化技术,减少了结构有限元分析的计算量和存储容量。采用高速缓存和循环展开技术,降低了存储复杂性,提高了浮点运算的平均时间。数值算例表明:采用该存储方案和快速算法,既提高了运算速度,又减少了存储空间。

医药输液灯检机对产品异物准确检测仿真

针对250 mL及以上医药大输液生产过程中造成药液中出现毛发、漂浮物、玻璃屑等可见异物的在线实时检测难题,开发了一种基于分层联合稀疏表示的医药输液全自动智能灯检机。首先通过改进的分块主成分追踪算法对序列图像中的运动目标进行检测以排除静止背景噪声干扰,然后利用稀疏矩阵分块聚类算法得到运动目标的运动轨迹并提取运动轨迹的空间特征向量,最后为了提高传统稀疏表示分类器对异物识别的能力,提出分层联合稀疏表示分类器根据运动轨迹的空间特征向量对异物进行识别,以排除随机噪声的干扰。仿真结果证明,该系统克服了检测过程中各种噪声干扰对异物识别的影响,解决了医药大输液可见异物的在线实时检测难题。

内燃机优化VMD-CWD时频表征与BSNMF编码识别诊断方法

针对内燃机振动响应信号强耦合、弱故障特征的问题,提出一种基于参数优化VMD-CWD内燃机振动时频表征与BSNMF分块编码识别的故障诊断方法.利用变分模态分解(VMD)将内燃机振动信号分解成一组本征模态函数(IMF),并叠加IMF分量信号的Choi-Williams分布(CWD)获得时频聚集性良好,无交叉项干扰的振动谱图像.针对VMD分解过程中的参数选取问题,引入功率谱熵作为目标函数,对VMD的分解参数进行网格寻优,提高了VMD分解的自适应性.为了实现内燃机振动谱图像的自动识别诊断,在稀疏非负矩阵分解(SNMF)的基础上提出一种更容易收敛的分块稀疏非负矩阵分解算法(BSNMF),用来对内燃机振动谱图进行特征提取,并采用支持向量机对提取的特征参数直接进行模式识别.将本文方法应用于内燃机故障诊断实例中,结果表明:该方法能有效提取内燃机振动信号中的微弱故障特征,实现内燃机气门机构故障的自动诊断.