基于RCMFME和AO-ELM的齿轮箱损伤识别策略

针对模糊熵只考虑信号的局部特征而忽略信号的全局特征,导致齿轮箱故障识别的准确率不佳的问题,提出了一种基于精细复合多尺度模糊测度熵(RCMFME)、天鹰优化器(AO)优化极限学习机(ELM)的齿轮箱故障诊断方法。首先,在精细复合多尺度模糊熵的基础上,对矢量的构造方式进行了改进,提出了能够同时考虑时间序列局部特征和全局特征的RCMFME方法;随后,利用RCMFME指标提取了齿轮箱振动信号的熵值,组建了故障特征向量;接着,利用AO算法对极限学习机的参数进行了自适应搜索,生成了参数最优的多类别分类器;最后,将训练样本的故障特征向量输入至AO-ELM分类模型中进行了模型训练,以构造性能最优的分类器,并实现了对齿轮箱测试样本的故障识别目的;利用两种齿轮箱振动数据集进行了实验,在识别准确率和识别稳定性方面,与相关的特征提取方法进行了对比。研究结果表明:采用基于RCMFME和AO-ELM的故障诊断方法能够分别取得100%和98%的分类准确率,平均识别准确率分别达到了100%和98%,优于精细复合多尺度全局模糊熵(RCMGFE)、精细复合多尺度模糊熵(RCMFE)、精细复合多尺度样本熵(RCMSE)。该方法具有显著的应用潜力。

基于GJO特征量优选的AO-RF的变压器故障诊断模型

在变压器故障诊断过程中,进行合理的特征优选,将有助于提高诊断模型的诊断精度,为此,文中提出了一种基于金豺优化算法(golden Jackal optimization,GJO)特征量优选与AO-RF的变压器故障诊断模型。首先,采用GJO对构建的21维变压器油中溶解气体特征量进行优选;然后,根据GJO得到的特征优选结果,采用天鹰算法(aquila optimizer,AO)优化随机森林(random forest,RF)的变压器故障诊断模型对变压器故障进行诊断,并与不同特征量、不同故障诊断模型的诊断结果进行了对比。实验结果表明:GJO优选特征量相比21维原始特征、三比值法、无编码比值法以及AO优选特征量的故障诊断准确率可提高1.12%~25.78%,kappa系数可提高0.02~0.24;AO-RF故障诊断模型较RF、SVM、ELM、SSA-RF、WOA-RF、GJO-RF模型的诊断准确率可提高1.84%~15.86%,kappa系数可提高0.02~0.16,验证了所提方法的有效性和准确性。

IMRPE和AO-SVM在往复压缩机故障识别中的应用

针对常规故障诊断方法不适用于提取往复压缩机声音信号的故障特征,导致往复压缩机的故障识别精度不高的问题,提出了基于改进多尺度反向排列熵(IMRPE)、t-分布邻域嵌入(t-SNE)和天鹰优化器(AO)优化支持向量机(SVM)的往复压缩机故障诊断方法。首先,采用具有优异特征表达性能的IMRPE方法来提取往复压缩机声音信号的故障信息,构建了反映样本故障特征属性的故障特征向量;然后,利用t-SNE方法对故障特征进行了特征降维处理,以降低故障特征维数和去除冗余特征,从而获得了低维的敏感特征;最后,利用AO方法对SVM的惩罚系数和核参数进行了自适应搜索,从而建立了结构参数最优的分类器,并将低维的敏感故障特征输入至AO-SVM分类器中,进行了训练和分类,依据测试样本的输出标签完成了样本的故障识别;以往复压缩机声音信号故障数据为对象开展了研究,并评估了IMRPE-t-SNE-AO-SVM方法的有效性和稳定性。研究结果表明:IMRPE-t-SNE-AO-SVM方法的故障识别精度达到了97%,不仅能够用于准确且稳定地识别往复压缩机的故障类型,提高故障识别的精度,而且在准确率和稳定性方面优于其它对比方法。

基于IAO-MCKD的电机轴承故障诊断

针对电机轴承元件故障信号微弱的特点,为提高诊断精度,提出了一种基于改进AO(天鹰算法)优化MCKD(最大相关峭度反卷积)的诊断方法。首先,通过优化参数后的MCKD算法对噪声信号进行降噪处理;其次,对故障信号的包络谱进行分析和诊断;最后,准确提取被强噪声淹没的轴承故障信号。实验结果表明,IAO-MCKD方法与其他经典优化算法相比,能有效增强故障特征,准确提取出故障信号,且该方法具有收敛速度快,处理陷入局部最优问题更灵活等特点。

基于AO^(*)算法的雷达装备诊断策略设计

为提高雷达装备故障诊断效率,针对如何以较低测试费用诊断和隔离故障,同时避免漏诊和误诊的问题,提出了基于AO^(*)算法的雷达装备诊断策略设计方法。研究了单故障和多故障并发条件下的雷达装备诊断策略,单故障条件下,以期望测试费用最小为优化目标,利用AO^(*)算法获得了雷达装备最优单故障诊断策略;多故障条件下,利用多故障模糊组分析了多故障表现,识别了隐藏故障和伪故障,避免了漏诊和误诊。通过实例验证了方法的有效性和可行性。

基于AO-VMD的往复压缩机故障特征提取方法

采用原始VMD方法对往复压缩机故障进行诊断时,往复压缩机易损部件的振动信号存在非平稳、非线性这一问题,为此,提出了一种使用天鹰算法(AO),以各分量样本熵的最小值作为适应度函数,对变分模态分解(VMD)进行优化分解的往复压缩机故障特征提取方法。首先,对往复压缩机滑动轴承的故障进行了分析,对其不同状态下的振动信号进行了分析处理;然后,先使用小波消噪对振动信号进行了消噪处理,再分别使用原始VMD和AO-VMD新型分解方法对其进行了处理,并得到了BLIMF分量;最后,计算两种分解方法中各分量的多尺度样本熵(MSE)值,对不同状态的多尺度样本熵值进行了对比分析,从而实现了对往复压缩机各类故障的诊断。研究结果表明:AO-VMD方法利用AO强大的快速搜索和开发能力后,故障分类性能明显优于原始VMD分解方法,各类故障信号多尺度样本熵值区分明显;其省时方面效果显著,基于遗传算法优化VMD方法分解耗时427 s,而AO-VMD方法仅需165 s,满足故障诊断分解方法要求。

基于AO~*算法的舰炮制导弹药多故障诊断策略设计

针对舰炮制导弹药多故障诊断策略问题,提出了一种基于AO算法的舰炮制导弹药多故障诊断策略设计方法。该方法结合AO算法和Matlab编程,得到了舰炮制导弹药的多故障诊断策略。试验表明AO算法对解决舰炮制导弹药多故障诊断策略问题有效,达到了降低舰炮制导弹药测试成本和提高故障隔离速度的目的。

基于参数优化VMD-小波阈值的轴承振动信号降噪方法

为了解决复杂工况下滚动轴承振动信号存在随机噪声的问题,提出了一种基于参数优化变分模态分解(VMD)-小波阈值的滚动轴承降噪方法。首先,利用以包络熵为适应度函数的天鹰算法对变分模态分解算法的模态分解数K和惩罚因子α进行了自适应选择,代入VMD分解中,得到若干本征模态函数(IMFs);然后,根据峭度-相关系数将IMF分量划分为纯净分量和含噪分量,对含噪分量进行了小波阈值降噪处理;最后,对处理后的分量进行了重构,并用重构信号进行了包络谱分析,实现了滚动轴承的信号降噪目的,并利用仿真信号和美国凯斯西储大学公开的轴承数据集对上述降噪方法的有效性进行了验证。研究结果表明:基于参数优化VMD-小波阈值的降噪方法减少了滚动轴承运行状态下的随机噪声,相对小波阈值降噪方法,所得仿真信号信噪比提升53%,均方误差降低13%;在故障特征频率为162 Hz时,所得实验降噪信号包络谱的前6倍频谱峰值更为明显,且受随机噪声影响较小。该研究方法在滚动轴承等旋转机械信号降噪方面具有一定的参考价值。

基于改进天鹰优化算法优化LSTM的滚动轴承故障诊断方法

针对天鹰优化(Aquila optimizer,AO)算法容易陷入局部最优,长短时记忆(long short-term memory,LSTM)神经网络容易受参数影响的问题,提出了一种基于改进天鹰优化(improved Aquila optimizer,IAO)算法优化LSTM神经网络的模型,并将其应用于滚动轴承的故障诊断中。首先,引入超立方策略优化了种群初始质量,设计自适应螺旋策略平衡了AO算法的全局搜索和局部搜索能力,并通过利用高斯变异策略增强了AO算法跳出局部最优的能力。然后,将所提IAO算法对LSTM的权值和阈值进行优化,构建了基于IAO-LSTM网络的滚动轴承故障诊断模型。最后,凯斯西储大学(Case Western Reserve University,CWRU)轴承数据集和帕德伯恩大学(Paderborn University,PU)轴承数据集的试验结果表明:与其他故障诊断模型相比,IAO优化后的LSTM模型的分类准确率更高,能有效识别滚动轴承的各种故障类型。

基于故障相关矩阵的最优测试序列生成方法

针对最优测试序列生成问题,采用与或图搜索生成测试序列,将系统故障与测试之间的关系作为节点生成的依据,在综合了信息论与启发式搜索理论的基础上,由霍夫曼编码和信息熵构成的启发式搜索函数来引导与或图的搜索生成诊断树,安排最优的测试顺序,实现用最少的代价隔离系统故障;在解决与或图搜索问题中应用了改进后的AO*算法,避免出现"NP-完全"的复杂计算问题,整个过程大大减少了生成节点的数量,提高了故障隔离效率。

大型复杂系统故障隔离智能优化策略

大型复杂系统的故障隔离是系统维修的重要环节,现有的故障隔离算法存在平均故障隔离时间(MFIT)长,不能快速自动生成决策树等缺点。利用AO*算法自动构造决策树,将离散粒子群算法应用于AO*算法的每一个节点的测试选择,降低计算复杂度,使故障隔离策略智能化。实例表明:该算法将故障隔离时间缩短20%,并降低测试代价,提高故障隔离效率,为大型复杂系统故障隔离提供一种高效算法。

南澳岛近海特殊地形的发现及其新构造学意义

地形形态变异分析是新构造和古地震研究的一个重要方法和途径。粤东南澳岛附近内陆架平原上,发育一条无法用外力侵蚀解释的线型浅谷,而恰与南海滨海断裂带方向和位置基本吻合或接近,推测可能是地震断裂的地表形变造成的。这一发现,对进一步认识南海滨海断裂带东段活动性,以及粤东和台湾海峡的地震研究等都具有重要意义。

四川盆地南缘筠连-长宁地震区扎子坳断层探测及活动性初步研究

通过地震活动性调查、地表地震地质调查、浅层地震勘探、高密度电法勘探及探槽剖面分析等多种手段对扎子坳断层进行综合研究,结果发现,扎子坳断层发育于古生代二叠系砂岩和中生代三叠系灰岩、砂岩地层中,属逆断层,断层总体呈NNE向展布,长约15 km,破碎带影响宽度一般小于20 m,断层规模较小。结合浅层地球物理勘探和探槽剖面分析结果初步推测,扎子坳断层不具备晚更世晚期活动性,为2017-01-28筠连4.9级地震的发震构造。

基于改进天鹰算法优化核极限学习机的油浸式变压器故障诊断研究

为提高油浸式电力变压器故障诊断的精度及可靠性,提出了一种基于改进天鹰算法(modified aquila optimizer, MAO)优化核极限学习机(kernel based extreme learning machine, KELM)的油浸式电力变压器故障诊断方法。利用Tent混沌映射、卡方概率密度函数,对原始天鹰优化算法(Aquila Optimizer, AO)进行改进,改进后的算法有效提升了收敛速度与寻优精度。利用MAO算法对核极限学习机模型中的正则化系数和核函数参数进行联合寻优,构建最优故障诊断模型。实验结果显示,MAO-KELM对变压器故障诊断的准确率达到95.8%,比AO、GWO和PSO优化的核极限学习机故障诊断模型分别提升了3.52%、10.07%和11.64%,体现了MAO算法的优越性,同时与传统模型进行比较,证明所提方法的诊断效果具有明显优势。

一条正在发育的中、新生代裂谷带

沿长乐－南澳断裂带分布有非蛇绿岩型的镁铁、超镁铁质岩块；具中、新生代裂谷型岩浆组合；断裂两侧具有相似的变质岩基底及对应显著的地幔隆升地带。说明该断裂带为一条正在发育的中、新生代裂谷带。

综合物探方法在长排 学堂坳地区花岗岩型铀矿勘查中的应用

长江矿区为典型的花岗岩型铀矿,构造蚀变带为其主要控矿要素,花岗岩体内断裂构造带岩石蚀变后电阻率一般会降低,而且由于热液蚀变等作用,使得断裂两侧岩石的磁化率也发生显著变化。在长江矿区东北部的长排学堂坳花岗岩地区应用音频大地电磁(AMT)和高精度磁测两种物探方法进行勘查,推测其构造蚀变带位置及深部延伸特征。大致查明了区内控矿断裂特征和黑云母花岗岩与二云母花岗岩深部接触的变化特征;结合区内铀成矿地质条件,指出综合物探异常复合区是铀成矿的有利部位,并通过钻探得到了验证。为探索长江矿区外围及深部的成矿情况提供了参考。

基于AVMD和CNN的并网型微网线路故障诊断

为提高微网三相线路故障诊断精度,提出基于自适应变分模态分解(adaptive variational mode decomposition,AVMD)和卷积神经网络(convolutional neural network,CNN)的微网线路故障诊断分类方法。首先建立包含风、光、水系统的微网径向结构模型;采用AVMD将原始故障信号分解得到多个模态分量,其中变分模态分解(variational mode decomposition,VMD)的参数采用天鹰优化(aquila optimizer,AO)算法进行优化;诸多模态中只有少数模态保留了故障信号的信息,利用有效加权峰态相关(effective weighted peak relevance,EWPR)指数对模态分量进行选择,选取最能保留故障信息的3个模态作为敏感模态;剔除噪声和其他无关模态的影响,使用CNN对微网的线路故障进行诊断分类。生成110组故障数据用于训练和验证神经网络,结果表明22组验证数据集中共有21组数据分类正确,此研究方法对故障的诊断精度达到了95.46%。

湖北省团风县金鸡坳金矿区矿床地质特征及找矿前景分析

团风县金鸡坳金矿区位于湖北省大崎山穹窿南西缘,矿体严格受断裂构造控制,垂向上具有金银矿化向金银多金属矿化转变的特征。矿区储矿构造主要为北西向和近东西向脆性断裂,且其不同方向次级断裂构造的交汇部位为矿化富集有利部位。矿区金成矿事件与燕山期构造—岩浆热液活动关系密切,矿床成因类型为中低温岩浆热液型金矿床。地表及深部地质、地球化学异常显示,祝家冲矿段具有较好的找矿潜力,深部可能存在工业矿体。