基于VMD和GA-SVM的矿井地震自适应噪声压制方法

煤矿井下地震信号往往呈现出复杂的波场特性且伴随着大量噪音干扰,导致地震信号的初至拾取精度降低,从而影响地震数据的反演与解释。针对复杂干扰环境下采集的低信噪比地震信号,提出了基于变分模态分解(VMD)和遗传算法优化支持向量机(GA-SVM)的地震噪声压制与初至提取方法,以提高煤矿井下复杂噪声条件下的地震信号质量。采用变分模态分解对含噪地震信号进行自适应分解,得到数个的变分模态分量(IMF);对VMD分解得到的IMF分量进行特征提取,将提取所得的信号特征作为信号有效性判别的依据;利用遗传算法对支持向量机模型进行优化,得到最优的惩罚因子c与核函数参数g;利用优化后的支持向量机模型对IMF分量进行有效性判别并将有效分量重构成高信噪比信号;通过对人工加噪的地震信号应用噪声压制算法,煤矿井下常见的不同类型噪声被有效地压制,验证了算法的可行性;对矿井巷道实采的地震记录进行噪声压制处理,有效地压制了数据中的干扰噪声,极大程度地提高了地震记录的信噪比,使初至拾取得更加准确。结果表明,基于VMD和GA-SVM的地震噪声压制方法可以很好地提取含噪地震记录中的有效信号,提高初至拾取精度,在矿井复杂干扰条件下具有显著的应用潜力,对解决矿井复杂干扰条件下的地震勘探问题有重要意义。

高体积分数SiCp/Al复合材料航天结构件的铣磨加工

通过工艺试验,研究了工艺参数对铣磨力与铣磨表面质量的影响。结果表明,较高的主轴转速、较低的进给速度与铣磨宽度是降低铣磨力的有效手段,铣磨工具的磨粒颗粒度是影响铣磨表面质量的主要因素。通过对一系列典型高体积分数Si Cp/Al复合材料航天结构件进行样件加工,验证了铣磨工艺的可行性与有效性。

基于改进的极限学习机光伏出力短期预测

针对传统极限学习机易陷入局部最优解的缺点以及环境变化导致光伏出力波动的特点,构建了一种基于自适应噪声完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)算法,结合黑猩猩优化算法优化极限学习机神经网络的光伏出力短期预测模型。首先利用CEEMDAN算法将影响光伏输出功率的关键环境因素序列进行分解,得到数据信号在不同时间尺度的局部特征,降低环境因素序列的非平稳性,然后将各分解子序列和光伏历史数据序列作为黑猩猩算法优化的极限学习机预测模型输入进行预测。最后,选用DKASC Solar Centre光伏电站数据集对不同预测模型进行验证对比。实例仿真结果表明,构建的改进光伏出力预测组合模型的各项指标预测效果更好,且适用不同环境的光伏发电预测。

铝锂合金切削加工试验研究进展

铝锂合金作为一种先进轻量化材料,具有相对较低的密度、较高的比强度和比刚度以及较好的疲劳性能,在航空航天领域应用广泛。但在铝锂合金切削加工过程中易于出现黏附磨损,从而引起加工质量差、使用性能下降等一系列问题。因此,国内外学者针对铝锂合金切削加工进行了相关研究。对近年来在铝锂合金切削加工试验方面的研究进展进行了总结,重点分析了切削力、切削温度、加工表面质量、刀具磨损以及参数优化方面的研究成果,指出了目前存在的问题以及今后的发展方向,对铝锂合金切削加工技术的发展具有一定的促进作用。

基于加工余量优化的航空模锻件点云配准算法

为解决航空大型结构件在精密数控加工过程中毛坯加工余量分布不均的问题,提出了基于加工余量优化的模锻件点云配准算法。首先将降噪等预处理之后的毛坯点云数据和CAD设计数模通过四特征点法进行粗配准,然后基于加工面容差约束建立精配准数学模型,采用广义乘子法和奇异值分解法求解模型,同时采用迭代法让毛坯所有匹配点都满足加工面容差约束以及通过数据关联加快配准过程中对应点的搜索速度。点云配准试验结果表明:四特征点粗配准方法与“321”粗配准方法比,标准差和均方根偏差分别减小了5.35%、3.91%;基于加工余量约束优化的精配准方法与经典ICP方法比,标准差和均方根偏差分别减小0.09%、0.15%。因此,提出的点云配准方法在模锻件加工余量优化过程中比传统方法精度更高。

短期负荷预测中SVM参数选取的混沌优化方法

支持向量机已成功地应用于短期负荷预测领域,但其学习和泛化能力取决于参数的有效选取。为进一步提高预测精度,针对目前支持向量机参数选取方法的人为盲目性等缺点,在分析各个参数对其预测性能的影响的基础上,将混沌优化技术应用于参数的选取过程。对组合优化问题建立目标函数,采用一种改进的变尺度混沌优化算法来搜索全局最优值,从而得到最优的参数组合。通过湖南某地区电网日负荷预测的仿真结果表明,该方法与常规方法相比,显著地降低了模型的建模误差和预测误差,具有更好的性能。

高硅铝合金电火花加工的工艺参数优化设计

高硅铝电火花加工受到多个工艺参数的影响,而且各个工艺参数之间还存在着相互制约的关系。本文通过对高硅铝合金电火花加工,重点分析了间隙电压、峰值电流、脉冲宽度和加工时间对工件加工速度的影响,并对实验数据采用正交试验的方法进行处理并综合分析,得到3组最优组:直接分析最优组、极差分析最优组、曲线分析最优组,通过验证得到更优参数组。研究结果为实现高硅铝合金高效高精度的电火花加工提供了参考。

基于VMD和MRVM变负荷工况下的滚动轴承故障诊断

为了能够对变负荷工况下的轴承早期故障及损伤程度进行准确有效的诊断,提出了基于改进混沌果蝇优化算法的变分模态分解(variable mode decomposition,简称VMD)和基于嵌套一对一算法的多分类相关向量机(multi-class relevance vector machine,简称MRVM)的智能诊断模型。首先,使用改进混沌果蝇优化算法(improved chaotic fruit fly optimization algorithm,简称ICFOA)对VMD的本征模态函数(intrinsic mode function,简称IMF)个数和惩罚参数进行优化,搜索两个参数的最优组合值;其次,使用最优组合参数值对VMD算法的关键参数进行设定,并对已知的故障信号进行分解获得相应的IMF分量;然后,使用嵌套一对一算法构造高精度的多分类RVM学习模型,将IMF分量的二维边际谱熵值作为MRVM的输入特征向量;最后,使用不同载荷下的实验数据进行验证。实验结果表明,所提出的方法能够准确地对变载荷工况下的轴承故障进行诊断,其中轴承故障类型的诊断精度为100%,轴承故障程度的诊断精度为91.87%,诊断精度较高,鲁棒性强。

WOA-SVM算法在钛合金端铣刀具磨损预测的研究

针对钛合金加工中刀具磨损状态的准确识别问题,建立了基于支持向量机(SVM)和鲸鱼优化算法(WOA)的钛合金刀具磨损预测模型。将SVM和WOA相结合,提出了一种新的WOA-SVM模型,用于钛合金立铣刀刀具磨损的精确估计。通过提取切削力的信号特征作为监测特征,利用邻域保持嵌入(NPE)对监测特征实现降维,提高了WOA-SVM模型的建模效率。实验结果表明:在保证预测精度的前提下,NPE的使用使WOA-SVM的建模时间减少了90%以上;与PSO-SVM和GSA-SVM等常用方法相比,WOA-SVM具有较高的预测精度,建模时间减少了30%以上;所建模型能有效预测钛合金加工刀具的磨损状态。