摘要：在实际工程中,复杂的多目标问题是导致优化结果收敛性和多样性损失的重要因素。为了提高优化算法在复杂问题中维持解多样性和收敛性平衡的能力,提出了基于KnEA(A Knee Point Driven Evolutionary Algorithm)的辅助点进化算法。首先,该算法借助进化过程中有明显趋势的拐点作为邻域空间的中心;其次,通过分析邻域空间中的拐点与上一代拐点之间的关系,从侧面来定量分析了邻域空间的潜力;再次,为了解决对复杂问题优化过程中收敛性不足的缺陷,提出了根据邻域空间的进化潜力来增加辅助点的策略,进一步地提高了进化过程中的空间搜索能力。在种群的环境选择中,优先选择拐点和辅助点进化下一代,以此平衡种群的收敛性和多样性。将该算法在多目标测试问题上与流行的算法进行了比较,实验结果表明提出的算法在多目标问题优化中有明显优势。最后,将该算法应用到二级斜齿圆柱齿轮减速器优化设计当中。

摘要：针对传统的变分模态分解(VMD)需要预先设置模态个数和惩罚参数,提出了一种基于麻雀搜索算法(SSA)的参数自适应VMD方法。首先,引入一种新的测量指标-相关脉冲,该指标能反映出原始信号与分解模态之间的相关性,并且能有效突出包含丰富信息的模态。其次,基于相关脉冲指标,采用麻雀搜索算法选择最优VMD分解参数。最后,通过最大相关脉冲指标对模态分量进行分析,利用希尔伯特包络谱进行频谱分析。此外,将故障轴承放在轴承寿命试验台上进行仿真验证,实验结果表明该方法在轴承故障特征提取上具有可行性。

摘要：为解决滚动轴承运行可靠度预测问题,这里提出了基于麻雀搜索算法-相关向量机的滚动轴承可靠度预测方法。首先对轴承振动信号在时域、频域及时频域构成的维数较高的向量集利用主成分分析算法进行降维;然后将降维后的特征集作为轴承的退化状态特征输入到逻辑回归模型中,进行滚动轴承可靠性评估;然后将轴承的性能退化状态特征作为麻雀搜索算法-相关向量机模型的输入,获取预测结果;最终把结果带入到逻辑回归模型中,预测轴承的运行可靠度。实验结果表明提出的算法在预测滚动轴承运行可靠性中具有明显优势。

摘要：滚动轴承在机械传动中占有十分重要的地位,其运行状况直接影响着机械的运行效率。因此,对滚动轴承故障的研究具有十分重要的理论意义和现实意义。该文章在故障诊断的基础上提出一种故障定位的新方法。该方法利用三个振动传感器采集滚动轴承运行过程中的振动信号,然后利用相关分析法与EMD算法对其进行去干扰处理,提取振动信号的幅值,并计算其衰减量。利用三个传感器采集到的三处振动信号衰减量来分析计算故障的准确位置。该方法简单,提取特征值少,定位精度高。且该方法不仅能准确定位滚动轴承外滚道单点故障,而且可同时定位出多个故障点。这在以往的定位方法中是很难实现的。

摘要：针对滚动轴承可靠性预测问题,提出了基于特征选择和ELM网络的可靠性预测方法。首先,对振动信号提取特征,构成特征参数初选集;其次,引入单调性、相关性、鲁棒性三个特征评价指标对特征参数初选集进行特征评价,并定义了一种新的限制性指标,得到可以反映轴承退化过程的参数,构成退化特征参数集;再次,对退化特征参数集进行维数约简,构成低维特征向量集;最后,以退化特征参数集和特征向量集分别为输入数据和标签带入ELM网络中做可靠性预测。通过西安交通大学轴承振动信号数据集证明了该方法的有效性。

摘要：野山羊算法结合不同的搜索策略,弥补了多个著名元启发式算法在解决优化问题中的固有缺陷。针对传统野山羊算法不能有效解决多目标优化问题,提出了多目标野山羊算法并应用于多目标优化当中。首先该算法在野山羊算法基础上提出了改进的多种群策略,提升了种群多样性;其次将该策略与提出的动态进化策略和领头羊派遣策略结合,进一步增强了个体之间的信息交流,防止算法局部收敛。再者将该算法与其他经典多目标优化算法比较,实验结果表明提出的算法在解决多目标优化问题中具有明显优势。最后将该算法应用到动压滑动轴承的多目标优化设计当中。

摘要：针对滚动轴承振动信号的非平稳非线性特性,提出了一种采用集合经验模态分解(EEMD)熵特征提取、t-分布邻域嵌入(t-SNE)和粒子群优化-概率神经网络(PSO-PNN)的滚动轴承故障诊断方法。首先,对振动信号应用EEMD算法实现分解,生成多个固有模态函数(IMFs),对生成的含有主要故障信息的模态分量进行选择,以进一步实现熵特征提取,然后对高维特征数据应用t-SNE算法进行降维,最后利用PSO-PNN分类器进行故障识别。通过案例1和案例2的分析结果表明:该方法对滚动轴承故障识别率均达到100%,具有较高的故障识别率,能对滚动轴承的故障类型有效的识别。

摘要：滚动轴承的工作转速和载荷很多时候是变化的,基于先验知识的诊断方法很难取得令人满意的分类效果。针对这一问题,提出了基于Nesterov动量的自适应卷积神经网络,用于轴承故障诊断。首先,将网络中传统动量规则替换为Nesterov动量,改善传统方法容易错过最优解问题。其次,为了改善网络泛化能力,设计了一种根据误差变化率动态调整学习率的自适应学习率规则。最后,将采集到的原始数据直接输入到提出的网络中训练故障诊断模型,并利用测试数据对模型进行评测。实验结果表明,提出的优化方法改善了神经网络的收敛性,提高了轴承故障分类精度。

摘要：针对滚动轴承结构及其运行环境的复杂性和信号特征参数信息难以被提取的问题,提出一种由蜻蜓算法(DA)优化改进的深度置信网络方法(DA-IDBN)并应用于轴承故障诊断中.采用DA对神经网络结构进行优化设计,确定最优结构.应用最小批量随机梯度下降法对每一个自适应受限波尔茨曼机(RBM)进行预训练,并采用BP神经网络反向微调DBN的权重参数.通过实验验证了笔者所提方法的有效性,并取得了更好的分类效果.

摘要：针对汽提塔生产过程具有非线性、强耦合、大时滞及温度难以精确控制的问题,设计了基于变论域模糊PID的汽提塔温度控制系统.选取了基于模糊规则的伸缩因子,将变论域思想和模糊PID相结合,形成变论域模糊PID控制系统结构.分别对常规PID算法、模糊PID算法及变论域模糊PID算法的汽提塔温度控制系统的仿真曲线进行对比.仿真结果表明:变论域模糊PID控制算法有更快的响应速度、更小的超调量和更好的跟踪性能.