曾文[1]1999年在《人工神经网络的映射能力及其在空间物理中的应用》文中指出本文主要包括两个方面的内容。第一是关于人工神经网络的理论，第二是研究人工神经网络在空间环境预测预报中的应用。 本文在第一部分首先讨论人工神经网络及其映射能力的有关理论。简单回顾了人工神经网络的发展历程，随后分析了神经网络的结构、人工神经网络的学习规则和学习算法，深入地研究了前馈网络的反向传播算法、分析了网络结构对网络的映射能力的影响。其次，文章着重研究了网络的算法和训练集的选取方式对网络映射能力的影响。我们比较了梯度下降和限制平面的切平面两种算法在训练人工神经网络时的收敛速度和网络输出误差，得到了在相同条件下，切平面法比梯度下降法收敛得更快的结论。作者还研究了神经网络训练过程中，教师信号的随机选取与顺序选取对收敛速度影响，得到了教师信号的提供方式与收敛速度之间并没有必然的联系，收敛速度是受到神经网络的拓扑结构、神经元数目及教师信号质量等诸多因素影响的重要结论。 在第二部分，我们利用人工神经网络解决了空间物理中的两个非线性的实际问题。其一是关于我国南海地区上空的电离层的模式问题。南海地区靠近赤道，那里电离层有较复杂的区域性结构。本文通过电离层临界频率月中值的相关维分析，选取了自变量相空间的各个分量作为网络的输入，使用南海地区丰富的电离层历史观测资料训练人工神经网络，从而建立这些分量与电离层临界频率之间的映射关系即该地区的电离层模式，进而预报电离层临界频率。其二是预报太阳黑子数的月均值的问题。囿于对太阳黑子产生的物理过程的了解及有关太阳活动参量的观测，我们发展了相空间重构与人工神经网络向结合的方法，通过分析太阳黑子数的历史的资料，得到重构自变量相空间的维数应为4，时间延后值为36个月。建立了这一相空间与太阳黑子数的以人工神经网络表示的映射关系，从而达到预报太阳活动强度-黑子数的目的。 人工神经网络的映射能力是人工神经网络理论研究中最重要的问题之一。网络的映射能力直接关系到网络应用成功的关键。为了
卢志宏[2]2016年在《基于BP神经网络的荒漠啮齿动物群落对气候变化滞后响应》文中研究说明全球气候变化(整体变暖,局部变冷)强烈影响着生态系统的结构,物种的生长、繁殖与分布。气候变化导致沙漠更加干旱,强烈影响了荒漠动植物的生存、分布及格局。人类生产活动的干扰,严重影响了动植物的生存,使相同物种在不同干扰生境中对气候变化的响应发生了变化,使物种与环境、物种与物种的关系更加复杂。神经网络模型是基于人脑对信息进行学习,建立模型,作出判断的数学模型,是一种非线性分析方法,能够模拟多个系统相互耦合形成新系统后的动态规律,实现对未来变化趋势的预测。本文利用BP神经网络模拟阿拉善荒漠不同人为干扰下啮齿动物群落对气候变化的响应规律,利用2006～2014年每年4～10月啮齿动物捕获量数据与当地2003～2014年气象数据,研究啮齿动物群落与气候变化耦合形成耦合系统的动态规律,揭示啮齿动物对气候变化的滞后效应及滞后时间,建立BP神经网络模型,对啮齿动物群落优势种及多样性进行预测。结果表明：1、利用BP神经网络建立的阿拉善荒漠啮齿动物群落优势种数量、组成物种数量预测模型,不同时间尺度建立的模型存在差异,预测效果也不同。6年时间尺度较9年时间尺度预测效果好的模型有8个,依次为：轮牧群落组成物种、禁牧三趾跳鼠、禁牧群落组成物种、过牧三趾跳鼠、轮牧子午沙鼠、轮牧三趾跳鼠、开垦群落组成物种和禁牧五趾跳鼠,拟合优度依次为0.9353>0.8895>0.8564>0.8290>0.8247>0.8121>0.7960>0.7090,隐含层节点数依次为16、18、19、18、1、20、11、7。9年时间尺度较6年时间尺度预测效果好的模型有6个,依次为：轮牧五趾跳鼠、过牧群落组成物种、开垦子午沙鼠、禁牧子午沙鼠、过牧五趾跳鼠、过牧子午沙鼠,拟合优度依次为0.9034>0.9008>0.8517>0.8474>0.8296>0.8046,隐含层节点数依次为24、23、11、4、8、28。2、预测效果最好的多样性指数模型有10个,6年时间尺度有6个,9年时间尺度有4个。6年时间尺度比9年时间尺度预测效果好有6个,依次为：轮牧辛普森指数、轮牧一过牧梯度Jaccard指数、过牧一禁牧梯度Sorenson指数、开垦一过牧梯度数量属性cody指数、开垦一过牧梯度数量属性Jaccard指数、过牧一禁牧梯度数量属性Sorenson指数模型,隐含层节点数依次为7、8、3、16、8、3。9年时间尺度比6年时间尺度预测效果好的有4个,依次为：轮牧香农-维纳指数、轮牧均匀性指数、开垦一过牧梯度二元属性cody指数、轮牧一过牧梯度数量属性Bray-Curitis指数模型,隐含层节点数依次为1、7、17、23。3、不同人为干扰生境中啮齿动物群落优势种、组成物种数量对气候变化存在滞后效应,不同时间尺度的滞后时间存在差异。6年时间尺度下：三趾跳鼠在轮牧干扰下对气候变化响应的滞后时间为12个月,过牧滞后1个月；五趾跳鼠在轮牧干扰下滞后24个月,过牧干扰下滞后24个月,禁牧干扰下滞后2个月；子午沙鼠在开垦、轮牧干扰下滞后2个月,过牧干扰下滞后12个月；群落组成物种在开垦干扰下滞后2个月,轮牧干扰下滞后2个月,过牧干扰下滞后3个月,禁牧干扰下滞后12个月。9年时间尺度下：三趾跳鼠在轮牧干扰下滞后2个月,过牧干扰下滞后1个月,禁牧牧干扰下滞后2个月；五趾跳鼠在轮牧干扰下滞后2个月；子午沙鼠在开垦、过牧、禁牧干扰下滞后12个月,轮牧干扰下滞后2个月。群落组成物种在开垦干扰下滞后36个月,过牧滞后2个月,禁牧干扰下滞后36个月。4、啮齿动物群落多样性对气候变化存在滞后效应,在不同时间尺度,不同人为干扰下,滞后时间存在差异。6年时间尺度下：香农—维纳指数在轮牧、禁牧干扰下对气候变化响应的滞后时间为3个月,过牧干扰下滞后1个月；pielou均匀性指数在轮牧干扰下滞后12个月,过牧干扰下滞后2个月,禁牧干扰下滞后1个月；辛普森指数在轮牧干扰下滞后24个月,过牧干扰下滞后3个月,禁牧干扰下滞后1个月。9年时间尺度下：香农—维纳指数在轮牧干扰下滞后1个月、过牧干扰下滞后2个月,禁牧干扰下滞后12个月；pielou:均匀性指数在过牧干扰下滞后2个月,禁牧干扰下滞后36个月；辛普森指数在轮牧干扰下滞后12个月,过牧干扰下滞后1个月,禁牧干扰下滞后3个月。5、不同人为干扰影响了啮齿动物群落对气候变化的响应,p多样性指数对气候变化存在滞后效应,滞后时间在不同人为干扰生境梯度上存在差异,不同时间尺度上表现出来的滞后时间也不同。6、数量属性的p多样性指数考虑了个体数量在生境梯度上变化趋势的信息,而二元属性数据夸大了稀有种的作用,数量属性数据有效克服了二元数据的缺点。同时模拟二元属性cody、Jaccard、Sorenson指数的数量属性P-cody、P-Jaccard、P-Sorenson指数在不同环境梯度物种多样性变化与气候变化滞后响应的网络模型中进行了尝试,在开垦—过牧梯度上6年尺度的拟合优度达到了0.9076、0.9258；9年尺度,拟合优度达到了0.8973,取得了理想的效果。
潘冠宇[3]2007年在《基于粗糙集和群体智能的数据挖掘方法研究》文中研究说明数据挖掘是近年来兴起的一种新的数据处理技术。本文对基于粗糙集和群体智能的数据挖掘方法进行了研究,主要工作包括:对数据挖掘和粗糙集理论进行了综述;对使用粗糙集理论进行属性约简方法进行了研究,提出一种基于幂集演化的属性约简方法;对群体智能和粒子群优化进行详细阐述,提出了粒子群优化的两种改进策略,对传统粒子群优化和两种改进策略在动态环境下的适应性做了分析,并提出基于微分演化的粒子群优化参数确定策略;提出了基于退火选择和弱群变异的二进制粒子群算法,并将其应用到油田套损预测的属性约简中,取得了很好的效果;提出了神经粒子群方法,在该方法中把神经网络作为群体中的一个粒子,将算法执行所得到的最终的最优粒子作为油田套损的预测模型,对某油田80-90年代的套损趋势进行了反演,由此得到的符合率应用到今后的预测中会取得很好的经济效益。
陈春[4]2010年在《电离层F2层临界频率的短期和暴时预报研究》文中提出本文依据我国近四十年电离层f0F2数据,分析了电离层的主要控制因素及电离层的长期和短期变化规律,建立了中低纬电离层短期预报、区域预报和电离层暴的预报方法。上述研究对空间天气的感知、电波环境预报、警报和效应评估能力具有重要意义。主要研究成果如下：1)基于F10.7指数的短期预报方法。依据我国中低纬地区的满洲里、长春、乌鲁木齐、北京、兰州、重庆、广州和海口8个电离层观测站1958-2006的f0F2和太阳射电流量F10.7数据,通过对电离层历史数据和F10.7的回归分析,提出单站电离层f0F2的短期预报方法,并用不同台站数据对预报性能进行了检验。分析在不同太阳活动水平、季节以及地方时条件下其预报误差的变化特性。表明,该方法能够预测未来1-3天的f0F2。2)基于非线性网络的电离层短期预报方法。分析了太阳活动和地磁活动对电离层f0F2的非线性影响,利用人工神经网络(NN)对单站电离层f0F2进行预报,分析了其预报误差在太阳活动高、低年和不同季节的变化特征。引入卡尔曼滤波和集合卡尔曼滤波方法对神经网络的预报结果做进一步修正和优化。其预报效果优于单纯的神经网络模型和IRI模型。建立了利用支持向量机(SVM)单站电离层f0F2预报方法,分别实现了提前1-5小时和24小时f0F2预报。SVM预报结果与观测数据符合良好,比自相关分析法和Persistence方法更具有实用性。3)电离层区域预报。根据f0F2时间和空间相关性,利用人工神经网络建立了提前1-5小时的电离层f0F2区域预报方法,结合Kriging算法,引入电离层距离、经度因子和纬度因子等参数实现了电离层区域重构。利用我国电离层f0F2的数据,对该方法的重构精度进行了评估,实现了中国地区的电离层区域预报。4)电离层暴的预报。研究中低纬电离层暴时季节、位置和地方时的扰动形态,分析了中低纬电离层在地磁暴期间的响应特性。利用地磁指数Dst和AE以及电离层临界频率f0F2的数据,通过分析磁扰期间成分扰动带的赤道向传播以及穿透电场引起的等离子体漂移对电离层的影响,提出一种提前1小时预报暴时低纬电离层f0F2的经验方法。通过对2004-2005年10次磁暴期间的预报结果进行检验表明,该方法能够预测低纬电离层暴的演化。基于地磁时间累积指数ap(τ)比瞬时地磁指数相关性好的特点,通过分析地磁时间累积指数ap(τ)与f0F2的相关性,确定了τ值的最优取值。利用支持向量机网络,建立了提前1小时预报暴时f0F2方法。对2001-2006年67次磁暴期间的预报结果的检验表明,该方法能够较好的预测中纬电离层暴的演化,其预报性能优于STORM模型和Persistence模型。
李兆飞[5]2013年在《振动故障分形特征提取及诊断方法研究》文中研究指明在机械设备故障诊断研究中，故障特征提取和识别关系到故障诊断的可靠性和准确性，是机械设备故障诊断研究中的关键问题。利用振动信号对其工作状态进行监测和诊断是目前状态监测和故障诊断研究中最常用的方法。本文通过研究振动信号非线性特征，利用奇异值分解、分形自仿射和分形维数等进行故障特征提取，并应用支持向量机进行故障模式识别。论文的主要研究工作包括：①采用多种分析判定方法分析振动信号的非线性本质特性。第一：采用递归图、CLY方法、功率谱法和基于最小二乘支持向量机(LS-SVM)计算序列Lyapunov指数谱的方法对不同状态振动信号进行非线性混沌分析，结果表明不同状态振动信号均表现出混沌特征而且都是超混沌特征，且振动故障越大超混沌越强。第二：改进了Hurst指数和多重分形谱计算方法，分析了不同状态振动信号的非线性分形结构特征，结果表明振动信号在不同状态下的分形特征值存在差异，具有不同的分形结构。②对振动信号非线性和分形压缩的理论基础进行分析研究的基础上，提出了适用于振动信号的自适应分段自仿射压缩降噪故障特征提取方法，给出了算法步骤，该方法根据振动信号自相似程度通过设置阈值来自适应的确定分段的长度，对阈值的取值进行了研究，并和分段自仿射压缩算法进行了比较。仿真算例及实测轴承振动信号分析结果表明，该算法具有较高的数据压缩比和很好的信号重构精度，有效的提取和保留了振动信号的故障特征，验证了该方法的有效性。③针对通常故障状态样本缺乏的一类分类问题，提出了混沌分形特征的支持向量数据域描述法(SVDD)振动故障异常辨识方法。对混沌分形特征进行了研究并采用基于SVDD的综合了分类两种分类错误的接收者操作特征(ROC)选择振动信号的最优特征量组合，研究了混沌分形特征量组合的特征选取问题和SVDD异常辨识核函数参数取值对故障分类的影响。实验分析表明，选取的特征量组合对正常和故障样本有较大的区分度，SVDD分类器仅需要正常状态的数据样本，就能很好的分辨出正常和故障状态，并且对未知故障有良好的辨识能力。④针对实测振动信号中混杂的干扰信息趋势，影响故障诊断的准确性问题，提出了一种多重分形去趋势波动分析(MF-DFA)振动故障诊断方法，利用均方误差对若干小区间的多行式拟合消除其趋势，对方法估计的多重分形谱4个参数特征进行了分析和对比研究，最后选择最佳多重分形谱参数0作为振动信号故障的量化特征，并将该0特征量与支持向量机（SVM）算法相结合进行故障诊断。实验研究表明：去除趋势后，很好的保留了振动信号中的尖峰和突变部分，振动信号的波动呈现显著多重分形特征，选取的故障特征量与SVM相结合的方法，能有效地区分正常状态与故障状态，有很强的振动故障诊断性能；⑤针对振动信号弱冲击故障频率特征提取困难问题，提出一种奇异值分解及形态滤波的振动故障特征提取方法。该方法利用信号时间序列重构的吸引子轨迹矩阵奇异值分布特征与信号自身特征的关系，选择轨迹矩阵中主要反映冲击信息明显的奇异值进行信号重构的方法来滤除信号中的平滑信号和部分噪声，获取带噪声的冲击信号，然后利用形态滤波能有效滤除脉冲干扰噪声的特点提取信号的冲击故障特征。仿真与实例表明，该方法能有效提取强噪声背景中的弱冲击故障特征信号，是一种有效的弱信号特征提取方法。最后，对本文的主要工作以及取得的成果进行了总结，并进一步指出了今后工作的研究方向。
苏庆新[6]2008年在《区域电力系统超短期负荷预测及网络建模分析》文中提出社会的进步对电能的需求越来越大,国家每年都要投入大量的资金来加强电力建设,以保证用户需求。而电力系统是一个有机的整体,电能的生产输送有着明显区别于其他工业生产的独特特点。电能不能大量储存,电力的生产、输送、使用必须同时实现;电力网络作为统一不可分割的系统,在整个电力生产经营环节需要保持电网的稳定安全可靠.因此,做好区域电力系统规划,无论从经济上还是技术上都具有非常重要的意义。在电力系统规划工作中,单项问题的解决是整体优化规划的基础。但是,如果对整体电网进行一次性统一规划存在许多难点与缺点,比如统一建模困难、求解困难,还常常遗漏一些重要因素。若能遵循科学的方法做好单项规划工作,就可以简化整体电网规划的繁重任务,避免忽略一些重要的因素,同时也可以保证整个电网的经济性、可靠性和安全性能。本文选择了建立区域电力系统规划中所涉及的两个重要问题作为主要研究内容,即超短期电力负荷预测和区域电力网络建模分析,这两个问题是进行区域电力系统规划,保证区域电力系统平稳运行急需解决的两个关键,超短期负荷预测是确定上网电价的基础和主要依据,而区域电力网络的模型建立和规划分析,则关系到区域电力系统的稳定运行和建设发展。因此,本文从这两个关键问题着手,借助复杂系统理论,智能控制理论,复杂网络理论等理论方法,为构建适合我国国情的区域电力系统提出合理的建议。电力负荷预测是电力系统规划的基础。结合规划区域的实际发展情况,采用科学有效的负荷预测方法,预测出规划地区负荷电量,是区域电力系统规划的一项重要工作。本文利用人工神经网络BP算法,提出了一种双隐层结构的电力系统超短期负荷预测方法,经过对实际数据的仿真实验,本文提出的神经网络超短期负荷预测方法比传统的线性外推法预测平均绝对百分误差降低2.5个百分点,十分钟负荷预测达到平均绝对百分误差小于2.5%的精度。电力网络规划通常是在预测负荷需求基本清楚,即未来一个时期内负荷增长规模己知的基础上,提出的电力网络规划方案,以满足负荷需求和保证电力系统安全运行的需要。电力网络规划是一个多目标、多阶段、包含大量不确定因素的离散、非线性受约束的综合优化问题。考虑电力网络规划的上述特点与难点,结合本文的研究目的,本文首先建立了区域复杂电力系统的分解--协调规划模型和基于遗传算法的系统电源规划模型。同时,本文还应用W_S小世界网络模型建立了区域电力网络模型,并分析了当区域电力系统发生事故时,不同规模应急防范措施情况下的电力系统灾难传播和恢复趋势。本文的研究思路和主要内容为:(1)首先是分析研究背景,回顾了电力负荷预测、数字滤波和电力网络分析规划研究的发展历程,提出本文主要研究的问题:(2)从电力系统符负荷的构成、负荷预测的特点、主要影响因素及基本原理等方面深入分析电力负荷预测的复杂特性;(3)为了提高负荷预测的精度,应用一种基于最优Hankel范数近似的线性相位IIR滤波器对负荷预测数据进行预处理;(4)提出了一种改进的基于人工神经网络的超短期负荷预测方法,实现了对电力系统负荷预测的建模、分析与预测,仿真结果表明,这种方法预测精度较高,具有较好的应用价值;(5)分析电力系统的复杂大系统特性,应用复杂系统理论实现区域电力系统建模分析。应用遗传算法实现电力系统电源规划;(6)分析电力系统的复杂网络特性,应用复杂网络理论建立区域电力网络的模型,应用W—S小世界网模型对电力系统灾难恢复进行建模和分析;(7)总结本文主要的研究成果和结论,并在前述工作的基础上,对区域电力系统规划的进一步研究工作做出展望。本文的创新点主要有以下几个方面:(1)由于多层前向神经网络逼近非线性函数的能力以及误差反向传播(BP)算法的学习能力,早期的神经网络预测模型大多采用单隐层前向网络,隐层神经元的激活函数选用非线性的Sigmoid函数,网络的训练采用BP算法进行。根据区域电力系统超短期负荷预测的特点,本文在原有神经网络负荷预测方法的基础上提出了一种基于双隐层网络结构的神经网络超短期负荷预测方法。经过对实际数据的仿真实验,本文提出的神经网络超短期负荷预测方法比传统的线性外推法预测平均绝对百分误差降低2.5个百分点,十分钟负荷预测达到平均绝对百分误差小于2.5%的精度。(2)对于负荷数据的预处理,本文应用线性相位有限脉冲响应(FIR)滤波器和最优Hankel范数近似的模型降阶方法来设计线性相位IIR滤波器。这种滤波器设计方法可以减小计算量,提高数据预处理的性能。仿真结果验证了该方法的有效性。(3)本文应用复杂系统理论和复杂网络理论对区域电力网络进行深入的分析,建立负荷实际的区域电力系统网络模型,针对当前我国电力系统所面临的电力供需问题及网络风险,提出相应的建议解决方案。通过本文研究得出,为了满足电力负荷日益增长的需求和提高电力系统的可靠性,建设者应该采取一些有效措施,使整个电力系统朝以下方向发展:(1)提高电压等级。逐步提高配电网电压等级,简化电压等级划分,减少电压层次,有利于配电网的管理和经济运行。目前,国内城市配电网网络的电压等级大都是10kv,随着城市负荷的增长,配电网需要输送更大的功率。要提高输电线路的输送容量可以通过以下两个途径:线路电压等级不变,增大电流;提高线路电压等级。而提高电压等级常比增大电流经济。所以在电力系统规划时,可在优化过程中优选提高电压等级。(2)简化电网结构,采用新型设施,建立事故应急防范措施,提高自动化程度。电力网络进一步向简化、完善和高可靠性发展,如变电所接线推广采用线路变压器组、单母线接线等。电力网络结构推广采用多回线、各式环网、多分段多连接等方式,以提高利用率和供电可靠性,加装自动化装置以减少故障恢复时间.电网规划中存在大量不确定和不知道的因素,难以用数学模型描述,许多时候只能依靠规划工作人员的经验来完成工作,规划工作缺乏科学性。因此在电网规划中运用科学、先进的理论方法和研究成果,不仅可以大大减少电力规划人员的工作量,还保证了规划结果的科学性、准确性。目前电网的整体优化规划,或者变电站和输电网络扩展等单项规划中,对规划方案经济性的研究较为充分。但是由于事故不断出现,电网的安全稳定运行越来越受到重视,必须加强对规划方案可靠性、安全性的考虑;对大型电网和长期动态规划,还存在计算速度和收敛性的问题:在较为热门的电网灵活规划研究方面,考虑的不确定性因素仍不完全,许多不确定性因素被忽略或者处理方法不当。我国的电力市场改革己经启动并取得了一定的成绩,针对未来电力市场环境下的电力系统规划研究工作才刚刚起步,有待于深入,今后的研究方向还应当包括:(1)加强对新型算法的研究,寻找更快速、高效的实用求解方法。(2)合理地考虑多阶段规划中各阶段规划方案之间的过渡和相互约束,寻找更合理的模型和实用的求解方法。(3)在规划模型中更合理地考虑和协调经济性和可靠性的关系,更充分地考虑安全因素,使规划方案更具实用价值。(4)更为全面合理地考虑和处理各种不确定性因素,如经济、环境和政策等,使规划方案具有更高的灵活性和适应性。(5)考虑和确定合理的电网规划模型和算法,使其符合电力市场模式的需求。
彭延峰[7]2017年在《自适应最稀疏时频方法及其在旋转机械故障诊断中的应用》文中研究表明旋转机械故障诊断技术有着重要的研究意义,其关键在于提取故障的特征信息。然而,旋转机械的信号多数是非平稳信号。所以,选取适合的信号分析方法从复杂的机械振动信号中提取准确的特征信息是研究的关键点。时频分析方法作为被公认的有效的非平稳信号的处理和分析手段,被广泛应用于旋转机械的故障诊断领域中。自适应最稀疏时频分析(Adaptive and Sparsest Time-frequency Analysis,ASTFA)方法是一种新的非平稳信号自适应分析方法,该方法受经验模态分解(Empirical Mode Decomposition,EMD)方法和匹配追踪(Matching Pursuit,MP)方法的启发,其主要思想是在包含内禀模态函数(Intrinsic Mode Functions,IMF)的过完备字典库中搜索信号的最稀疏解,将信号分解转化为优化问题,在优化的过程中实现信号的自适应分解。相对EMD方法,ASTFA无需处理极值点,所以在抑制端点效应和模态混淆等方面有优势。相对MP方法,ASTFA方法的自适应性较好且分解结果具有更好的物理意义。但ASTFA在初始值设置和分量的物理意义等方面仍然存在着一些不足,其理论仍需进一步完善。论文在国家自然科学基金项目(编号:51375152)的资助下,对ASTFA方法进行了深入的研究,针对其存在的缺陷对ASTFA的理论进行了完善,在此基础上提出了一种新的自适应信号分解方法—自适应最稀疏窄带分解(Adaptive Sparsest Narrow-band Decomposition,ASNBD)方法,并将其应用于旋转机械故障诊断。论文主要研究工作和创新性成果有:(1)针对ASTFA方法初始值设置方面存在的缺陷,提出了(Adaptive and Sparsest Time-Frequency Analysis based on Optimized Initial Values,ASTFA-OIV)方法,采用不断缩小分辨率以对初值进行搜索的方式来确定最佳初值,从达到改善ASTFA分解能力的目的。对仿真信号和齿轮故障信号的分析表明ASTFA-OIV方法不仅能提高ASTFA分解结果的准确性,而且可以有效应用于齿轮故障诊断。(2)除了在初始值设置方面存在缺陷,ASTFA的另一个问题是容易产生模态混淆。针对这些问题,提出了 ASNBD方法。首先,ASNBD使用遗传算法(Genetic Algorithm,GA)对滤波器参数进行优化,随机产生初始值。其次,ASNBD使用微分算子作为优化目标函数,从而将分量约束为局部窄带信号,使分量具有更明确的物理意义,从而有效避免分解结果产生模态混淆。使用ASNBD对仿真信号和滚动轴承故障振动信号进行分析,结果表明该方法能抑制模态混淆现象的产生,并可以有效应用于滚动轴承的故障诊断。(3)针对GA容易陷入局部最优解、计算效率低和输入参数多的问题,使用一种新的基于化学反应的用于解决优化问题的启发式方法—人工化学反应优化算法(Artificial Chemical Reaction Optimization Algorithm,ACROA)来解决 ASNBD中的优化问题,在此基础上提出了基于ACROA的ASNBD(ASNBD-ACROA)方法。对仿真信号的分析结果表明,相对基于GA的ASNBD方法,ASNBD-ACROA方法具有鲁棒性好、输入参数少、计算量小、计算时间短等优点。同时,对转子的故障诊断结果证明了该方法用于机械故障诊断的有效性。(4)针对故障类型识别问题,提出了基于ASNBD和最大间隔弹性凸包分类(Maximum Margin Classification based on Flexible Convex Hulls,MMC-FCH)的故障模式识别方法。MMC-FCH是一种新的模式识别方法,该方法在支持向量机(Support Vector Machine,SVM)的理论基础上定义了弹性凸包,从而给出更为合适的类别分布估计。对实验信号的分析结果表明,相对SVM,基于ASNBD和MMC-FCH的故障模式识别方法具有鲁棒性好、分类精度高的优点。(5)针对滚动轴承的退化状态识别和寿命预测问题,提出了基于ASNBD和高斯混合模型(Gaussain Mixture Model,GMM)聚类的滚动轴承退化状态识别和寿命预测方法。为对滚动轴承的退化状态进行分类,并识别出训练数据中的异常点,引入了 GMM聚类方法,在此基础上提出了基于ASNBD和GMM的滚动轴承退化状态识别和寿命预测方法。实验数据的分析结果表明该方法能有效提高退化状态识别和寿命预测精度。
陈海周[8]2017年在《旋转机械传动件微弱故障融合诊断方法研究》文中研究表明随着现代化工业技术的不断发展,旋转机械装备在先进制造、航空航天、船舶海洋、轨道交通、风力发电以及核力发电等重要工程领域得到广泛的应用。轴承、齿轮等零部件作为旋转机械动力传递与运动变换过程中不可或缺的基础传动件,一旦发生故障,整个系统就会瘫痪,甚至导致灾难性事故的发生。由于旋转机械传动件的运行环境恶劣、工况条件多变以及自身结构庞杂,其运行状态信号往往呈现出微弱性、非线性、复杂性、多样性、耦合性等特点,并且淹没在强大的背景噪声和干扰信号中,导致其故障特征极其微弱,难以提取。因此,开展旋转机械传动件微弱故障诊断对于避免重大灾难性事故发生、杜绝人员伤亡、提高企业经济效益具有十分重要的意义。本文针对旋转机械迫切需要解决的复杂环境下微弱故障诊断的可靠性、准确性等关键科技难题,从基于振动信号和基于电流和转矩信号两方面开展了关于旋转机械传动件微弱故障诊断的研究。在传统的基于振动信号的微弱故障诊断方面,主要从信号增强、特征提取、故障识别三个方面展开研究,提出了强噪声背景下非线性微弱故障的级联增强方法,深入研究了基于时频图像纹理特征的微弱故障特征提取方法,提出了复杂非线性耦合条件下故障特征信息深度挖掘技术;在基于非振动信号的微弱故障诊断方面,采用电机驱动系统的电流和转矩信号表征旋转机械的运行状态,通过融合多源信号多决策模型实现了特殊与极端环境下旋转机械传动件微弱故障的准确诊断,具体研究内容如下:(1)针对强背景噪声环境下旋转机械故障信号微弱、故障特征难以提取的问题,提出了一种基于最小熵解卷积和能量算子的故障信号瞬态冲击特征级联增强方法。首先根据旋转机械故障信号表现为冲击波形的特点,利用最小熵解卷积对信号进行自适应降噪,以最大峭度值为目标函数,在实现降噪的同时增强信号中的瞬态冲击成分,实现故障特征的一级增强;再结合能量算子算法适合检测信号瞬时变化,能有效提取故障信号中冲击特征和调制成分的特点,获取能量信号实现故障特征的二级增强,通过计算其频谱可以有效检测出被噪声淹没的故障特征成分。最后,利用滚动轴承复合故障数据验证了所提方法的有效性。(2)针对强背景噪声环境下旋转机械微弱故障信号非平稳、非线性特征提取困难的问题,提出了通过构建信号时频图像纹理特征表征旋转机械运行状态的方法。采用具有良好时频聚集性,强自适应性和抗噪性的自适应最优核时频分析方法处理低信噪比的故障信号,可以自动调整核函数追踪信号的微小变化,降低背景噪声的干扰,有效的抑制交叉干扰项并保持较高的时频分辨率,通过仿真实验对比了自适应最优核、S变换以及魏格纳维尔分布在不同信噪比条件下的抗噪性能表现。获得表征信号能量分布的时频分布图像后,利用统一局部二值模式可以有效约简由随机噪声产生的非统一局部二值模式特征的优势,提取统一局部二值模式的直方图表征旋转机械故障信息。通过滚动轴承多故障状态的对比实验研究了所提出的方法在不同运行工况不同信噪比条件下的分类准确性、分类稳定性以及计算复杂性等方面的性能表现。(3)针对旋转机械海量运行状态数据具有复杂性、多样性、耦合性等特点,传统浅层神经网络难以准确分类的问题,提出了基于优化深度置信网络的旋转机械故障诊断方法。提取时域统计特征、包络谱特征、瞬时频率谱特征和高级统计特征组成原始高维多域特征向量表征旋转机械运行状态。利用最大相关和最小冗余方法剔除错误和冗余特征,通过线性判别分析实现特征的空间聚类,结合特征选择和特征变换的优点,获得了更紧凑和敏感的低维特征子集。利用深度置信网络的深层非线性网络结构,实现故障特征与故障类别之间的复杂映射关系的建模,与传统分类模型相比,深度置信网络可以对数据实现更复杂的函数逼近,具有更强的挖掘数据本质特征的能力,并通过离散粒子群算法进行隐含层数的优化选择,提高了旋转机械故障诊断的识别率以及稳定性。(4)针对特殊环境与极端工况条件下,无法安装额外传感器以及单一源信息无法全面表征设备运行状态的问题,提出了基于电机驱动系统的多源信号多决策模型融合的故障诊断方法。本文采用电机驱动系统的驱动器作为传感器来获取驱动电机运行过程中的电流信号和转矩信号来描述传动件的整体运行状态。研究了传动部件故障对驱动电机电流和转矩的影响规律,通过支持向量机和极限学习机分别获取多源信号的独立局部诊断结果,利用D-S证据理论实现同源信号和异源信号的多源信息融合,最终获得多决策模型的融合诊断结果,得到设备运行状态整体一致的决策判别,提高了旋转机械故障诊断的准确性、容错性和鲁棒性。文章最后对本文的研究工作进行了总结,并提出了未来的研究方向。
邢燕[9]2009年在《四元数及其在图形图像处理中的应用研究》文中提出四元数理论是爱尔兰数学家威廉·卢云·哈密顿爵士于19世纪40-60年代创立,是复数在四维实空间的不可交换延伸,是有限维的实数结合除法代数,是Clifford代数的一个子代数。20世纪60年代末四元数开始在经典力学中获得实际应用。1985年,Shoemake把四元数引入计算机图形学,从此四元数在计算机图形学、计算机动画、计算机视觉和机器人等领域获得广泛应用。1996年,彩色图像的四元数模型被提出,四元数在彩色图像上的应用研究才开始发展。本文将四元数方法与数字图像处理尤其是彩色图像处理的学科知识相结合,以四元数矩阵奇异值分解、四元数傅立叶变换、四元数卷积、四元数球面线性插值、四元数旋转表示等理论作为主要数学工具,辅以其它信号处理方法,如主成分分析、对数极坐标映射、相位相关、奈奎斯特-香农采样定理等,对彩色图像处理中的若干问题进行了研究和探讨。主要研究工作及成果如下:1.在四元数及四元数矩阵理论的基础上,构造了四元数矩阵的等价实矩阵,并讨论了四元数矩阵奇异值分解(QSVD)与其等价实矩阵奇异值分解的关系。在彩色图像的四元数模型下,利用四元数矩阵奇异值分解进行彩色图像分解:(?),彩色图像矩阵X_((q))被分解成一系列彩色特征图像(?)的线性组合,其中奇异值λ_i表征彩色图像的不同分量的幅值(能量)。借助四元数主成分分析,讨论了彩色图像的压缩、去噪、增强、边缘检测等处理。2.提出一种基于分块QSVD和Arnold变换的抗几何攻击的鲁棒彩色图像水印方案。因为矩阵的奇异值有稳定性、缩放不变性、旋转不变性、平移不变性、对换不变性等优良性质,所以我们选择在彩色图像的QSVD变换域上嵌入和提取水印:为提高QSVD的速度、增大嵌入水印的容量,我们采用分块QSVD的方法;为增强提出方案的安全性和对裁剪攻击的鲁棒性,我们在水印嵌入前对它进行Arnold置乱预处理;为提高水印方案对旋转攻击的鲁棒性,我们采用对数极坐标映射(LPM)和相位相关方法,先求得几何攻击的变换参数,再通过逆变换重新同步嵌入在奇异值中的水印和宿主图像,之后再进行水印提取操作。实验结果表明我们的水印方案对高斯噪声、JPEG有损压缩、低通滤波、中值滤波、裁剪、缩放、循环平移、旋转等图像攻击都有很好的鲁棒性。3.利用四元数对三维转动的方便表述,构造四元数旋转边缘检测算子,对彩色图像进行边缘检测。彩色图像的边界定义为颜色(包括亮度、色度和饱和度)的不连续跳变。根据相同或相近的颜色矢量绕固定轴旋转360度后可重合或近似重合,相减后为0或近似为0(黑色);而不同的颜色矢量旋转后不会重合,差不为0的区别来获得图像的边缘信息。实验表明,我们提出的四元数旋转边缘检测算子,能更好地保留原始彩色图像轮廓特征(既包括亮度跳变也包括颜色跳变),算法简单易行,检测效果好。4.浮雕显示是指通过一定的处理,使二维平面图像产生犹如雕刻般的凹凸效果。它能艺术地再现图像,在平面上凸现景物及其层次,凝重而富有感染力,给人以强烈的视觉冲击。我们提出一种利用四元数旋转边缘检测算子进行图像浮雕显示的新方法。实验结果表明,该方法计算方便,运算速度快,显示效果类似甚至优于广义模糊算子方法和形态学边缘检测算子方法,可以快速有效地获得满意的浮雕图像。5.在四元数球面线性插值(Slerp)基础上,我们推导了双球面线性插值(Bi-Slerp)公式,并在四元数上用球面线性插值、双球面线性插值、双线性插值、双三次插值以及Thiele型连分式建立的自适应切触有理插值等方法进行了彩色图像放大的实验,对实验结果做了比较、分析。Bi-Slerp方法放大效果接近主流的Bilinear插值方法,但因为只用了近邻的4个点,所以插值精度不如用了4×4=16个邻点信息的双三次插值。而Thiele型连分式建立的自适应切触有理插值效果最好,有效地保持了图像的高频信息,即边缘信息和细节信息,放大的图像清晰度高,锐度好。6.四元数可方便地表示旋转,但四元数代数主要应用于三维空间。四维以上的空间,四元数就失效了。于是我们介绍了可以推广到n维空间的,在几何对象的表示和变换计算上更加通用、直观、简洁、高效的共形几何代数(CGA)。我们利用CGA在几何实体的表示和运动计算上做了一些实验,并对四元数和共形几何代数在对象旋转计算上的异同点做了比较。
李丽香[10]2006年在《一种新的基于蚂蚁混沌行为的群智能优化算法及其应用研究》文中研究指明混沌是存在于非线性系统中的一种较为普遍的非线性现象，混沌并不是一片“混乱”，而是有着精致的内在结构的一类非线性现象。混沌的特性主要有伪随机性、遍历性和对初始条件的敏感性。由于遍历性可作为避免搜索过程陷入局部极小的有效机制，因此混沌理论已成为一种新颖且有潜力的优化工具。从20世纪90年代初开始，混沌优化的研究引起了人们极大的兴趣，并成为当前混沌理论研究的一个热点。 90年代初，受蚁群可在巢和食物源间建立最短路径的著名试验的启发，学者Marco Dorigo首先开创性地提出了著名的蚁群最优化算法，此后群智能理论研究迅速展开。由于群智能理论在生产计划与调度、商业运作、金融管理、电子技术、通讯、自动控制、光学、生物学等许多领域中具有巨大的应用潜力及发展前景，已经引起国内外学者的广泛关注，从而成为近期计算机、运筹学和智能控制等领域研究中的热点及前沿。 现有的受蚂蚁种群行为启发而产生的优化算法，大多都是基于随机搜索机制的非确定性的概率理论发展而来的。但是近年来生物学家Cole发现整个蚁群行为是一种周期行为，然而单个蚂蚁的行为却是混沌行为。蚁群显然是具有智能的团队，这个团队在不断地协作完成一个又一个任务，我们认为种群周期行为的产生正是蚂蚁由独自作业到自组织起来协作完成一个又一个任务的过程。从动力学的角度来说，显然单个蚂蚁的混沌行为和种群强大的自组织能力之间必然存在着某种内在的关系。这种关系是蚁群对周围生存环境适应性的一种自然选择，这些行为有利于蚂蚁的生存。然而混沌现象用Marco Dorigo依据概率理论建立的蚁群优化模型是无法解释的。单个蚂蚁的混沌行为与群体的自组织和蚁群捕食以及最短路径的建立之间是一种什么关系，这一点目前并没有引起国际群智能理论研究者广泛的关注。 本文从全新的角度分析了蚂蚁外出捕食、在巢和食物源之间建立最短路径的过程。我们通过构造一个“巢—食物源—巢”之间的映射关系，
参考文献：
[1]. 人工神经网络的映射能力及其在空间物理中的应用[D]. 曾文. 中国科学院研究生院（武汉物理与数学研究所）. 1999
[2]. 基于BP神经网络的荒漠啮齿动物群落对气候变化滞后响应[D]. 卢志宏. 内蒙古农业大学. 2016
[3]. 基于粗糙集和群体智能的数据挖掘方法研究[D]. 潘冠宇. 吉林大学. 2007
[4]. 电离层F2层临界频率的短期和暴时预报研究[D]. 陈春. 西安电子科技大学. 2010
[5]. 振动故障分形特征提取及诊断方法研究[D]. 李兆飞. 重庆大学. 2013
[6]. 区域电力系统超短期负荷预测及网络建模分析[D]. 苏庆新. 东华大学. 2008
[7]. 自适应最稀疏时频方法及其在旋转机械故障诊断中的应用[D]. 彭延峰. 湖南大学. 2017
[8]. 旋转机械传动件微弱故障融合诊断方法研究[D]. 陈海周. 重庆大学. 2017
[9]. 四元数及其在图形图像处理中的应用研究[D]. 邢燕. 合肥工业大学. 2009
[10]. 一种新的基于蚂蚁混沌行为的群智能优化算法及其应用研究[D]. 李丽香. 北京邮电大学. 2006
标签：地球物理学论文; 人工神经网络论文; 电离层论文; 网络模型论文; 状态空间模型论文; 预测模型论文; 旋转变换论文; 空间分析论文; 故障诊断论文; 电力论文;