基于多信号流模型的诊断策略动态生成

针对静态故障树诊断序列长、人工可干预度差和不支持多现象并行推理问题,提出了基于D-矩阵和Rollout信息启发搜索算法的故障诊断策略动态生成方法,介绍了基于TEAMS多信号流模型的D-矩阵数据获取方法和Rollout信息启发搜索算法的DLL独立封装技术、输入输出数据规范和动态交互控制方法;基于此开发的交互式智能诊断系统(IIDS)软件平台经实际现场测试诊断验证,对诊断现场出现的多种客观条件,如系统工作模式或测试资源变化、用户干预和多故障现象并发推理等具有很好的适应性,故障覆盖率和隔离率指标高,对提高装备故障诊断的效率、准确性和灵活性具有显著作用。     

整数小波的有损与无损图像压缩

提出了基于整数小波变换的有损与无损图像编码方案。有损编码采用无链表的SPIHT零树编码算法,它不同于SPIHT和LZC算法的零树分割策略和状态比特表结构。该算法所需的存储空间小,有损压缩性能高,易于硬件的实现。无损编码根据不同子带小波系数的分布特性,采用带间预测编码,不同方向的子带采用不同的预测方式,预测误差采用霍夫曼编码。测试结果证明,基于整数小波的无链表有损压缩方案不仅优于LZC,接近于SPIHT,而且易于硬件的实现。     

基于水平树结构的可变权重代价聚合立体匹配算法

针对基于树结构的代价聚合方法中只利用颜色信息选择权值支持区域时,在图像边界区域易产生误匹配的问题,提出了一种基于水平树结构的可变权重代价聚合立体匹配算法。采用水平树代价聚合得到初始视差值,结合初始视差值与颜色信息重构水平树,在更新后的树结构上进行代价聚合,得到最终视差图。在视差后处理阶段,提出了一种改进的非局部视差后处理算法,将不满足左右一致性匹配的像素点引入匹配代价量构造中,提高了最终视差图的匹配精度。在Middlebury数据集的31对图像上进行测试,结果表明,未进行视差后处理时所提算法在未遮挡区域的平均误匹配率为6.96%,代价聚合平均耗时1.52s。     

基于粒子群算法的诊断策略优化技术

针对复杂武器装备系统多层次、多功能的特点以及测试性设计这一重大需求,为解决当前普遍采用的诊断策略存在的灵活性差、多故障诊断与不确定性诊断能力弱等问题,提出了一种基于自适应离散粒子群算法的诊断策略优化生成算法;该算法对自适应离散粒子群算法进行改进,引入多样性指标、个体历史最差解、扩散聚合过程和自适应惯性权重等,通过迭代计算得到最优的诊断策略;最后给出了主要步骤,并通过实例验证了算法的可行性。     

基于多核点共享树的多源光组播路由方法

通过网络编码方法优化多核点选择和组播信息传输,本文提出一种基于多核点共享树和网络编码的光组播路由构造和波长分配方法、减少波长资源消耗和提高网络的负载平衡性能.首先,删除产生源点迂回回路的网络编码备选核点集合,采用启发式矩阵运算方法确定多源共享树的网络编码核点,实现多源共享树以最少的核点覆盖最多的源节点;然后,为减少波长信道消耗数目,在确定的核点到目的节点间加入网络编码方法传输信息;最后,讨论了多核点共享树的波长分配方法和目的节点成功解码的边分离路径方法.仿真结果表明:与单核共享树、基于网络编码的单核共享树相比,基于网络编码的多核点共享树组播路由方法需求最少的波长数目和获得最好的网络负载平衡性能.     

基于Rollout算法的冗余多故障诊断策略

针对冗余系统的多故障诊断问题,分析了冗余多故障系统的相关性矩阵模型,通过对模型进行转换后,用Rollout算法对基于信息熵的诊断策略进行优化,提出了一种新的多故障诊断策略;该策略不需要计算最小碰集,而且具有先测试,最后修复的特点,在具体应用中更便于操作;实例计算结果表明,和现有算法相比,本策略得到的期望测试费用更低。     

卫星干涉多光谱图像压缩新算法

根据卫星干涉多光谱图像的成像特性,提出一种基于分类权值率失真优化截取和自适应编码深度控制的部分SPIHT光谱图像压缩算法.首先根据干涉区域类型和编码平面的重要性,对各棵零树各个编码过程赋予不同的重要性权值,然后采用部分SPIHT算法对每棵零树独立编码,编码时根据比特平面层中重要系数的统计概率自适应地进行3种编码模式的选择,同时依据重要性权值和深度控制因子自适应地控制每棵零树的编码深度,最后在编码深度内,根据不同干涉区域的零树对恢复光谱的失真贡献,采用分类权值率失真方法对码流进行优化截取,使码流分配与失真达成最优.实验结果表明,本算法比传统算法更好地保护了光谱信息.     

基于LabVIEW的激光引信自动化测试系统软件设计

在激光引信自动化测试系统中,测试参数繁多,测试过程复杂,基于LabVIEW传统设计模式的测试软件在功能扩展、后期维护方面显现出明显不足;针对此问题,提出LabVIEW扩展型生产者/消费者设计模式,以测试仪器为基础,将复杂测试过程分解成多个单一测试步骤,采用面向对象技术降低测试步骤间的耦合度,利用队列状态机控制多仪器协同工作与多线程并行执行,实现测试步骤的有效组合,最终完成复杂的测试过程;通过在激光引信自动化测试系统中的运用表明,基于LabVIEW扩展型生产者/消费者模式的测试软件可扩展性强、维护方便,具有较高的实际运用价值;该设计模式可推广至其他复杂测控软件的设计中。     

飞轮通用测试软件平台的设计与实现

在激光引信自动化测试系统中,测试参数繁多,测试过程复杂,基于LabVIEW传统设计模式的测试软件在功能扩展、后期维护方面显现出明显不足。本文提出LabVIEW扩展型生产者/消费者设计模式,以测试仪器为基础,将复杂测试过程分解成多个单一测试步骤,采用面向对象技术降低测试步骤间的耦合度,利用队列状态机控制多仪器协同工作与多线程并行执行,实现测试步骤的有效组合,最终完成复杂的测试过程。通过在激光引信自动化测试系统中的运用表明,基于LabVIEW扩展型生产者/消费者模式的测试软件可扩展性强、维护方便,具有较高的实际运用价值。该设计模式可推广至其他复杂测控软件的设计中。     

改进的测量设备无关协议参数优化方法

实际量子密钥分发中参数的优化选择能大幅提升系统密钥生成率和最大传输距离,由于全局搜索算法的成本过大,本地搜索算法被广泛地应用.然而该算法存在两个问题,一是所得解不一定为全局最优解,二是算法的有效性极大地受制于初始值的选择.利用蒙特卡罗方法对密钥生成率函数是否为凸函数进行了证明,并仿真分析了密钥生成率函数在不同参数维度上的特性,提出了粒子群本地搜索算法并与本地搜索算法进行仿真比较.结果表明,密钥生成率函数为非凸函数,但合理设置初始值,本地搜索算法仍能求得全局最优解;在传输距离较远时,本地搜索算法因难以通过随机取值的方法得到有效的初始值而失效,粒子群本地搜索算法能克服这一缺点,以轻微增加算法复杂度为代价,提升了系统的最大传输距离.     

基于遗传算法的自动驾驶仪测试性分析

为了提高自动驾驶仪故障测试与诊断的快速性与准确性,提出了一种基于遗传算法的自动驾驶仪测试性分析方法;此方法解决了遗传算法应用于测试项目选择的难点,构建了最优的故障测试策略,能以最短时间完成测试并满足测试覆盖性的要求;利用故障测试获得的知识,简化故障与测试间的相关性矩阵,加快了故障诊断的速度;最终获得了故障测试与诊断一体化的方法;实验结果表明,此方法有效提高了故障测试与诊断的速度,并且易于实现。     

基于改进离散粒子群算法的测试优化选择

为了解决复杂系统测试性设计过程中测试选择所产生的组合爆炸问题,提出一种改进离散粒子群算法的智能方法。首先,为保证初始种群的多样性,利用混沌不重复遍历的特性初始化种群的速度和位置;其次,根据启发式规则和罚函数的方法计算粒子适应度,使算法具有良好的搜索性能;最后,通过采用自适应调整策略的惯性权重,使粒子易于跳出局部最优解,找到最优解。通过仿真实例验证了本文方法的有效性,优化结果满足系统各项测试性指标要求,可为复杂系统的测试优化选择提供有效指导。     

蚁群元胞优化算法在人群疏散路径规划中的应用

针对疏散路径规划问题,以栅格化地图为背景的基础上,提出了蚁群元胞优化算法.首先为统一仿真时间步长,建立以六边形元胞为基础的栅格地图;然后利用静态势场对启发函数进行优化,利用分段更新规则优化信息素更新方式;最后,将模型参数作为粒子群优化算法的粒子位置信息进行优化,求解参数的最优组合值.仿真结果表明:采用蚁群元胞优化模型进行疏散路径规划时,不仅加快了搜索速度,而且增大了解空间,提高了搜索能力,可以有效避免陷入局部最优解.     

基于多区域代理的分布式故障诊断方法

军用大型复杂装备组成涉及多个子系统或多个装备,故障诊断涉及上百个分散测试点数据采集和分离模块的诊断推理。传统装备采用集中测试和诊断方法,配套测试系统结构设计复杂、系统故障诊断算法效率低。本文基于D-矩阵故障诊断原理,提出基于多区域Agent的分布式故障诊断结构模型和区域Agent数据协同、区域Agent测试结果仲裁等问题的解决办法,并以某型舰船装备为例,验证了基于多区域代理的分布式故障诊断技术的有效性。     

一种复杂系统的快速故障诊断方法

为提高复杂系统的故障诊断效率,基于故障诊断树原理,提出并实现了一种快速故障方法。实现该方法主要包括六个关键步骤,分别是故障诊断树的梳理、诊断节点代码的编写录入、Labwindows CVI软件与数据库的通信连接、故障诊断树显示及故障诊断推理、故障诊断节点的编辑、故障结论的存储与显示。在此基础上,设计开发了相应的故障诊断软件,并利用该软件对某型装甲车辆炮控系统进行故障诊断。结果表明,该型软件人机交互性好、操作便捷,基于故障诊断树原理的故障诊断方法可较大的提高故障诊断效率,工程应用前景广阔。     

Fault Diagnosis of a Wind Turbine Gearbox Based on Improved Variational Mode Algorithm and Information Entropy

The working environment of wind turbine gearboxes is complex, complicating the effective monitoring of their running state. In this paper, a new gearbox fault diagnosis method based on improved variational mode decomposition (IVMD), combined with time-shift multi-scale sample entropy (TSMSE) and a sparrow search algorithm-based support vector machine (SSA-SVM), is proposed. Firstly, a novel algorithm, IVMD, is presented for solving the problem where VMD parameters (K and α) need to be selected in advance, which mainly contains two steps: the maximum kurtosis index is employed to preliminarily determine a series of local optimal decomposition parameters (K and α), then from the local parameters, the global optimum parameters are selected based on the minimum energy loss coefficient (ELC). After decomposition by IVMD, the raw signal is divided into K intrinsic mode functions (IMFs), the optimal IMF(s) with abundant fault information is (are) chosen based on the minimum envelopment entropy criterion. Secondly, the time-shift technique is introduced to information entropy, the time-shift multi-scale sample entropy algorithm is applied for the analysis of the complexity of the chosen optimal IMF and extract fault feature vectors. Finally, the sparrow search algorithm, which takes the classification error rate of SVM as the fitness function, is used to adaptively optimize the SVM parameters. Next, the extracted TSMSEs are input into the SSA-SVM model as the feature vector to identify the gear signal types under different conditions. The simulation and experimental results confirm that the proposed method is feasible and superior in gearbox fault diagnosis when compared with other methods.     

参数寻优支持向量机在基于光声光谱法的变压器故障诊断中的应用

为了解决变压器气相色谱分析法故障诊断中存在的操作繁琐、消耗待测气体和载气、检测周期长等缺点,提出了利用光声光谱技术检测变压器油中CH₄,C₂H₂,C₂H₄,C₂H₆,H₂五种特征气体的含量并计算C₂H₂/C₂H₄,CH₄/H₂,C₂H₄/C₂H₆三对比值数据。将五种SVM类型和四种核函数采用交叉组合建立20种不同的支持向量机模型,并采用启发式算法对于惩罚因子c和g的取值进行参数寻优,以建立变压器故障诊断准确率最高、最快运行速度的支持向量机模型。启发式算法主要对比研究了粒子群算法和遗传算法在寻优精度与速度上的效果。仿真实验结果表明C-SVC模型、RBF核函数、遗传算法寻优构成的支持向量机模型对变压器故障的诊断准确率最高,测试集达到97.5%,训练集达到98.333 3%,并且遗传算法的寻优速度快于粒子群算法2倍左右。该方法具有操作简单、非接触性测量、不消耗载气、检测周期短、稳定性和灵敏度高等优点。可以代替传统的气相色谱分析法进行变压器故障诊断,满足变压器故障诊断的实际工程需要。     

Minimum Query Set for Decision Tree Construction

A new two-stage method for the construction of a decision tree is developed. The first stage is based on the definition of a minimum query set, which is the smallest set of attribute-value pairs for which any two objects can be distinguished. To obtain this set, an appropriate linear programming model is proposed. The queries from this set are building blocks of the second stage in which we try to find an optimal decision tree using a genetic algorithm. In a series of experiments, we show that for some databases, our approach should be considered as an alternative method to classical ones (CART, C4.5) and other heuristic approaches in terms of classification quality.     

A New Method Based on Time-Varying Filtering Intrinsic Time-Scale Decomposition and General Refined Composite Multiscale Sample Entropy for Rolling-Bearing Feature Extraction

The early fault diagnosis of rolling bearings has always been a difficult problem due to the interference of strong noise. This paper proposes a new method of early fault diagnosis for rolling bearings with entropy participation. First, a new signal decomposition method is proposed in this paper: intrinsic time-scale decomposition based on time-varying filtering. It is introduced into the framework of complete ensemble intrinsic time-scale decomposition with adaptive noise (CEITDAN). Compared with traditional intrinsic time-scale decomposition, intrinsic time-scale decomposition based on time-varying filtering can improve frequency-separation performance. It has strong robustness in the presence of noise interference. However, decomposition parameters (the bandwidth threshold and B-spline order) have significant impacts on the decomposition results of this method, and they need to be artificially set. Aiming to address this problem, this paper proposes rolling-bearing fault diagnosis optimization based on an improved coyote optimization algorithm (COA). First, the minimal generalized refined composite multiscale sample entropy parameter was used as the objective function. Through the improved COA algorithm, optimal intrinsic time-scale decomposition parameters based on time-varying filtering that match the input signal are obtained. By analyzing generalized refined composite multiscale sample entropy (GRCMSE), whether the mode component is dominated by the fault signal is determined. The signal is reconstructed and decomposed again. Finally, the mode component with the highest energy in the central frequency band is selected for envelope spectrum variation for fault diagnosis. Lastly, simulated and experimental signals were used to verify the effectiveness of the proposed method.     

数据挖掘在肺结核疾病智能决策中的应用研究

针对单一数据挖掘方法对肺结核疾病诊断效率低、准确性不高的问题,本研究对北京市昌平区结核病防治所,北京市结核病控制研究所的1203例肺结核病人档案资料构建了电子档案,采用粗糙集和决策树结合方法建立肺结核疾病诊断模型,并对其准确性进行评估,在此基础上构建肺结核疾病诊断系统。在研究中,使用粗糙集和决策树相结合的方法进行属性约简,约简掉冗余属性57个,剩余属性22个,得到决策规则7条,模型准确率为83.46%。与未未约简的方法相比,决策规则减少128%,模型准确率基本保持不变。研究结果表明：使用该组合算法,在保证模型准确率的同时,降低了算法的时间和空间复杂性,提高了挖掘效率,为临床诊断提供了一定的借鉴。