基于极限学习机和优化算法的润滑油添加剂种类识别与含量预测

为了快速识别润滑油中添加剂种类和含量,将添加剂硫化异丁烯(T321)、烷基二苯胺(T534)、硫代磷酸胺盐(T307)以不同配比混合在基础油中,使用极限学习机(ELM)对油样的红外光谱数据构建模型进行训练测试,并采用贪心算法、遗传算法(GA)对输入波段优化,筛选出最优波段区间组合以剔除相关性过高的波段从而提高运算效率. 测试结果表明:ELM模型可对润滑油添加剂进行有效的种类识别和含量预测,相比于传统理化检测方法是一种经济快速的新型润滑油添加剂检测手段;且经GA波段筛选优化后模型输出结果更具优势,对三种添加剂的种类识别准确率均达到100%、含量预测决定系数(R2)分别提升了43.8%、39.0%和24.4%.      

硫化酯交换黑水虻油脂的制备及其摩擦学特性

为解决矿物润滑油带来的环境污染问题,开发1种高度可生物降解润滑油至关重要.以黑水虻油脂为原料通过酯交换反应和硫化反应制备了硫化酯交换黑水虻油(STBSO)润滑油添加剂.采用傅里叶变换红外光谱(FTIR)对其结构进行了表征,考察了STBSO对基础油150N黏温性能、氧化安定性和抗腐蚀性能的影响.利用四球摩擦试验机和SRV摩擦磨损试验机研究了STBSO对基础油150N极压抗磨性能的影响,并与商用硫化植物脂肪酸酯添加剂RC2411进行了比较.采用扫描电子显微镜(SEM)和X射线能谱(EDAX)分析了钢球磨损表面形貌和元素组成,结合X射线光电子能谱(XPS)分析,探究了STBSO的抗磨机理.结果表明：STBSO作为润滑油添加剂可以有效提高基础油150N的黏温性能和氧化安定性,向基础油150N中添加质量分数为5%的STBSO后腐蚀等级为1b.当STBSO的质量分数为5%时,润滑油的抗磨性能较优.在相同的质量分数和载荷下,STBSO的摩擦学性能优于RC 2411.     

基于SHAP-RF框架的越野车辆路面识别算法研究

根据越野车辆在不同路面上行驶时的动力学响应特征,可以实现路面类型的在线识别,为面向路面特征调整底盘控制子系统参数从而获取更好的行驶性能奠定基础.但越野环境地面特征复杂,车辆响应机理分析困难,给基于车辆动力学响应进行路面准确识别带来挑战.提出了一种SHAP-RF路面识别算法设计框架,通过SHAP (Shapley additive explanations)模型解释方法实现高维随机森林(random forest, RF)路面识别模型的降维化:首先采集了试验车在压实土路、沙地、良好沥青路与冰雪路4种路面上的行驶数据并计算了3个次级行驶特征;进一步计算了行驶数据的共计105个时域特征和频域特征,并以此为输入特征建立了高维随机森林路面识别模型;利用SHAP解释法分析高维模型输入特征对识别结果的影响从而提炼出各个特征与路面类型的关联性,完成特征筛选;最后,利用筛选后的特征设计降维随机森林路面分类器.基于实车数据的算法验证试验表明,设计的降维路面识别模型对4种路面的识别精确率在94%以上,召回率在93%以上,相比高维的随机森林路面识别模型,各种路面上的精确率和召回率最大降幅不超过3.2%,证明本...     

基于多头自注意力机制和Bi-GRU的人体动作识别算法

目前基于惯性传感器的人体动作识别技术具有自主、可靠等优点,但现有人体动作识别算法结构复杂、参数量大、识别精度低。针对以上问题,提出了一种基于多头自注意力机制和双向门控循环单元（Bi-GRU）的人体动作识别算法。该算法首先通过多头自注意力机制无视时间间隔地计算数据之间关联特征,再将关联特征与原始数据拼接,输入到深度Bi-GRU网络中提取顺序特征,最终通过Softmax层识别人体动作。采用YESENSE公司开发的YIS360-V姿态仪搭建了人体动作识别算法验证平台,在此基础上建立训练-测试数据集并进行了实验验证。实验结果表明,所提算法较传统Bi-GRU算法,参数量由40695个减少到18337个,识别准确率由93.36%提升至95.26%。     

基于MEMS加速度传感器的步态识别

针对最小采集约束条件和经历长时间跨度下识别率低的问题,提出一种基于MEMS加速度传感器的步态识别算法。该算法以右髋部位置采集加速度信号构造多个高斯差分尺度空间,利用局部关键点生成稀疏表示的步态特征位置模板,并采用模板融合来有效转换稀疏性步态周期特征,最后利用最近邻算法和投票机制对步态特征进行识别。在公开的含175名测试者的步态加速度数据集上进行测试,实验结果显示识别率为98.67%和认证率为99.89%,并进一步研究了测试集和训练集样本数目对识别效果的影响,验证了特征提取的有效性和稳定性。     

基于改进粒子群相关向量机电机轴承故障诊断

为了提高电机轴承故障的诊断准确率,克服支持向量机与传统粒子群算法的缺点,提出了改进粒子群算法优化相关向量机算法的电机轴承故障诊断方法。通过小波包能量熵来提取故障特征量从而选取合适的特征量来表征故障的类型,提高了故障诊断的速度。利用改进的粒子群算法优化相关向量机的核函数参数,建立了分类器用于电机轴承故障的类型识别。仿真实验结果表明:与传统粒子群优化的相关向量机算法相比,改进粒子群优化的相关向量机算法对电机轴承故障分类的准确率提高了2%～4%;分类结果表明,与传统粒子群的支持向量机算法相比,改进粒子群优化的相关向量机算法具有更好的分类效果,准确率提高了4%～8%。     

基于手机惯性传感器与多特征CNN的驾驶行为识别算法

不良驾驶行为识别对于减少交通事故的发生及实现智能交通具有重要意义。针对目前驾驶行为识别精度不高及系统稳定性不好问题,提出了一种基于多特征卷积神经网络和智能手机惯性传感器的新型驾驶行为识别方法。通过获取手机惯性传感器数据,利用多特征卷积神经网络对数据集进行特征提取和分析,来实现对多种驾驶行为的识别。最后,利用实际采集的车载数据进行不同方法试验对比,该算法对驾驶行为的分类精度达到97.14%,在识别精度上有一定优势。此外,MFCNN测试结果的方差仅为0.014 391,小于其它3种网络模型,可见所研究的网络模型及方法更加稳定可靠。     

基于粗集—神经网络的磨粒模式识别

应用粗集理论中最小约简的近似算法 ,对磨粒的形状参数进行约简 ,找出判断磨粒模式的形状参数长短轴比 Rt和圆度 Rd,同时采用这些参数训练神经网络以进行磨粒模式识别 .结果表明 :应用此算法 ,对 63个已知样本和历时 2年多对柴油机 1 4 5个润滑油油样进行制谱分析判断 ,准确率在 90 %以上 ,比原来用模糊识别的准确率提高了约 1 0个百分点 ;使用 BP网络减化了网络结构 ,使网络的训练速度加快 ,整个系统变得简单、可靠、有效     

基于监督字典学习的核稀疏表示的目标识别算法（英文）

针对图像数据高度非线性可分情况下的目标分类问题,在稀疏表示分类框架的基础上,提出了一种基于监督字典学习的核稀疏表示的目标识别算法。采用融合了多特征信息的协方差描述子作为图像的描述符;通过引入核技巧,使非线性的图像数据在高维空间变得线性可分;并把分类误差与重构误差同时引入目标函数,在监督字典学习框架下,使学习得到的字典判别性更强。利用加州大学默塞德分校提供的UCMerced遥感数据集以及自测的红外车辆数据集做了实验验证,在这两个数据集上算法的平均识别率分别达到了89.46%和93.98%,实现了对非线性可分目标的高精度分类。     

基于SVM步态分类的柔性外骨骼自主定位优化方法

针对复杂步态下柔性外骨骼虚拟惯性测量组件(VIMU)性能稳定性下降的问题,研究了一种基于支持向量机(SVM)步态分类的自主定位优化方法。采用SVM算法模型对柔性外骨骼的多种常规步态类型进行识别,根据不同的步态类型构建不同的卷积-长短期记忆(VGG-LSTM)混合神经网络模型,并通过判断实际惯性测量组件(IMU)的故障,利用VIMU构成具备系统重构能力的强鲁棒性自主定位方法。研究结果表明,复杂步态下基于SVM的步态分类方法可在保证VIMU精度的同时,降低VGG-LSTM神经网络模型的复杂性;机器人肢节末端IMU在常规步态下出现故障时,系统重构后的自主定位性能与无故障情况下基本保持一致,重构导航系统的定位误差在行进距离的2.5%以内。     

石墨烯作为添加剂在两种成品润滑油中的应用可行性研究

为探索石墨烯对成品润滑油中原有添加剂体系的影响,判断其作为添加剂的应用可行性,本文中采用多层石墨烯与两种成品润滑油制备了石墨烯分散液.利用MS-10A型四球摩擦试验机与TE77长行程高频往复摩擦试验机测试了不同接触方式下石墨烯分散液的摩擦学性能;采用紫外分光光度计、旋转氧弹试验仪、高压差示扫描量热仪和成焦板试验仪等仪器对体系的分散稳定性与理化性能进行评价.试验结果显示：石墨烯在润滑油中无法保持长时间的分散稳定性,且对成品润滑油的各项应用指标无明显的提高作用,某些条件下甚至降低了油品的原有性能.分析表明：石墨烯的加入干扰了原有体系的平衡性和稳定性,无法与成品润滑油的添加剂体系发挥良好的协同作用,同时,石墨烯的规模化制备成本远高于常用润滑添加剂,因此结合上述研究结果可知,石墨烯材料目前尚不具备作为成品润滑油添加剂的可行性,其存在的诸多问题还需进行深入研究.     

基于自适应遗传算法的Stewart平台结构双目标优化设计

探讨了大射电望远镜精调Stewart平台的设计准则,建立了综合衡量Stewart平台运动精度和质量的双目标优化模型,以其结构强度和固有频率为约束条件,采用自适应遗传算法对该优化问题求解。通过与采用标准遗传算法所得优化结果的比较,验证了自适应遗传算法在Stewart平台结构参数设计中的有效性。     

遗传算法改进及其在岩土参数反分析中的应用

本文的主要目的是开发基于实数编码的杂交遗传算法来识别土体的本构参数。该杂交遗传算法在经典遗传算法框架下开发,融合两个新开发的交叉算子,形成了一个新的杂交策略。为了保持种群的多样性,在算法中采用了一个动态随机变异算子。另外,为了提高算法收敛性,采用了一个基于混沌的局部搜索技术。分别基于室内试验和现场试验,通过识别土的本构参数来测试新算法的搜索能力和搜索效率。为了测试新开发算法的突出表现,特选用5种经典的随机类算法（遗传算法、粒子群算法、模拟退火算法、差分算法和蜂巢算法）,分析同样的案例进行比较。结果表明,在收敛速度和最优解的准确度方面,新改进的算法可以很好地处理岩土工程的参数反演。     

含氮硼酸衍生物的摩擦学性能及与二烷基二硫代磷酸锌(ZDDP)配伍性能研究

合成两种含氮硼酸衍生物抗磨添加剂:长链烷基醇胺硼酸钙ODOB-Ca、长链烷基醇胺和长链烷基苯酚的硼酸酯DPOB,分别用元素分析和红外光谱对分子结构进行表征.用热重分析仪考察两种化合物的热稳定性,用饱和蒸汽法考察其水解稳定性,发现这两种化合物均具有良好的热稳定性和较好的水解稳定性,其水解稳定性分别为硼化聚异丁烯基丁二酰亚胺(T154B)的3倍和10倍;用立式万能摩擦磨损试验机考察了ODOB-Ca和DPOB的摩擦学性能以及与ZDDP的配伍性能,结果表明两种化合物作为矿物基础油均具有较好的抗磨性能,且均与ZDDP在一定比例配伍,有很好的协同作用.采用XPS考察了钢球磨斑表面成份,结果显示钢球磨斑表面形成了B2O3、铁的氧化物以及硫酸化合物等多组分混合边界润滑膜,从而使配伍体系摩擦学性能得以改善.     

基于拟满应力设计和遗传算法的网架截面优化方法

通过在遗传算法中嵌入拟满应力算子,提出了一种以网架结构杆件截面作为离散变量的优化设计方法,即基于拟满应力设计和遗传算法的网架截面优化方法.分析结果表明,该法能够提高遗传算法的搜索效率和获得全局最优解的可靠性,对于同时有应力和位移约束的网架等空间结构截面优化问题,这种混合算法有较高的效率.     

几种含铅有机化合物作为润滑油添加剂的摩擦学特性及作用机理研究

在 2 0 0 SN矿物基础油中 ,用原位合成法、复分解法以及微波辅助合成法分别合成了月桂酸铅、油酸铅、环烷酸铅、硬脂酸铅和烷基水杨酸铅 .用四球摩擦磨损试验机 ,在高速低负荷及低速高负荷两组试验条件下评价了其摩擦学性能 .结果表明 :不同结构羧酸铅的油溶性、抗磨减摩性能以及抗极压性能存在较大差异 ,其摩擦学性能与羧基结构密切相关 ,环烷酸铅和烷基水杨酸铅的油溶性最好 ;月桂酸铅的抗磨性能和抗极压性能最好 ,油酸铅的减摩性能最好 .通过对铅盐分子结构及相应钢球磨斑表面进行扫描电子显微镜和 X射线光电子能谱分析 ,发现铅盐对基础油摩擦学性能的改善归因于摩擦过程中有机铅盐在摩擦副表面形成一定强度的吸附膜以及部分吸附膜转化为铅氧化物膜的摩擦化学反应 .铅盐烷基链结构的不同使其在摩擦副表面的吸附量和吸附强度不同 ,从而影响润滑油膜的化学组成和物理性能 ,并进而产生摩擦学性能差异     

新型O-N型三嗪衍生物与磷酸三甲酚酯在菜籽油中的摩擦磨损复合效应研究

合成了一种新型无磷三正辛氧基取代三嗪衍生物(TONT),利用四球摩擦磨损试验机考察了单剂TONT、磷酸三甲酚酯(TCP)以及含不同质量分数的TONT和TCP的复合添加剂在菜籽油中的摩擦磨损性能;用扫描电子显微镜和X射线光电子能谱仪观察分析了磨损表面形貌和元素化学形态.结果表明:所考察的添加剂均能够提高基础油的承载能力;在一定的条件下,单剂TONT和TCP能够有效地提高基础油的减摩和抗磨性能;TONT/TCP复配剂在基础油中表现出良好的抗磨和减摩效应,其在摩擦过程中发生物理、化学吸附的同时,与金属表面发生摩擦化学反应,生成无机盐和有机氮及含氮金属配合物,从而起到减摩抗磨作用.     

氮化钛硬质薄膜在不同种类润滑油下的摩擦学性能研究

采用球-盘摩擦试验机分别考察了氮化钛硬质薄膜与轴承钢和氮化硅陶瓷组成的摩擦副在不同种类润滑油条件下的摩擦学性能,并表征了其磨痕表面形貌与元素成份.结果显示:与Ti N硬质薄膜干摩擦性能相比,润滑油可显著降低摩擦系数,延长磨损寿命,且具有较长烷基碳链的润滑油性能较优;当上试球材料不同时,其油润滑条件下的性能亦不同.相同润滑油条件下,氮化硅球作为摩擦副时,其润滑性能优于轴承钢球.磨痕表面形貌及能谱分析结果表明:具有较长烷基碳链的润滑油在摩擦副研磨滑动过程中起到油性剂的作用,而短碳链硅油分子结构中含有氯元素,虽通过摩擦化学反应生成边界润滑膜,但不完整致密,以致短时间内润滑失效.