-
公开(公告)号：CN103440527A
公开(公告)日：2013-12-11
申请号：CN201310323310.2
申请日：2013-07-29
Applicant: 辽宁大学
Abstract: 本发明涉及一种改进蚁群算法优化支持向量机参数的方法。步骤如下：确定n个参数的取值范围，并且通过对每个参数进行N等分计算网格间隔；蚂蚁从第一列到第N列选择出N个网格点，这N个网格点行程作为一个解，M只蚂蚁找到M个解；将这M个解输入目标函数，找出最大与最小的二个目标函数值；进行全局信息素更新，Pt=Pt-1·ρ根据公式Pt=Pt-1-op在全局最优解附近的一定范围增加一定量信息素的值，强化全局最优解；根据公式Pt=Pt-1-wp在全局最差解附近的一定范围进行信息素一定量减少操作，弱化全局最差解；如果没有达到全局最大循环次数则对网格重新划分；直至达到循环结束条件完成参数的寻优。本方法提高了寻求最佳组合的速度和准确率。并且在改进的蚁群算法中融合了网格和高概率随机选择的原则，增加了蚂蚁对最优解的敏感度。
-
公开(公告)号：CN117290697A
公开(公告)日：2023-12-26
申请号：CN202210695405.6
申请日：2022-06-20
Applicant: 辽宁大学
IPC: G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06F18/24 , G06F18/10 , G06F18/214 , G06F18/25 , G06N3/048 , G06N3/047 , G06N3/096
Abstract: 融合注意力机制的双路卷积和BiGRU少量样本故障诊断方法，步骤如下：(1)振动信号采样；(2)数据处理；(3)提出模型结构；(4)离线训练；(5)在线诊断；本发明设计并实现一种融合注意力机制的双路卷积和BiGRU少量样本故障诊断方法。针对智能故障诊断受到有限标签样本影响，导致精度低等问题，提出一种融合注意力机制的双路卷积和BiGRU少量样本故障诊断方法。首先利用双路卷积提取信号高低频特征。其次，提出一种注意力机制通过分配权重和选择敏感信息实现估值融合后的特征。然后，通过BiGRU得到不同时间序列位置隐藏信息。最后实现复杂工况下故障诊断。本发明方法在凯斯西储大学轴承数据集和康涅狄格大学齿轮箱数据集上对比实验，验证本发明方法具有良好诊断效率和应用前景。
-
公开(公告)号：CN110110447B
公开(公告)日：2023-04-18
申请号：CN201910385160.5
申请日：2019-05-09
Applicant: 辽宁大学
IPC: G06F30/27 , G06N3/006 , G06N3/0499 , G06N3/08
Abstract: 一种混合蛙跳反馈极限学习机带钢厚度预测方法，包括以下步骤：1)分析采集的钢板数据信号；2)特征提取；3)在极限学习机中引入卡尔曼滤波思想，将网络的实际输出与期望输出的差值反馈给输入层，形成一种反馈极限学习机算法。同时运用混合蛙跳算法对反馈极限学习机算法的随机参数进行优化，构建一种混合蛙跳反馈极限学习机预测模型；4)将步骤3)所得的混合蛙跳反馈极限学习机用于带钢出口厚度的预测中，并与传统极限学习机以及混合蛙跳极限学习机进行结果对比，以此验证方法的有效性。本发明通过上述步骤，提供了一种的预测误差小，预测精度高，鲁棒性好的预测方法。
-
公开(公告)号：CN115577235A
公开(公告)日：2023-01-06
申请号：CN202210788018.7
申请日：2022-07-06
Applicant: 辽宁大学
IPC: G06F18/00 , G06F18/2321 , G06F18/2413 , G06N3/006 , G01M13/04
Abstract: 一种改进烟花算法优化模糊C均值的轴承故障诊断方法，步骤如下：(1)信号采样；(2)降噪处理；(3)特征选择；(4)轴承故障诊断。本发明设计并实现一种改进烟花算法优化模糊C均值的轴承故障诊断方法。针对模糊C均值存在对初始值敏感、易陷入局部最优等缺点，使用改进烟花算法进行优化，将决定烟花爆炸半径大小的系数由固定值改为动态值，同时将柯西变异与高斯变异交替使用来控制搜索范围；然后采用小波阈值降噪算法和时域特征处理轴承数据；最后将轴承数据输入改进的模糊C均值算法中进行聚类。在四种缺失率的情况下与三种方法进行对比实验，验证本发明方法有更高的诊断准确率。
-
公开(公告)号：CN113469106A
公开(公告)日：2021-10-01
申请号：CN202110804522.7
申请日：2021-07-16
Applicant: 辽宁大学
Abstract: 一种缺失数据的KNN区间型轴承故障诊断方法，步骤如下：(1)信号采样；(2)降噪处理；(3)特征选择；(4)轴承故障诊断。本发明设计并实现一种缺失数据的KNN区间型轴承故障诊断方法。针对不完整的轴承数据不能进行聚类的问题，将缺失数据进行填补。首先，考虑近邻样本属性分布提出新的区间填补公式；然后采用小波阈值降噪算法和时域特征处理轴承数据；最后将填补后的数据输入模糊C均值算法中进行聚类。本发明方法在四种缺失率的情况下与四种经典方法进行实验，验证本发明方法有更高的诊断准确率。
-
Patent Agency Ranking
公开(公告)号：CN111753751A
公开(公告)日：2020-10-09
申请号：CN202010597435.4
申请日：2020-06-28
Applicant: 辽宁大学
Abstract: 一种改进烟花算法的风机故障智能诊断方法，基本步骤如下：(1)信号采样；(2)数据预处理；(3)特征提取；(4)数据归一化处理；(5)风机故障智能诊断。针对现有风机故障诊断系统的局限性，本发明设计一种改进烟花算法优化BP神经网络的风机故障智能诊断方法。使用改进高斯密度函数优化增强型烟花算法计算出BP神经网络较优权值和阈值，从而提高BP神经网络的性能。通过采用相关峭度解卷积算法(MCKD)和时域特征处理后的风机轴承数据进行测试，本发明方法在诊断风机故障轴承数据方面，能够满足用户所设定功能和性能方面的需求。通过大量对比实验证明，改进烟花算法的风机故障智能诊断方法可以获得更高的准确率。
-
公开(公告)号：CN111405469A
公开(公告)日：2020-07-10
申请号：CN202010210821.3
申请日：2020-03-24
Applicant: 辽宁大学
Abstract: 基于手机移动传感网络的矿震监测系统及群智定位方法，步骤为：1)建立数据库，初始化数据；2)记录手机三轴加速度传感器数据，对震动信息进行监测；3)对三轴加速度传感器数据特征值进行区分；4)当确定为震动时，对该段信号降噪；5)计算降噪处理后的震动信号初始到时；6)将震动信号初始到时、移动手机终端GPS定位、手机编码信息通过蜂窝网络或wifi网络上传至中心机；7)对上传的同一时间段的震动数据进行统计分析，当网络中区域范围内同一时间段确定为震动的手机数量超过一定比例，则判定为矿震触发事件，计算矿震发生时间和位置信息。本发明通过上述方法，提供了一种监测覆盖范围广、定位精度高、成本低廉的矿震监测系统及群智定位方法。
-
公开(公告)号：CN110197216A
公开(公告)日：2019-09-03
申请号：CN201910431765.3
申请日：2019-05-23
Applicant: 辽宁大学
IPC: G06K9/62
Abstract: 本发明涉及一种自适应区间的不完整数据加权聚类方法，步骤如下：(1)确定最近邻样本；(2)自适应区间化填补缺失数据；(3)提出自适应区间型数据加权模糊C均值聚类；(4)利用步骤(3)中聚类方法对步骤(2)中得到的区间型数据集进行聚类，得到聚类结果，与四种经典方法和四种近几年相关学者提出的方法进行实验结果对比，以此验证本发明的有效性。利用UCI数据库中的生物数据集鸢尾花Iris、医疗数据集乳腺癌症Breast和医学数据集成年人肝病Bpua，在四种缺失率的情况下与四种经典方法和四种近几年相关学者提出的方法进行实验，证明本发明方法有更高的聚类准确率。
-
公开(公告)号：CN110110447A
公开(公告)日：2019-08-09
申请号：CN201910385160.5
申请日：2019-05-09
Applicant: 辽宁大学
Abstract: 一种混合蛙跳反馈极限学习机带钢厚度预测方法，包括以下步骤：1)分析采集的钢板数据信号；2)特征提取；3)在极限学习机中引入卡尔曼滤波思想，将网络的实际输出与期望输出的差值反馈给输入层，形成一种反馈极限学习机算法。同时运用混合蛙跳算法对反馈极限学习机算法的随机参数进行优化，构建一种混合蛙跳反馈极限学习机预测模型；4)将步骤3)所得的混合蛙跳反馈极限学习机用于带钢出口厚度的预测中，并与传统极限学习机以及混合蛙跳极限学习机进行结果对比，以此验证方法的有效性。本发明通过上述步骤，提供了一种的预测误差小，预测精度高，鲁棒性好的预测方法。
-
公开(公告)号：CN109034231A
公开(公告)日：2018-12-18
申请号：CN201810785729.2
申请日：2018-07-17
Applicant: 辽宁大学
CPC classification number: G06K9/6223 , G06K9/6256 , G06N3/0445 , G06N7/02
Abstract: 本发明涉及一种信息反馈RBF网络估值的不完整数据模糊聚类方法，步骤如下：1)提出信息反馈RBF网络模型；2)，提出一种信息反馈RBF数值型估值的不完整数据模糊聚类方法(IFRBF‑FCM)；3)利用最近邻规则为不完整数据样本选取相应的训练样本集，利用最近邻训练样本集为每个缺失属性训练IFRBF网络，从而实现对不完整数据样本中缺失属性的估值预测，得到IFRBF网络估值恢复后的完整数据集；4)对不完整数据属性的估值区间进行确定，提出了一种IFRBF区间型估值的不完整数据模糊聚类方法(IFRBF‑IFCM)，得到模糊聚类结果。本发明采用IFRBF网络对不完整数据集进行估值得到的恢复完整的数据集的聚类结果与对比方法相比提高了准确率，比数值型估值的聚类结果更准确，鲁棒性也更好。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.025 seconds)
