为了给供应商或投标人的最优选择提供科学决策的依据,提出一种基于改进的萤火虫算法优化核极限学习机(CMFA-KLEM)的投标人画像评价模型。首先,将云模型理论引入萤火虫算法,提出一种改进的萤火虫算法;然后,运用层次分析法从资质信息、投标行为、技术实力、信用评价和履约表现等5个方面构建出投标人画像评价指标体系;最后,将11个投标人画像评价二级指标的得分数据作为CMFA-KELM的输入向量,投标人画像评价等级作为CMFA-KELM的输出向量,建立投标人画像评价CMFA-KELM模型。研究结果表明,与其他算法相比,CMFA-KELM具有更高的准确率、检测率和更低的误报率。

针对现有灭火机器人视觉系统的窄视野且检测结果受光照变化干扰的问题,提出了一种应用于大视角全景图像火焰识别且抗光照变化干扰的二分粒度聚类优化的核极限学习机方法。首先,对全景图像建立抗光照变化干扰的颜色模型;然后在该颜色模型下利用经过二分和粒度思想改进的K-means聚类算法分割疑似火焰区域与非火区域;最终提取疑似火焰区域的颜色分量等特征参数作为输入向量来训练核极限学习机(KELM)分类器以提取火焰区域。经仿真研究证明,该算法能快速准确识别全景火焰图像,对光照变化具有良好的鲁棒性,且通用性强。

为提高航空发动机滑油系统的故障诊断有效性,提出了一种改进的灰狼算法优化核极限学习机(IGWO-KELM)的航空发动机故障诊断方法,对航空发动机进行了故障诊断技术研究。首先对航空发动机滑油系统的参数数据进行预处理,利用核独立分量分析(KICA)将数据映射到核空间,消除原始特征向量间的相关性,并提取特征系数矩阵;其次,由提取的特征矩阵创建KELM故障模型,为减少人为调节网络参数的随机性对诊断结果造成的影响,采用IGWO算法优化KELM的网络参数,并创建IGWO-KELM故障诊断模型;最后,对所创建的IGWO-KELM故障诊断模型进行了试验验证。结果表明,所提出的IGWO优化KELM的故障诊断方法能有效提高航空发动机故障诊断准确率,诊断准确率达96%,具有很好的应用前景。

采用单因素和正交试验方法研究砂带磨削碳化钨涂层过程中各磨削参数与表面粗糙度的关系,发现砂带磨削碳化钨涂层的表面粗糙度的变化规律砂带粒度对表面粗糙度的影响最大;磨削时磨削压力对表面粗糙度的影响较大;砂带电动机转速频率和工件主轴旋转速度对表面粗糙度的影响较小,其中工件旋转速度影响最小。同时,应用人工智能算法,分别采用极限学习机(ELM)和核极限学习机(KELM)算法建立碳化钨涂层表面粗糙度的预测模型,进行了相关对比试验验证,KELM具有较好的预测效果。

多尺度排列熵(MPE)是一种非线性动力学方法,广泛应用于旋转机械的故障诊断。然而,排列熵没有考虑具有相同排列模式的时间序列可能具有不同的振幅,并且粗粒化方法存在缺陷。为解决上述问题,提出时移多尺度振幅感知排列熵(TSMAAPE)。利用时移时间序列改善MPE中粗粒度时间序列存在的不足,同时引入振幅感知排列熵。通过与时移多尺度排列熵和多尺度振幅感知排列熵进行对比,验证TSMAAPE的鲁棒性。考虑到TSMAAPE在特征提取方面的优势,结合鲸鱼优化算法优化的核极限学习机,提出一种液压泵智能故障诊断方法。结果表明:该方法对液压泵的不同故障具有较好的分类准确率,在故障诊断领域有广阔的应用前景。

针对信号特征提取中多尺度样本熵(MSE)与多尺度排列熵(MPE)算法计算效率差的问题,提出一种基于多尺度基本熵(MBSE)和参数优化核极限学习机(KELM)的电机轴承诊断新方法。该方法先通过MBSE来提取所拾取滚动轴承振动信号的特征信息,同时对比分析了多尺度基本熵、多尺度样本熵与多尺度排列熵的计算效率。最后利用KELM分类器对滚动轴承的不同状态进行判定,并通过人工鱼群算法(AFSA)对KELM的关键影响参数进行寻优。实验结果表明所述方法能够对滚动轴承的运行状态进行有效识别。