機(jī)械故障診斷6(編輯修改稿)
2025-02-27 16:16 本頁面
【文章內(nèi)容簡(jiǎn)介】 , x n]、 Y=[y1, y2, …, y n], 其中 ， 簡(jiǎn)寫為 ? 最大最小法中模糊關(guān)系方程為Page58最大最小法 算例? 已知：? 作合成運(yùn)算：Page59概率算子法? 最大最小法突出了主要因素，不能反映次要因素隊(duì)診斷故障的作用。概率算子法能綜合考慮各因素的影響。? 概率算子運(yùn)算法則：? 比較概率計(jì)算公式： 與以上形式完全相同，這是概率算子法名稱的來源。? 概率算子法的模糊關(guān)系方程：Page60權(quán)矩陣法歸一化條件：Page61算例比較? 用特征參數(shù) K1,K2來診斷故障 D1時(shí)， R11=, R12=, μK1(x1)=, μK2(x2)=,? 概率算子法 :? 權(quán)矩陣法： 歸一化? 最大最小法：Page62模糊診斷實(shí)例 FUZZY DIAGNOSIS EXAMPLE ? 三級(jí)齒輪減速器（ Gear reduction box)：Page63模糊特征變量k1 peak valuek3 impulse factork2 kurtosis valuek4 energy in mesh frequencyk5 energy in rotating frequencyk6 energy in cepstrum (T=1/fn)模糊狀態(tài)變量 d1 tooth break d2 pitch error of gear d3 tooth surface wear d4 eccentricity of gear Page64隸屬度函數(shù) Membership function升（降）半凹凸分布 j=1,2,3,...,6μ(x)x10a jPage65模糊關(guān)系矩陣? Fuzzy relationship matrix R? 各根軸的模糊特征向量的隸屬度：?k(L1) = [, , , , , ]?k(L2) = [, , , , , ]?k(L3) = [, , , , , ]Page66用最大最小法進(jìn)行診斷 6? ?di(yi) = ?(Rij ? ?kj(xj) ) j =1? . for axis L1: ?d1(yi) =(?) ?(?) ?(?) ?(?)?(?) ?(?) = ????? = ?d(L1)=[, , , ] ?d(L2)=[, , , ] ?d(L3)=[, , , ]From ?d1(L1)(y1)= we can conclude: tooth break on axis L1 occursPage67遺傳算法Page68遺傳算法的描述例子 ： 為四個(gè)連鎖飯店尋找最好的經(jīng)營(yíng)決策，其中一個(gè)經(jīng)營(yíng)飯店的決策包括要做出以下三項(xiàng)決定：（ 1）價(jià)格 漢堡包的價(jià)格應(yīng)該定在 50美分還是 1美元？（ 2）飲料 和漢堡包一起供應(yīng)的應(yīng)該是酒還是可樂？（ 3）服務(wù)速度 飯店應(yīng)該提供慢的還是快的服務(wù)？目的： 找到這三個(gè)決定的組合以產(chǎn)生最高的利潤(rùn)。上述問題的表示方案：串長(zhǎng) (l＝ 3）＋字母表規(guī)模（ k＝ 2）＋ 映射共有 8種表示方案用遺傳算法解這個(gè)問題的第一步就是選取一個(gè)適當(dāng)?shù)谋硎痉桨?。Page69飯店問題的表示方案（其中的 4個(gè)）群體規(guī)模 N＝ 4Page70初始群體中經(jīng)營(yíng)決策的適應(yīng)值一個(gè)簡(jiǎn)單的遺傳算法由復(fù)制、雜交、變異三個(gè)算子組成Page71使用 復(fù)制算子 后產(chǎn)生的交配池 ：采用賭盤選擇Page72 ：采用一點(diǎn)雜交作用過程： a）產(chǎn)生一個(gè)在 1到 l－ 1之間的隨機(jī)數(shù) ib）配對(duì)的兩個(gè)串相互對(duì)應(yīng)的交換從 i＋ 1到 l的位段例如：從交配池中選擇編號(hào)為 1和 2的串進(jìn)行配對(duì)，且雜交點(diǎn)選在 2（用分隔符 |表示），雜交算子作用的結(jié)果為：01|101011|0111對(duì)交配池中指定百分比的個(gè)體應(yīng)用雜交算子，假設(shè)雜交概率pc＝ 50％，交配池中余下的 50％個(gè)體僅進(jìn)行復(fù)制運(yùn)算，即復(fù)制概率 pr＝ 50％。Page73使用 復(fù)制和雜交算子 的作用結(jié)果遺傳算法利用復(fù)制和雜交算子可以產(chǎn)生具有更高平均適應(yīng)值和更好個(gè)體的群體Page74 ： 以一個(gè)很小的概率 pm隨機(jī)改變?nèi)旧w串上的某些位。對(duì)于二進(jìn)制串，就是將相應(yīng)位上的 0變?yōu)?1或?qū)?1變?yōu)?0。例如：選交配池中編號(hào)為 4的串進(jìn)行變異，且變異點(diǎn)在 2，則010000變異算子相對(duì)而言，是次要算子，但在恢復(fù)群體中失去的多樣性方面具有潛在的作用。Page75上述遺傳算法描述了從第 0代產(chǎn)生第 1代的過程，然后遺傳算法迭代地執(zhí)行這個(gè)過程，直到滿足某個(gè)停止準(zhǔn)則。在每一代中，算法首先計(jì)算群體中每個(gè)個(gè)體地適應(yīng)值，然后利用適應(yīng)值信息，遺傳算法分別以概率 pc、 pr和 pm執(zhí)行雜交、復(fù)制和變異操作，從而產(chǎn)生新的群體。應(yīng)用遺傳算法求解問題需完成四個(gè)主要步驟：Page76基本遺傳算法的構(gòu)成要素最常用的是二進(jìn)制編碼，對(duì)于離散性變量直接編碼，對(duì)于連續(xù)性變量先離散化后再編碼評(píng)估函數(shù) —— 用來評(píng)估一個(gè)染色體的優(yōu)劣的絕對(duì)值適應(yīng)度函數(shù) —— 評(píng)估一個(gè)染色體相對(duì)整個(gè)群體的優(yōu)劣的相對(duì)值的大小復(fù)制算子、交叉算子、變異算子16
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1