张宏利博士毕业论文.pptVIP

发表论文情况 1、张宏利，刘树林，缴文会， 李栋， 刘颖慧. 基于可变阈值信息检测器的设备异常度检测方法.机械工程学报，2013，49(8)：25-31. (EI:20132216383978) 2、Zhang Hongli, Liu Shulin, Jiao Wenhui, Li Dong, Wang Bo. The Machine Abnormal Degree Detection Method Based on SVDD and Negative Selection Mechanism，Journal of Vibroengineering，2013，15(4)：1873-1884. （SCI：000330136 300024） * * * * * VTI-detector下设备异常度定义： 符号函数 I(Yj, Xi)-Ri≥0，sgn[I(Yj, Xi)-Ri]=1 I(Yj, Xi)-Ri0，sgn[I(Yj, Xi)-Ri]=0 mji=[1-I(Yj, Xi)]/ρ(Xi) ⑧ 可变阈值信息检测器异常度检测研究 异常度公式中参数含义 检测过程中设备异常程度应该随设备故障程度加大而逐渐变大 ⑨ 轴承异常度检测实例 可以看到轴承异常度随故障程度而逐渐变大 VTI-detector小结 实现了数据之间信息层面的匹配 将设备状态空间划分与数据分布密度相 联系，提 高了异常检测率 将正常样本的分布密度和设备的异常度进行了关联，表达出了异常度随故障程度增加而变大的现象 (2) 反面势场阴性选择算法的研究 数据势场的概念 可以数据看作带电粒子，其周围存在势场： 数据势场分布等高线图 (2) 反面势场阴性选择算法的研究 主要意义：可以用于表达已知样本周围数据分布的概率信息 ① 反面势场概念的提出 R为检测器匹配阈值 测试样本x为非己样本 测试样本x为自己样本 ② 反面势场群体检测器(NPFG-detectors) 反势场函数构建： 反势场群体检测器提出： 判断准则： ③ NPFG-detectors训练测试流程 判断 NPFG-detectors测试准则 反面 势场 阴性 选择 算法 ④ NPFG-detectors标准数据集异常检测测试 进行多 次训练 和测试 求平均 值 NPFG-detectors下设备异常度定义 ⑤ NPFG-detectors异常度检测研究 设备异常度是数据反势场分布的正比函数： η 增大 Ψ 增大 η 减小 Ψ 减小 通过论证研究：1-Ψ(X) 与概率密度函数相差一个归一化值M 数据异常度检测举例 ⑤ NPFG-detectors异常度检测研究 异常度逐渐增大 反势场逐渐增大 异常样本出现概率增大 轴承异常度随轴承故障程度加大逐渐变大，能表达设备 的故障信息 ⑥ 轴承异常度检测实例分析 定义的反面势场群体检测器概念，摆脱了阈值划分空间思想的束缚。 将自己-非己空间划分概念和数据概率分布之间建立了统一联系。 ⑦ NPFG-detectors小结 (3) 基于V-AIRS的设备故障诊断 主要侧重于细胞资源分配的研究，对于直接改变每一个记忆细胞权值的研究仍然缺乏 ① 固定权值记忆细胞偏向效应问题研究 在二次免疫反应过程中，抗体Ai与目标抗原之间亲和力增大，而与相关性抗原之间的亲和力变小的现象可以称之为偏向效应。 产生记忆细胞亲和力退化作用 固定权值AIRS算法网络抑制过程中存在偏向效应 结果 进一步研究 V-AIRS算法流程图 单样本训练 候选记忆细胞 二次规划作用优化 候选记忆细胞权值 资源有限 分配机制 删除权值小的记忆细胞 利用4种UCI数据集与AIRS算法进行多次对比分析 训练集 V-AIRS分类准确率(%) AIRS分类准确率(%) 平均值 标准差 平均值 标准差 Iris 97.3 0.7 96.7 3.1 Diabetes 74.5 0.1 96.7 3.1 Ionosphere 96.3 0.1 95.6 1.7 Sonar 86.8 0.1 84.9 9.1 ② V-AIRS算法标准数据集验证 轴承正常和故障状态下的训练样本及其训练产生的记忆细胞 ③ V-AIRS算法用于故障诊断的实例分析 训练集 V-AIRS分类准确率(%) 平均值 标准差 轴承正常 98.3 0.2 滚动体0.007〞故障 98.5 0.1 内圈0.007〞故障 100 0 外圈0.007〞故障 100 0 V-AIRS分类算法对轴承数据的分类准确率 ③ V-AIRS算法用于故障诊断的实例分析 研究了固定权值记忆细胞形成过程中的偏向效应 问题，并对这一效应所引起记忆细胞退化现象进行了研究。 提出了可变权值记忆细胞概念，并引入二次规划算法，模