- 
                题名基于符号键合图的电静压伺服机构多故障诊断研究
            
- 1
- 
                
            
- 
                
                            作者
                                李世杰
                                徐淼
                                陈换过
                                姚智敏
                                卢夏沁
                
            
- 
                    机构
                    
                            浙江理工大学浙江省机电产品可靠性技术研究重点实验室
                            上海衡拓液压控制技术有限公司
                    
                
- 
                出处
                
                
                    《机电工程》
                    
                            CAS
                            北大核心
                    
                2024年第8期1342-1352,共11页
            
- 
                        基金
                        
                                    国家自然科学基金资助项目(51975535)。
                        
                    
- 
                    文摘
                        针对电静压伺服机构(EHA)服役时存在多种故障且难以诊断的问题,提出了一种考虑参数贡献度的符号键合图(SBG)故障诊断方法。首先,根据EHA工作原理与键合图理论构建了键合图模型,设定了系统参数数值及分布标准差,再利用键合图模型推导了其解析冗余式(ARR),并构建了故障特征矩阵,将键合图模型转换为符号键合图模型,根据符号键合图元件之间的因果关系和一致性路径,推理出了EHA可能故障集;然后,定义并计算了EHA系统参数贡献度,筛选出了高贡献度系统参数,对可能故障集中难以引起解析冗余式残差数据变化的低贡献度系统参数进行了剔除,缩小了可能的故障参数范围;最后,利用键合图仿真软件20-sim,通过改变EHA中Q轴电阻与电机磁通链的数值,进行了多故障仿真实验,对所提多故障诊断方法进行了验证。研究结果表明:当EHA发生多故障时,将剔除低贡献度系统参数的可能故障集同传感器数据、解析冗余式残差数据进行结合,能准确诊断出预置的两个高贡献度故障参数,相比于常规SBG故障诊断的可能故障集,能更准确地锁定EHA系统故障参数。
                        
                    
            
- 
                    关键词
                    
                            机电系统可靠性
                            电静压伺服机构
                            符号键合图
                            解析冗余式
                            可能故障集
                            多故障诊断
                            参数贡献度
                    
                
- 
                    Keywords
                    
                            electromechanical system reliability
                            electro hydrostatic actuator(EHA)
                            signed bond graph(SBG)
                            analytical redundancy relations(ARR)
                            possible fault set
                            multiple fault diagnosis
                            parameter contribution
                    
                
- 
                    分类号
                    
                            
                                
                                    TH137.5
[机械工程—机械制造及自动化]                                
                            
                            
                                
                                    V467
[航空宇航科学与技术—航空宇航制造工程]                                
                            
                    
                
- 
                
            
            - 
                题名对基于项目的协同过滤推荐系统的改进
                    被引量:12
            
- 2
- 
                
            
- 
                
                            作者
                                傅鹤岗
                                王竹伟
                
            
- 
                    机构
                    
                            重庆大学计算机学院
                    
                
- 
                出处
                
                
                    《重庆理工大学学报(自然科学)》
                    
                            CAS
                    
                2010年第9期69-74,共6页
            
- 
                    文摘
                        对基于项目的传统的协同过滤算法进行了改进。传统的基于项目的协同过滤算法面临推荐效率低下和推荐精度不高的双重困难,为此,提出加权整合聚类分类预测方法,在数据处理和预测推荐过程中分别采用加权评分填充和重新定义相似性的办法提高推荐的准确度,并采用项目聚类的方法提高推荐效率,同时提出贡献度参数的概念对数据处理和预测推荐过程进行修正。采用MovieLens的数据集进行的实验对比,结果表明:改进算法能够明显提高协同过滤推荐算法的效率和精度,在数据比较稀疏的情况下依然能够保持较低的平均绝对偏差和较高的推荐效率。
                        
                    
            
- 
                    关键词
                    
                            加权整合
                            分类预测
                            贡献度参数
                            平均绝对偏差
                            推荐效率
                    
                
- 
                    Keywords
                    
                            weighted integration
                             classification and prediction
                             contribution degree parameter
                             average absolute deviation
                             recommendation efficiency
                    
                
- 
                    分类号
                    
                            
                                
                                    TP311
[自动化与计算机技术—计算机软件与理论]                                
                            
                    
                
-