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。

针对复杂地图环境下的机器人路径规划问题提出一种聚类融合交叉粒子群算法,以避免传统粒子群算法(Particle Swarm Optimization,PSO)容易陷入早熟且搜索精度差的问题。首先,根据粒子的适应度值对粒子进行k均值聚类,使较多的良性群体极值位置得到保存,从而增强粒子的探索能力;其次,用交叉、变异算子增加粒子多样性,避免在迭代前期粒子陷入早熟导致算法停滞;然后,采用自适应粒子群参数设置,减少粒子走入局部最优概率。最后,对比不同复杂度的地图算例结果发现,改进后的算法最终在安全避开障碍物的同时,具有搜索精度高、稳定性好且路径更优的效果,在路径规划上具有一定的实用价值。

针对传统电子商务用户行为聚类分析方法存在的缺陷,提出了基于组合优化理论的电子商务用户行为聚类分析方法。首先分析了K-means聚类算法计算量大、获取最优解时间长的原因,然后将复合形法的K-means聚类算法和遗传算法进行组合,实现电子商务用户行为聚类分析,最后进行了电子商务用户行为聚类分析的仿真实验。结果表明,所提方法的电子商务用户行为聚类精度值达到94.95%,可以有效提升电子商务平台经济效益,具有较高的推广价值。

对随机时间序列的特征提取与聚类分析,提出了基于分类距离标准的小波包基能量方法.该方法应用小波包变换提取信号各子空间的能量,以能量分类距离标准选取最佳小波包基,最佳小波包基上距离系数大的能量作为特征值.实验结果表明此方法比固定尺度小波包能量法有着更好的分类效果,并且特征值维数低.

针对目前液压支架电液控系统压力数据量大,干扰信息多从而造成仅仅依靠人工分析难以完成数据提取与动态分析的情况,设计了一种能够对支架压力数据自动提取循环周期、预测以及来压区域划分的方法。首先针对液压支架的工作特点,设计规则,提取正常工作状态下的压力数据作为循环数据,随后通过聚类的方法,结合每个支架压力数据划分出显著来压区域,最后采用LSTM算法对循环压力数据进行预测分析。通过实践证实了该方法的可行性,为矿山压力规律研究及安全开采提供思路。

3-RRR柔顺并联微动平台多响应优化设计中存在各种因子影响和交互影响的情况,导致柔度不稳定。为解决此难题,将聚类分析法和响应曲面法相结合,提出一种优化该机构柔度稳健性的新的设计方法。通过建立微动平台多方向的铰链柔度运动模型,进行试验设计和聚类分析;引入响应曲面法构建响应曲面模型并且利用粒子群算法寻优求解;通过信噪比指标评判结果,得到满足约束条件的稳健优化设计方案。实例表明:引入的聚类分析方法可以为柔性铰链多目标稳健优化设计提供一种新的解决方法且效果良好。

工装模块划分是航空产品工装模块化设计的关键环节。为提高航空产品工装模块划分的准确性,提出基于分层设计结构矩阵的航空产品工装模块划分方法。基于航空产品工装结构图建立分层设计结构矩阵,通过遍历构建全局设计结构矩阵,并运用聚类分析法得到工装模块划分的初始解,之后应用联系成本计算方法对划分结果进行评价,获得最优的模块划分方案。以某型号航空散热器焊接总装夹具为例,验证了该设计方法的有效性和可行性。

针对振动传感器数小于本底振源数的源数估计问题,提出一种基于经验模态分解的虚拟通道扩展方法。通过经验模态分解得到的固有模态函数构建振动信号观测矩阵,以扩充振动传感器观测通道数量。针对奇异值分解特征矩阵中噪声和数据观测误差以及不确定性导致的源数估计不准确问题,提出一种基于类内散度与类间距离比值优化的聚类分析方法。通过对奇异值分解后特征值矩阵中对角线特征值的聚类分析,获得盲源数估计结果。结果表明:与传统方法相比较,所提方法可准确实现振动信号盲源数估计。

针对大容量耦合设计任务采用串行执行方式会导致设计项目开发周期冗长、规划方案数量庞大这一问题,通过对聚类分析对象的特点与耦合设计任务的特点进行分析比较,阐述了聚类分析用于缩短耦合任务执行周期和减少其规划方案数量的可行性,进而提出了一种基于聚类分析的大容量耦合设计任务规划的新方法,以获得耦合设计任务的最佳执行顺序及最短执行时间。以某机械手的研发过程为例,验证了该方法的有效性。

为准确进行滚动轴承的故障诊断,结合局部特征尺度分解（LCD）和最小熵解卷积（MED）给出了一种新的故障诊断方法。首先,对轴承振动信号进行局部特征尺度分解,得到若干个内禀尺度分量;然后,依据互相关系数指标,采用聚类分析方法自动选取有用分量并叠加作为重构信号;最后,应用最小熵解卷积将重构信号降噪,并应用包络分析技术进行故障诊断。通过轴承内、外圈故障振动数据的分析表明：经LCD-MED处理后,振动信号的峭度值得到了较大提高,故障特征频率更加突出,基于LCD-MED的方法在轴承故障诊断中有效且合理。