首页期刊导航|机械与电子
期刊信息/Journal information
机械与电子
中国机械工业联合会科技工作部 机械与电子杂志社
机械与电子

中国机械工业联合会科技工作部 机械与电子杂志社

傅建平

月刊

1001-2257

jxydzb@public.gz.cn；jxydz@vip.sina.com

0851-5943566

550003

贵阳市延安西路242号

机械与电子/Journal Machinery & ElectronicsCSTPCD
查看更多>>本刊是全国性宣传报道机电一体化技术、工业控制、工业自动化的专业技术性科技期刊。在政策上具有指导性，在技术上具有引导性和实用性，在经验上具有示范性。适合机电行业科技人员、管理人员，大专院校师生及其他从事机电一体化、工业控制、工业自动化等人员阅读。
正式出版
收录年代

    FFDEZOA优化的SCARA机器人故障数据聚类分析

    苑浩德付庄金惠良
    69-75页
    查看更多>>摘要：针对现有聚类方法对机器人故障数据聚类时对初始点选取依赖性大、收敛速度慢且精度低等问题,提出了一种FFDEZOA算法来对KMC聚类算法进行优化.ZOA算法具有寻优能力较强,收敛速度快,且在聚类时对初始点选取依赖性小,但其有几率会陷入到局部最优解.首先针对ZOA算法的缺点,提出了自由觅食策略、非线性收敛因子及斑马进化策略等来对其进行改进,能够有效提高算法搜索范围,从而避免局部最优;进而结合FFDEZOA和KMC算法的互补迭代,既加快了算法的搜索速度,也提升了精度.在多个公开数据集上的实验表明,FFDEZOA-KMC在精确度和归一化互信息的指标上均优于ZOA-KMC、AO-KMC、KMC和MFO-KMC,具有更好的收敛性能和聚类效果.最后依据各故障特征的主成分不同,利用FFDEZOA-KMC对故障数据进行了聚类,可在多种工况下对机器人进行针对性的保养和维护.

    k-means聚类算法斑马算法SCARA机器人差分进化

      原文链接:
    • 万方数据
    • 维普

    基于粒子群卷积算法的转杆机械损伤预测研究

    徐立元春波徐敏邵坚铭...
    76-80页
    查看更多>>摘要：针对通用旋转机械中转杆在实际使用过程中的机械损伤现象,传统的预测方法依赖于经验公式和简单的统计模型,难以准确捕捉转杆在实际工作环境下复杂的应力状态和损伤演化过程,进而这些方法在预测精度上存在局限性,难以实现早期损伤预警和寿命预测.因此,结合卷积神经网络和粒子群算法,提出一种基于粒子群卷积算法下转杆的机械损伤预测.通过与实际的机械损伤对比,可实现机械损伤预测避免网络陷入局部最优,提高了计算效率和预测准确性,满足实际工程中杆机械损伤预测的需求.

    粒子群卷积算法转杆机械损伤预测

      原文链接:
    • 万方数据
    • 维普