基于主成分分析的振动噪声源耦合信息判别

主成分是通过把原来多个变量转化为少数几个互不相关的主成分的一种统计方法,最终达到数据化简、揭示变量间的关系和进行数据解释的目的.通过实船航行试验,证明了主成分分析可以在信息损失较少的前提下提取振动噪声源之间存在的耦合信息.     

基于主成分分析法的船舶交通事故研究

为了研究船舶各类交通事故之间的相互关系,运用主成分分析法对1986年~2006年的长江流域船舶交通事故数据进行分析,根据累计贡献率选取了船舶事故类型的四个重要主成分反映原始变量的90.12%的信息,并进一步通过计算主成分的载荷矩阵来分析船舶事故的主要类型以及各类事故之间的联系,得出在该流域船舶发生碰撞和搁浅的事故次数较多,对船舶交通事故的预防有很好的指导作用。     

基于主成分分析的ACA-BEM水下声辐射快速预报研究

将基于低秩矩阵理论的自适应交叉近似(ACA)技术应用于声学边界元法,提高声场预报的计算速度。首先采用主成分分析方法对边界元网格进行分割。根据Helmholtz积分核的退化特性,利用自适应交叉近似算法对边界元矩阵中具有低秩特性的子块进行压缩,将边界元矩阵的存储空间由O(N2)降低为O(Nlg N)。采用GMRES算法求解边界元方程,实现了ACA-BEM方法对水下结构声辐射的快速预报。数值仿真的结果表明,在不影响计算精度的同时,采用主成分分析法分割边界元网格可以有效的降低边界元矩阵的压缩率,在降低矩阵存储空间的同时也提高了边界元方程的求解效率,能够有效、快速的对水下结构声辐射进行预报,具有一定的工程应用价值。     

基于多目标粒子群优化和主成分聚类分析的船舶主尺度分析

根据多个技术和经济指标进行船舶主尺度优化论证是船舶设计人员需要着重解决的问题。提出结合粒子群优化和主成分聚类两阶段的方法进行船舶主尺度论证分析。建立了以载重量、建造费用、服务航速和提供舱容为设计指标的水面船主尺度论证模型。采用多目标粒子群优化算法对船舶优化模型进行求解,获得问题的Pareto解集。使用主成分聚类分析对该数据集进行综合评价。先将Pareto解集进行主成分分析,使用前2个主成分就能够表达原始数据的绝大部分信息,再通过对主成分进行聚类,获得不同类别中Pareto解集的特征,根据第一主成分得分获得每个聚类中设计样本的排序,最终可以从Pareto解集中得到折中解。利用主成分分析和聚类技术还研究了变量在主平面上的映射以及聚类特性。给出了1艘水面船的主尺度论证算例,表明本文给出的方法合理可行。     

基于PCA-BP神经网络在船用柴油机热工故障诊断中的应用研究

利用AVL-BOOST对柴油机的热工故障进行仿真计算,首先通过主成分分析法对柴油机的热工故障进行分析,选取能够反映原始变量99.589%信息的3个主成分作为BP神经网络的输入,将柴油机的故障模式作为输出,构建一个3层的神经网络预测模型。结果表明,PCA-BP神经网络模型能够很好的对柴油机的故障模式做出诊断。     

基于KPCA方法的内河干散货运输船型论证

最佳船型方案选择是一个复杂的多变量、多目标的系统优化工程。核主成分分析方法是目前一种常用的综合评价方法,具有优秀的主元提取性能,尤其适合于处理非线性问题,其应用前景十分广泛。研究采用核主成分分析方法进行内河干散货运输船型方案优化,举实例证明该方法的有效性和实用性。     

主成分分析在柴油机运转状况描述中的应用

主成分分析是多元数据统计分析方法的一种，文中将主成分分析方法原理，应用于柴油机工作状态的描述指标体系，经过矩阵变换、降低数据维数，以提取柴油机运转状况信息的主要特征。通过对6．135ZC柴油机台架试验数据的分析处理说明，在有用信息量损失较小的前提下，该方法可以提炼运转状态信息，是一种解决高维复杂系统状态描述问题的简便有效的统计方法。     

船舶动力装置冷凝器故障特征提取方法研究

详细介绍了一种特征提取方法-主成分分析方法,运用该方法,经过矩阵变换、降低维数以提取故障信息的主要特征,实现了对船舶动力装置冷凝器的故障特征提取,为船舶动力装置冷凝器故障诊断及故障预报问题提供了一种有效可行的数据预处理方式.     

基于主成分分析的房地产指标研究

从量化的角度分析了房地产价格的变化以及各地的价格影响因素。对收集到的全国31个省、市的房地产指标数据用主成分分析法分析,得出影响房地产价格的综合指标,并将各地的房地产价格做出排序。本文还将主成分分析用于系统评估且对分析方法进行改进。     

“双碳”背景下的船舶主机能效数据分析

在“双碳”背景下,为探究船舶航行中各因素对船舶主机能效的影响,文章利用SPSS软件对主机能效、航行环境、航行姿态等初始数据进行清理分析。采用主成分分析法,根据总变量主成分解释和碎石图提取3个主成分反映原变量信息。再通过系统聚类利用离差平方和（Ward）法对目标船能效数据进行聚类,得到各参数的聚类数,用K均值（K-means）聚类法进行聚类得到船舶航行中各参数的聚类中心,对轴功率、转速及油耗进行Epanechnikov拟合,得到相互关系曲线。该方法对船舶主机能效数据挖掘具有普遍适用性,可为智能能效管理和评估提供辅助决策。