特征正交分解算法在船用电力电子防潮系统中的应用

本文考虑CFD在船用电力电子防潮系统计算CPU时间长和占用大量内存的缺陷,引入特征正交分解(POD)算法,使得原问题维数降低从而减少计算量和计算时间。然后分析POD降维原理,构造基函数并使用Galerkin投影,分析非定常的N-S方程基于POD的差分格式。最后将POD算法应用于船用电力电子防潮系统中并进行了仿真研究。结果表明:维数上降低了E3个数量级,降阶效果非常明显,并且数值模拟证明计算时间是全阶时间的0.93%,POD算法降维得到的POD-Galerkin计算结果和样本结果一致。     

基于奇异值分解和频散特征的圆柱壳自由振动研究

本文讨论矩阵奇异值分解技术在任意边界条件下圆柱壳自由振动中的应用。对于任意边界条件,圆柱壳的精确解过程会遇到求解8阶矩阵行列式的问题。本文采用奇异值分解技术,把行列式求解转换为奇异值求解,并且依据最小奇异值的零点获得圆柱壳的振动频率。本文结合圆柱壳的频散图,讨论了各种边界条件下自由振动频散-波数对在图中的对应点。数值算例表明,奇异值分解为任意边界下圆柱壳的自由振动提供一种新的方法。并对常用近似边界处理方法的精度进行探讨。     

基于FM-EEMD信号分解的站线变关系识别

针对目前配电网站线变的隶属关系动态变化的频次高、梳理复杂等问题,研究设计一种基于FM-EEMD信号分解的线变关系识别的方法。该方法利用载波信号在低压侧负载处及其他分支分流比小、本支路变压器中压侧分流比大的特点,通过在0.4kV侧注入一定频率的载波信号,检测中压侧载波信号的相关特性以识别线变关系。通过FM-EEMD方法对中压侧的信号进行经验模态分解,分解得到中压侧载波特定频率的载波信号,通过对该载波信号的分析完成站线变关系的识别。仿真表明该方法可以有效的提取载波信号。     

海上航行中的行程传感器电磁干扰信号抑制算法研究

保证船舶电子设备的正常运作是现代船舶业发展中的重要课题,船舶中传感器输出信号的精确度对于船舶安全行驶是至关重要的。本文利用小波降噪来抑制行程传感器电磁干扰信号,最后通过实验来获取小波分解层数,并且确定阈值函数。实验结果表明,经过小波去噪后,信号的误差非常小,系统的稳定性得以提高。     

结合EMD和功率谱熵的船舶轴频电场线谱提取

为实现强海洋背景噪声中的微弱船舶轴频电场信号检测,提出了一种结合经验模态分解(Empirical Mode Decomposition,EMD)和窄带子区间功率谱熵的线谱提取新算法。首先,利用EMD方法从含噪信号中分解出一组有效固有模态函数(Intrinsic Mode Functions,IMFs),对各有效IMF的功率谱进行子区间划分;其次,定义并计算各子区间的能量峰值熵比(Energy Peak Entropy Ratio,EPER)特征;最后,通过对轴频信号和环境噪声物理特征差异的分析,结合K-均值聚类方法进行特征量的筛选,实现线谱提取。海上实测数据的处理结果表明,相比于直接的功率谱分析,算法的线谱可提取下限降低了6.7 d B。     

准饱和土中单桩竖向荷载作用下的动力响应

根据Biot饱和多孔连续介质波动方程,基于Bardet对准饱和土的假设,提出了准饱和土二相介质波动方程;运用Helmholtz矢量分解和传递、透射矩阵法(TRM)推导出准饱和土中层状半空间受竖向荷载作用下的动力响应表达式;利用Muki虚拟桩法,在层状半空间建立了桩和准饱和土相互作用的第二类Fredholm积分方程,通过离散的数值积分方法求解积分方程,讨论了准饱和土中单桩竖向动力响应问题.算例分析表明,准饱和土中桩顶竖向阻抗随饱和度的减少而增大,与饱和土地基相比,明显偏大;桩侧孔压随饱和度的减小而增大,并沿着桩长迅速衰减;桩顶位移幅值在频率较小时变化明显,饱和度越小,位移峰值越大,当频率较大时,饱和度的变化对振幅的影响不大.     

基于AR-EMD方法的扩展非平稳船舶运动极短期预报AR模型

准确的极短期预报技术能够提高对船舶摇荡运动敏感的海洋特种作业安全性和效率。自回归（auto-regressive,AR）预报模型由于其自适应性强、计算效率高而被广泛应用于船舶运动的极短期预报研究。但该模型基于平稳随机假设,因而在非平稳船舶运动的极短期预报中存在困难。针对非平稳船舶运动极短期预报,文章提出一种基于AR-EMD方法的扩展AR模型,称为EMD-AR预报模型。其中,AR-EMD方法是指在经验模态分解（empirical mode decomposition,EMD）的过程中,采用AR预报的方法处理端点效应问题。 EMD-AR预报模型将非平稳信号分解成若干平稳的固有模态函数分量及余项,然后对各个分量分别用AR模型预报,得到最终的预报结果,以此克服非平稳性对AR预报模型的影响。研究基于船舶试验数据将EMD-AR模型与线性AR模型、非线性支持向量机回归（support vector regression,SVR）预报模型进行对比分析,结果表明,AR-EMD方法能够有效处理船舶运动非平稳性对AR预报模型的影响,提高该模型的预报精度,且EMD-AR模型预报性能较线性AR模型和非线性SVR模型更优。     

基于 EM D桘BPN 方法的高速铁路短期客流预测

高速铁路短期客流预测是铁路运输系统的重要组成部分。无论是对列车开行方案的制定,还是对如何采取正确的营销策略,都具有重大的现实意义。通过混合经验模态分解方法和神经网络方法相结合的EMD-BPN方法来预测高速铁路短期客流量。组合方法主要分为三步：首先,使用经验模态分解方法将客流时间序列分解;其次,将IM Fs作为BP神经网络的输入;最后,应用神经网络对客流量做出预测。数值实例表明,该方法对于高速铁路短期客流预测在精度和稳定性上都有良好的表现。     

EEMD和SVM在发动机故障诊断中的应用

针对发动机缸盖振动信号的非线性非平稳特征,提出一种总体平均经验模态分解(EEMD)和支持向量机相结合的信号分析及故障诊断方法,该方法利用EEMD算法以及IMF序列和原始振动信号之间的相关系数,有效放大故障诊断特征向量的差异。对原始振动信号进行EEMD分解,得到各阶特征模态函数(IMF),求各阶IMF分量对应于原始信号的相关系数并组成故障分类特征向量。分别将IMF相关系数法和IMF能量分布法得到的特征向量作为输入,建立BP神经网络和支持向量机,判断发动机工作状态和故障类型。分析表明,对IMF求相关系数的方法简便易行,能有效放大不同工况下特征向量的差异,结合支持向量机能够对既定机型的配气机构和点火系常见故障进行准确识别。     

公司部署安全生产标准化考评工作

为全面实施公司安全生产标准化建设，提高安全工作管理水平，使公司的安全生产标准化考评达标，7月14日，公司组织召开安全生产标准化考评工作会议，专题部署准备工作，使考评工作稳步推进，公司领导及各单位各部门负责人参加。 副总经理贾长平在会上对考评达标工作实施方案进行了详细解读，并对涉及到的各单位、部门的任务分解作了说明。