基于Adaptive Lasso与RF的航班运行风险预测改进研究

为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法（Adaptive Lasso）进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明：Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效.     

工程弃渣型坡面泥石流形成过程试验

从试验模型、试验材料、试验装置及测试内容等方面制定了工程弃渣型坡面泥石流试验方案,拟定了模型试验过程,降雨历时16-18 h,其中0～13h属于前期降雨阶段,降雨强度控制在6.8 mm/( 10 min),分4次完成,每次降1h,停2h;13h以后属于短历时强降雨阶段,降雨强度控制在16.7 mm/(10 min);分...     

基于PEM中性点移位载波调制可重构控制仿真研究

电力电子变换装置的重要发展方向是高电压大容量,多电平变换装置以电力电子模块(PEM)为基本单元,是实现高电压大容量的重要途径,可靠性是衡量模块化多电平变换装置优劣的重要性能指标。该文以电力电子模块多电平变换装置的可重构控制途径为基础,分析出了中性点移位加故障模块旁路重构法,计算出了多种故障状态下的中性点移位参数,提出了两种中性点移位载波调制(CPSPWM、SFO-CPSPWM)电力电子模块可重构控制策略,并进行了两种控制策略的对比仿真。仿真结果验证了两种载波调制可重构控制策略的有效性及正确性。     

荧光磁粉探伤自动检测及图像处理系统研究

荧光磁粉检测中操作人员的安全保护、检测效率、检测结果的保存、复验等一直以来都是磁粉检测的技术瓶颈。研究一种自动磁粉探伤图像采集处理系统,能够对缺陷图像进行采集、预处理和缺陷标注,利用该系统可以有效减轻工人的劳动强度,提高检测结果的可靠性,保证缺陷记录和处理的可追溯性。     

通过三峡升船机的船舶排水量校验技术

受三峡升船机船厢结构强度的限制以及防止船舶发生触底,通过升船机的船舶排水量不能超过3 000 t,但目前行业内暂无相应的船舶排水量快速校验方法。通过分析不同类型船舶三维尺度与排水量的对应关系,以船舶方形系数为关键点,得出快速计算船舶总排水量的经验公式,并通过实例验证,从而提出校验三峡过坝船舶排水量的校验方法。结果表明,船舶排水量计算经验公式精度符合要求,提出的校验方法快速、准确。     

基于改进蚁群算法的物流配送路径优化问题研究

物流配送在国民经济中发挥着越来越重要的作用,先进的物流配送系统是企业增强竞争力的重要手段.而进行物流配送系统的优化,主要就是配送路径的选择.虽然蚁群算法已广泛应用于解决路径优化问题,但此算法所固有的收敛速度缺陷一直制约着物流系统配送路径优化问题的解决.本文在系统分析蚁群算法的基础上,结合遗传算法,提出了一种新型的改进蚁群算法,并通过算例对改进蚁群算法的有效性进行了验证.     

考虑前序路段状态的公交到站时间双层BPNN 预测模型

为提高公交到站时间预测精度,提出基于双层BPNN与前序路段状态的综合预测模型. 基于静态变量及顶层BPNN模型预测车辆到达每个站点的初始行程时间,利用K-means 聚类及马尔科夫链模型基于前序路段状态预测目标路段行驶时间;将上述两个模型的预测值及上一班次车辆的行程时间作为输入变量,基于底层BPNN模型预测车辆在目标路段的行程时间,进而动态调整车辆到达每个站点的时间. 以上海市791 路公交车早晚高峰各路段的行程时间为例进行模型测试,并与其他4 种模型进行比较. 结果表明,所提模型具有较高的预测精度,尤其在雨天,比传统BPNN模型预测精度提高57.25%.     

基于轻量级卷积神经网络的烟雾识别算法

由于烟雾图像场景模糊不清,背景复杂多变,难以捕获到有效特征,导致算法识别误报率和漏报率较高;此外,深度卷积神经网络结构复杂,参数繁多,难以缩短其计算时间至1 ms内,这成为实时火灾预警的一大难题. 为了解决上述问题,提出了一种基于4种Inception结构的轻量级卷积神经网络SInception （sequeeze-and-excitation inception）在此基础上加入SE Block （sequeeze-and-excitation block）用于对烟雾特征进行重新分配;同时,为了避免由于训练样本不足引起的过拟合,原始数据集上采用数据增强技术以及生成对抗网络生成更多训练样本,并在后续实验中采用了融合暗通道先验特征的策略. 实验结果表明:该网络在增强的数据集GAN-Aug-YUAN上将识别误报率降为0的同时将准确率提升至99.65%,且计算时间减少到0.26 ms.      

Approximate method for reliability assessment of complex phased mission systems

Phased-mission systems (PMSs) have wide applications in engineering practices, such as manmade satellites. Certain critical parts in the system, such as cold standby, hot standby and functional standby, are designed in redundancy architecture to achieve high reliability performance. State-space models such as Markov process have been used extensively in previous studies for reliability evaluation of PMSs with dynamic behaviors. The most popular way to deal with the dynamic behaviors is Markov process, but it is well known that Markov process is limited to exponential distribution. In practice, however, the lifetime of most machinery products can follow non-exponential distributions like the Weibull distribution which cannot be handled by the Markov process. In order to solve this kind of problem, we present a semi-Markov model combined with an approximation algorithm to analyze PMS reliability subjected to non-exponential failures. Furthermore, the accuracy of the approximation algorithm is investigated by comparing to an accurate solution, and a typical PMS (attitude and orbit control system) is analyzed to demonstrate the implementation of the method.     

基于功能损伤的复杂电磁环境下炮兵目标毁伤评估

为适应复杂电磁环境,提高炮兵指挥员“科学决策,量敌用兵”的水平,依据目标在复杂电磁环境下的特点,综合利用了指数法和D-S理论等方法,分别对典型目标、电磁敏感目标和系统目标进行了功能损伤性毁伤评估。