大跨悬索桥MTMD抖振控制的参数优化

针对悬索桥抖振控制问题,建立有限元模型,应用神经网络和遗传算法对多重调频质量阻尼器(MTMD)进行双参数优化。以某大跨悬索桥为例,利用神经网络改进的谐波合成模拟方法(RBF-WAWS法)对脉动风速进行模拟,并换算成抖振力作用主梁上,通过时程分析及后处理获取主跨跨中横桥向响应值。将响应值的均方差作为优化目标函数,以MTMD总质量、个数及阻尼比作为优化变量和约束条件,采用神经网络拟合目标函数并应用改进的自适应遗传算法进行寻优。结果表明,优化后的MTMD能有效控制悬索桥在脉动风作用下的抖振响应,减振率达48%。提出的理论与计算方法对悬索桥中MTMD的设置及参数选取具有实际工程意义。     

基于偏最小二乘回归的疏浚产量预测方法

针对绞吸式挖泥船产量预测困难的问题,对挖泥船作业实时反馈的数据进行研究。利用Relief权重算法提取出影响挖泥船产量的主要工艺参量,并在此基础上采用偏最小二乘回归,建立主要工艺参量与产量之间的数学模型,实现对挖泥船产量的预测。结果表明,利用偏最小二乘回归建立的数学模型能够很好地对挖泥船的产量进行预测,可为预测挖泥船的产量提供一种有效的方法。     

大型车辆侧翻预测和控制技术研究进展

大型车辆引起的重特大侧翻事故频发会造成严重的人员伤亡和财产损失,因此,提高中国大型车辆防侧翻技术水平显得尤为重要.通过阐述国内外在车辆侧翻预警和稳定性控制方面开展的研究现状,详细描述基于静态门限值法和动态门限值法的侧翻预警技术研究进展,分析车辆半主动、主动转向控制、主动悬架控制、差动控制、电子稳定控制、联合控制等防侧翻控制技术发展现状,指出当前车辆侧倾预警领域主要研究方向在于提高侧翻指标的预测精度和响应实时性,特别是综合考虑道路环境因素对侧翻指标的影响.侧翻控制已逐步从半主动阶段提升到主动控制,控制方法更趋智能化、精确化.人-车-路-环境耦合作用、复杂非线性条件下的车辆侧翻预测模型,以及混沌条件下的优化控制将会是未来重点研究方向.      

基于概率神经网络的通用航空器冲突探测方法

针对当前冲突探测技术难以同时实现精准识别与实时识别的问题,研究基于概率神经网络(PNN)的通用航空器冲突探测方法.将冲突探测视为模式识别问题,通过冲突模型分析,提出了航空器"冲突角"概念,改进了现有冲突识别方法采用的关键特征指标,将原有的4个关键特征指标提炼为3个指标,分别为航空器相对距离、相对速度以及冲突角,以此构造概率神经网络,训练形成神经网络分类器.结果表明,基于3关键特征的概率PNN冲突分类器分类误警率和漏警率保持在1%左右,在冲突误警率上优于基于4特征的SVM冲突分类器的6%,提高了航空器冲突探测的准确度;分类所耗时间始终保持在1.2 s左右,远低于Monte Carlo仿真方法的同时,较4特征分类器也降低了0.2 s左右,提高了冲突识别效率.      

面向人机协同共驾的驾驶行为短时预测方法研究

通过实时感知交通场景下的汽车相对运动状态和行车安全信息,对驾驶人的操纵行为进行短时预测,进而为人机协同驾驶中主权切换的模式与方法提供依据.基于线性最优二次型方法建立了典型驾驶意图下的驾驶操纵序贯链优化目标函数,通过求解目标函数得到驾驶人操纵行为对车辆运动状态的改变量,并结合运动学CA模型提出了驾驶操纵行为短时预测模型.运用统计检验分析实车试验和所提出的模型得到的仿真试验驾驶输入之间的差异程度.实车实验的统计检验结果表明,不同驾驶工况下的驾驶输入差值的配对样本T检验的T统计量分别为1.96,0.1,1.36,均小于其T临界检验值.所提出的模型能较好的模拟实际驾驶操纵行为特征,并能对驾驶人操纵行为进行准确的短时预测.      

基于桥梁挠度长期监测值的动态预测

文章针对重庆高家花园嘉陵江大桥实时健康监测系统的挠度长期监测数据,根据监测信息的时间序列呈季节、循环等非平稳状态特点,介绍采用ARMA时间序列预测模型,对挠度监测数据中所包含的外荷载的变化趋势及结构抗力的衰变信息进行动态预测,同时建立了结构外效应的预测函数。结果表明,采用低阶模型能对挠度监测值进行较好的动态预测。     

一种基于独立成分分析和径向基神经网络的人脸识别新方法

提出了一种新的基于独立成分分析和径向基神经网络的人脸识别方法。独立成分分析可以从高阶上消除特征数据的相关性,改进了主成分分析方法只能从2阶上消除数据相关性的弱点;最终特征数据的分类由RBF神经网络来实现。在人脸数据库上的实验结果表明该新方法的识别性能较其他方法有了很大提高。     

信息化时代武器装备电磁兼容技术发展趋势

在C4ISR系统EMC和防护,EMC“预测分析法”设计与控制,电磁环境效应(E3)验证与评估及防护技术,频谱管理,以及EMC新技术、新材料、新器件开发应用等五个方面论述当前EMC技术的发展趋势。     

基于相空间重构的水资源时间序列混沌预测模型研究

针对水资源时间序列非线性预测难题,建立了基于相空间重构的混沌预测模型。通过将原始时间序列非线性映射到一个高维特征空间中进行相空间重构,获得输入向量和期望输出向量,选择统计学习理论中的SVM模型进行预测,经实证分析,文中模型比ANN模型和AR模型具有拟合效果好,预测精度高,泛化能力强等优点。     

人工智能技术在船舶动力装置故障诊断中的应用

传统的动力装置故障诊断方法需要大量的故障数据样本,导致诊断效率和实时性差,无法满足现代船舶航行的需求。针对上述问题,提出人工智能技术在船舶动力装置故障诊断中的应用。使用小波包分析技术对传感器采集的信号进行去噪、分解重构以及能量谱特征提取处理后,构建船舶动力装置故障集。使用D-S理论对BP神经网络输出的诊断结果进行数据融合和置信度判断,得到可靠的诊断结果完成故障诊断。对比实验数据显示,利用人工智能的方法诊断精度较高,并且诊断响应效率高,具有良好的泛化能力。