基于投影变换的水下平台航行误差散布域构建方法

为提高机动平台水下活动时的生存概率,以平台及目标运动的向量误差构建相对误差散布域。分析目标散布要素和平台散布要素,以目标位置为中心点建立相对位置散布图,研究各向量误差的作用机理;以水下平台航向作为基准轴,依据时变的向量误差推导出合成误差椭圆要素;由平台和目标的初始态势及纯方位解要素的均方误差作为初始条件,仿真得到不确定位置散布域,以此作为水下平台规避威胁目标的依据。     

政府投资工程招投标纵向合谋倾向度测算模型研究

政府投资工程项目招投标纵向合谋行为时有发生,招投标纵向合谋行为会导致工程质量下降以及各种负面影响,同时合谋行为的发生较为隐蔽不易识别。因此,需要采用一种有效、快速的方法对招投标纵向合谋行为倾向度进行测算,从而发现招投标纵向合谋行为,为政府投资工程项目招投标市场提供一个健康的环境。首先确定政府投资工程项目招投标纵向合谋倾向度测算模型的指标体系并确定权重,其次利用灰色关联分析和聚类分析设定招投标纵向合谋倾向等级及阈值,最后建立招投标纵向合谋倾向度测算模型,对政府投资工程项目招投标纵向合谋倾向度进行测算。该模型采用粒子群算法对支持向量机进行优化改进,借助粒子群优化的支持向量机构建了政府投资工程项目招投标纵向合谋倾向度测算模型,并对该模型进行训练和测试。经检验,这种方法判断招投标合谋倾向度准确率达到80%以上,倾向等级的准确率达到90%以上,具有较高的准确率。该测算模型的应用有利于政府投资工程招投标纵向合谋的发现,为招投标纵向合谋的防范和治理提供了新的思路和方法,对政府投资工程招投标纵向合谋测算领域有所创新,对减少招投标合谋行为具有极其重要的意义。     

支持向量机的舰船图像识别与分类技术

研究支持向量机的舰船图像识别与分类技术,有效提取图像特征,提升舰船图像识别与分类效果。通过图像灰度化处理彩色舰船图像,获取灰度舰船图像;利用Gamma校正处理灰度舰船图像亮度,获取亮度适中的灰度舰船图像;利用方向梯度直方图特征提取方法,提取灰度舰船图像特征;通过局部线性嵌入算法降维处理图像特征,缩减图像识别与分类计算量;在支持向量机内输入降维后图像特征,输出舰船图像识别与分类结果。实验结果表明：该技术可有效灰度化与Gamma校正处理原始舰船图像,降低光照变化与局部阴影对特征提取的影响;该技术可有效提取船舶图像特征;在舰船图像模糊程度不同时,该技术均可精准识别与分类舰船图像,最高识别与分类误差仅有0.04。     

船舶脉冲负载柴油发电机运行可靠性研究

船舶航行的安全性和稳定性主要取决于船舶柴油发电机的运行可靠性。为了提高船舶在运行过程中的安全性,需要研究并分析柴油发电机的可靠性。为此,提出船舶脉冲负载柴油发电机运行可靠性研究方法,通过建立船舶脉冲负载柴油发电机的数学模型,获得柴油发电机的运行状态。以此为依据选取船舶脉冲负载柴油发电机运行的可靠性指标,通过核主成分分析方法结合上述可靠性指标建立发电机的状态子空间,提取发电机正常和当前状态下的状态子空间基矢量构成的主夹角,结合映射函数获得船舶脉冲负载柴油发电机的运行可靠性。实验结果表明,所提方法的状态检测精度和可靠性分析精度较高。     

船舶模拟驾驶系统障碍物自动识别方法

本文研究船舶模拟驾驶系统障碍物自动识别方法,满足船舶模拟驾驶系统在未知环境下的避障需求。船舶模拟驾驶系统的电子导航雷达单元,利用激光雷达传感器采集船舶环境信息的激光点云数据;控制中心依据所采集激光点云数据,通过自适应距离阈值聚类法聚类激光点云数据,提取障碍物特征向量。将提取障碍物特征向量作为支持向量机的输入,利用粒子群优化算法确定支持向量机的最优核参数,利用设置最优核参数的支持向量机,输出船舶模拟驾驶系统障碍物自动识别结果。实验结果表明,船舶模拟驾驶系统采用该方法,自动识别模拟驾驶时的静态障碍物以及动态障碍物,满足船舶安全航行需求。     

V型压缩机力学性能研究

压缩机的力学平衡性能是影响压缩机使用性能的重要因素之一。文章针对目前广泛使用的60°和90°气缸夹角的V型压缩机分别提出了力学平衡方法,并给出了平衡重的重径积设计方法。采用这种方法,可在机组内部消除不平衡力,减小机组的振动。     

基于灰色GM(1,1)残差修正模型的动车组故障率预测

以某分析类别动车组百万公里故障数据为基础,研究建立了基于灰色GM(1,1)残差修正模型的动车组百万公里故障率预测模型.在优化模型中背景值的基础上,对残差进行修正,用t-3,t-2,t-1时刻的残差构造输入数据,t时刻的残差作为输出数据,用支持向量回归机对残差进行拟合,采用等维信息灰色GM(1,1)模型对建模数据进行更新...     

基于GA-LSSVR模型的路网短时交通流预测研究

目前,很多短时交通流预测方法仅利用某一路段历史数据的时间相关性或者道路上下游路段的时空相关性进行交通流预测,未充分考虑路网所有路段之间的时空相关性.提出了一种基于稀疏混合遗传算法优化的最小二乘支持向量回归(LSSVR)模型,并应用于路网短时交通流预测.该预测模型不仅可以自动优化LSSVR模型参数,而且可以从高维路网交通流数据中选择有助于交通流预测的变量子集.实验结果表明,与LSSVR模型相比,所提方法具有更好的预测能力;而且,少量时空变量被选择出来构建预测模型,极大减少了信息冗余,改进了模型可解释性.     

基于CNN-SVR混合深度学习模型的短时交通流预测

精准且快速的短时交通流预测是智能交通发展的重要组成部分.本文针对当前交通流预测模型不能充分提取交通流数据的时空特征、预测性能容易受到外界干扰因素影响的问题,提出一种基于深度学习的短时交通流预测模型,该模型结合卷积神经网络(Convolutional Neural Network,CNN)与支持向量回归分类器(Support Vector Regression,SVR)的特点:在网络底层应用CNN进行交通流特征提取,并将提取结果输入到SVR回归模型中进行流量预测.为验证模型的有效性,取G103国道的实际交通流量数据进行试验.结果表明,提出的预测模型与传统的预测模型相比具有更高的预测精度,预测性能提高了11%,是一种有效的交通流预测模型.     

基于模态声传递向量的分动器箱体NVH特性分析

以四驱汽车轴间分动器箱体为研究对象,获得分动器箱体的噪声、振动与声振粗糙度(Noise、Vibration、Harshness,NVH)特性。建立分动器箱体有限元模型,将分动器箱体有限元仿真模态与试验模态结果进行对比分析;基于Adams构建分动器齿轮传动系统动力学模型,提取分动器工作时轴承处的加速度响应作为激励信号,获得分动器箱体的强迫振动响应特性;采用模态声传递向量(modal accoustic transfer vector,MATV)计算得到分动器箱体结构辐射声场,得到对辐射噪声峰值频率影响较大的模态,对分动器箱体铺设阻尼层。优化前后结果对比显示:对分动器箱体优化后,有效降低了分动器箱体峰值频率处的声压幅值,取得了较好的降噪效果。