基于SVM的船体外板冷弯回弹预测模型研究

研究方形压头非对压成形装置成形原理的基础上,分析准确预测回弹对板材数控冷弯成形的意义。针对预测样本较少的情况,采用支持向量机技术进行回弹预测分析,并对模型中的核函数及其损失函数参数ε和惩罚因子C进行分析研究,建立板厚与回弹量的预测模型,并将其预测结果与试验结果及采用BP神经网络预测结果进行比较验证其准确性,为船体外板数控成形加工解决回弹问题提出新的思路。     

一种多工况的滚动轴承损伤状态识别方法

针对多工况条件下的滚动轴承损伤状态识别问题,本文提出基于CEEMD能量熵和阶次跟踪的损伤识别方法。将振动信号经CEEMD分解为系列的IMF分量,选取其中包含滚动轴承特征频率的IMF分量,运用改进的希尔伯特变换求得IMF分量的边际谱,并利用阶次跟踪方法消除不同转速对损伤状态的影响,同时采用能量熵加强对各损伤状态的识别能力。最后使用特征阶次幅值和能量熵构建诊断特征向量,采用遗传算法优化的支持向量机对损伤状态进行识别。试验结果表明,基于能量熵和阶次跟踪的损伤识别方法精度较高,是一种有前途并且非常有效的多工况损伤状态识别方法。     

基于壳向量的边界邻近支持向量机

对边界邻近支持向量机进行改进,即在壳向量集上进行边界邻近样本的搜索,给出了基于壳向量的边界邻近支持向量机。实验结果证明:基于壳向量的边界邻近支持向量机比边界邻近支持向量机具有更快的训练速度。     

城市道路交通量短时预测的GSVMR模型

在分析现有城市道路交通量短时预测方法缺陷的基础上,针对目前广泛采用的基于经验风险最小化的BP网络易于陷入局部最优解等缺点,结合遗传算法容易寻找全局最优解与支持向量机回归法具有结构风险最小化的特点,提出了将两种算法相结合的GSVMR预测模型,该模型同时具有结构风险最小和容易寻找最优解的双重特性,并对某城市四车道主干道路8：00,8：45的交通量进行了预测,结果表明用该模型进行城市道路交通量短时预测所得结果误差较小,依此验证了用GSVMR模型进行城市道路交通量短时预测的有效性。     

基于支持向量机的钢筋混凝土桥梁损伤识别

为了克服现有方法存在的一些不足,提出基于小波包和支持向量机的混凝土桥梁损伤识别方法。采用小波包对环境振动下的信号进行分解,获得各个频带上的能量,该向量对损伤敏感,可以作为模型识别的输入向量。利用支持向量机强大的分类功能,提出根据频带能量建立支持向量机并进行损伤模式识别的方法。应用该方法对一座三跨连续梁桥进行了损伤识别分析。结果表明经过训练的支持向量机可以较准确地识别出损伤位置和程度。对小波频带能量进行主成分分析后建立的支持向量机会获得更好的识别效果。获得更精确的实际信号特征将进一步提高有限元模型精度和实际应用效果。     

基于PCA和SVM的柴油发动机冲击故障诊断方法研究

针对柴油发动机振动信号进行故障诊断技术研究,提出了一种基于主成分分析和支持向量机的柴油发动机冲击故障诊断方法。首先利用小波包分解提取出冲击故障的特征;再利用主成分分析技术获得敏感特征参数,进而减小数据处理的复杂程度;最后利用支持向量机对敏感特征参数样本进行训练,获得分类模型,进而实现故障分类。将该方法用于柴油机实际故障分类,诊断准确率较高,证实了本文方法对多种冲击故障诊断的有效性。     

基于北斗降维双差模型的舰艇快速定姿算法研究

根据北斗GEO卫星的特殊星座构型,提出一种基于北斗降维双差模型的舰艇快速定姿算法。根据北斗GEO卫星的特点,在初始定位误差较小的情况下,忽略z轴误差带来的影响,建立降维双差模型。利用B1和B2频点形成宽巷组合,根据初始伪距值计算宽巷模糊度初始值,并解算基线向量候选值;通过模糊度函数法对候选值进行判决,得到最优基线向量,解出宽巷模糊度;最后以得到的最优基线向量为初始基线向量,利用B1频点观测值形成2个双差观测方程,解算B1频点模糊度,进行舰艇定姿。利用北斗实测数据进行仿真验证,结果表明该方法解算B1频点模糊度成功率高,确定的航向角标准差为0.16°,纵摇角标准差为0.07°,是一种高效快速的舰艇定姿算法。     

绝世美屏 全新拜腾M-Byte概念车

当汽车越来越智能的时候,车就成为了另一个家,而车本身则是一部可自己行走的智能电器。在大家都在推概念车的时候,如果最终不能走向量产,那就是在挥霍研发资金。只有真正走向量产的概念车才有意义,比如眼前的这台概念车,基于M-Byte Concept的拜腾量产车有将近90％与概念车相似,而且起步价格只有30万元。     

楔形体边坡稳定性计算方法研究

岩质边坡楔形体稳定性分析是一个较复杂的空间问题。采用向量作手段,判断两组不连续面形成楔形体的可能性,确定楔形体滑动面及滑动方向,在地震、加固等作用力的条件下,推导了适应各种情况的楔形体稳定性计算公式,并编制了计算程序。     

基于主成分分析(PCA)和支持向量机(SVM)的耙吸挖泥船工况分析

土质信息对于耙吸挖泥船的挖掘与装舱过程的控制策略具有重要意义,但耙吸挖泥船的耙头无法直接感知土质信息。基于实船数据,通过主成分分析（PCA）对非线性耦合的疏浚数据进行线性可视化和特征分析,对土质信息与工况信息的关联性进行研究。采用支持向量机（SVM）构建分类器,对土质工况进行分类识别。结果表明,该方法能够有效识别不同的土质工况,实现了土质信息的间接感知。