横隔板间距对箱形组合梁畸变变形的影响

利用有限元分析软件Ansys,采用荷载分解方法将作用于箱梁的偏心荷载进行分解,得到箱型组合梁在偏心荷载作用下设置不同数量的横隔板对畸变效应的影响。重点考察了箱型组合梁的横向畸变变形、竖向畸变变形、纵向翘曲变形的分布情况,得出了横隔板设置数量对畸变效应的影响。     

与算子相联系的BMO空间的分子分解

应用泛函演算工具,给出与算子相联系的BMO空间的分子定义,然后利用与算子相联系的BMO空间的多种性质,结合与算子相联系的Hardy空间与BMO空间的对偶关系和帐篷空间的原子分解理论,给出与算子相联系的BMO空间的分子分解结构。     

面向动态交通分配的交通需求深度学习预测方法

为满足动态交通分配对高精度、高时效性交通需求的要求,本文建立了一种交通需求深度学习预测方法。根据动态交通分配要求确定交通需求数据的时间间隔,构建对复杂交通需求预测性能较优的长短期记忆神经网络预测方法;针对动态交通分配中交通需求的周期性、随机性和非线性等特征,为减少数据噪声的干扰,引入局部加权回归周期趋势分解方法将交通需求数据分解,将其中的趋势分量和余项分量作为深度学习预测方法的输入量,周期分量采用周期估计进行预测;选用具有随机寻优能力强、寻优效率高等特点的布谷鸟寻优算法优化预测方法的隐藏层单元数量、学习速率和训练迭代次数等核心参数。应用西安市长安区的卡口车牌数据验证该方法。结果表明：本文模型的预测结果在高峰及平峰各连续4个时段内相比于自回归滑动平均模型、长短期记忆神经网络模型、支持向量回归模型,平均绝对误差降低了10.55%～19.80%,均方根误差降低了11.20%～17.99%,决定系数提升了8.62%～12.48%;相比遗传算法、粒子群算法优化的模型,平均绝对误差降低了7.36%～13.81%,均方根误差降低了4.23%～10.67%,决定系数提升了3.50%～7.01%,且本文...     

基于卷积神经网络的牵引电机定子绕组匝间短路故障诊断

为实现牵引电机定子绕组匝间短路故障诊断,提出一种基于一维卷积神经网络(one-dimensional convolutional neural network, 1D-CNN)的故障诊断方法。首先对电机健康状态、不同相发生匝间短路故障及不同故障严重程度下的定子电流进行三层小波分解,得到小波分解高频系数和低频系数;求取小波分解系数的二范数,作为电机电流的特征;设计并训练1D-CNN,将训练好的1D-CNN作为分类器,实现牵引电机定子绕组匝间短路故障“端到端”的智能诊断。设计并搭建异步电机定子绕组匝间短路故障诊断实验平台。实验结果表明：所提方法可以准确有效诊断出轻微的匝间短路故障。在闭环控制下,电机发生1匝短路故障时,诊断正确率达到90.5%,并能够有效区分故障相。     

基于熵权法与超效率SBM模型的综合运输效率

为提升区域综合交通资源配置效率、推动区域综合交通协同发展,以山东省综合运输效率为研究对象,构建考虑非期望产出的超效率松弛值测算(slacks-based measure, SBM)模型,采用熵权法计算环境污染指数,将国内生产总值(gross domestic product, GDP)与环境污染指数之比作为绿色GDP构建超效率SBM模型的期望产出指标,测算山东省综合运输效率,将综合运输效率分解为规模效率与纯技术效率,分析山东省综合运输效率的影响因素,提出改善途径。结果表明：绿色GDP与传统GDP对综合运输效率影响存在显著差异;综合运输效率的时间演化规律符合事实规律。     

基于小波分解的停车场泊位占有率预测研究

为提高停车占有率预测算法的精度,减少“巡泊”现象所造成的燃油损耗、尾气排放及交通拥堵,文中基于停车场有效占有率的短时变化特征,提出小波分解的停车场泊位占有率预测方法。通过对有效车位占有率数据进行小波分解重构,得到趋势平稳、易于预测的单支信号,分别利用一次指数平滑法和改进的马尔科夫法进行预测,并将各个单支信号的预测值合成,得到最终预测结果。结果表明,两者均具有较好的预测精度,能够满足停车诱导系统短时预测精度。     

基于小波包分解的船用柴油机燃油电磁阀故障诊断方法

为了精准识别电磁阀故障,确保船用柴油机安全、平稳运行,提出基于小波包分解的船用柴油机燃油电磁阀故障诊断方法。采用小波包分解法对船用柴油机燃油电磁阀电流信号作分解,获取其多频带特征。通过核主成分分析法对其作降维处理,完成敏感特征选择。将其作为最小支持向量机的输入,自适应蚁群优化算法通过自适应调整挥发因子、状态转移规则确定最优模型参数,实现燃油电磁阀故障的准确诊断。结果表明：故障、正常工况下的燃油电磁阀电流特性曲线存在较大差异;该方法可提取电流信号的8个频带特征、不同频带特征间差异度大;特征选择有利于提高燃油电磁阀故障辨识度。本文方法可实现燃油电磁阀故障诊断,诊断效果突出。     

Fault Detection Observer Design for LSFDJ： A Factorization Approach

Based on a new special co-inner-outer factorization, a factorization approach for design fault detection observer for LSFDJ was proposed. It is a simple state-space method and can deal with time varying LSFDJ with sensor noise and sensor faults. The performance of the fault detection observer is optimized in an H∞ setting,where the ratio between the gains from disturbance and fault to residual respectively is minimized. The design parameters of the detection observer were given in terms of the solution to the Riccati differential equation with jumps.     

基于EMD和2（1/2）维谱的直升机声信号特征提取

利用经验模态分解（Empirical Mode Decomposition,EMD）的方法将直升机声信号进行分解,得到一系列本征模态分量（Instrinsic Mode Function,IMF）。计算实际直升机声信号及由其分解得到的每个IMF分量的四阶累积量对角切片谱,并由此得到实际信号及每个IMF分量的四阶累积量对角切片谱的幅度绝对值之和E。计算每一个IMF的E值与实际信号E值的比值构成直升机声信号特征矢量。采用神经网络分类器,对两种不同机型的直升机声信号进行分类和识别。仿真实验验证了该方法是可行的、有效的,分类识别取得了较好的效果。     

基于小波降噪的经验模式分解方法研究

通过正常工况下的转子位移信号,分析不同幅值噪声对经验模式分解(EMD)分解的影响。对于幅值较小的随机噪声,EMD分解可以自适应地将主要特征信息从噪声中分解出来。而对于幅值较大的噪声,小波降噪的EMD分解则可以有效避免模态间能量泄漏,从而得到准确的分析结果。