基于经验模态分解的舰船运动姿态预测模型研究

运动姿态准确性预测对提高舰船水上作业安全性具有重要的现实意义,为此,基于经验模态分解算法,构建一种新的舰船运动姿态预测模型。该模型首先利用EMD分解舰船运动时间序列,然后采用游程判别法来判定IMF和r_n (t)的波动程度,划分高频、中频和低频3个分量,最后利用基于支持向量机算法构建的预测模型预测舰船运动姿态。实验结果表明:与卡尔曼滤波法、谱估计法、艏前波法3种运动姿态预测方法得到的结果相比,本模型的纵摇角预测误差更小,精度更高。     

CRH380A型动车组转向架检修及分解工艺

介绍了CRH380A型动车组转向架在三级检修过程中的分解及检修工艺。     

客车主要噪声源识别的试验研究

基于偏奇异值分析法识别噪声源的基本原理，采用了近场声压测量法，同步采集15个传感器的振动与声压信号，识别出客车车外噪声的主要噪声源，分析出各噪声源对车外噪声的贡献并做出降低车外噪声的预测分析。所采用的试验与分析方法具有计算量小、声源定位准确的特点，并且可以准确预测零部件的改进对车外噪声的影响。试验研究和实车应用表明，这种方法可以适用于复杂的工程实际。     

基于WBS与多层次模糊综合评估的桥梁检测评估方法的研究

介绍了WBS方法在桥梁检测评估中的应用,提出了WBS方法与多层次模糊综合评估相结合的桥梁检测评估方法,并用实际工程加以了分析及验证.将WBS方法与多层次模糊综合评估相结合,使桥梁评估既便捷又科学,提高了桥梁检测评估的可靠度.     

基于奇异值分解和频散特征的圆柱壳自由振动研究

本文讨论矩阵奇异值分解技术在任意边界条件下圆柱壳自由振动中的应用。对于任意边界条件,圆柱壳的精确解过程会遇到求解8阶矩阵行列式的问题。本文采用奇异值分解技术,把行列式求解转换为奇异值求解,并且依据最小奇异值的零点获得圆柱壳的振动频率。本文结合圆柱壳的频散图,讨论了各种边界条件下自由振动频散-波数对在图中的对应点。数值算例表明,奇异值分解为任意边界下圆柱壳的自由振动提供一种新的方法。并对常用近似边界处理方法的精度进行探讨。     

特征正交分解算法在船用电力电子防潮系统中的应用

本文考虑CFD在船用电力电子防潮系统计算CPU时间长和占用大量内存的缺陷,引入特征正交分解(POD)算法,使得原问题维数降低从而减少计算量和计算时间。然后分析POD降维原理,构造基函数并使用Galerkin投影,分析非定常的N-S方程基于POD的差分格式。最后将POD算法应用于船用电力电子防潮系统中并进行了仿真研究。结果表明:维数上降低了E3个数量级,降阶效果非常明显,并且数值模拟证明计算时间是全阶时间的0.93%,POD算法降维得到的POD-Galerkin计算结果和样本结果一致。     

海上航行中的行程传感器电磁干扰信号抑制算法研究

保证船舶电子设备的正常运作是现代船舶业发展中的重要课题,船舶中传感器输出信号的精确度对于船舶安全行驶是至关重要的。本文利用小波降噪来抑制行程传感器电磁干扰信号,最后通过实验来获取小波分解层数,并且确定阈值函数。实验结果表明,经过小波去噪后,信号的误差非常小,系统的稳定性得以提高。     

基于 EM D桘BPN 方法的高速铁路短期客流预测

高速铁路短期客流预测是铁路运输系统的重要组成部分。无论是对列车开行方案的制定,还是对如何采取正确的营销策略,都具有重大的现实意义。通过混合经验模态分解方法和神经网络方法相结合的EMD-BPN方法来预测高速铁路短期客流量。组合方法主要分为三步：首先,使用经验模态分解方法将客流时间序列分解;其次,将IM Fs作为BP神经网络的输入;最后,应用神经网络对客流量做出预测。数值实例表明,该方法对于高速铁路短期客流预测在精度和稳定性上都有良好的表现。     

基于AR-EMD方法的扩展非平稳船舶运动极短期预报AR模型

准确的极短期预报技术能够提高对船舶摇荡运动敏感的海洋特种作业安全性和效率。自回归（auto-regressive,AR）预报模型由于其自适应性强、计算效率高而被广泛应用于船舶运动的极短期预报研究。但该模型基于平稳随机假设,因而在非平稳船舶运动的极短期预报中存在困难。针对非平稳船舶运动极短期预报,文章提出一种基于AR-EMD方法的扩展AR模型,称为EMD-AR预报模型。其中,AR-EMD方法是指在经验模态分解（empirical mode decomposition,EMD）的过程中,采用AR预报的方法处理端点效应问题。 EMD-AR预报模型将非平稳信号分解成若干平稳的固有模态函数分量及余项,然后对各个分量分别用AR模型预报,得到最终的预报结果,以此克服非平稳性对AR预报模型的影响。研究基于船舶试验数据将EMD-AR模型与线性AR模型、非线性支持向量机回归（support vector regression,SVR）预报模型进行对比分析,结果表明,AR-EMD方法能够有效处理船舶运动非平稳性对AR预报模型的影响,提高该模型的预报精度,且EMD-AR模型预报性能较线性AR模型和非线性SVR模型更优。