基于随机森林的动车组牵引电机故障特征选择方法

动车组车载数据具有维度高、数据量大的特点,从高维度的数据中提取出牵引电机相关的有效特征是进行数据驱动模型构建的基础。文章以基尼指数为例,介绍了基于基尼指数的CART分类树构建步骤、基于CART分类树的随机森林构建方式以及基于随机森林分类算法的基尼指数平均不纯度减少和袋外误差平均准确度减少2种特征选择方法,并对2种特征选择方法进行了试验验证。基于UCI机器学习样本库,通过Dry Bean Dataset和Wine Dataset 2种典型案例验证了2种特征选择方法在特征选择和模型分类方面的有效性;基于动车组车载实测数据,通过对动车组牵引电机的特征选择,验证了2种方法都能有效筛选出牵引电机故障特征,同时基于所选故障特征建立的牵引电机故障诊断模型具有较高准确率和召回率,可用于动车组牵引电机故障特征选择。     

28d龄期内混凝土轴心抗压强度统计分析

通过对湘阴湘江大桥施工现场实验室数据调查,分别统计分析了主梁C50混凝土28d龄期、7d龄期和3d龄期混凝土立方体抗压强度,在此基础上建立了C50混凝土28d龄期内轴心抗压强度随机过程模型,为各类混凝土构件施期工安全性分析提供了依据。     

初始缺陷对钢管混凝土混合柱高墩极限承载力的影响研究

施工误差、材料性能不均匀等因素必然导致钢管混凝土混合柱高墩存在一定的初始缺陷。文中以四川干海子特大桥为工程背景,运用一致缺陷和改进随机缺陷理论,考虑材料非线性、几何非线性,对钢管混凝土混合柱高墩进行极限承载力分析,得到其极限承载力特征参数,进而研究初始缺陷对钢管混凝土混合柱高墩极限承载力的影响,并采用随机有限元法对初始材料缺陷进行极限承载力敏感性分析。结果表明,钢管混凝土混合柱高墩属于缺陷敏感结构,对于干海子特大桥110 m钢管混凝土混合柱桥墩,初始缺陷限值按现有规范取值风险较大,其初始缺陷限值建议取墩高的1/2 000;与一致缺陷模态法相比,结构初始缺陷值控制在较小范围内时,采用随机缺陷模态法计算所得钢管混凝土混合柱高墩的极限承载力偏小;沿墩高方向缺陷对结构极限承载力的灵敏度变化较大,呈现下部结构大于上部结构、两端大于中间的规律;干海子特大桥110 m钢管混凝土混合柱桥墩对顺桥向缺陷最敏感;钢管混凝土混合柱高墩材料缺陷对极限承载力的敏感性从大到小依次为纵向连接杆件外径、纵向连接杆件钢管壁厚、核心混凝土弹性模量、柱肢杆件外径、核心混凝土密度、钢材密度、柱肢杆件钢管壁厚。     

海事管理机构“双随机、一公开”监管模式的现状与建议

分析了海事执法领域“双随机、一公开”模式的监管现状,对海事领域“双随机、一公开”监管的困点、难点深入分析,即既要强化“互联网+监管”与事中事后监管工作高度融合,又要强化依法行政,全面厘清部门监管职责边界,建立健全以“双随机”为基础、“重点监管”为补充的并行监管机制,从把握监管重点、配备执法力量、整合信息平台、落实政务公开配套机制等举措,改进海事执法工作形式,以适应新时代海事发展的需求。     

正态随机矩阵多项式的均值与协差阵

本文应用对母函数微分的方法得到正态随机矩阵多项式的均道与协差阵的表达式。      

精加工中一种预报补偿控制策略的可用条件分析

本文介绍了精加工中一种预报补偿拉制策略及其典型控制系统结构,指出了存在的问题。基于切削过程与结构动态特性的分析,给出了这种控制策略的可用条件。      

随机共振方法在微弱周期信号检测中的应用

在随机共振理论基础上,以非线性双稳态系统为研究对象,以强噪声背景下微弱信号检测的实际需要为出发点,探讨基于随机共振的微弱信号检测方法.将该方法用于强噪声背景微弱周期信号检测,理论分析和数值仿真表明,该方法简单、稳健、可靠,验证了在短数据条件下微弱周期信号检测的有效性.     

粒子群优化算法在舰船路径优化仿真中的应用

为保障舰船安全稳定航行,显著提升舰船续航能力,设计了基于粒子群算法的舰船路径优化方法。使用概率图法构建舰船航行路线图,按舰船在航行性能方面的评价指标,构建与舰船航行路线图相关、综合考虑舰船转弯角度以及地形威胁等约束的舰船航行路径优化模型,并应用改进粒子群算法求解所构模型,得到满足约束条件的舰船航行初始最优路径。之后通过删除冗余点的方式对舰船航行初始最优路径实施平滑优化处理,得到最终的舰船航行最优路径。实验结果表明,该方法可收获更优的舰船航行路径,舰船按该路径行驶,更有利于续航,使舰船航行任务得以有效完成。     

基于随机森林方法的柴油机涡轮增压器故障诊断

为了提高柴油机故障诊断的精度,针对柴油机涡轮增压器故障的问题,提出基于随机森林的柴油机涡轮增压器故障诊断方法。使用AVL Boost对柴油机建立故障仿真模型,并生成故障样本。对构建的涡轮增压器模型使用随机森林方法诊断。结果表明,采用随机森林算法的故障诊断模型可以有效对涡轮增压器的故障进行分类,分类准确率超过95%。可知,随机森林方法在涡轮增压器故障诊断领域中有良好的应用价值。     

多重不确定性下生物质燃料供应链多周期优化研究

生物质燃料是一种潜力巨大的可再生能源,近年来已引起人们越来越多的关注。生物质燃料在市政、交通领域的应用是碳减排的重要举措,得到了中国政府的大力支持。然而,原料供应、市场波动等因素的高度不确定性使生物质燃料产业面临巨大挑战。为提升生物质燃料生产比率、促进资源的合理配置,对生物质燃料供应链网络进行优化研究,分析原料供应、客户需求、价格波动的多重不确定性,以期望利润最大为优化目标,构建考虑多重不确定性的生物质燃料供应链多周期随机优化模型。在多周期背景下,综合运用随机离散场景模拟和情景树方法刻画上述不确定因素,构建等价确定性模型,并结合模型特征,设计基于嵌套Benders分解(NBD)与随机对偶动态规划(SDDP)相结合的求解算法。最后,通过算例仿真实验,对比分析不同不确定因素对利润和库存成本的影响。研究结果表明：需求或供应波动的增大,都会导致供应链利润减少,且与需求不确定性相比,供应不确定性对供应链的影响更大,因而决策者可更侧重原料的稳定供应,以获得更高利润;合理的库存可对冲市场波动带来的不利影响,保障生物质燃料的生产运转;产品价格波动或下降使企业面临较大经营风险。