基于改进支持向量机的船舶电力系统稳定性容错控制研究

为了提高船舶电力系统控制稳定性,提出基于改进支持向量机的,船舶电力系统稳定性容错控制方法。在传统支持向量机的基础上添加SVM分类策函数,生成电磁波最优超平面,对电磁波进行微观划分,引入模糊控制思想,建立模糊控制PID控制器,将划分后的电磁波作为PID控制器输入值,利用控制器模糊传递函数,提取电力系统控制输出值,建立PSO-LSSVM电力系统无线传感路径,通过传输节点,将控制输出值传输到电力系统指令层,实现船舶电力系统稳定性容错控制。实验数据表明,该控制方法对电力系统正向电流控制稳定性提高了16%,反向电流控制稳定性提高了22%,具有鲜明优势性。     

地铁闸机扇门机构故障时间序列预测研究

基于CNN+ LSTM混合神经网络构建故障时间序列预测模型,利用某型号地铁闸机扇门机构的故障数据进行实例分析,并与ARIMA、CNN和LSTM 3种单一预测模型对比。结果表明:CNN+LSTM混合神经网络模型的预测准确性较高,具有良好应用前景,研究成果可用于支持地铁闸机维修计划的制定和优化。     

基于联合抗噪算法的滚动轴承故障诊断研究

轴承通常工作于复杂噪声环境下,使得时域振动信号容易受到各种噪声的污染,从而误导诊断结果。针对以上问题,提出基于一维卷积自编码(1D-DCAE)和一维卷积神经网络(1D-CNN)的联合抗噪故障诊断算法。为了模拟真实噪声环境,在原始振动信号中添加不同信噪比的高斯噪声,用1D-DCAE对原始信号降噪,再将降噪信号用于1D-CNN进行故障诊断。基于全卷积神经网络搭建1D-DCAE模型,并舍弃池化层以降低信息丢失,以提高联合诊断模型的抗噪能力。结果表明:采用基于全卷积网络搭建的1D-DACE有更好的降噪效果,改进后的模型能自适应诊断各种噪声环境下的故障。     

基于概率神经网络的钢桁梁桥螺栓脱落损伤定位识别研究

建立钢桁梁桥的ANSYS有限元模型,将钢桁梁桥按几何位置划分为4个子结构,通过概率神经网络将螺栓脱落损伤定位在子结构内.通过降低杆端单元的抗弯刚度来模拟螺栓的脱落损伤,并选择曲率模态变化率作为概率神经网络的输入参数.通过数值模拟,分析不同训练样本下概率神经网络对螺栓脱落损伤的定位识别结果.结果表明:Spread值对概率...     

非线性分类模型在高速公路边坡监测中的应用

针对高速公路边坡形变预测数据存在非线性和不确定性的特点,为探究边坡监测地质参数与边坡安全系数的相关性,文章基于广西某高速边坡监测数据,应用SVM和ANFIS等非线性分类模型对边坡监测地质参数进行计算分析.结果 表明:ANFIS计算结果最大误差为0.2813,平均误差为0.1078,更接近实际误差,获得的预测结果相对更为...     

云南省民航客运发展预测

民航运输是云南省在进行综合交通运输建设的重点之一,也是该省在未来十四五(2021-2025年)和十五五(2026-2030年)规划期间的研究热点。本文以云南省为研究范围,以省内民航客运为研究对象,选取省内主要的社会经济因素为影响因子,运用主成分分析法(PCA)、反向传播神经网络算法(BP神经网络算法)和回归分析法,构建了省内民航客运的预测模型,得出省内各主要机场在十四五末和十五五末的预计旅客吞吐量,对省政府在进行机场改扩建上有一定的指导意义。