基于最优化理论的船舶流量估计数学模型研究

对于港口和内河航运监管部门来说,准确的估计航道内船舶的流量是一项非常重要的工作,可以为港口的交通管理、航道的规划提供数据依据,提高航运交通的安全性。本文重点介绍了船舶流量估计模型的不同维度,建立了船舶流量特征的分析模型,最后结合最优理论和小波神经网络算法设计了船舶理论估计的最优模型,并对该流量估计模型进行了仿真。     

基于小波去噪与经验模态分解的混合储能容量优化配置

针对风电出力并网困难的问题,提出采用混合储能系统平抑风电输出功率波动.首先,采用小波分析对风电输出功率信号进行小波去噪;其次采用经验模态分解对去噪后的功率信号进行分解;然后将储能系统内部功率指令划分与系统容量配置相结合,以储能系统容量配置成本最小为目标,建立混合储能容量优化模型,通过穷举对不同分界点所对应的系容量配置成...     

基于小波神经网络的地铁基坑地表沉降随机预测

通过南通地铁软土层基坑降水模型试验发现,降水引发的基坑地表沉降随着监测点距基坑支护桩距离的增大而减少,工程中距离支护桩越远,沉降量越小.在不同的监测点沉降量的监测值与公式计算值总体变化规律相似,但受降水因素、施工扰动和地下多变的岩土环境等影响,存在一定的随机性.利用权值参数对小波神经网络的激励和输出函数进行修正,利用梯度下降的方法对伸缩和平移参数进行优化.在此基础上,以水位降深、土层的压缩模量、厚度、固结度和监测点方位为输入参数,基坑总沉降量为输出参数建立改进后的随机小波网络基坑地表沉降预测模型.工程实例表明,改进后的随机小波网络模型能使基坑地表沉降预测值较好地拟合工程实测值,误差均小于±8％,相比传统公式的计算值更具合理性.     

基于小波变换的海洋平台结构损伤检测

基于结构动力特性的海洋工程结构损伤检测是一个非常有工程应用价值的研究课题。特别是对于海洋平台水线以下的结构损伤,一般通过结构的频率、振型和频响函数等的变化用来发现损伤。但是对于早期的损伤(通常损伤量很小),上述结构动力特性参数的变化可能很小从而不足以反映结构的这种早期微小损伤。文章提出采用小波变换的方法来进行小损伤的检测,将结构的频响函数(FRF)和加速度响应进行小波变换,很好地预报了损伤的存在。文中还以某海洋平台为例,进行了模型试验,从而验证了提出方法的可行性。     

基于小波神经网络的中小企业人才竞争力评价

科学分析企业人才竞争力的内涵、形成机理及其外在表现,建立了包括企业人才资源、人才环境和经营业绩等三个维度在内的中小企业人才竞争力评价指标体系.同时,基于小波神经网络在评价等多领域应用中的独特优势,构建了基于Morlet小波函数的中小企业人才竞争力评价模型.通过收集浙江温州某产业20家中小企业的人才竞争力评价信息,对小波评价模型进行了训练和测试.结果表明:构建的评价指标体系具有较高的科学性和可操作性,评价模型能较好地消除评价过程中人为因素的影响,增强评价结果的客观性.     

基于机器学习算法的船舶电气故障分类与诊断方法

为实现船舶电气故障的早发现、早解决,设计基于机器学习算法的船舶电气故障分类与诊断方法。采用Trager能量算子增强传感器采集到的船舶电气设备振动信号,利用小波包分析方法提取增强后的电气设备振动信号特征,将电气设备振动信号特征输入卷积神经网络中进行训练,得出最佳的故障分类与诊断模型,并利用该模型实现船舶电气设备的故障分类与诊断。实验表明：采用Teager能量算子可以快速准确地将传感器采集的信号放大,且放大过程没有信息损失。训练后卷积神经网络的故障分类与诊断正确率接近100%,可能够准确诊断出船舶电气设备是否存在故障,并获取对应的电气故障类型。     

基于舰载雷达小样本的低慢小目标识别方法

本文针对舰载雷达低、慢、小目标探测面临的小样本识别问题,提出一种基于小样本学习的低慢小目标分类识别方法。该方法将低慢小目标雷达回波数据转换到小波变换域,利用多头注意力机制和双向长短记忆人工神经网络相结合的方式,解决了小样本目标分类识别的问题。在低慢小目标雷达回波仿真数据集上,开展模型训练和算法验证,分析任务差异性与识别准确率的关系,实验结果表明该方法对典型低慢小目标识别精度可达90%以上,在雷达目标识别领域具有较好的应用价值。     

基于BP神经网络的转辙机故障检测方法

为提高城市轨道交通中ZDJ9型转辙机故障维修效率,提出基于反向传播（BP,Back Propagation）神经网络的转辙机故障检测方法。文章深入分析转辙机动作电流采集原理及现场转辙机转换过程中不同阶段电流曲线特征,确定故障电流曲线种类;对转辙机转换过程中动作电流曲线进行小波分解与重构,对重构后的曲线进行关键特征值提取,将其作为基于BP神经网络的故障检测模型训练数据,最终经过8 000次迭代训练后,故障检测模型的故障检测准确率达到96%,表明该方法能够有效检测转辙机故障及其故障类型。     

德国基于惯性测量的轨道缺陷检测模拟研究

为准确快捷地检测轨道缺陷、保障铁路安全运营,德国斯图加特大学铁路和运输研究所创建车辆-轨道模型,模拟多种不同程度的轨道缺陷状态,并在模型车辆上搭载集成惯性测量系统以同时测量三轴加速度和陀螺仪角速度,然后利用连续小波变换和袋装决策树算法对测量结果进行分析,从而显著提高轨道缺陷检测的精度。文章将对该模型及相关研究进行介绍。