浅谈摩托车正时齿轮拆卸工具的使用

针对不同车型、型号的摩托车发动机,其正时齿轮拆卸工具的结构、制作,以及工具的使用均有差别。正确使用和了解摩托车发动机正时齿轮拆卸工具可提高摩托车维修人员的维修理论知识,本文针对不同情况下使用的摩托车正时齿轮拆卸工具及工具本身的结构和使用特点进行阐述,供广大摩托车维修人员参考。     

一种基于神经网络的轮胎慢漏气时间序列预测方法

轮胎胎压不足的状况一旦发生,易导致行车过程中车辆的失控并带来不可逆的交通伤亡事故。而轮胎的慢漏气故障是一种常见的交通事故诱因,且该诱因不易察觉。因此,为了及时预测到轮胎的慢漏气故障,本研究以某型纯电动车的轮胎胎压时间序列变化数据为基准数据,实现改进的长短期记忆网络,建构基于神经网络的轮胎慢漏气时间序列预测模型。首先,分别进行原始时间序列的正常胎压变化趋势与异常胎压变化趋势的数据筛选与清洗等工作;其次,分别基于变分模态分解及自适应差分进化算法,实现长短期记忆网络的模型训练;最终,分别基于慢漏气时间序列校验集,进行消融实验的预测结果评估与可视化样例的对比分析。消融实验结果相较于基础的长短期记忆网络提升了15%左右的性能,可视化样例中大部分的慢漏气时间预测差值波动范围在6h内。综合实验结果可验证本研究所实现的基于神经网络的轮胎慢漏气时间序列预测模型的优越性。     

一种改进的ARIMA预测模型在船舶系统中的应用

为实现船舶设备维护方式的智能化升级,用视情维修代替传统的定期巡检,提出一种基于改进粒子群算法(Particle Swarm Optimization,PSO)优化的Elman神经网络融合自回归差分移动平均模型(Auto-Regressive Integrated Moving Average,ARIMA)模型的组合预测模型,用于对设备状态参数进行预测。根据序列特征拟合ARIMA模型,利用改进的PSO算法优化Elman神经网络的权值和阈值,基于改进的PSO-Elman模型的残差预测值修正ARIMA模型预测结果。采用某船设备实际数据对该组合预测模型进行训练和验证,将其预测结果与其他模型的预测结果相对比,结果表明,该组合预测模型具有较高的预测精度和稳定性。     

波浪影响下船舶横摇运动的时间序列预测数学建模研究

在波浪的影响下,常规的船舶横摇运动时,没有建立横摇运动的模型,降低了预测的精度,不能有效地减小船舶的横摇,存在船舶耐波性较差的问题。当前方法进行船舶横摇运动的建模时,不能减小船舶的横摇,降低了船舶的耐波性。提出一种基于时间序列预测的船舶横摇运动数学建模研究方法。该方法建立波浪扰动船舶横摇运动模型,依据随机的过程理论,求出空间上某固定点波浪倾角的数学模型,依据横摇运动模型得出横摇运动的数据。对船舶横摇运动进行时间序列预测克服了传统方法存在的弊端,运用时间序列的分析方法建立AR模型,应用于船舶横摇运动的时间序列的预测,减小船舶的横摇性,提高了船舶的耐波性,完成对波浪影响下船舶横摇运动的时间序列预测数学建模的研究。实验的结果表明,利用该方法能有效地减小船舶的横摇,提高船舶的耐波性。     

基于时间序列分析的公路降雨型滑坡位移预测

基于公路降雨型滑坡位移远程实时监测数据,从分析降雨型滑坡阶跃型变形规律出发,将滑坡总位移分解为受不利地质条件影响的趋势项位移以及受降雨影响的周期项位移,采用时间序列分析方法将两者叠加构建降雨型滑坡位移预测模型。对滑坡趋势项位移采用灰色等维新息模型进行预测,对周期项位移采用自回归模型进行预测,将两者预测值组合得到滑坡总位移预测值。以湖南娄新高速公路某滑坡实时监测预警为例,采用该模型对比分析了滑坡实测与预测时间位移曲线,表明该模型预测效果较好,能体现降雨型滑坡位移变化趋势,具有较好的应用前景。     

基于ARIMA-LSTM的高速公路交通安全组合预测模型研究

为建立准确有效的交通事故预测模型,提升高速公路交通安全水平,以重庆市11条高速公路2011—2016年共计65 119起交通事故为基础,选取“事故数量”和“死亡人数”2项总量指标,描述统计高速公路交通事故在时间维度上的月分布规律。通过自回归差分移动平均(ARIMA)模型捕捉时间序列数据中的线性时序特征,使用长短时记忆神经网络(LSTM)模型拟合预测残差序列中的非线性时序特征,建立了基于ARIMA和LSTM的高速公路交通事故组合预测模型,并以均方根误差(RMSE)、平均绝对百分比误差(MAPE)值作为模型的评估指标。结果表明：ARIMA-LSTM组合预测模型各项指标的预测精度均优于单一的ARIMA模型,其中“死亡人数”组合模型改善效果显著,其RMSE与MAPE值相较于ARIMA模型分别改善了55.83%和54.80%;“事故数量”组合模型的RMSE和MAPE相较于ARIMA模型改善了23.15%、23.29%。     

基于四维广义离散椭球序列的降秩MIMO-OFDM信道估计方法

传统的基于插值的信道估计器需要高导频负载来对快速时变的频选MIMO-OFDM信道进行稳健估计。为降低对高导频的需求,利用信道对低维子空间的限制作用设计了一种线性最小均方误差(LMMSE)信道估计器,该估计器采用由带限广义离散椭球(GDPS)序列得到的四维基扩展信道模型。仿真结果表明：与基于插值的最小二乘(LS)估计器相比,降秩估计器的均方估计误差较小,且对时延、多普勒和角扩展等均具有较强的鲁棒性。     

两两NQD序列下非参数回归函数估计的相合性

在两两NQD序列误差下讨论Priestly,M.B.和Chao,M.T.[1]提出的一类给参数回归函数加权核估计的相合性.     

一种安装于轨枕上的集成化数字化车号技术研究

本文介绍了一种安装于轨枕上的集成化数字化车号,属于列车车辆运行安全监控技术领域,集成化数字化车号包括车号安装支架和车号天线箱体。车号天线箱体通过车号支架安装于轨枕上,避免了工务施工作业时集成化数字化车号的拆卸和恢复。集成化数字化车号中的电气元件集成在车号天线箱体中,集成化程度高,简化了硬件结构,方便在轨枕上安装,降低了现场安装难度,提高了集成化数字化车号的安装效率,节约了人力成本。室内无需车号主机,通过网络通讯模块和存储模块对车号数据进行传输和保存,无需铺设同轴电缆,解决了现有技术中AEI设备存在的同轴电缆长度限制和同轴电缆连接头容易松动的问题。     

Cantor 型非齐次马氏链强极限定理的研究

研究了对任意Cantor型非齐次马氏链普遍成立的一类强大数定理。证明中利用条件期望以及马氏性的概念,采用测度的网微分法并运用纯分析运算得出结论。作为推论,得到随机变量序列已有的经典强大数定律以及对任意随机变量序列普遍成立的强大数定律。