基于支持向量机的多传感器船舶火灾探测技术

针对船舶火灾探测误报率高的情况,为提高火灾探测系统的可靠性,提出一种基于支持向量机的多传感器火灾信息融合方法。经过仿真试验证明,通过多传感器探测数据的有效融合,可以大幅提高火灾探测系统的火灾识别率。     

基于偏最小二乘回归的疏浚产量预测方法

针对绞吸式挖泥船产量预测困难的问题,对挖泥船作业实时反馈的数据进行研究。利用Relief权重算法提取出影响挖泥船产量的主要工艺参量,并在此基础上采用偏最小二乘回归,建立主要工艺参量与产量之间的数学模型,实现对挖泥船产量的预测。结果表明,利用偏最小二乘回归建立的数学模型能够很好地对挖泥船的产量进行预测,可为预测挖泥船的产量提供一种有效的方法。     

粗糙床面水流运动特性试验与建模研究

山区河流的大尺度粗糙床面对水流运动特性的影响是航道整治工程中的重要问题。文章基于模型试验研究,并结合CFD计算分析的方法,研究了不同摆放密度的混凝土立方块体对有限水深流动的自由液面波动、纵向流速分布以及纵向水头损失的影响。在此基础上,文章根据水流阻力的影响因素,对传统经验公式开展了相关修正,并采用非线性多元回归法对经验修正系数进行了回归分析。研究结论表明:文章所提出的经验公式具有更加普遍的适用性,且经验公式的预测结果与试验和CFD计算结果相一致,对于航道整治工程具有重要参考价值。     

一种基于无人机倾斜摄影的三维路网提取方法

三维路网是重要的基础地理信息数据,为了快速高效地获取包括路网在内的地表三维模型,可以采用无人机倾斜摄影技术,并设计相应的三维路网提取方法。在对无人机倾斜摄影三维模型、道路特性分析的基础上,提出一种基于无人机倾斜摄影的三维路网提取方法。首先,对无人机倾斜摄影和三维建模方法进行了分析,设计了针对三维路网提取的航空摄影策略和数据处理流程。分析了真实三维模型的构成,并结合道路在材质、形态等方面的特殊性提出了可用于道路提取的三维模型特征。然后,以三维模型中的三角面片为处理对象,开展了相关分割方法研究,消除存在混合地物的面片。利用支持向量机方法和面片的多种特征,进行了道路面片识别。最后,设计了道路面片三维连接方法和道路边缘三维修正方法,实现了面片间的连接以及道路边缘的有效修正。此外,还以北京某地区为例开展实际数据采集、三维建模和三维路网提取试验,介绍了倾斜摄影、控制点验证点数据采集以及三维模型的采集和生产过程;利用所提出的方法进行路网提取试验,得到了该区域的三维路网数据成果,并从定性和定量2个角度对成果进行评价。试验结果表明：所提出的方法可以有效地从倾斜摄影三维模型上提取路网信息,其平面和高程的精度均可满足一般导航等应用的要求。     

基于岩体指标和掘进参数的TBM净掘进速率预测模型

净掘进速率是TBM施工速度的主要评价指标,与围岩物理力学性质、TBM掘进参数之间存在一定相关性。文章以兰州水源地建设工程输水隧洞双护盾TBM施工为背景,基于现场实测数据,选择岩石单轴抗压强度、抗拉强度、变形模量、泊松比、岩石耐磨性CAI值等岩体指标,以及刀盘推力和刀盘转速等掘进参数,进行TBM净掘进速率与有关影响参数之间的单因素相关性分析,得到相应拟合公式;基于TBM净掘进速率与岩体指标、掘进参数之间的相关性,利用多元非线性回归方法建立了TBM净掘进速率预测模型。通过将兰州水源地建设工程输水隧洞实测TBM净掘进速率和预测结果进行对比,验证了TBM净掘进速率预测模型的合理性。研究结果表明:(1)在复杂的多种地质条件下,TBM净掘进速率与岩石单轴抗压强度、抗拉强度、变形模量、岩石耐磨性CAI值、刀盘推力以及刀盘转速呈负相关关系,与泊松比呈正相关关系;(2)干湿状态对岩石耐磨性CAI值有一定影响,饱和状态下岩石耐磨性CAI值与TBM净掘进速率之间的相关性更显著;(3)建立的多元非线性回归预测模型,预测精度较高,可为相似地质条件下TBM净掘进速率估算提供参考。     

考虑公路等级的沥青路面性能衰变预测方法

为了研究沥青路面使用性能的衰变规律,准确预测未来路面病害发展状况。根据沥青路面面层厚度、基层厚度的不同,将某省国省干线2011—2014年路面病害检测数据进行归类,分别采用4种路面性能衰变模型,以时间和累计当量轴次作为自变量进行回归分析,根据回归模型预测了2015年路面PCI(路面损坏状况指数)值,与实际检测值进行了对比。结果表明:在不同类别中,以累计当量轴次为自变量时,拟合的衰变曲线相关系数均高于以时间为自变量的模型;在2015年路面状况预测值与实际值的对比分析中,高速公路指数形模型的差值最小,其他等级公路S形模型相对较好,但整体情况劣于高速公路;因此,对于高速公路路面性能,推荐采用累计当量轴次为自变量的指数形模型进行预测;对于其他等级公路,推荐采用累计当量轴次为自变量的S形模型进行预测。     

杨涛:渴盼国家层面的公交立法

我参加过全国人大,同时还是南京市人大常委。从学术层面上讲,大家可以放开来,回归初心、回归源头,从理论、实践的角度,从国际与国内的角度谈一些关于公交立法的事情,针对《城市公共交通管理条例(征求意见稿)》的讨论,我主要想表达以下观点。     

基于支持向量机的船舶机舱火灾温度快速预测

以船舶机舱为研究对象,采用大涡模拟方法,以FDS软件为平台,计算了不同火灾功率、风机启动时间、风机流速和补风口面积条件下的火场温度变化过程。以FDS的数值模拟数据为样本建立了船舶机舱火灾温度的支持向量机计算模型,为提高模型预测的精确度,利用遗传算法对参数进行寻优。实验表明:应用本文模型预测结果与FDS计算结果基本一致,优于SVM模型以及BP神经网络的预测结果,提出一种快速预测火场温度的工程计算方法。     

基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。     

基于HHT和BP神经网络的船舶电力系统故障定位

针对船舶电力系统故障难以精确定位的情况,将Hilbert-Huang变换(HHT)和BP神经网络应用于船舶电力系统故障节点定位。首先,采集各节点电流信号,经过EMD分解得到若干IMF分量,对第一个IMF分量进行Hilbert变换得到其瞬时振幅向量。然后,将各节点的瞬时振幅向量之和作为电流信号的特征量输入到带有动量因子的BP神经网络中进行训练,利用训练好的神经网络进行故障节点定位。最后,通过仿真实验验证了所提方法的有效性。