一种基于协方差矩阵子矩阵的干扰抑制方法

研究如何抑制水面干扰,检测出水下目标是当前水声信号处理领域的研究重点。本文首先对接收数据协方差矩阵进行特征分解,利用每个特征值及其对应的特征向量生成子矩阵,然后根据目标的预估方位分离出目标信号占主导的子矩阵,累加重构协方差矩阵,从而达到抑制干扰的目的,提高输出信干比和目标方位估计准确性。数值仿真结果表明,该干扰抑制方法能够很好地抑制干扰,提取目标信息,检测出感兴趣目标,为后续的目标识别与跟踪创造有利条件。     

基于支持向量机的典型船体结构裂纹损伤模式分类研究

为了识别典型船体结构裂纹损伤,提出基于支持向量机(SVM)的分类方法,采用固有时间尺度分解(ITD)和奇异值分解(SVD)方法对振动信号进行特征向量提取,得到训练样本和验证样本数据,应用SVM算法对训练样本数据进行正确的分类。为评估SVM分类准确性,引入BP神经网络算法进行对比分析,2种算法对验证样本进行分类预测,结果证明SVM方法对小样本试验数据进行模式分类具有更高的准确率。对十字加筋板的损伤模式进行分类研究,可对船体局部结构的维修和管理提供更好辅助决策支持。     

一种盘形制动轮对分解液压机的研制

介绍了列车全面提速后盘形轮对分解检修专用设备的设计、功能、系统控制及运用情况等方面的特点。     

基于机器学习的舰船轮机设备多发故障信号监测

针对舰船轮机设备故障信号监测中存在的运算量大、缺少故障数据、模型训练复杂、检测效率低、准确度不高等问题,设计了基于机器学习的舰船轮机设备多发故障信号监测方法。通过多种传感器采集舰船轮机设备振动信号,经小波变换降噪后,通过EMD经验模态分解提取舰船轮机设备振动信号特征,将其作为孤立森林算法输入进行异常信号检测,以异常信号检测结果为依据,构建决策二叉树支持向量机故障信号分类模型识别故障信号,实现舰船轮机设备多发故障信号监测,实验表明,该方法可以高效、准确地检测并识别舰船轮机设备的故障信号,而且适应性广泛,在舰船轮机设备的各种工况下,监测性能都十分良好。     

基于多尺度时频图与卷积神经网络的车轮故障智能诊断

铁道车辆车轮故障的产生,不仅会增大列车的振动和噪声使乘坐舒适性下降,而且会加速车辆及轨道零部件的损伤,严重时还会引发事故,因此对车轮服役状态的实时监测对保证列车安全运营具有重要意义。针对现有铁道车辆车轮故障诊断方法存在自适应能力弱、准确率低等不足,提出一种基于多尺度时频图与卷积神经网络(CNN)相结合的车轮故障智能诊断方法,该方法利用车轮所在轴箱垂向振动加速度来间接识别车轮服役状态。1)首先采用形态学滤波器对车辆轴箱振动加速度信号进行滤波降噪,然后采用完全噪声辅助聚合经验模态分解(CEEMDAN)将滤波后的信号自适应地分解为若干固有模态函数(IMF),选取能量熵增量相对较大的三阶分量作为信号的主分量。2)分别求各主分量的Wigner-Ville分布(WVD),然后叠加转化为多尺度时频图。3)对经典的LeNet-5模型进行结构改进和网络参数优化,构建适合车轮故障诊断的CNN模型,来学习提取车轮在不同工况下的时频图特征,并对时频图进行分类,将特征学习提取与故障分类融为一体,一定程度上实现了端到端的车轮故障诊断。经仿真试验和现场试验验证表明：所提出的方法对于车速、故障类型和故障程度都有很好的...     

基于小波变换技术的舰船电气设备信号去噪抑制方法

以降低舰船电气设备运行所受电磁串扰影响为目的,提出基于小波变换技术的舰船电气设备信号去噪抑制方法。建立舰船电气设备信号电磁串扰噪声模型,使用小波变换方法对电气设备信号噪声进行抑制,针对小波变换去噪能量泄漏大、频带混叠大等问题,使用双树复小波的实部树和虚部树进行电气设备信号分解,即保留小波分解的优点又可以完全重构电气设备信号,并结合硬阈值和软阈值函数优点,形成通用阈值函数,优化小波变换的阈值函数,保证更好信号去噪抑制效果。通过实验可以看出,该方法的应用既可以有效抑制电气设备信号中的噪声干扰,又可以保证原始信号波形不被破坏,同时在信号分解时,可以在噪声聚集的高频部分形成十分优秀的降噪效果,使信号趋近平稳状态。     

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。     

基于CEEMDAN-IPSO-LSTM的城市轨道交通短时客流预测方法研究

消除客流数据随机噪声和确定神经网络超参数是城市轨道交通短时客流预测组合模型需要解决的关键问题。基于弱化客流数据噪声的自适应噪声完全集成经验模式分解算法(CEEMDAN)将客流时序数据分解为若干个频率和复杂度均不同的固有模态函数分量和剩余分量后,利用引入自适应策略的改进粒子群算法(IPSO)动态求解长短期记忆神经网络(LSTM)超参数的最优值,构建CEEMDAN-IPSO-LSTM组合模型预测城市轨道交通短时客流量。以广州地铁杨箕站自动售检票系统采集的历史进(出)站客流数据为例进行实验,研究结果表明：IPSO算法较PSO算法在基准测试函数Sphere,Sum Squars,Sum of Different Power,Rosenbrock,Rastigrin,Ackley,Griewank和Penalized上的最小值、最大值、平均值和标准差均更接近最佳优化值,CEEMDAN-IPSO-LSTM模型较LSTM模型、CEEMDAN-LSTM模型、CEEMDAN-PSO-LSTM模型的全月全日进(出)站的预测误差评价指标SD,RMSE,MAE和MAPE分别降低了12～40人次(13～35人次...     

有限子移位混沌性质的若干研究

用有向图描述有限子移位,给出了有限子移位为拓扑混合的充要条件。在此基础上,利用非负方阵的置换标准形证明了谱分解定理。重新考察了二次映射双曲不变集的存在性,并对现有论证作了若干补充。