基于熵权法与超效率SBM模型的综合运输效率

为提升区域综合交通资源配置效率、推动区域综合交通协同发展,以山东省综合运输效率为研究对象,构建考虑非期望产出的超效率松弛值测算(slacks-based measure, SBM)模型,采用熵权法计算环境污染指数,将国内生产总值(gross domestic product, GDP)与环境污染指数之比作为绿色GDP构建超效率SBM模型的期望产出指标,测算山东省综合运输效率,将综合运输效率分解为规模效率与纯技术效率,分析山东省综合运输效率的影响因素,提出改善途径。结果表明：绿色GDP与传统GDP对综合运输效率影响存在显著差异;综合运输效率的时间演化规律符合事实规律。     

基于小波分解的停车场泊位占有率预测研究

为提高停车占有率预测算法的精度,减少“巡泊”现象所造成的燃油损耗、尾气排放及交通拥堵,文中基于停车场有效占有率的短时变化特征,提出小波分解的停车场泊位占有率预测方法。通过对有效车位占有率数据进行小波分解重构,得到趋势平稳、易于预测的单支信号,分别利用一次指数平滑法和改进的马尔科夫法进行预测,并将各个单支信号的预测值合成,得到最终预测结果。结果表明,两者均具有较好的预测精度,能够满足停车诱导系统短时预测精度。     

基于小波包分解的船用柴油机燃油电磁阀故障诊断方法

为了精准识别电磁阀故障,确保船用柴油机安全、平稳运行,提出基于小波包分解的船用柴油机燃油电磁阀故障诊断方法。采用小波包分解法对船用柴油机燃油电磁阀电流信号作分解,获取其多频带特征。通过核主成分分析法对其作降维处理,完成敏感特征选择。将其作为最小支持向量机的输入,自适应蚁群优化算法通过自适应调整挥发因子、状态转移规则确定最优模型参数,实现燃油电磁阀故障的准确诊断。结果表明：故障、正常工况下的燃油电磁阀电流特性曲线存在较大差异;该方法可提取电流信号的8个频带特征、不同频带特征间差异度大;特征选择有利于提高燃油电磁阀故障辨识度。本文方法可实现燃油电磁阀故障诊断,诊断效果突出。     

Fault Detection Observer Design for LSFDJ： A Factorization Approach

Based on a new special co-inner-outer factorization, a factorization approach for design fault detection observer for LSFDJ was proposed. It is a simple state-space method and can deal with time varying LSFDJ with sensor noise and sensor faults. The performance of the fault detection observer is optimized in an H∞ setting,where the ratio between the gains from disturbance and fault to residual respectively is minimized. The design parameters of the detection observer were given in terms of the solution to the Riccati differential equation with jumps.     

基于EMD和2（1/2）维谱的直升机声信号特征提取

利用经验模态分解（Empirical Mode Decomposition,EMD）的方法将直升机声信号进行分解,得到一系列本征模态分量（Instrinsic Mode Function,IMF）。计算实际直升机声信号及由其分解得到的每个IMF分量的四阶累积量对角切片谱,并由此得到实际信号及每个IMF分量的四阶累积量对角切片谱的幅度绝对值之和E。计算每一个IMF的E值与实际信号E值的比值构成直升机声信号特征矢量。采用神经网络分类器,对两种不同机型的直升机声信号进行分类和识别。仿真实验验证了该方法是可行的、有效的,分类识别取得了较好的效果。     

基于小波降噪的经验模式分解方法研究

通过正常工况下的转子位移信号,分析不同幅值噪声对经验模式分解(EMD)分解的影响。对于幅值较小的随机噪声,EMD分解可以自适应地将主要特征信息从噪声中分解出来。而对于幅值较大的噪声,小波降噪的EMD分解则可以有效避免模态间能量泄漏,从而得到准确的分析结果。     

基于SVD-UKF的车用锂离子动力电池传感器故障诊断研究

针对传感器故障诊断问题,提出通过分析模型预测电压与传感器观测电压的残差来诊断传感器是否发生故障的方法。使用无迹卡尔曼滤波（Unscented Kalman Filter,UKF）算法估计电池的端电压,并提出使用奇异值分解（Singular Value Decomposition,SVD）代替平方根法分解,以解决协方差矩阵非正定导致的算法无法正常运行的问题。提出使用累积和（Cumulative Sum,CUSUM）法对残差进行分析,通过监测CUSUM的变化来判断传感器是否发生故障。以动应力测试（Dynamic Stress Test,DST）工况作为验证工况,用3类常见的传感器故障对提出的方法进行验证。结果表明,提出的传感器故障检测方法在一些微小故障的检测中,相比于传统的设定残差阈值的方法更灵敏,能更快检测出微小的数据偏移情况。     

高铁沿线大风预测技术研究

风速预测是风致灾害预警的关键技术.针对高铁大风预测中延迟性和误报的问题,提出一种基于完整集合经验模态分解(CEEMDAN)和长短期记忆神经网络(LSTM)的组合预测模型对高铁沿线风速进行预测.为了减少预测模型的复杂度和提高模型预测精度,原始风速数据用CEEMDAN分解并利用样本熵(SE)理论将分解出的分量按照样本熵近似...     

基于递归二分类法的电力机车四象限输入过流故障诊断研究

四象限输入过流故障是HXD1型机车牵引变流器的主要故障之一,由于引发该故障的原因较多且故障样本分布不均,导致该故障难以诊断与定位,为此提出了一种基于递归二分类的故障诊断方法。基于K-Means与小波包分解对数据相关关键字段进行特征提取,用基于集成学习的梯度提升决策树(GBDT)构造可靠的分类模型以及用递归二分类法对多标签数据进行递归分类与诊断。对HXD1型机车四象限输入过流故障样本文件进行相关试验,结果表明该方法对于故障样本分类及故障诊断定位有显著提升效果。     

一种基于UEE-EMD的滚动轴承故障诊断方法

滚动轴承是很多大型旋转机械的核心部件,其故障诊断的研究对保障旋转机械运行稳定性具有重要的意义。经验模态分解方法对分析非线性不稳定的滚动轴承故障信号具有独到的优势。然而,经验模态分解固有的端点效应问题往往会导致较大的故障特征提取误差,影响故障诊断的准确性。针对上述问题,本文提出基于无失真端点极值化的经验模态分解(UEE-EMD)的滚动轴承故障诊断方法,UEE-EMD通过交叉取样策略和端点极值化策略从源头上抑制端点效应的产生,利用本征模函数截头去尾从结果上屏蔽端点效应,保证了滚动轴承故障特征提取的准确性。故障诊断仿真实验表明,基于UEE-EMD的滚动轴承故障诊断取得了更好的诊断效果。