极短时问脉冲信号的检测方法研究

针对极短时间脉冲信号的检测问题，在无法借助于频域分析的情况下，阐述了两种检测方法。这两种方法均借助于对时域上背景噪声的统计，通过对局部信号能量与背景噪声的对比，检测出短时脉冲信号，并通过对两次试验数据的分析，验证了这两种方法的有效性。     

改进非参数回归在交通流量预测中的应用

实时、准确的短时交通流量预测是实现交通控制与诱导的关键。结合模式识别的思想,提出基于模式识别的非参数回归算法,并将之应用于短时交通流量预测,最后用仿真试验检验了方法的有效性,仿真试验结果表明,该方法具有较高的预测精度。     

螺旋桨空泡与脉动压力及振动特性研究

为了提高螺旋桨效率,在船舶螺旋桨设计中通常会增大桨叶梢部载荷。桨叶在旋转过程中不断地重复进入和退出船体尾流场,使得梢涡空泡容易发生猝发(bursting)现象;另外由于尺度效应的存在使得梢涡空泡在实船螺旋桨上比模型试验观测到的更为强烈,猝发现象更容易发生并且更为剧烈;当梢涡空泡猝发产生时将引起脉动压力高阶量或宽带谱的增大,从而引起相应的船体振动或严重的噪声。本文通过对3 600箱集装箱船实船螺旋桨梢涡空泡猝发现象与脉动压力、振动等特性关系的分析,研究了螺旋桨梢涡空泡猝发引起的脉动压力高阶量或宽带谱特性以及相应的振动等特性。结果表明:船体振动宽带谱特性与螺旋桨梢涡空泡的猝发有关;螺旋桨梢涡空泡猝发引起的船体振动高阶量特性比脉动压力高阶量更为强烈。     

一种基于深度学习的电机轴承故障诊断方法

针对电机轴承故障信号通常呈现出非线性和不稳定性这一缺点,利用短时傅里叶变换将振动信号转换成二维时频图作为输入训练卷积神经网络;再利用卷积神经网络的自学习能力学习电机轴承故障类型与故障特征之间的深层联系.仿真实验结果表明,相比较其他方法,该方法具有更高的诊断准确率,能够更有效地识别电机轴承故障.     

基于小波分析与隐马尔科夫模型的短时交通流预测

鉴于当前的城市交通拥挤不堪的现状,以及现阶段道路交通流预测时间消耗过长的弊端,将小波分析引入到城市短时交通流预测过程中,结合隐马尔科夫训练,提出一种基于小波分析的隐马尔科夫训练交通流预测模型。文章以新乡市交通局公交汽车数据和出租汽车数据作为数据来源,应用小波分析和隐马尔科夫相结合的预测模型进行预测,随后将预测结果同传统的隐马尔科夫模型所预测的结果进行对比分析。实验表明,本模型预测结果精确,与真实数据更为贴近,同时有效的降低了交通流预测的时间损耗,在短时交通流预测方面更加具有优越性。     

基于相空间重构和PSO-GPR的短时交通流预测

准确实时的短时交通流预测是智能交通诱导的关键.为提高短时交通流预测精度,研究了基于相空间重构和粒子群优化高斯过程回归的短时交通流预测模型.针对交通流时间序列的非线性、复杂性和随机性,基于混沌理论确定原始时间序列的最佳延迟时间和嵌入维数,进行相空间重构,获得与原始数据具有相同动态特性的更为合理的模型输入-输出数据集.利用粒子群算法改进传统高斯过程模型参数优化的不足,构建预测模型.以重构序列作为预测模型的训练集和测试集,实现短时交通流预测.采用北京市东四环快速路检测器实测数据对比分析模型预测效果.结果表明,基于PSR和PSO-GPR的短时交通流预测模型评价指标均优于对比模型,其中绝对误差平均降低4.88,绝对百分比误差平均降低3.97%,均等系数达到0.963,所研究模型能够有效提高短时交通流预测精度.      

基于卷积神经网络与时频分析的水声通信前导信号检测方法

前导检测是水声通信中的关键步骤。传统信号检测算法无法有效克服多径和干扰的影响,在复杂水声信道环境下,检测性能会明显下降。卷积神经网络具有强大的表征学习能力,能够通过大量数据自动提取图像特征,在图像识别应用中具有突出优势。以双曲调频信号为研究对象,采用时频分析技术同时获取信号时域和频域信息,得到时频谱图,并通过均值滤波处理提高信噪比。将时频谱图作为卷积神经网络的输入,训练并测试网络,最终得到HFM信号的检测结果。千岛湖试验结果表明,该方法能够大幅提升远距离、强多径条件下前导信号的检测概率,与传统检测算法相比性能优越。     

基于改进Logistic-SSA-BP神经网络的地铁短时客流预测研究

地铁客流的变化规律存在着一定周期性和潮汐性,针对地铁客流的预测有助于提高城市轨道系统的运营效率,实现轨道交通智慧化运营。为提高地铁短时客流预测结果的准确度,提出了一种基于Logistic混沌映射麻雀算法(Logistic-SSA)优化BP神经网络的地铁客流短时预测模型。该模型通过Logistic混沌映射初始化麻雀算法种群,再利用改进后的麻雀算法优化BP神经网络,达到提高BP神经网络的全局搜索能力和收敛效率;以深圳地铁西乡站进、出站AFC刷卡数据为例,利用构建的预测模型开展客流预测实验,并通过3种准确性评价指标(MAE、RMSE、MAPE),评价改进前后模型预测的准确性。研究结果表明：改进的Logistic-SSA-BP预测模型平均绝对百分误差分别为14.96%和13.73%;与传统BP预测模型相比,其客流预测结果具有更高的准确性。     

考虑动态空间关系的短时交通流预测方法

为有效提取交通流的时空特征,提升交通流的预测精度,研究了基于动态时空图卷积网络的短时交通流预测模型（DySTGCN）。DySTGCN不仅实现了对交通流时空维度的信息建模,而且考虑了时间维度信息对空间维度信息的影响,创新性提出了基于时间信息的空间拓扑结构——时变空间图（spatial topology graph,TSG）,并设计出了1种能够高效、简便地计算时变空间图的深层网络结构。该结构通过编码、解码方式提取不同节点的交通流数据的相关性特征并实现降噪处理。时变空间图反映了交通网络的实时空间特征,基于交通网络中节点空间位置的稳定空间图（stable spatial graph,SG）反映了交通网络的稳定空间特征。TSG与SG在图卷积过程中共同指导交通流预测,更加准确地刻画了交通流的时空特性,以提高预测精度。为测试模型的预测效果,在2个权威公开数据集上进行实验,结果表明：DySTGCN学习到的时变空间图可以较为准确地反映出不同节点的交通流之间的相关性,在平均绝对误差、均方根误差,以及加权平均绝对百分比误差指标上,比其他时空图卷积网络模型如STGCN、ASTGCN等降低了近13.40%、10...     

电力系统故障信号的短时傅里叶分析及其应用

根据短时傅里叶变换的滤波器组实现原理,研究了不同窗函数实现的５０Ｈｚ带通滤波器,分析比较了它们用于提取电力系统高压输电线路故障信号基频分量的能力。提出了一种具有实用价值的由一周波三角窗调制实现的５０Ｈｚ带通滤波器。