新型250吨肋骨冷弯机机构特点

介绍 新型２５０吨肌骨冷弯机的技术性能,详述了该机的主要新型机构,分析了各机构的优点所在。     

提高车站客票发售与预订系统硬件环境的可靠性

作者分析了目前车站客票发售与预订系统硬件环境的可靠性及存在的问题,论述加强车站客票发售与预订系统硬件环境可靠性的必要性和重要性.     

基于遗传算法优化支持向量机的船舰目标识别分类

为了实现有效的海上监管和响应,提高舰船监管效率,降低人力成本,提出基于遗传算法优化支持向量机的舰船目标识别分类方法。以HU矩为舰船目标的特征描述子,在舰船目标图像内,提取具备旋转、尺度与平移不变性的舰船目标特征矩;利用遗传算法,优化支持向量机的惩罚因子与核参数;在参数优化后的支持向量机内,输入舰船目标特征矩样本,输出舰船目标识别分类结果。实验证明,该方法可有效提取舰船目标特征矩;经过参数优化后的支持向量机,可有效降低计算复杂度,加快检测目标识别分类效率,具备较优的舰船目标识别分类性能。该方法均可精准识别分类舰船目标。     

车用燃料电池质子交换膜研究进展

氢燃料电池汽车被认为是真正的环保新能源清洁动力汽车,质子交换膜作为其核心部分,它性能的好坏直接影响着燃料电池的性能与使用寿命。文章介绍了三类质子交换膜的研究情况,并提出静电纺丝技术能够通过控制材料形态来调整材料性能,在质子交换膜生产领域具有广阔的前景;发掘能够多方面提升质子交换膜性能的材料或者将多种填料复合改性将成为质子交换膜领域新的研究方向;为车用质子交换膜领域提供了新思路。     

基于PSO-LSSVM的牵引供电系统故障诊断研究

为了提高列车运行稳定性,针对牵引供电系统故障诊断进行研究。根据牵引供电系统工作原理和特性分析故障现象与发生原因,提取用于故障诊断的特征信号;建立基于粒子群优化算法(Particle Swarm Optimization,简称PSO)优化最小二乘支持向量机(Least Squares Support Vector Machine,简称LSSVM)的故障诊断模型,并使用主成分分析(Principal Component Analysis,简称PCA)算法提取数据特征作为故障诊断模型的输入来降低输入维数;使用多种故障诊断模型进行对比分析。研究结果表明:经过PCA算法提取特征的PSO-LSSVM故障诊断模型具有较高的识别效率和识别准确性。     

应用斯特林机实现船舶废气热能利用的热电转换设备

随着国家碳中和及碳达峰战略目标的推进实施,航运节能减排的技术也被大众所关注。由于船舶机舱内部有大功率的发动机和发电机组,故在设备工作时产生的废气余热温度极高,可高达上千摄氏度。首先将废气余热通过斯特林机转化为机械能,再通过外接发电机转化为电能。整个工作过程在降低环境温度的同时产生了电能,提升废气余热的利用效率。据初步试验,在温度为433℃时即可产生约3.3 V的电能。该装置结构简单,没有复杂的机械结构,安全性较高、可靠性强,若能在船舶机舱中多设备同时使用,对于实现碳中和及碳达峰目标拥有积极的助力。     

MAN 6L16/24副机排气冒黑烟故障原因分析与解决方案

针对船舶副机排气冒黑烟的故障问题,文章介绍了船旗国对船舶排放黑烟的法律法规要求,分析了副机故障原因,提出了有效的解决方案,供同行们参考。     

工程岩体的支持向量机分类研究

文章提出一种新的工程岩体分类和寻找最优支持向量机网络的方法,通过采用支持向量机的回归算法来解决多类分类的问题。通过对相同工程岩体的分类结果对比,发现可以采用支持向量机回归算法来解决工程岩体的分类问题,取得与采用支持向量机多类分类算法相同的分类效果,从而证明了采用回归算法来解决分类问题是可行的。     

检修车轨道对窄幅流线型箱梁涡振性能影响研究

为给窄幅流线型箱梁抗风设计提供参考,以某窄幅流线型钢箱梁悬索桥为背景,进行节段模型风洞试验,考虑风攻角,分析检修车轨道对箱梁涡振性能的影响;通过数值模拟,研究检修车轨道及其位置对箱梁绕流特性的影响机理及抑振措施的有效性。结果表明：窄幅箱梁在+3°、0°风攻角时的竖向涡振最大振幅较-3°风攻角时分别增大348%、189%;0°风攻角时,检修车轨道布置于箱梁底板内侧1/6底板宽度位置,窄幅箱梁竖向涡振最大无量纲振幅减小60.8%;在此基础上,检修车轨道内侧布置导流板后,箱梁竖向涡振最大无量纲振幅减小79.9%;检修车轨道布置于箱梁底板且布置导流板时,与检修车轨道布置于斜腹板相比,窄幅箱梁竖向涡振最大振幅大幅减小,箱梁周围的流动结构更加稳定,改善了箱梁涡振性能;将检修车轨道向箱梁底板内侧移动或布置导流板是抑制检修车轨道引起窄幅箱梁涡振的有效措施。     

基于IPSO-SVM的双塔斜拉桥线形预测研究

斜拉桥的施工线形控制与预测是斜拉桥安全施工与运营的关键。文章以某大跨度斜拉桥工程为背景,针对大跨度斜拉桥施工线形控制与预测问题,提出了一种基于非线性粒子群算法优化支持向量机的斜拉桥线形预测模型。通过支持向量机建立了影响斜拉桥结构响应的随机变量与主梁线形之间的关系,并采用非线性递减策略改进惯性权重的粒子群算法对支持向量机参数进行优化,得到了斜拉桥线形预测模型。相关计算结果表明:非线性粒子群算法对于支持向量机参数的寻优具有更好的收敛性;基于非线性粒子群算法改进的支持向量机对样本数据的拟合精度最高,平均误差<0.005 m;提出的预测模型可以较为准确地预测主梁节段的线形标高,预测结果与实测值、理论值的平均相对误差<2%,可为斜拉桥施工线形控制提供一定的理论参考。