基于灰色理论的隧道围岩收敛预测

文章根据隧道围岩收敛监测信息,应用灰色系统原理和方法,建立了GM(1,1)模型并进行了预测。预测结果表明,灰色模型预测值与实测值吻合程度较好,能为隧道的动态设计和信息化施工提供决策依据。     

高含水集输管道内腐蚀预测与检测技术及应用

高含水油气管道内腐蚀穿孔频发,严重影响生产和环境。因此,油气管道内腐蚀的预测与检测是亟待解决的问题。常规检测耗资大,且效果差,结合美国腐蚀工程师协会内腐蚀直接评价标准和流体数值仿真技术(CFD)预测管道内腐蚀模型并与现场管道高程数据相结合,实现对高含水油气管线积水与易发内腐蚀位置的预测,针对该位置开展管体腐蚀检测,该方法在现场得到成功应用。通过现场检测数据来验证和修正预测模型,为解决高含水油气管道内腐蚀提供一种方法。     

面向人机协同共驾的驾驶行为短时预测方法研究

通过实时感知交通场景下的汽车相对运动状态和行车安全信息,对驾驶人的操纵行为进行短时预测,进而为人机协同驾驶中主权切换的模式与方法提供依据.基于线性最优二次型方法建立了典型驾驶意图下的驾驶操纵序贯链优化目标函数,通过求解目标函数得到驾驶人操纵行为对车辆运动状态的改变量,并结合运动学CA模型提出了驾驶操纵行为短时预测模型.运用统计检验分析实车试验和所提出的模型得到的仿真试验驾驶输入之间的差异程度.实车实验的统计检验结果表明,不同驾驶工况下的驾驶输入差值的配对样本T检验的T统计量分别为1.96,0.1,1.36,均小于其T临界检验值.所提出的模型能较好的模拟实际驾驶操纵行为特征,并能对驾驶人操纵行为进行准确的短时预测.      

大型车辆侧翻预测和控制技术研究进展

大型车辆引起的重特大侧翻事故频发会造成严重的人员伤亡和财产损失,因此,提高中国大型车辆防侧翻技术水平显得尤为重要.通过阐述国内外在车辆侧翻预警和稳定性控制方面开展的研究现状,详细描述基于静态门限值法和动态门限值法的侧翻预警技术研究进展,分析车辆半主动、主动转向控制、主动悬架控制、差动控制、电子稳定控制、联合控制等防侧翻控制技术发展现状,指出当前车辆侧倾预警领域主要研究方向在于提高侧翻指标的预测精度和响应实时性,特别是综合考虑道路环境因素对侧翻指标的影响.侧翻控制已逐步从半主动阶段提升到主动控制,控制方法更趋智能化、精确化.人-车-路-环境耦合作用、复杂非线性条件下的车辆侧翻预测模型,以及混沌条件下的优化控制将会是未来重点研究方向.      

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。     

基于三点模型的柴油机热工参数预测

准确预测热工参数劣化趋势是对柴油机实施预测维修的前提。已有预测技术均视不同时段信息所具有的建模价值相等,忽略了近期信息比远期信息更能反映设备当前运行态势这一客观事实,导致预测模型难以准确描述柴油机热工参数的真实变化规律。针对该问题,提出一种基于三点模型的柴油机热工参数预测方法,并采用新陈代谢法同步更新建模数据,以提高建模数据的利用效率及预测精度。与灰色系统GM(1,1)模型预测精度的对比结果表明,三点模型能够有效处理不同时段信息在反映设备运行态势能力上的差异,得到更为准确的预测结果。     

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KS检验的铁路车站日常货运量预测

科学预测货运量对于铁路现场生产和中长期规划具有重要意义。首先,针对铁路日常货运量的动态性和不确定性将其视为随机变量,其次选用正态分布、对数正态分布、Weibull分布和Gamma分布进行拟合,然后运用Kolmogorov-Smirnov检验(KS检验)方法评价拟合效果并确定最佳分布,进而以置信区间形式进行预测。最后,结合黄骅港站的每天接受重车的运量数据进行计算,验证了方法的实用性和有效性。     

基于AIGA-WLSSVM的埋地管道腐蚀速率预测方法

为了降低埋地管道腐蚀影响因素之间的复杂相关性,提高腐蚀预测精度,文中提出一种基于自适应免疫遗传算法-加权最小二乘支持向量机(AIGA-WLSSVM)的埋地管道腐蚀速率预测建模方法,并采用AIGA优化模型参数,进一步提高模型的学习能力和稳定性。最后通过实例分析验证了AIGA-WLSSVM建模方法在埋地管道腐蚀速率预测中的可行性和有效性,为埋地管道的检修与更换提供参考。     

管道腐蚀速率机理及预测方法

为控制管道腐蚀,减小管道腐蚀速率,对腐蚀机理开展研究,以进一步预测管道腐蚀速率与趋势。通过分析管道腐蚀的各种因素及其相互作用,结合现场管道运行工况、输送介质组分分析及管道腐蚀产物测试结果,确定管道腐蚀主要为CO2腐蚀,从而合理选择腐蚀预测模型。通过对CO_2腐蚀预测模型与计算公式的分析,利用软件建立管道腐蚀预测模型,找到管道腐蚀速率范围与位置,进而确定腐蚀控制手段。