基于HHT的船舶综合电力系统故障时间定位新方法

针对强噪声环境下船舶综合电力系统故障时间定位精度不高的问题,提出一种基于Hilbert-Huang变换(HHT)和自适应软阈值法的船舶综合电力系统故障时间定位新方法。首先,电能信号经EMD分解为若干固有模态函数(IMF),对第一个IMF分量进行Hilbert变换得到其瞬时幅值向量。然后,在分析故障波形变化规律的基础上,定义并计算故障信号的瞬时幅值差分向量。最后,设计一种自适应软阈值处理方法,将瞬时幅值差分向量变换为故障时间特征向量,经加权均值后,实现故障时间定位。仿真试验结果表明,该方法能够精确定位不同强度噪声下的故障起止时间,在1 k Hz采样频率下精度为0.88 ms,适用于实际船舶综合电力系统故障的时间定位。     

基于机器视觉和支持向量机的汽车焊点定位研究

如何提高工业机器人的定位精度是实现汽车焊点自动化检测任务的一个关键技术问题。针对传统示教再现机器人存在的定位精度问题,提出一种基于机器视觉和支持向量机回归的焊点定位方法。通过融合激光测距信息的视觉系统测量机器人示教位置与期望位置的偏差,进行焊点的初步定位;建立基于粒子群优化算法的支持向量机回归模型,对视觉引导后的机器人末端进行三维空间上的误差补偿,实现焊点的精确定位;搭建了一套完整的试验平台,并与常用的支持向量机参数优化算法以及误差补偿模型进行比较和误差分析,验证了该方法的有效性和优越性。     

基于围岩力学参数的TBM净掘进速率多元回归预测模型

TBM净掘进速率与围岩地质条件密切相关,特别是岩体力学参数。为研究TBM净掘进速率与围岩力学参数之间的内在联系,以兰州水源地建设工程输水隧洞双护盾TBM施工为背景,选取岩石单轴抗压强度、单轴抗拉强度、泊松比、变形模量等围岩力学参数,进行TBM净掘进速率与围岩力学参数相关性分析,得到相应的拟合关系式。在单因素分析的基础上,经过线性处理,建立TBM净掘进速率的多元线性回归预测模型。研究结果表明： TBM净掘进速率与围岩力学参数之间具有明显的线性相关性,TBM净掘进速率随单轴抗压强度、单轴抗拉强度和变形模量的增大而减小,随泊松比的增大而增大; TBM净掘进速率多元线性回归预测模型总体上精度较高,其预测误差在15%以内,且对不同围岩类型具有较强的适用性。研究成果能够为TBM施工性能评估提供新的参考。     

非光滑规划的Lagrange鞍点定理

本文所涉及的是一个带不等式约束的非凸非可微规划。在这类非光滑规划中,本文引 进了Kubn一丁冶cker向量及比夕朗ge鞍点的概念,研究了该非光滑问题的最优解的性 质,并证明了在一定条件下,u卑a川笋鞍点定理成立。      

数据仓库和决策支持技术在ERP系统开发中的应用

论述了对我国企业现有MIS系统进行重构与提升的必要性,提出了采用数据仓库和决策支持技术开发流程性ERP系统的管理模式,推荐了在Internet/Intranet上建造ERP系统的软件平台及开发工具。     

面向公路工程需求的积雪提取方法对比分析

积雪信息对公路工程具有十分重要的作用,确定积雪区域、评估积雪对线路的影响、研判冰雪灾害、确定工作区雪线,对公路工程设计、建设和运营安全具有重要影响。目前大多数积雪提取的方法在公路设计建设领域中的需求导向和评估分析不足。鉴于此,文章从积雪提取精度、鲁棒性、人工干预程度和时间成本等四个方面对多种主流积雪提取方法进行比较分析,结果表明：支持向量机的监督分类方法综合评估最优,最适用于公路工程领域的积雪提取。     

参数优化VMD对变压器声音信号的故障诊断

变压器内部局放声音信号包含了设备故障特征信息,但是局放声音信号的非线性、非平稳性使得故障特征难以提取,因此现有基于声音信号识别变压器内部故障识别率低.为此,提出模拟退火优化变分模态分解—样本熵的特征提取方法,并与支持向量机结合进行变压器内部局放故障诊断.首先,基于模拟退火算法实现变分模态分解(variational mode decomposition, VMD)的参数寻优;然后,采用最优参数设定VMD并对故障声音信号进行分解,得到包含故障特征的本征模态函数,进而求取各本征模态函数的样本熵作为对应样本的特征向量;最后,利用支持向量机实现特征向量的识别与分类.模拟实验结果表明,所提出的方法可以有效提取局放故障声音信号的特征,具有较好的故障识别率.     

建筑安全投入的GWO-SVR模型构建与实证分析

为解决建筑施工企业普遍存在的安全投入指标优化效果不佳、决策过程不确定的问题,提出一种基于灰狼算法与支持向量机(GWO-SVR)的安全投入结构优化模型。基于事故经济损失评估理论确定事故经济损失,并将安全投入划分为安全防护、安全技术、安全教育、应急处置、日常安全管理5项投入,应用改进的支持向量机(SVR)对事故经济损失与安全投入进行非线性回归并得到回归方程。以事故经济损失最低为目标,采用经灰狼算法(GWO)优化的SVR进行迭代寻优,得到最佳的安全投入配置。结果表明：基于GWO改进的建筑安全投入SVR模型,能给出更趋合理的安全投入指标分配,企业的事故经济损失较模型使用前降低了13.79%。该模型可为建筑施工企业制定安全投入方案及提升安全决策效率提供技术参考。