基于Elman神经网络的装备状态组合预测方法

针对单一预测模型在利用多维状态特征信息进行状态预测时效果常常不够理想的情况,提出以灰色理论等模型作为单项预测模型,运用Elman神经网络进行变权组合预测的建模方法;考虑神经网络容易因过拟合导致预测时泛化能力变差的问题,运用遗传算法对神经网络隐层节点数和训练误差阈值进行优化求解,建立了完整的基于Elman神经网络的组合预测建模方法;最后,通过案例分析验证了该预测方法的有效性,结果表明组合预测能够将三步以内的预测相对误差控制在10%以内,大大优于定权组合预测模型。     

基于ARMA模型的船舶海水冷却系统参数预测

船舶海水冷却系统与船外海水直接接触,工作环境较为恶劣,而基于小波理论、灰色理论等参数预测方法受环境影响较大,为了实现对船舶海水冷却系统状态参数的准确预测,提出了根据平稳时间序列建立自回归移动平均模型（ARMA）的方法;介绍了ARMA模型原理及建模过程;选取“育鲲轮”海水冷却系统6天的状态参数作为训练样本,输入到ARMA预测模型中进行训练;在MATLAB环境下,获得预测数据;运用平均绝对百分比误差对预测模型的准确性进行验证并对误差进行分析,结果表明所建立的船舶海水冷却系统状态参数预测模型具有良好的预测能力,能有效的反应未来一段时间海水冷却系统的工作状态的变化,提示系统是否存在异常,为早期故障诊断提供有效手段,进而为船舶的稳定运营提供了条件。     

基于虚拟现实的动车组维修性验证系统研究与设计

针对动车组维修性验证方法不足的问题,提出了采用虚拟仿真手段对维修性进行验证的方法;结合动车组系统的特点,对基于虚拟现实的动车组维修性验证系统进行了方案设计,给出了维修性验证具体流程,研究了三维虚拟样机建模的基本方法;虚拟维修性验证系统有效提高了动车组维修性设计效率,缩短了研制周期,是一种实现动车组维修性并行优化设计的有效方法。     

移轴组合相机拼接模型及自检校技术研究

研究了非量测型移轴组合相机的图像拼接技术,以双拼移轴相机为研究对象,探讨了其虚拟像空间坐标系建立,并以此为基础建立子影像至虚拟影像的变换模型。提出一种基于初值约束的投影矩阵自检校方法,该方法利用移轴相机检校参数,结合子影像变换模型,推导和计算自检校方程,精确解求虚拟影像拼接参数。设计了室内外地面实验以及航飞实验,对提出的方法进行了验证。实验结果表明,利用该方法进行移轴组合相机虚拟影像拼接,精度优于0.4像素。     

基于状态维修的电子设备故障预测技术研究

为解决电子设备结构复杂,故障信息不足,故障预测困难,并且现有方法不能直接对电子设备进行状态预测等问题,文中提出了基于状态维修(CBM)的最小二乘支持向量机(LSSVM)和隐马尔科夫模型(HMM)组合故障预测方法;首先采取灵敏度分析法确定电路中要可能发生变化的元件,通过改变元件参数来设置电路的不同退化状态;其次建立组合故障预测模型;最后对该电路进行状态预测;结果表明,文中提出的方法能够直接预测电路的不同状态,进而实现直接预测电子设备的故障状态,预测精度可以达到93.3%。      

虚拟流体方法的设计原则

研究模拟可压缩多介质流的虚拟流体方法,建立一般状态方程下定义虚拟流体状态的基本原则.根据波系结构和使用的自由变量分别推导虚拟流体状态的定义方式.结果表明在这些方式下求解多介质Riemann问题理论上完全精确.进一步总结几种简单有效的虚拟流体方法,这些定义方式不依赖于虚拟流体区域可能产生的波系结构.其中一种类似于反射边界条件,只是界面速度需要首先精确预测出来.数值算例验证了研究结果的合理性.     

KF光谱优选的木材抗弯强度预测方法

木材抗弯强度是评价木材力学性质的重要指标,其快速准确预测具有工程应用价值和科学意义。重点研究了使用近红外光谱分析光谱特征优选的卡尔曼滤波(KF)方法进行PLS建模,完成木材抗弯强度的预测。试验用126个蒙古栎无疵试样,依据国家标准《木材物理力学性质试验方法》测量抗弯强度得到力学真值;在900～1 700 nm波段进行近红外光谱采集,一阶导数与S-G卷积结合进行光谱预处理;然后,将光谱及抗弯力学样本视为动态系统,光谱冗余波长视为噪声信号,通过KF迭代得到系数矩阵和标准方差,并运用二者比值实现特征优选;最后建立蒙古栎的偏最小二乘(PLS)抗弯强度近红外模型。结果表明,经过KF优选后,光谱变量数由117减小到18个,预测模型的相关系数ｒ=0.81、预测误差均方根RMSEP=6.59;为了进一步验证方法有效性,与无信息变量消除法(UVE)、连续投影方法(SPA)特征选择方法进行了对比,KF特征优选后的预测相关系数r分别提高了0.05和0.16,预测误差均方根RMSEP降低了2.33和7.66,采用KF特征选择建立的模型预测结果最佳。KF作为特征方法可有效选择近红外光谱特征波长,降低模型维度,提高模型的适用性与准确性。     

基于迁移学习的燃气轮机机理建模方法研究

燃气轮机仿真模型是燃气轮机控制策略研究与验证的重要工具,对燃气轮机控制系统国产化研制与替代具有重要作用。本文针对某型燃气轮机特性提出了一种基于迁移学习的燃气轮机机理建模方法,制定了燃气轮机部件特性线迁移变换策略,建立了燃气轮机部件特性迁移学习模型,并采用优化算法求解获得了迁移系数矩阵,最后利用迁移系数矩阵建立了燃气轮机动态仿真模型。以某9F燃气轮机现场运行数据进行了迁移学习模型训练和验证,并进行了燃气轮机动态模型仿真测试,结果表明,利用已知燃气轮机部件特性和极少量目标燃气轮机运行数据,即可建立较高精度的目标燃气轮机动态仿真模型,模型关键参数平均相对误差在1.6%以下,可以用于控制策略研究与验证。     

基于CBM电子设备故障预测技术研究

为解决电子设备结构复杂,故障信息不足,故障预测困难,并且现有方法不能直接对电子设备进行状态预测等问题,本文提出了基于状态维修（CBM）的最小二乘支持向量机(LSSVM)和隐马尔科夫模型(HMM)组合故障预测方法。首先采取灵敏度分析法确定电路中要可能发生变化的元件,通过改变元件参数来设置电路的不同退化状态;其次建立组合故障预测模型;最后对该电路进行状态预测。结果表明,本文提出的方法能够直接预测电路的不同状态,进而实现直接预测电子设备的故障状态,预测精度可以达到93.3%。     

燃气轮机机理建模与性能监测

燃气轮机电厂是电网调峰和分布式能源系统中的重要组成部分,其安全稳定运行和快速响应对燃气轮机性能要求较高,因此对燃气轮机进行性能监测有着重要意义。本文采用了模块化机理建模的方法,基于MATLAB平台,建立了简单循环单轴燃气轮机数学模型,并以某典型9E燃气轮机的实际运行数据进行了模型验证,结果表明本文所建模型可以较准确地反映燃气轮机性能。此外,本文所建数学模型具有一定的普适性,通过输入不同的设计参数,可以用于不同等级、不同型号燃气轮机的性能研究。