基于决策树支持向量机算法的船用设备故障诊断

目的 提高船用设备的智能化水平,增强船舶的安全性、可靠性,对船上设备进行状态监测,并基于监测数据对设备健康状况进行评估,对可能存在的故障工况进行识别.方法 通过采集机舱内的振动数据,对数据进行预处理、快速傅里叶变换,提取1/3倍频带特征,将倍频带谱信号作为特征向量,利用支持向量机算法进行模型训练及分类.对于船上多种工况及可能存在的多种故障类别,采用决策二叉树方法,提出一种快速、准确的状态监测及故障诊断策略.结果 在实验室工况下识别准确率接近100％.结论 该方法能够对船用设备进行状态监控、故障诊断、健康评估等提供支持,为设备检修、传感器布置等决策提供依据.     

基于风险的石化装置失效频率评估技术应用研究

针对我国石化行业众多进入损耗失效期的在役装置,探讨事故发生的风险机理和基于风险的装置失效频率评估技术。由于单纯的失效评估忽略了装置特殊工艺环境、日常检测等技术条件对特定工况下装置单元风险的影响,现用失效频率和失效修正因子进行改进。利用基于多因素的耦合计算模型,对不同工况装置工艺单元失效风险进行综合量化修正,得到系统风险评估技术。应用该技术对某罐区进行了实际评估。     

基于修正A值法的西安市大气环境容量与剩余容量估算

以箱模型为基本模型,利用陕西省气象台1961—2008年的气象资料,推导出了大气环境容量宏观总量控制修正A值法,并基于修正A值法估算了西安市各区县大气环境容量,新的国家剩余容量。结果表明:西安市除临潼区A值大于国标A值外,其余各区县A值小于国标A值;在新的国家《空气质量标准》的要求下,西安市SO2、NOx、PM10的环境容量值分别为9.552×104 t/a、6.652×104 t/a、9.546×104 t/a;根据全国第一次污染源普查2010年数据库,计算了西安市各区县SO2和NOx理想容量与中低架源排放量的差值及西安市大气中SO2和NOx的剩余容量,碑林区和莲湖区应注意改善中、低架源SO2的排放;新城区、碑林区、莲湖区、雁塔区、阎良区和高陵县应注意改善中、低架源NOx的排放;西安市SO2和NOx没有剩余容量,总体排放量超过环境容量的值分别为2.279×104 t/a和2.336×104 t/a,因此应对SO2和NOx的排放进行总量控制。该研究可为西安市大气污染物排放的总量控制提供科学依据。     

SVR与BP神经网络对小流域次降雨侵蚀产沙预测结果的比较

运用支持向量回归机(Support Vector Regression Machine)与BP神经网络对小流域次降雨侵蚀产沙进行预测.侵蚀产沙输入变量选取降雨量、降雨强度、径流深和洪峰流量模数,流域次降雨侵蚀输沙量为输出变量.以SVR、BP神经网络的预测值与实际值的绝对误差和相对误差作为评价指标.实验表明,SVR的预测精度和稳定性优于BP神经网络.     

城市路面径流污染负荷及采样次数对其估算准确性的影响

在西安市城市主干道南二环路建立路面径流原位采样站,利用自制流量等比例采样装置,采集2009年3月-2010年2月的36场降雨径流,测试各场次径流SS、COD、溶解性COD、NH4-N、Pb、Zn和溶解态Pb、Zn的事件平均浓度(EMC),计算径流年污染负荷,并采用随机抽样方法研究采样次数对污染负荷估算准确性的影响.结果...     

信息融合技术在火灾探测中的应用研究

为减少火灾探测中的误报警,基于信息融合技术对火灾传感器输出的信息进行处理。充分利用火灾探测系统的在线和离线数据,采用改进的主元分析法(PCA)、粗糙集(RS)理论、支持向量机(SVM)等3种方法的融合与互补,通过对系统的输入数据进行简化,消除原有信息的各分量之间的相关性,降低特征信息维数;实施最优最小约简,特征提取优化;构造自适应核函数,确定最优分类超平面,进行样本训练,获得火灾探测结果。从数据级、特征级、决策级3个层次上实现火灾信息融合。结果表明:该方法减少了融合过程中的信息损失,降低了计算的复杂性,有效地提高了火灾探测系统的可靠性和准确度。     

基于RS-SVM模型的煤与瓦斯突出多因素风险评价

为挖掘瓦斯突出风险与煤矿开采中各影响因素间的关系,应用支持向量机(SVM)理论从模式判别角度分析瓦斯突出风险与各地质因素组成的特征向量间的判别关系,基于粗糙集(RS)理论对待分析数据进行知识约简,提取核心判别指标,建立基于粗糙集-支持向量机(RS-SVM)的瓦斯突出风险判别模型。研究结果表明,RS知识约简方法可以很好地对原始数据中的冗余指标进行约简,通过对约简后指标数据进行SVM回归分析,可对煤与瓦斯突出模式进行很好的判别,所建立的瓦斯突出风险判别模型较一般SVM模型具有更高的预测精度,同时指标约简过程降低SVM运算中的复杂度,提高运算效率。     

基于ARIMA与SVM的飞行事故组合预测方法

飞行事故预测的目的在于预防事故。为提高事故预防的针对性和有效性,必须加强预测,以增强预防飞行事故的主动性。在ARIMA和SVM基础上,提出一种飞行事故组合预测方法。首先建立ARIMA模型,用以描述历史数据中的线性关系;然后,对ARIMA模型的残差构建SVM模型,用以模拟数据中的非线性规律,两者预测值之和就是最后的预测结果。美国空军1954—1993年飞行事故损坏飞机万时率的实证分析结果表明:利用该方法所建立的模型,能够对飞行事故作出较为准确的预测,模型精度总体优于单一的ARIMA或SVM模型。     

基于多通道信息融合的疲劳驾驶行为分析研究

为了克服单一通道信息在驾驶疲劳行为判定中的局限性,提出了综合运用多通道信息融合共同判定驾驶疲劳行为的方法。该方法在充分考虑各信息源相关性和互补性的基础上,优化采用驾驶人疲劳特征ECD、车道偏离程度SAAE、方向盘转动程度SWA等疲劳判别指标,运用MVAR进行多维特征向量提取,以有向无环支持向量机为融合算法,建立了基于多分类支持向量机的驾驶疲劳行为判定模型。结果表明,运用DAG-SVM进行多通道信息决策提高了疲劳驾驶行为检测的准确性和可靠性。     

基于HAZOP的向量链风险研究

常规的危险与可操作性分析(HAZOP)进行危险因素分析时仅考虑生产系统中单工艺参数的“偏差原因—偏差—偏差后果(事故)”之间的对应关系,不能对复杂生产系统中多工艺参数偏差之间的相互影响关系及其与事故后果之间的关系进行分析.将向量理论应用到HAZOP分析中,提出了一种基于HAZOP的(关于多工艺参数的)向量链风险分析方法.在常规HAZOP分析的基础上构建向量图和向量链图,确定引发事故的各个向量链的风险值,并据此选择控制事故的最优策略.“某化工厂三氯丙酮车间”的应用实例说明,该方法表达了系统各偏差之间及其与事故之间的逻辑关系.根据计算得到的向量链风险值大小对向量链进行排序,选择重点向量链加以控制,可以有效提高系统的安全性.