直升机旋翼动平衡振动信号的等角度重采样算法研究

目的 准确测量直升机旋翼基频振动的强度和相位,开展对基于振动信号降噪的等角度采样算法研究。方法 基于直升机旋翼动平衡检测的经典架构,提取桨毂传导过来的啮齿咬合振动信号,作为等相位采样的标尺,从而将振动数据从等时间采样,转换为等角度采样,减少转速微弱波动导致的相位非均匀采样对快速傅里叶变换的影响。结果 针对某型现役直升机在满速下获得的主旋翼测试数据,在经过上述方法进行重采样后,测量结果的滚动平均振动强度和相位的波动性明显降低,振动波动小于±0.01IPS,相位波动小于±10°。结论 在采用加速度传感器的条件下,通过采用啮齿咬合高频信号作为标尺,对振动信号进行等角度重采样可以提高测量的精确度。     

冲击环境后峰锯齿脉冲试验条件自动寻优方法

目的 通过自动寻优制定冲击环境后峰锯齿脉冲试验条件,避免冲击“过试验”。方法 根据冲击响应谱的基本原理和谱型特征,提出利用对数距离量化评价2条谱型的吻合度。对冲击环境和后峰锯齿脉冲分别进行冲击响应谱分析,将2条冲击响应谱之间的对数距离最小作为优化目标,将后峰锯齿脉冲的波形参数作为优化参数,基于自适应差分进化算法,提出冲击环境后峰锯齿脉冲试验条件自动寻优方法。结果 将所提方法分别应用于模拟冲击环境和实测冲击环境,均获得了合理的后峰锯齿脉冲试验条件,验证了所提方法的正确性。结论 提出的基于自适应差分进化算法的冲击环境后峰锯齿脉冲试验条件自动寻优方法正确可行。     

TNT生化降解时间序列的人工神经网络预报模型

利用变步长BP算法,对白腐真菌生化降解实际TNT装药废水过程中TNT含量变化的时间序列建立了人工神经网络预报模型,并利用该模型对生化降解过程的变化规律及趋势进行了研究。结果表明,模型的计算值与实测值之间的误差很小,对未来时刻数据的预测精度也较高,模型较好地反映了TNT含量的变化规律。      

二维平流输送问题的Euler-Taylor-Galerkin有限元方法及其数值实验

介绍了二维平流输送问题的Euler-Taylor-Galerkin(ETG)有限元方法,并进行了数值实验。笔者首先采用时间分裂技术将二维问题转化为一维问题,然后对每个一维问题应用ETG算法。为抑止在陡峭梯度区域附近出现的非物理振动和负值,使用了Forester的非线性滤波器。笔者采用余弦函数和高斯函数2种二维分布在一个纯旋转流场中输送的个例,研究了算法的性能并讨论了时间步长和空间网格分辨率对算法精度的影响。      

Efficient implementation of the Metropolis-Hastings algorithm,with application to the Cormack–Jolly–Seber model

Judicious choice of candidate generating distributions improves efficiency of the Metropolis-Hastings algorithm. In Bayesian applications, it is sometimes possible to identify an approximation to the target posterior distribution; this approximate posterior distribution is a good choice for candidate generation. These observations are applied to analysis of the Cormack–Jolly–Seber model and its extensions.     

BP神经网络和遗传算法在红发夫酵母培养基优化中的应用

运用BP神经网络对红发夫酵母发酵培养基组成进行建模以及预测类胡萝卜素产量,在此基础上采用遗传算法对此模型进行全局寻优.得到红发夫酵母发酵培养基的最佳配比为:蔗糖45.10 g/L,硫酸铵3.00 g/L,硫酸镁0.80 g/L,磷酸二氢钾1.40 g/L,酵母膏3.00 g/L,氯化钙0.50 g/L,类胡萝卜素产量达到8.20 mg/L,干重达到9.47 g/L.采用上述方法优化后的培养基使类胡萝卜素的产量比起始培养基提高了95.90%.     

基于安全保障的分布式电源选址定容优化研究

分布式电源的发展是我国智能电网发展中的重要方面之一,基于安全保障性,合理地对分布式电源进行选址定容,对于中低压配电网规划具有重要意义。分析了分布式电源对配网的具体安全性影响。提出以安全第一、成本最小、网损最小、电压偏移最小为目标的综合效用目标函数模型,并采用遗传算法求解。通过对IEEE9节点配电网络的算例分析验证了所提算法在分布式电源选址定容求解问题中的可行性和实用性。     

基于贝叶斯网络的高速动车组运营故障分析

为研究影响高速动车组正常运行的各故障因素间的因果关系,分析其耦合强度,将故障因素分为人、机、环3类,从系统角度又将机器因素分为5个子系统。人、机、环3类共识别27个故障因素;使用K2算法生成贝叶斯网络结构,引入扩展因果效应算法确定节点优先次序作为K2算法的先验知识,采用EM算法学习贝叶斯网络参数,构建基于贝叶斯网络的高速动车组运营故障分析模型;以209个CRH详细故障报告为例,对故障因素的故障发生概率进行排序并分析因素间的影响强度和灵敏度。结果表明:牵引供电系统故障发生概率较高;车门系统故障、牵引变流器故障易由内部零件故障引起,外界异物击打对受电弓影响较大;人、环因素更易引起多故障耦合;环境因素对牵引供电系统表现出较高的灵敏度。贝叶斯网络在分析高速动车组运营系统故障问题上具有可行性,分析结果有助于提升运营单位的管控能力。     

基于城市火灾风险的消防站分级覆盖选址模型——以济南市区为例

为更科学规划消防站选址,实现有限资源下应急资源的合理配置,提高消防站联动效率,根据“不同火灾风险等级的需求点应得到主管消防站和不同数量增援消防站服务”的原则,提出1种消防站分级覆盖选址模型,同时使用覆盖衰减函数表示消防站对需求点的覆盖度;基于遗传算法设计消防站分级覆盖选址模型的求解流程;以济南市区为例,基于POI和火灾数据,使用核密度分析法进行城市火灾风险分级,进而对选址模型进行验证。结果表明:以覆盖火灾风险值为评价指标,分级覆盖选址模型的选址结果优于现状消防站、广义最大覆盖模型、P-中位模型和P-中心模型。     

基于深度学习算法的叉车危险操作行为检测

随着物流仓储行业快速发展及叉车数量的不断增多,针对叉车作业过程中存在的人员碰撞、挤压、坠落等潜在风险,迫切需要对危险行为进行及时检测和预警。为解决人员值守易漏报误报及传统方法检测精度低的问题,建立基于图像特征识别的叉车检测深度学习模型和算法。通过采集、处理现场视频图像素材,完成模型的训练及性能评价,建立相应的报警规则和报警阈值,搭建测试环境并进行仿真测试,开发相应的软件系统。结果表明:模型检测速率为130 ms/帧,人员靠近叉车准确率为85.6%,叉车举升人员准确率为83.7%,达到良好的实践效果。