运输航空公司航油消耗规划目标预测方法研究

为了推算出运输航空公司能耗是否能够满足国家下达的指标要求,同时为运输航空公司节能减排提供决策支持,需要对运输航空公司航油消耗规划指标进行准确预判和制定。首先,对运输航空公司历史油耗数据以及影响因素进行分析,针对其历史数据的非线性和非平稳性特点以及预测过程中存在不确定影响因素等问题,从宏观趋势和具体因素两个角度出发,提出了改进能源弹性系数法和支持向量回归两种预测方法对航油消耗进行预测。并对预测结果合理性进行了分析,两种方法预测结果相互检验,最后得到运输航空公司能源规划指标。     

基于新陈代谢灰色马尔科夫-ARMA模型的航空公司能耗预测（英文）

航空公司能耗的预测直接影响能源需求的规划与节能的决策。针对航空公司能耗数据既有趋势性又有波动性的特点,提出了新陈代谢灰色马尔科夫-ARMA的能耗组合滑动预测模型。该模型利用灰色马尔科夫方法描述了能耗的变动趋势,通过ARMA模型捕捉残差序列的相关性来描述波动性,用新陈代谢的方法剔除模型中失去时效性的旧数据,解决了常规预测模型不足以完全描述航空公司能耗运动趋势的问题,提高了模型预测精度。仿真结果表明:提出模型精度优于传统ARMA模型和灰色马尔科夫模型,能够实现月度能耗的有效预测,为航空公司能耗监测和节能工作的优化开展提供了有力支持。     

基于PSODE算法的机场充电桩规划研究（英文）

基于当前机场逐步实行车辆"油改电"的大背景,研究了今后机场充电桩的布局规划问题。建立了以充电桩管理建设费用、电动特种车辆路上运行费用及充电等待费用最小为目标函数的充电桩选址模型,在粒子群算法的基础上引入信息互融机制,提出了差分进化粒子群算法作为模型求解方法,克服了粒子群算法易陷入局部最优和精度低的缺陷,增加了种群多样性及全局寻优能力。最后结合机场实例确定充电桩布局选址的具体方案,证明了模型算法的可行性和有效性。     

面向无人机航路规划的威胁建模研究（英文）

无人机的航路规划是提高其生存概率的必要手段,威胁建模则是航路规划的关键技术之一。为满足研究的实际需求,支持快速的航路规划,要求在规划前期能够迅速给出对威胁模型的初始描述,针对无人机航路规划问题,提出了基于模糊综合评判建立威胁模型的新方法,并通过一个仿真实例验证了该方法的有效性。     

基于pareto方法的多目标柔性车间调度问题的研究（英文）

多目标柔性车间调度问题一直是一个学术的难题,关于并行机的问题更是很少讨论。建立了基于并行机的多目标柔性车间调度的数学模型,目标函数为最小化最大完工时间和加工成本。与以往智能优化算法不一样的是,提出了一种基于pareto的简单优化算法。该算法主要包括两个模块:加工顺序模块和机器选择模块,其中机器选择模块采用了基于pareto优化算法。最后,数字实验表明了该算法的正确性和有效性。     

汽车进气格栅多目标优化设计（英文）

基于kriging模型和NSGA-Ⅱ算法,采用多目标优化设计的方法研究了进气格栅对汽车气动性能和发动机舱散热性能的影响,并通过数据挖掘技术研究设计变量与目标函数间的影响机制。进气格栅优化变量有3个:格栅倾角、格栅条数量和格栅条宽度。优化目标为汽车的气动阻力系数、气动升力系数以及进入发动机舱的气流质量流量。通过总变差分析和自组织映射图分析,得出了各设计变量对不同目标的影响程度以及变量与目标之间和目标与目标之间的相互关系。最后对比分析了优化后的模型和原始模型的气动性能和发动机舱散热性能。     

中国有色金属期货市场波动率预测（英文）

运用高频金融数据建模和预测中国有色金属期货市场波动率,并探索已实现波动率的波动时变性和杠杆效应。拓展了LHAR-CJ模型,并对上海期货交易所铜和铝期货进行实证研究。研究表明,已实现波动率存在动态依赖性和时变性,它们均可通过长记忆性的HAR-GARCH结构体现。此外,中国有色金属期货市场波动率存在显著的周杠杆效应。最后,样本内预测和样本外预测的结果表明,考虑了已实现波动率的波动时变性和杠杆效应的HAR-CJ-G模型能有效地提高解释能力和样本外预测能力。     

基于自适应遗传算法的航材动态调度规划研究（英文）

针对民机不同维修任务的航材调度规划问题进行了深入研究,提出了基于改进自适应遗传算法动态库存的航材实时共享调度规划模型。结合任务时间窗的需求和停机惩罚函数为约束,以最小总成本为优化目标,建立了航材库动态环境下的航材调度模型。在此基础上,采用改进遗传算法对模型进行求解,编码方式采用染色体组的形式,在求解过程中,将交叉和变异概率根据适应值作出动态调整。通过算例仿真验证了该模型的可行性和有效性,为航材实时调度规划提供了理论方法依据。     

一种簇绒机故障诊断方法的研究（英文）

针对簇绒机的故障诊断问题,提出采集滚动轴承的振动信号进行故障诊断。采集的实际振动信号中往往存在噪声信号,需要去掉噪声后再进行诊断。局部均值分解(local mean decomposition,LMD)方法是一种新型的信号自适应分解的时频分析方法,并且已经应用到故障诊断中。为了进一步提高LMD的性能,提出采用分段Hermite插值替代原始的滑动平均方法。提出一种新的故障诊断方法,首先应用小波包变换分析方法,去除信号中夹杂的噪声,然后使用改进后的LMD方法进行信号的分解,选择相关系数较大的PF分量进行希尔伯特变化包络谱分析,成功提取相关的故障特征。通过仿真实例的分析和对滚动轴承的实际故障数据进行故障诊断,证明了该方法在故障诊断应用中的有效性。     

基于改进遗传算法与Morphin算法的机器人路径规划方法（英文）

为了实现动态复杂环境下机器人路径的优化,在建立栅格地图模型的基础上,针对传统遗传算法的不足,一是通过改进适应度函数使得到的路径更加平滑,二是将改进后的遗传算法与Morphin算法结合起来,使得机器人能够实时有效的躲避障碍物。仿真实验结果表明:通过结合改进遗传算法和Morphin算法的特点,能够使机器人沿着一条短而平滑的最优路径快速、安全地到达目标点。     

汽车磁流变阻尼器多目标优化分析（英文）

为了改善汽车的被动安全性能,提出将一种单杆单筒式磁流变阻尼器应用于汽车前部吸能结构中。提出以修正Bingham塑性模型(BPM模型)为理论基础,以最大阻尼力和可调范围为优化目标,运用mode FRONTIER自带的非支配排序遗传算法(NSGA-II)对所采用的磁流变阻尼器结构参数进行多目标优化分析。优化结果表明:最大阻尼力和可调范围成反比,所用的优化算法不可能使两个优化目标同时达到最优,只能在众多前沿解中选择符合条件的优化解。优化后的磁流变阻力器磁场分布更加集中合理。     

基于ARIMA的民航发动机下发预测（英文）

时间序列自回归滑动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)能较准确处理和预测依循环顺序获得的航空发动机性能数据。采用分箱改进的拉伊达准则处理起飞EGTM数据,可为ARIMA模型提供了更加真实的数据,获得航空发动机起飞EGTM预测值,依据航空公司发动机设定的可靠度进行下发预测。应用验证表明:基于ARIMA的起飞EGTM时间序列能够满足航空发动机的质量管理的要求。     

六轴机器人的运动学建模与轨迹规划研究（英文）

以PUMA560机器人为研究对象,对该型号机器人进行运动学分析。首先通过建立运动学模型来求解机器人的正、逆运动学方程。其次运用三次多项式插值、五次多项式插值以及五段位置S曲线插补这三种方法来对该机器人进行轨迹规划。将这三种方法进行分析比较,最终得出五段位置S曲线插补轨迹规划方法可以使机器人运行较稳定,运动特性也较好,进而可以快速平稳地到达期望位姿,最终完成指定任务。     

基于APG算法的多焊接机器人路径规划研究（英文）

为解决多机器人同步焊接路径规划不合理问题,提出一种基于蚁群的融合算法(APG)。首先将多机器人路径规划问题转换为MTSP数学模型,使用kmeans算法将MTSP问题转换为多个TSP问题;其次采用提出的APG算法来优化TSP问题,同时与ACO算法和PSO_GA算法进行实验结果对比,证明APG算法的优越性;最后在ROBCAD中建立三维模型,对可达性、干涉性等实际应用中存在的问题进行仿真,验证算法的有效性。实验结果表明:所提出的APG算法同其它路径规划算相比能够得到更佳路径。     

基于群体智能算法的排球高鲁棒性目标识别研究（英文）

基于小波变换和人工神经网络的目标识别是图像处理的一个重要研究方向。但是,此类方法采用的梯度下降规则容易产生局部极小值。为了解决该问题,提出了一种基于群体智能算法的高鲁棒性目标识别算法,可有效应用于各种图像识别任务,如排球目标识别等。首先对图像进行预处理并变换成HSV空间进行背景分割,并通过小波不变矩对图像进行特征提取。然后采用新兴的群智能算法-狼群算法,对基于小波神经网络的目标图像识别进行优化,以便提升全局收敛性和鲁棒性。仿真实验结果显示:相比原有的方法,提出优化方法具有更高的识别精度和稳定性。     

基于小波神经网络的建筑BIM能耗预测算法研究（英文）

为了提高城市建筑能源管理的效率,从而实现节能减排目的,提出了一种基于小波神经网络的建筑BIM能耗预测算法。该方法首先根据限制因素建立了标准的建筑模型。然后根据简化原则,以某商务型公寓楼为例通过BIM技术对建筑模型进行了参数化。最后运用BP小波神经网络对模型能耗进行预测算。仿真实验结果显示,提出方法的预测误差在合理范围内,验证了其可行性。     

基于波高预测的波浪能回收装置最优控制的研究（英文）

波浪能因其分布广泛且能流密度高,是一种优质的海洋能源。但由于波浪能输入功率不稳定的原因限制了其应用。有研究表明,通过对波浪能能量俘获装置(WEC)的运动控制,可以有效地提高能量俘获效率。一些运动控制技术,如相位控制等已经被成功应用。近期研究中有学者提出,通过对波浪的短期预测而实现波浪能最优俘获的观点,这对于波浪能的应用是非常具有意义的,但对于波浪预测的时间尺度并未有做深入研究。基于水动力学理论对波浪的预测效应进行了理论分析并和仿真研究。通过仿真以定量的方式建立了波浪短期预测与能量俘获之间的关系,进一步增加了对波浪能俘获最优控制的理解。     

滚动直线导轨设计研究（英文）

结合实际经验及理论研究,针对滚动导轨抗震性差及使用不稳定等缺点,运用有限元软件ANSYS对影响导轨精度因素的主轴导轨系统进行了模态分析和计算,对相应零部件曲面进行优化设计,采用适当增加导轨表面硬度的方法提高导轨精度和使用寿命,并对导轨系统进行静力学仿真以确定自身静刚度,通过实验证实此导轨的高刚度性能。提出了设计时注重选材和受力分析计算,使用时也要注意防尘防护、润滑及适当预紧。     

纯钛板成形极限曲线的预测（英文）

商业纯钛(CP Ti)由于其轻质,高比强度和优异的耐腐蚀性能而被广泛应用于板式换热器。然而,与汽车用钢和铝合金相比,关于CP Ti板的塑性变形特征和压制成形性的研究相对较少。本文研究与CP Ti板压制成形相关的应力-应变关系及其力学性能和硬化行为。结果表明,CP Ti板的真应力-真应变关系曲线符合Kim-Tuan硬化方程,而不是Voce和Swift模型。通过冲压试验验证CP Ti板的成形极限曲线(FLC)可作为压制成形性的标准,并可通过Hora改进的最大力准则来分析预测。通过Kim-Tuan硬化模型和合适的屈服函数预测的FLC与冲压试验的结果吻合良好。     

纯电动汽车复合电源系统模型预测控制（英文）

纯电动汽车动力电池存在功率密度低,使用寿命短的问题,在电源系统中加入高比功率的超级电容组成了复合电源系统,为了使两者更加高效的实现能量转换,提高复合电源系统的性能,在复合电源系统的等效电路模型基础上,结合系统不同的工作模式以及纯电动汽车不同的行驶工况,提出一种动态矩阵的模型预测控制算法,并在实车复合电源试验环境中对模型预测控制算法进行验证,实验结果表明:采用的模型预测控制能很好的实现复合电源系统能量的最优管理。