基于遗传算法的耙吸挖泥船耙头模型研究

耙头是耙吸挖泥船的重要组成部分,在挖泥船疏浚的过程中,其效率的高低主要取决于耙头的工作效率,此论文主要研究耙吸挖泥船的数学模型,利用遗传算法结合实船工作时记录的数据对模型中的参数进行估计,并验证模型的正确性。     

基于遗传神经网络的耙吸挖泥船泥泵转速预测

耙吸挖泥船泥泵管线模型是一个复杂的、非线性的动态模型,影响模型准确性的参数较多;为了根据当前施工条件和流量的优化值准确地预测转速,为施工人员提供参考,提高疏浚效率,采用了遗传算法改进的BP神经网络对泥泵转速进行预测;首先,遗传算法对BP神经网络的初始权值和阈值进行优化;然后,BP神经网络根据优化值对网络进行训练并对转速进行预测;为了验证该方法的有效性,将遗传BP神经网络的预测输出和实测泥泵转速进行对比;仿真结果表明:遗传BP神经网络具有很强的非线性拟合能力和全局搜索能力,能够准确地预测泥泵转速;该预测输出可为施工人员提供参考,以便改变泥泵转速,提高疏浚效率。     

耙吸挖泥船疏浚中三维地层剖面的设计与实现

提出一种三维地层剖面的实时显示方法。该方法利用给定的数字高程模型数据及三次样条函数拟合曲线构造剖面轮廓线,以有效解决三维地层模型内部的可视化问题。为便于施工,在疏浚过程中采用声纳数据动态调整模型。实验结果表明,该方法计算速度快、精度高,可以达到实时显示的效果,并能提高耙吸挖泥船疏浚的质量,减少对环境的影响。     

基于分布式光纤测温的结冰风洞喷雾耙温度场测量

为了实时获取结冰风洞喷雾耙温度场数据,需要采用温度传感器采集温度信号,传统的热电阻式温度传感器需要连接大量长距离线缆,占用大量喷雾耙内部空间;为提高温度场测量的质量效率,对基于分布式光纤测温的结冰风洞喷雾耙温度场测量技术进行了研究;首先,分析了喷雾耙温度场测量概况,研究了分布式光纤测温方法;其次,设计了U型光纤布线方法,建立基于分布式光纤测温的结冰风洞喷雾耙温度场测量系统;最后,实现了20层喷雾耙温度场全局测量,并对喷雾耙温度场分布进行了详细分析;经实际应用表明,喷雾耙温度场测量系统可为喷雾耙电加热系统提供了温度反馈,大大提高了温度场测量效率。     

测量耙对小尺寸发动机性能影响的研究

采用燃气发生器法进行小尺寸涡喷/涡扇发动机性能评价时,测量耙对截面参数和喷管特性的准确获取存在影响,最终导致发动机标准净推力准确度降低.为了减小上述影响,降低标准净推力计算误差,讨论了测量耙对发动机共同工作的影响,分析了测量耙对发动机喷管性能的影响,并基于数值仿真研究带耙/无耙喷管特性、测量耙损失特性,结合测量耙后截面...     

HT-L粉煤加压气化装置沉降槽耙料机运行状态的监测

针对HT-L粉煤加压气化装置渣水处理系统配套沉降槽耙料机在运行过程中出现主轴断裂,导致被迫停车的事故,介绍准确地监测耙料机运行状态的改造方法。     

化肥厂耙料机无线监控系统

PLC或智能仪表作现场控制器，工控机配置组态王软件作为上位机，实现数据联网共享，是目前工厂自动化的流行配置。结合耙料机工作的特点，设计了一套基于PLC和无线通讯模块EL705的无线监控系统，给出了控制系统的硬件配置及软件设计，介绍了该套系统在化肥厂耙料机上的应用。     

绞吸挖泥船横移系统多回路控制研究

为了提高绞吸挖泥船的施工产量,同时避免设备电流超限或管路浓度过高现象的发生,提出了混合多回路控制系统。建立了横移系统的多个制约因素和横移速度的数学模型,并分别设计了模糊PID和Smith预估器的控制方法。对于多个子回路之间的协调问题,设计了一个多回路自动切换控制器,并进行仿真。仿真结果表明,该控制器能根据横移系统的运行状态自动切换控制回路,实现了绞吸挖泥船横移系统对多回路的稳定、高效控制。     

耙料机集散控制系统的设计

以PLC或智能仪表作现场控制器，以工控机配置组态王软件作为上位机，实现数据的联网共享，是目前工厂自动化的流行配置，它和触摸屏技术相结合，可以适应恶劣的工作环境，改善工人的工作条件。本文介绍了此种控制技术在某化肥厂耙料机控制系统中的应用。     

基于卡尔曼滤波的主动波浪补偿系统研究

针对船舶随涌浪进行的升沉运动进行较为深入的研究,旨在采用主动式波浪补偿解决耙吸式疏浚船耙管终端水平高度稳定问题。建立波浪补偿预测系统,通过运动参考单元测量船舶运动竖直方向速度和加速度,主控制单元根据所建立的数学模型结合卡尔曼滤波算法处理数据,通过执行机构调整绳索收放速度完成耙管终端控制补偿,使耙头水平高度在工作过程中保持稳定。所建立的波浪补偿预测系统具有自主学习能力,可以不断运用实测数据自我修正以提高精度,具有很高的实用价值。     

基于LSTM的疏浚管道流速预测模型

疏浚管道输送系统是绞吸挖泥船的重要组成部分,在施工过程中对流速的控制至关重要。该文以现有疏浚管道输送实验台为对象,提出了一种疏浚管道输送系统的流速预测模型。首先针对反向传播神经网络(BP)无法处理序列间的关联信息以及传统循环神经网络(RNN)无法记忆久远关键信息的缺陷,提出了基于长短期记忆循环神经网络(LSTM)的流速预测模型;然后使用LSTM模型对疏浚管道输送实验台和绞吸挖泥船的数据集进行网络训练,并对管道流速进行预测。通过将流速的预测值与真实值进行对比,验证了该文提出的LSTM模型具有很强的适用性和很高的准确性。     

基于神经网络的氟石粉液化模型分析

在对氟石粉进行实验研究的基础上,应用RBF神经网络,建立了预测氟石粉液化FMP的模型。在该模型中,输入为影响氟石粉液化FMP的各种因素,包括粒径、均匀度、化学性质、真密度及堆积密度等,输出为FMP,预测结果表明,所建RBF神经网络模型预测精度较高,可应用于对氟石粉液化FMP的预测。同时采用逐步反向删除的方法分析输入属性对输出结果的影响,找出了影响氟石粉液化FMP的主要影响因素。最后对每个主要属性进行了灵敏度分析。     

Data-driven multi-step robust prediction of TBM attitude using a hybrid deep learning approach

A robust multi-step TBM attitude prediction approach named convolutional gated-recurrent-unit neural network (C-GRU) is proposed in this research and the random balance design Fourier amplitude sensitivity test method is used for sensitivity analysis to reveal the interaction between input and output of the C-GRU model. A tunnel construction project in Singapore is taken as an example to prove the robustness and effectiveness of the proposed approach. Results indicate that the length of the output sequence of the model can maintain high robustness and accuracy within 21 steps. In the 21-step prediction, the highest R² can reach 0.9652 while the mean R² is 0.9004 even though some attitude parameter is with large fluctuations. Each step in the 21-step prediction can maintain a stable accuracy. The data of the past 11 time steps of the TBM attitude parameters are the most sensitive. The proposed method has higher accuracy and robustness than state-of-art time-series based methods.     

Fuzzy Associative Conjuncted Maps Network

The fuzzy associative conjuncted maps (FASCOM) is a fuzzy neural network that associates data of nonlinearly related inputs and outputs. In the network, each input or output dimension is represented by a feature map that is partitioned into fuzzy or crisp sets. These fuzzy sets are then conjuncted to form antecedents and consequences, which are subsequently associated to form if–then rules. The associative memory is encoded through an offline batch mode learning process consisting of three consecutive phases. The initial unsupervised membership function initialization phase takes inspiration from the organization of sensory maps in our brains by allocating membership functions based on uniform information density. Next, supervised Hebbian learning encodes synaptic weights between input and output nodes. Finally, a supervised error reduction phase fine-tunes the network, which allows for the discovery of the varying levels of influence of each input dimension across an output feature space in the encoded memory. In the series of experiments, we show that each phase in the learning process contributes significantly to the final accuracy of prediction. Further experiments using both toy problems and real-world data demonstrate significant superiority in terms of accuracy of nonlinear estimation when benchmarked against other prominent architectures and exhibit the network's suitability to perform analysis and prediction on real-world applications, such as traffic density prediction as shown in this paper.      

基于BOA-ELM的混凝土抗压强度预测研究

为控制控制混凝土生产成本,在混凝土拌和期限制抗压强度不足的缺陷构建产出,可以有效降低原料的浪费,是节能降耗的关键方法之一。针对混凝土抗压强度的传统测量方法严重滞后的问题,提出了基于贝叶斯优化极限学习机(BOA-ELM)的混凝土抗压强度预测方法。首先,分析了混凝土拌和过程中对抗压强度预测值实时获得的需求。以各物料的用量为分析基础,28天标准养护后混凝土抗压强度值为预测目标,设计了基于极限学习机的强度预测模型。其次,为进一步提高模型的稳定性以及准确行,提出基于贝叶斯优化的极限学习机模型,根据模型超参数的分布特征,以高斯过程作为超参的先验分布,预测误差最小化作为目标,寻找最优的模型超参。最后,在实际施工产生的C50标号混凝土数据集上测试文中模型,并对比分析了其他预测模型和寻优算法。结果表明,结合了贝叶斯优化的极限学习机预测模型相较于经典算法具有更高的预测准确性和模型训练的高效性。     

基于神经网络的电影票房预测建模

针对电影票房预测与分类的研究中存在预测精度不高、缺乏实际应用价值等缺陷,通过对中国电影票房市场的研究,提出一种基于反馈神经网络的电影票房预测模型。首先,确定电影票房的影响因素以及输出结果格式;其次,对这些影响因子进行定量分析和归一量化处理;再次,根据确定的输入和输出变量确定各个网络层次神经元数量,建立神经网络结构,改进神经网络预测的算法和流程,建立票房预测模型;最后,用经过去噪处理的电影历史票房数据对神经网络进行训练。针对神经网络波动性的特点,对预测模型的输出结果进行改进之后,输出结果既能更可靠地反映电影在上映期间的票房收入,又能指出电影票房的波动范围。仿真结果表明,对于实验中的192部电影,基于神经网络算法的预测模型有较好的预测和分类性能(前5周票房的平均相对误差为43.2%,平均分类正确率可达93.69%),能够为电影在上映前的投资、宣传以及风险评估提供较全面、可靠的参考方案,在预测分类领域具有较好的应用价值和研究前景。     

基于输出误差模型优化的甲板运动预报算法研究

本文提出了一种适用于多种复杂海况的大型舰船甲板运动预报方法,目的在于提高算法对不同海域复杂海况的适用性,以及对甲板运动模型的辨识精度与预报精度。该方法通过将量测数据的时间滞后处理引入输出误差模型来描述甲板运动的动力学模型,引入定阶准则确定了模型最优阶数数对。在此基础上应用了辅助模型递推最小二乘算法进行系统参数辨识并估计输出误差模型中的状态变量。实验结果表明,本文所提出的预报方法在系统参数辨识阶段可以将递推最小二乘算法的辨识精度提高5.13%,并且在预报阶段可以有效地将甲板运动的幅值与相位预测精度提高3.17%。该方法在复杂海况下具备良好的预测性能,适用于大型舰船甲板运动预报。     

不同造型风格的车身低阻基本形体

针对低阻车身造型风格多元化的需求,结合数值模拟和遗传算法,考虑不同的约束条件,求解4种造型风格不同且气动阻力因数在0.087~0.100内的车身低阻基本形体,并用缩比模型的风洞试验验证该方法的可靠性.高尾车型低阻基本形体的气动阻力因数值比低尾车型的偏高约0.010;不同长高比车身的气动阻力因数变化趋势不同,应独立进行优化.凹形头部与凸形头部的低阻基本形体都有低且长的尾部,头部正压区总面积相近.