船舶上层建筑舱室振动灰色预测

基于灰色系统理论，以5618箱集装箱船为母型船，利用灰关联分析法．分别确定了影响船舶上层建筑甲板平均振动和各甲板舱室振动的主要因素，采用非等间隔GM（1，1）建模的方法，分别建立上层建筑甲板平均振动模型和各甲板舱室相对于甲板平均振动的差值的模型，通过将两个模型的预测值求和来得到最终的上层建筑舱室振动预测值。应用此模型对4100箱集装箱船上层建筑舱室振动进行了预测，预测结果显示：用灰色预测方法对复杂的船舶上层建筑舱室的振动进行预测是可行的，不仅能考虑多个因素的影响．而且具有要求的样本少、预测快、精度较高等优点．尤其是在船舶开发设计的初期，较其它方法具有明显的优越性。     

基于粒子群-向量机的汽车加速噪声评价

以乘用车由50 km/h加速到100 km/h时的噪声信号为评价对象,用成对比较法对车内加速噪声品质偏好性进行主观评价实验,获得每个样本的偏好性评价值。计算各噪声样本的主要心理声学客观参数并进行相关分析。鉴于评价者对非稳态噪声主观评价过程的复杂性,建立支持向量机(Support Vector Machine,SVM)的主客观评价模型,并利用粒子群优化算法(Particle Swarm Optimization,PSO)对模型参数进行优化。为对比优化后预测效果,建立BP神经网络回归模型。结果表明,优化后的粒子群-向量机回归模型用于噪声声品质评价能获得更好的预测效果,可较大程度提高声品质预测精度。     

基于灰色小波核偏最小二乘的传感器网络数据预测融合研究

摘　要：针对如何降低传感器网络中采集的非平稳、非线性信号的数据传输量,提出了一种基于灰色Morlet小波核偏最小二乘(GMWKPLS)的预测融合模型。该模型把灰色模型预测的思想融入到核偏最小二乘(KPLS)中,采用构造的Morlet小波核函数进行数据变换,将输入映射到高维非线性的特征空间,在特征空间中,利用线性偏最小二乘方法构造预测融合模型。通过对齿轮箱断齿工况升速过程中的振动信号进行分析,结果表明,该模型使用滑动窗方法不断更新建模数据进行动态预测,预测精度高,可大大降低数据传输量,获得显著的节能收益。通过与灰色RBF核偏最小二乘(GRBFKPLS)和RBF核偏最小二乘(RBFKPLS)预测模型对比,GMWKPLS性能最佳,预测误差范围在±0.4%以内。     

车内噪声声品质的支持向量机预测

对多元线性回归、神经网络和支持向量机的三个预测模型进行了研究。以车内噪声为例,建立了基于以上三种方法的车内噪声声品质预测模型,并采用留一法交叉检验作比较,所构建的支持向量机模型预测精度高于其他两种方法。实验结果同时也表明,支持向量计算法具有较强的稳健性和良好的泛化能力,能够用于车内噪声声品质的预测。     

非线性结构系统识别的自组织蒙特卡洛滤波方法

摘 要：提出一种对扩展的非线性状态空间模型进行识别的自组织序贯蒙特卡洛滤波方法. 通过在原始状态空间模型中增加未知待识别参数来定义扩展的状态空间模型,该模型为自组织非线性状态空间模型,适用于解决噪声分布的自校正问题;同时该系统识别方法通过引入局部似然函数,可以从有限的有效数据中进行最优参数选取.给出了Bouc-Wen滞回系统识别的数值算例,证明了该方法的有效性.     

基于EEMD与GA-小波神经网络的传动系声品质预测

为了进行车辆传动系声品质预测,实施了传动系整车转鼓试验,并结合主、客观分析量化了影响传动系噪声烦恼度的主要异响指标;同时,通过相关分析揭示了心理声学客观参量与主观评价的内在关系。引入聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方法与本征模态函数(Intrinsic Mode Function,IMF)样本熵值对传动系噪声特征进行了提取;在此基础上,以Morlet小波基函数作为隐含层节点的传递函数构建小波神经网络(Wavelet Neural Network,WNN),同时运用遗传算法(Genetic Algorithm,GA)优化小波神经网络的层间权值和层内阈值,构造出GA-小波神经网络模型并用于传动系声品质预测;为了对比所提取的传动系噪声特征性能,将心理声学参量也作为模型输入以进行预测,同时,为了对比GA-小波神经网络模型的预测效果,引入了传统的GA-BP神经网络模型。分析结果表明:GA-小波神经网络较GA-BP神经网络能更准确、有效地对传动系声品质进行预测,并且以本征模态函数样本熵值作为预测模型的输入特征其预测结果较心理声学参量效果更佳。     

SVM算法应用于大气污染时间序列预测

支持向量机(SVM)的在大气污染预测中显示出良好的非线性回归预测性能,本文通过建立基于该算法的时间序列模型,通过选取最优超平面,利用RBF核函数来解决在大气预测中线性不可分的问题。并取得了很高的预测精度结果 ,为大气回归预测方面的问题研究提供了一种崭新的思路。     

自适应非线性BSS及其在齿轮故障诊断中的应用

基于核函数的非线性盲信号处理（BSS）在信号处理中有着广泛的应用,但传统的非线性盲信号处理的学习速率是固定的,如果学习速率选择的不合适,则算法难以收敛或者不能收敛。针对这一不足,结合模拟退火的思想,提出了一种基于核函数的自适应非线性盲信号处理算法。仿真和实验结果表明,该方法改善了原有算法的收敛性能,分离效果良好,算法具有更好的消噪和信号特征提取能力。     

改进FSVM在发动机振动故障融合分析中的应用

摘 要：对模糊支持向量机中的传统隶属度确定函数进行了改进,得到了紧密度隶属函数的模糊隶属度确定方法;针对航空发动机整机振动中多类故障诊断的特点,引入模糊隶属度函数建立了更有效地FSVM融合诊断的数学模型,并将该模型应用到航空发动机整机振动故障诊断中。计算结果显示：该方法不但具有较高的正确诊断率,而且也具有很强的抗噪声能力,从而为航空发动机整机振动故障分析提供了一种新方法。     

转子全周碰摩与局部碰摩的识别方法研究

摘 要：超临界汽轮发电机组的结构和工况复杂,容易引起转、静子间的碰摩。根据碰摩诱发因素的不同,可将其分为全周碰摩与局部碰摩。由于两种碰摩故障的时、频特征相似,传统的时、频域分析方法很难准确提取它们的故障特征。本文针对这一不足,提出一种基于经验模式分解-奇异值分解（EMD-SVD）与支持向量机（SVM）的碰摩故障识别方法,用于对转子全周碰摩与局部碰摩故障进行识别。首先,通过EMD获取碰摩信号的固有模式函数（IMF）;然后,提取表征信号主要能量的前四阶IMF组成特征矩阵并进行SVD分解,得到关于原信号的一组特征值;最后,将特征值输入SVM,对原信号进行分类识别。转子试验台全周碰摩与局部碰摩试验结果表明,本方法对转子全周碰摩与局部碰摩故障的分类准确率高,其中以径向基函数作为核函数的SVM分类准确率达到96.0%。     

三体高速船舱室噪声预报与控制

利用VA One软件对某三体船进行舱室噪声预报与控制方法研究。首先对船体进行简化建立整船模型,并对模型施加外部激励,预报各舱室的噪声水平。再应用VA One软件对不同吸声材料的吸声性能进行模拟计算,考察声腔子系统的能量输入关系。根据能量贡献量的大小混合使用不同吸声材料对指定舱室进行噪声控制处理,得到了较好的降噪效果。     

VA One在舱室噪声预报中的应用

介绍统计能量法的基本理论,并以某科考船为分析对象,利用VA One软件进行舱室噪声预报,分析声学材料、阻尼材料及空调噪声对舱室噪声的影响。结果发现:添加声学材料后,舱室噪声下降显著;3种阻尼方案总体上来说对舱室噪声影响差别不大,但从重量方面考虑,方案二优于其它2种;选用具有良好降噪效果的布风器,可减小空调噪声对上层建筑舱室噪声的影响。     

基于统计能量法的邮轮舱室噪声预报与控制

基于统计能量分析法（Statistical Energy Analysis,SEA）,对邮轮舱室噪声进行了预报研究。分析了邮轮的主要噪声源,包括柴油机、发电机组、螺旋桨、空调和风机等动力设备工作时产生的空气和结构噪声。然后利用VA One软件建立了邮轮全船的SEA仿真模型,对其动力设备舱室和生活娱乐舱室等典型舱室进行了噪声预报,得到了各舱室的噪声频谱图及总的声压级值,并与IMO标准的限值进行比较。计算结果表明除四人间室外其他舱室均符合标准。分析四人间室的主要噪声来源,发现主要是上层的空调机室对其影响较大。提出对空调机室铺设不同结构类型的浮动地板来降低四人间室的噪声值,对比分析可得结构2和3降噪效果良好。最后研究了浮动地板不同厚度矿棉的声学特性,发现存在最优的厚度。     

基于支持向量机改进算法的船舶类型识别研究

利用船舶目标辐射噪声DEMON谱特征,采用改进的支持向量机算法,实现了对船舶目标的分类识别研究。针对支持向量机算法对噪声比较敏感和最优分类面求解时约束较多不利于支持向量机最优分类面寻优的问题,在保持支持向量稀疏性和应用径向基核函数的条件下,对支持向量机算法在松弛变量和决策函数两方面进行了改进,提出了基于径向基核函数的齐次决策二阶损失函数支持向量机改进算法,并应用于利用船舶目标辐射噪声DEMON谱进行船舶目标类型分类识别实验。理论分析、数据仿真与实验结果表明,该改进算法实现了在二次规划中的较少约束条件下最优分类面求解,具有模型参数寻优空间广阔、总体分类性能优的特点,其分类性能优于原支持向量机算法,是一种适合于船舶辐射噪声DENOM分类识别的有效的支持向量机改进算法。     

小波包分形与支持向量机在水声目标识别中的应用研究

水声目标分类识别是公认的水声信号处理难题,船舶辐射噪声是一种非线性非平稳信号,具有一定的混沌特性,更好地认识船舶辐射噪声的非线性性质,有助于更好地寻找有效的水声目标检测及识别算法。为了解决水声目标的分类识别问题,提出了利用小波包分形和支持向量机组合进行水声目标识别。利用小波包分解得到目标辐射噪声不同频带内信号分形维数作为特征矢量,并输入到支持向量机实现目标分类,实验结果表明,小波包分形和支持向量机的结合有比较好的分类识别效果,有一定的实际应用价值。     

舰船宽带连续谱噪声的模拟

首先对舰船辐射噪声信号的时域特性和频域特性进行了分析讨论,根据噪声的连续谱特性,提出了一种用FIR滤波器实现宽带噪声信号模拟的方法。由于舰船宽带信号的连续谱在高频段具有-6dB/oct的衰减特性,因此该FIR滤波器的幅频响应也要与此一致,且为线性相位,即该滤波器的频率响应要具有特定的形状。采用了自适应方法很方便地实现了该特定频率响应FIR滤波器的设计,再将高斯白噪声信号通过该滤波器即实现宽带噪声信号的模拟。仿真结果表明,该方法较真实地模拟出任意给定频域特征的宽带连续谱噪声信号。     

Utilizing support vector machine in real-time crash risk evaluation

Real-time crash risk evaluation models will likely play a key role in Active Traffic Management (ATM). Models have been developed to predict crash occurrence in order to proactively improve traffic safety. Previous real-time crash risk evaluation studies mainly employed logistic regression and neural network models which have a linear functional form and over-fitting drawbacks, respectively. Moreover, these studies mostly focused on estimating the models but barely investigated the models’ predictive abilities. In this study, support vector machine (SVM), a recently proposed statistical learning model was introduced to evaluate real-time crash risk. The data has been split into a training dataset (used for developing the models) and scoring datasets (meant for assessing the models’ predictive power). Classification and regression tree (CART) model has been developed to select the most important explanatory variables and based on the results, three candidates Bayesian logistic regression models have been estimated with accounting for different levels unobserved heterogeneity. Then SVM models with different kernel functions have been developed and compared to the Bayesian logistic regression model. Model comparisons based on areas under the ROC curve (AUC) demonstrated that the SVM model with Radial-basis kernel function outperformed the others. Moreover, several extension analyses have been conducted to evaluate the effect of sample size on SVM models’ predictive capability; the importance of variable selection before developing SVM models; and the effect of the explanatory variables in the SVM models. Results indicate that (1) smaller sample size would enhance the SVM model's classification accuracy, (2) variable selection procedure is needed prior to the SVM model estimation, and (3) explanatory variables have identical effects on crash occurrence for the SVM models and logistic regression models.     

层次型支持向量机人脸检测器

大量的数值实验表明，在非线性支持向量机中，核函数的选取对支持向量机性能的影响很大。核函数的选择一直是一个难题。本文利用遗传算法的全局优化能力比较并分析了多项式核函数和高斯核函数的检测正确率和支持向量个数两项指标，提出了一种层次型支持向量机人脸检测器。实验结果证明，本文的方法确实取得了较好的效果。     

Fatigue life prediction at a ship deck/superstructure intersection

Difficulties arise in identifying an appropriate method to predict fatigue life for the weld joint at the intersection of a ship's deck and superstructure. The problem relates to the gross stress concentration and rapidly changing stress at this location. Variations on the 'hot spot' stress approach to fatigue life analysis are reviewed, and applied to results from an experimental programme of fatigue tests on welded joints. Finally tentative recommendations are made for a procedure to predict fatigue life of the structure.