某取排水车180°铰接式弯管优化分析

为了解决新型铰接式弯管的变形问题,利用ANSYS软件对铰接式弯管进行建模和流固耦合分析,发现原始弯管两侧中部内凹、弯径增大、最大应力超过许用应力,据此提出了导流器错位排布方案.结果 表明:采用方案三错位排布导流器方案、将导流器间距设为70 mm时得到最优方案,优化后的弯管4最大应力由178.12 MPa降低到92.4 MPa、降低了52％,弯管12最大应力由289.52 MPa降低到135.4 MPa、降低了47％,取得了较好的优化效果,为180°弯管导流器设计提供了一种新方案.     

基于MATLAB灰色Elman网络中长期电力负荷预测

良好的负荷预测模型能够精准且快速地计算预测值,有利于合理地规划分配电能,提升电网运行稳定性.基于MATLAB搭建灰色Elman网络电力负荷预测模型,参考安徽省淮南市"十三五"能源规划[1],以对淮南市进行中长期电力负荷预测为例,同时设置基于MATLAB搭建的Elman网络和灰色理论中的GM(1,1)模型为对照组进行对比仿真实验.提出灰色Elman网络相比对照组具有更高的运算精度,灰色Elman网络对比Elman网络有更好的训练效果.     

基于像素偏转模型和机器学习的室外图像天空像素检测

图像中的天空区域对于基于视觉的地面机器人导航具有重要意义,为了识别图像中的天空部分,本文提出了一种基于像素偏转模型的BP神经网络天空识别方法.首先,制作天空图像集和非天空图像集,天空图像集由各种天气情况下的天空提取而成,非天空图像集由非天空的景物构成,主要包括建筑、汽车、树木、植物等;其次,使用提出的像素偏转模型提取天空图像集和非天空图像集的像素特征并进行处理,对天空像素点和非天空像素点进行标注,利用BP神经网络对像素特征进行训练,得到权重文件;最后,使用得到的权重文件进行天空的识别.为了更好的说明本文算法和模型的优越性,使用本文算法与Otsu算法、YeHu算法、Graph-cut算法和Mask-Rcnn算法模型进行了比较,并设计了两组组对比实验,第一组实验进行识别效果的主观评价,第二组实验利用CamVid数据集的天空类进行算法精度的定量分析.     

地铁机电安装绩效领先指标自动预测方法

目前的绩效领先指标的预测中对样本数据的平稳性考虑不足,样本数据波动性大,影响最终的预测准确性.因此提出地铁机电安装绩效领先指标自动预测方法,首先对影响项目绩效的指标进行拟定描述,确定指标后使用Lasso方法来确定其中变量对绩效指标影响程度,然后使用ADF单位根检验法对相关波动数据进行平稳化处理,运用BP神经网络技术来实现自动预测.为了验证设计方法是否满足设计目的 ,设计实验,使用某地铁机电安装工程的数据作为样本数据并进行自动预测,预测结果显示:本文设计方法对比其他方法结果更接近实际值,设计满足设计要求.     

泥浆脉冲系统压杆打捞工具的使用及打捞工艺

针对泥浆脉冲系统发生的孔内压杆的情况,分析压杆原因,提出一种区别于无法完成压杆打捞的传统打捞方法的打捞工艺,并详细分析其打捞工具、打捞过程、打捞注注意事项,在此基础上给出孔内压杆的防范措施.     

基于GA-BP的汽车风振噪声声品质预测模型

目前对于汽车风振噪声的优化研究主要以声压级（Sound pressure level，SPL）作为单一评价指标，既不能全面反映噪声的物理属性，也无法考虑人耳对噪声的主观认知过程。为准确评价风振噪声，引入声品质，运用大涡模拟（Large eddy simulation，LES）对风振噪声进行数值仿真，根据实车道路试验判断仿真的准确性；对仿真结果进行声品质客观评价与主观评价，综合声品质客观评价参数与声品质主观评价试验结果建立BP神经网络预测模型；利用遗传算法（Genetic algorithm，GA），进一步对BP神经网络的结构参数进行优化，建立GA-BP声品质预测模型。研究结果表明，GA-BP声品质预测模型在训练速度和预测精度上都优于BP神经网络预测模型。预测模型基于声品质主客观评价结果，其预测值可以代替传统的声压级评价指标，为风振噪声提供更为准确合理的评价。     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

具备无功补偿功能的串联电压调节器

针对电网存在的暂降、低电压、谐波、无功等电能质量问题,采用一种背靠背式单相三电平无耦合变压器的拓扑结构,与H桥等结构相比,无桥臂之间耦合问题,降低了设备损耗及成本,同时本文整流侧采用TTA算法检测无功电流,具备无功补偿功能.对于逆变侧,采用输出电压前馈控制策略,消除了负载对逆变系统控制性能的影响,同时充分利用设备调制度较小的情况,在DSP中采用立即刷新的方式,消除了控制延时的影响,提高了系统的开环增益、响应速度、稳态控制效果和系统鲁棒性.所研制的10 kVA的补偿设备验证了该拓扑结构、TTA算法及控制方法的正确性和有效性.     

基于可穿戴传感器数据的人体行为识别数据特征提取方法

随着可穿戴设备的发展与普及,基于可穿戴传感数据进行人体行为检测展现了巨大的研究价值.目前大多人类行为识别工作都是基于视频图像展开的,然而,使用计算机视觉技术进行人类行为识别存在2个挑战:一是很难使参与数据采集的人员在自然状态下采集真实状态下的运动数据,在开展数据采集之前往往需要对参与数据采集的人员进行培训并严格规范其采集动作,最终得到的数据将是背离真实生活的数据,其研究价值将大打折扣;二是数据采集过程中还涉及采集人员的隐私保护问题.为此,提出一种基于深度学习的数据特征提取方法.首先在灵活设置卷积核的基础上引入神经网络的分支结构多尺度提取原始数据的深度特征;然后将各分支得到的数据特征进行融合并作为下一个卷积层的输入.实验结果表明,与目前主流方法相比,该方法在MHEALTH,WHARF和USCHAD这3个标准数据集上的准确率和召回率都取得了更好的效果.此外,该方法还在2个较新数据集Stanford-ECM Dataset和DATAEGO上做了验证,结果表明该方法具有较好的泛化能力.     

超高压耦合热处理过程对鳙鱼鱼糜凝胶特性及水分迁移的影响

为了阐明超高压耦合热处理过程中鳙鱼鱼糜凝胶特性变化的机制，本文探究了超高压耦合热处理（300 MPa/5 min,40℃/30 min,90℃/20 min）过程中鳙鱼鱼糜凝胶特性、蛋白质结构及水分迁移的变化，并进行聚类热图和Pearson相关性分析。结果表明，超高压耦合热处理能显著改善鳙鱼鱼糜的凝胶特性（P<0.05）。随着超高压，超高压结合一段热处理，超高压结合二段热处理过程的进行，鳙鱼鱼糜凝胶的凝胶强度、质构、白度呈上升趋势，其中，较常压处理样品（0.1P），经超高压耦合热处理（300PSH）的鱼糜凝胶强度和白度分别增加了477.75%、43.38%。在不同处理过程中，鳙鱼鱼糜凝胶蛋白质β-折叠结构比例显著增加（P<0.05），肌球蛋白重链交联聚集，同时，鱼糜凝胶的活性巯基含量和表面疏水性显著降低（P<0.05），蛋白质通过二硫键和疏水相互作用形成更致密、有序的网络结构，导致不易流动水向结合水迁移，最终表现为鱼糜凝胶凝胶强度、质构特性、白度和持水性显著改善。本研究可为超高压耦合热处理技术的应用和淡水鱼鱼糜制品的开发提供理论依据。