基于卡尔曼滤波参数自学习的大坝变形预测

卡尔曼滤波模型被广泛运用于大坝的变形预测,然而其参数的识别,尤其是状态和观测噪音协方差矩阵的识别,主要来源于工程经验和领域专家知识。因此提出一种自学习的参数识别方法,该方法基于历史数据,结合Monte Carlo和拒绝采样算法获取卡尔曼滤波参数。具体地,从训练样本中挑选出与真实值最接近的实测值对状态噪音进行估计,并通过计算它与总体误差的差值来确定观测噪音。实验表明,相比已有的同类方法,该方法的准确性更高,更适用于大坝变形预测。     

立式预磨机工作参数对其功率影响的试验研究

使用四因素五水平的正交设计方案,并利用数据拟合的方法,建立了立式预磨机功率消耗的数学模型,分析了单因素对立式预磨机功率的影响规律,为立式预磨机进一步的研究与应用打下了基础。