跨音速轴流压缩机性能预测逐排模型研究

使用准一维逐排模型预测两台跨音速轴流压缩机的总性能,并与试验数据对比.结果表明:使用选定的参考攻角、损失和落后角模型的逐排模型,能够有效地预测轴流压缩机的总性能,计算结果与试验数据吻合较好.     

地铁通风与热模拟方案及其分析

在分析地铁环控能耗影响因素的基础上，运用地铁热环境模拟软件(SIESS)，对我国南方某城市地铁在不同环控运行模式下的不同位置(隧道和站台)的风速、风量、压力、温度长期(逐月)和短期(逐时)的变化情况、车站环控负荷及全年环控能耗进行模拟与预测，着重讨论了通风方案和热模拟方案与各车站空调负荷和全线全年空调能耗之间的关系，为地铁环控系统的可行性研究、系统设计、系统运行管理等提供一定的理论依据。     

计及楼宇综合能源规划系统中负荷预测方法研究

提出一种计及楼宇综合能源规划系统负荷预测的方法,研究楼宇系统中空调冷热负荷的预测方法,对指标法、动态负荷算法、逐时负荷系数法等方法进行了详细阐述,在此基础上提出了综合能源系统负荷预测模型并进行了仿真验证.给出了楼宇综合能源规划系统不同建筑物的冷热负荷系数曲线,不同建筑物的冷热负荷系数曲线有所不同.通过建立模型,验证了楼...     

香港地区办公楼建筑负荷的模拟计算

采用建筑负荷计算的动态方法之一：热平衡法，并采用HTB2软件，以香港地区某建筑为例进行了模拟计算，得到建筑内各区的温度及负荷逐时变化情况，为空调系统的设计和机组的选择提供了有力的技术支持。     

聚合物基表面微结构的逐面式制造技术研究进展

聚合物基表面微结构在软体机器人、柔性电子器件、仿生机械、生物医学、组织工程等领域有着广泛的应用,将逐面式制造技术应用于聚合物基表面微结构的制造过程可解决传统微压印、光刻、逐点和逐线式制造方法加工周期长、效率低、大面积表面微结构制造脱模难等问题。发展聚合物基表面微结构的逐面式制造技术是当前先进制造技术的研究热点之一,具有广阔的应用前景。首先在阐述了常见的聚合物基表面微结构设计及其制造材料的基础上,重点论述了光刻、纳米压印、数字光投影式3D打印、能场辅助制造、自组装制造等五类逐面式成形制造技术方面的最新研究进展,包括各种制造技术的制造原理、工艺特点及表面微结构的典型应用等。最后,总结预测了聚合物基表面微结构设计、制造及应用方面的发展趋势,并对聚合物基表面微结构的逐面式成形制造技术的未来发展进行了展望。     

修改的预测控制方法在智能结构振动抑制中的应用

在输出预测控制的基础上，提出了一种修改的预测控制算法，即在预测时域内，使系统的控制输入不再保持不变，而是在一定的时域内可以线性改变，这样提高了控制的灵活性和系统的动态性能。将修改的预测控制算法应用于悬臂梁的振动控制。仿真结果表明，基于新的预测控制算法更加有效地抑制了柔性结构的振动。     

一种适用于冰蓄冷空调系统的全年逐时负荷计算方法

根据全年气象参数资料，并结合传统的负荷计算方法，提出一种便于工程技术人员使用的全年逐时负荷简易估算法，该方法相对于传统的估算方法更适用于冰蓄冷空调。并以上海地区为例进行了具体的计算分析。     

TY140型推土机初次使用须知

1.逐挡磨合 用户在接到新机后,切勿直接投入使用,应进行磨合.磨合或初次作业时,应从Ⅰ挡开始、逐挡进行;油门的控制也应从小到大地循序渐进.这一过程将使主机在相当于自重负荷的情况下,各传动齿轮、接合部件和行走机构都获得合理、逐挡和充分的"磨合",能够大大地延长推土机的使用寿命.     

TY140型推土机初次使用须知

1.逐挡磨合 用户在接到新机后,切勿直接投入使用,应进行磨合。磨合或初次作业时,应从Ⅰ挡开始、逐挡进行;油门的控制也应从小到大地循序渐进。这一过程将使主机在相当于自重负荷的情况下,各传动齿轮、接合部件和行走机构都获得合理、逐挡和充分的"磨合",能够大大地延长推土机的使用寿命。     

房间空调逐时冷负荷两种计算方法的比较

比较了房间空调逐时冷负荷的两种计算方法--Z-传递函数法和辐射时间序列法.与Z-传递函数法相比,在将得热量的辐射部分转化为逐时冷负荷时,辐射时间序列法无需迭代,计算简便,而且辐射时间因子能反应围护结构的热响应特性,可作为评价围护结构蓄热能力的指标.推导了房间传递函数系数与辐射时间因子的关系式,可通过现有的AsHRAE房间传递函数系数数据库计算典型房间的辐射时间因子.     

基于多嵌入维数的时用水量LSSVM组合预测

为解决供水系统调度所需混沌时用水量高精度预测等问题,将最小二乘支持向量机(LSSVM)组合预测模型应用到城市时用水量预测中。在分析不同嵌入维数和预测方法对模型预测精度影响程度的基础上,提出了基于多嵌入维数的LSSVM组合预测模型。采用互信息法和G-P方法求取多个嵌入维数,并建立了不同相空间模型,通过LSSVM算法对上述多个预测模型进行了组合预测,既综合了各不同嵌入维数各预测方法下的信息,又对单一模型下的预测偏差进行了融合,以有效地提高预测精度;最后在某地进行了时用水量序列的仿真实验。研究结果表明,该模型预测精度平均误差小于2%,明显优于各单一模型的预测结果,证实了该组合模型的有效性和实用性。     

汽车内饰装配线小时产出及设备使用率优化研究

以某汽车内饰装配线为研究对象,提出了一种优化线体的小时产出及设备使用率的方法。设置载具数量、生产节拍的二因素三水平仿真实验,对实验数据进行回归分析获得小时产出与设备使用率方差的回归方程;将小时产出与设备使用率通过加权和的方式合并为加权目标函数,通过粒子群优化(PSO)算法对目标函数进行求解优化。优化后线体小时产出提高了6.01%,载具投入成本降低了5%,设备使用率方差降低了72.68%,均衡设备负荷,提高了线体生产能力。     

An electronic-very long baseline interferometry mode on the quasar-KVO radio interferometric complex

Results of experimental studies on data transmission of hourly and daily very long baseline interferometry (VLBI) sessions from the Badary observatory to the Correlation Processing Center, Russian Academy of Sciences (St. Petersburg) in a communication channel with a bandwidth of 300 Mbit/s are presented.     

Combined Prediction for Vehicle Speed with Fixed Route

Achieving accurate speed prediction provides the most critical support parameter for high-level energy management of plug-in hybrid electric vehicles. Nowadays, people often drive a vehicle on fixed routes in their daily travels and accurate speed predictions of these routes are possible with random prediction and machine learning, but the prediction accuracy still needs to be improved. The prediction accuracy of traditional prediction algorithms is di cult to further improve after reaching a certain accuracy; problems, such as over fitting, occur in the process of improving prediction accuracy. The combined prediction model proposed in this paper can abandon the transitional dependence on a single prediction. By combining the two prediction algorithms, the fusion of prediction performance is achieved, the limit of the single prediction performance is crossed, and the goal of improving vehicle speed prediction performance is achieved. In this paper, an extraction method suitable for fixed route vehicle speed is designed. The application of Markov and back propagation(BP) neural network in predictions is introduced. Three new combined prediction methods, all named Markov and BP Neural Network(MBNN) combined prediction algorithm, are proposed, which make full use of the advantages of Markov and BP neural network algorithms. Finally, the comparison among the prediction methods has been carried out. The results show that the three MBNN models have improved by about 19%, 28%, and 29% compared with the Markov prediction model, which has better performance in the single prediction models. Overall, the MBNN combined prediction models can improve the prediction accuracy by 25.3% on average, which provides important support for the possible optimization of plug-in hybrid electric vehicle energy consumption.     

基于卷积神经网络的短期天气预测研究

对某市历史天气数据进行分析、整理,建立了具有两个卷积层的卷积神经网络,并做出短期天气预测,对未来6 h天气温度进行预测,并根据实际天气做出误差分析。为了对预测结果进行分析,又基于灰色模型方法建立了天气预测模型,并对两种方法的预测结果进行比较,得出相应结论:整体来看,两种模型的预测结果与实际温度的相对误差和均方误差较小,都能较为精准地对温度进行短期预测,两种方法在对温度短期预测中具有参考价值,且卷积神经网络预测精度更高。这一结论可以为不同时间序列及天气温度波动情况的短期天气预测提供新的思路。     

基于小波去噪和LSTM模型的短时交通流预测

针对现有的部分交通流预测模型仅面向单一路段进行,模型输入数据未预处理的问题,采用启发式阈值算法对小波分解后的原始交通流数据进行去噪处理,通过对路网内各路段交通流数据相关性系数计算,构造出路网交通流数据压缩矩阵。数据去噪将数据对模型的干扰降到最低,同时路网数据相关性分析又使预测在路网层面上进行了考量。利用长短时记忆(LSTM)网络在时序数据处理方面的优势,将压缩矩阵输入构造好的LSTM模型进行短时交通流预测。利用去噪处理数据和原始数据分别训练LSTM-1和LSTM-2模型,通过仿真实验,设置不同预测时间将本文提出的预测方法和其他4种模型对比,验证了相较于其他4种模型预测的准确率平均可提升10.278%,预测的准确率达到了95.58%,说明这是一种高效率的短时交通流预测方法。     

机械系统工作状态组合预测模型的研究

在机械系统工作状态的趋势预测中，可以采用振动烈度作为特征参量。为改进预测的效果，在时序预测和灰色预测的基础上，提出了组合预测法。研究结果表明：组合预测法是较理想的和较实用的预测方法。     

信息熵与优化LS-SVM的轴承性能退化模糊粒化预测

为了提高滚动轴承性能退化指标的预测精度,得到性能退化指标的一个预测范围,本文提出信息熵与优化最小二乘支持向量机(LS-SVM)的轴承性能退化趋势模糊粒化预测。首先利用信息熵理论提取轴承信号的性能退化指标序列,再利用模糊信息粒化理论对该性能退化指标序列进行模糊信息粒化;然后将粒化后的数据输入给LS-SVM进行回归预测,并采用粒子群算法(PSO)优化LS-SVM的惩罚参数和核函数参数;最后根据实测值和预测值的对比分析评估预测模型的优良性。实验结果表明,对于每个时间段内的轴承性能退化指标,该方法均能获得准确的预测结果,具备较强的实用性和工程应用价值。     

神经网络在航空活塞发动机排气门故障预测中的应用

针对航空活塞发动机排气门卡阻故障,经过对故障机理的分析,提出了一种利用神经网络对排气门导套与气门杆的配合间障进行预测,以间接预测排气门卡阻故障的方法。将影响排气门积垢速率的因素设定合理的特征值,以这些特征值和发动工作时间作为输入向量,配合间隙作为输出向量,分别建立了GRNN神经网络和BP神经网络预测模型。预测实例表明,GRNN神经网络预测模型具有较高的预测精度、稳定的网络以及较快的收敛速度,预测性能优于BP神经网络模型,预测结果可作为评估排气门卡阻故障发生概率的有效依据。