基于小波 ARIMA的航空运输企业能耗预测模型

针对航空运输企业月度能耗进行预测,提出基于小波分析与求和自回归移动平均模型(ARIMA)相结合的混合预测模型。该模型根据航空运输企业月度能耗序列的特征,对其进行二尺度小波分解,对分解后的能耗序列根据自身规律分别进行ARIMA预测,重构各尺度序列的预测值得到最终预测结果。利用某航空运输企业2009年1月至2013年12月五年的月度能耗数据进行验证,结果表明:小波 ARIMA模型的预测精度高于ARIMA模型,对数据的波动性有较好的响应,提高了能耗序列的整体预测精度。     

基于灰色加权关联度的航空运输企业能效评价（英文）

对航空运输企业进行能效分析与评价,挖掘节能潜力和机会,是保障航空运输企业开展节能优化、提高能源效率有效性的关键内容。通过对航空运输企业能源效率测度指标及影响因素的分析,采取定性评价与定量分析相结合的原则,从节能管理、能源系统及环境系统3个方面建立了航空运输企业能效综合评价指标体系。采取层次分析法与熵值法相结合的方式,确定各指标组合权重,建立基于灰色加权关联度的综合评价方法,以量化的方法分析和评价航空运输企业能源效率发展趋势。实例分析表明:对航空运输企业能效的综合评价较为客观的反映了企业能效发展的真实状况,基于灰色加权关联度的综合评价方法对于多目标决问题具有简单、科学、实用性强的特点。     

基于小波神经网络的建筑BIM能耗预测算法研究（英文）

为了提高城市建筑能源管理的效率,从而实现节能减排目的,提出了一种基于小波神经网络的建筑BIM能耗预测算法。该方法首先根据限制因素建立了标准的建筑模型。然后根据简化原则,以某商务型公寓楼为例通过BIM技术对建筑模型进行了参数化。最后运用BP小波神经网络对模型能耗进行预测算。仿真实验结果显示,提出方法的预测误差在合理范围内,验证了其可行性。     

基于新陈代谢灰色马尔科夫-ARMA模型的航空公司能耗预测（英文）

航空公司能耗的预测直接影响能源需求的规划与节能的决策。针对航空公司能耗数据既有趋势性又有波动性的特点,提出了新陈代谢灰色马尔科夫-ARMA的能耗组合滑动预测模型。该模型利用灰色马尔科夫方法描述了能耗的变动趋势,通过ARMA模型捕捉残差序列的相关性来描述波动性,用新陈代谢的方法剔除模型中失去时效性的旧数据,解决了常规预测模型不足以完全描述航空公司能耗运动趋势的问题,提高了模型预测精度。仿真结果表明:提出模型精度优于传统ARMA模型和灰色马尔科夫模型,能够实现月度能耗的有效预测,为航空公司能耗监测和节能工作的优化开展提供了有力支持。     

2024铝合金热裂敏感性预测模型（英文）

对比研究Katgerman和Clyne-Davies预测热裂敏感性的理论模型。制备晶粒细化的和未细化的2024铝合金,凝固冷却速度为0.4-17.5°C/s。采用热分析检测枝晶搭接点和共晶反应温度,基于牛顿法测绘固相线和液相线以确定热裂敏感区。实验结果显示,2024铝合金中可能发生热裂的最敏感区域为在糊状区的最后阶段,Al_2CuMg金属间化合物作为共晶相形成的区域。另外,在熔铸过程中的高冷却速率下,两个模型具有较好的一致性;而在低至中等冷却速率下,Clyne-Davies模型预测热裂倾向更准确。     

基于响应面法的挡风梁冲压回弹预测模型（英文）

以5182铝合金挡风梁成形后的回弹为研究对象,通过单向拉伸试验,获取了5182铝合金板料在不同轧制方向及应变速率条件下的真实应力-应变曲线,并将其引入数值模拟模型,研究了板料成形速度、模具间隙、摩擦系数对5182铝合金挡风梁成形回弹的影响规律并分析了其形成原因。然后根据响应曲面法建立了 5182铝合金挡风梁回弹预测模型,进而通过不同条件下的实验对比,对该预测模型进行了验证。研究结果为铝合金板料回弹的分析提供了新的思路。     

基于小波分解和异步重构的图像信息增强算法（英文）

针对传统基于小波变化的图像信息增强问题,提出了一种结合小波分解和异步重构的图像信息增强算法。其中的异步重构方法并不采用通常的顺序,而是采用排序编码来执行。通过模拟人脑处理视觉信息的方式,该方法试图通过使用较少的频率通道来实现图像重构。首先,信号首先通过高斯差分滤波实现空间频率分解。然后选择最重要信息频率分量,每个像素利用最好的尺度进行重构,并且忽略弱响应尺度。实验结果表明:在局部重构的情况下,相比传统的标准排序重构算法,提出的算法能够快速的实现图像重建并达到较高的增强效果。     

基于GA-BP和PSO-BP神经网络的6061铝合金板材流变应力预测模型（英文）

6061铝合金作为一种热可强化铝合金,具有良好的成形性能,但是其塑性流变应力受最终热处理工艺的加热温度、保温时间和冷却方式等参数的影响很大。因此,为了获得最终热处理工艺参数对6061铝合金板材的塑性性能及流变行为的影响,试验中以6061-T6铝合金板材为研究对象,通过单向拉伸试验、金相实验和硬度测试等方法研究不同热处理工艺参数(加热温度为500、530、560和590℃、保温时间2 h、冷却方式为空冷)对6061铝合金塑性性能和硬度的影响。通过单向拉伸试验获取不同热处理工艺参数条件下6061铝合金的真实应力-应变曲线;借助BP、GA-BP和PSO-BP神经网络构建不同热处理温度条件下6061铝合金的本构关系模型。结果表明,BP、GA-BP和PSO-BP神经网络模型均能较好的拟合不同热处理温度条件下6061铝合金的流变行为,但是PSO-BP神经网络模型对6061铝合金流变应力的预测精度更高,模型预测性能更优越,其平均绝对误差(MAE),平均相对误差(AARE)和相关系数(R~2)分别为1.89,1.56%和0.9965。     

基于小波去噪和广义回归神经网络的图像重构算法（英文）

针对传统基于小波变化的图像超分辨率重构问题,提出了一种结合小波去噪和广义回归神经网络的图像重构算法。首先通过整数小波变换将图像的低频和高频部分进行分解。然后利用中值边缘检测作为预测器并在编码之前设置了误差映射。最后对传统广义回归神经网络的原理进行了分析,并设计了相应的广义回归神经网络。此外,利用期望值最大算法对广义回归神经网络模型参数估计进行了优化。通过超分辨率图像重建仿真实验对提出算法的有效性进行了验证。实验结果表明:提出算法具有较好的去噪能力和较高的重构精度。     

基于离散小波变换和感兴趣区域的图像盲水印方案（英文）

为了有效提高图像水印技术的不可感知性、鲁棒性和安全性,提出了一种基于感兴趣区域和离散小波变换的鲁棒盲水印方案。该方案使用宿主图像的感兴趣区域用作水印图像。通过从宿主图像生成的水印,结合嵌入策略以及Arnold置乱来满足要求。首先,将第一级离散小波变换应用于水印,并选择近似系数作为要嵌入的信息。将各个近似系数嵌入到小波域内的宿主图像所选块的低频子带中;随后,在嵌入之前,对水印的近似系数以及宿主图像的块进行Arnold置乱。这使得该方案更加鲁棒和安全。测试数据表明:与当前水印方法相比,所提技术具有更高的鲁棒性和安全性,其水印图像的相关系数NC均稳定在0. 98左右。仿真结果表明:该方案可抵抗各种攻击,实现高度的安全性、不可感知性和鲁棒性。     

基于晶粒尺寸的镍基高温合金低周疲劳寿命预测模型（英文）

镍基高温合金在承受高温和机械应力时很容易产生低周疲劳损伤,疲劳寿命预测对于镍基高温合金的实际应用是非常重要的。为了研究总应变和晶粒尺寸对镍基高温合金低周疲劳行为的影响,本文作者对一种镍基高温合金进行高温低周疲劳试验。结果表明,合金的疲劳寿命随应变振幅和晶粒尺寸的增加而减小。建立一个考虑晶粒尺寸对疲劳寿命影响的低周疲劳寿命预测模型。误差分析表明,低周疲劳寿命模型的预测精度高于Manson-Coffin和Ostergren能量法模型的预测精度。     

基于SPWVD-CNN的滚动轴承故障诊断（英文）

针对传统的滚动轴承故障诊断方法难以提取轴承振动数据有效特征的缺陷,提出一种基于平滑伪Wigner-Vill分布(smooth and pseudo Wigner-Ville distribution,SPWVD)和卷积神经网络(convolutional neural network,CNN)的网络模型SPWVD-CNN。对振动数据进行平滑伪Wigner-Vill分布变换,将获得的时频图进行压缩,作为CNN的输入,利用迁移学习的思想进行网络训练,使得模型对于不同负载的数据具有良好的诊断性能,提高了网络的泛化能力。实验结果表明:SPWVD-CNN对轴承故障数据的平均分类准确率提升至99. 27%,总体性能优于使用单一的CNN和其他传统的故障诊断方法。     

Al-14Cu-7Ce合金高温流变应力预测模型（英文）

在应变速率0.001~1 s-1、温度573~823 K的条件下,采用Gleeble 3500热模拟试验机对Al-14Cu-7Ce合金进行等温热压缩实验,并根据真应力-真应变的计算数值,建立了Al-14Cu-7Ce合金高温流变应力本构方程。结果表明,流变应力符合速率方程€=ADLGb/kT(sinhaLG)n;其中,应变的影响通过多项式拟合方式耦合进入材料常数A,αL和n。所建立的本构方程能够准确预测Al-14Cu-7Ce合金高温流变应力,实验条件下控制合金热变形的主要机制是位错攀移。     

基于数据挖掘的焊接方法提取（英文）

在白车身工艺规划过程中,积累了大量车身焊接工艺数据。为了提取这些知识采用数据挖掘方法发现其中所需的工艺规则。首先采用粗糙集对工艺属性进行约简,删除对工艺决策没有影响的属性;然后采用关联规则挖掘对焊接方法有影响的工艺规则;最后用实例验证了该方法的有效性。     

基于插装阀的液压缸试验台设计（英文）

根据液压缸的试验标准和现有液压缸试验台的不足,针对大型液压缸试验台要求高压、大流量的特点,设计出基于插装阀的液压缸试验台,并考虑到设计方便及经济型要求,提出加载液压缸和被测液压缸采用同一个液压源、高压系统和大流量系统并联的方案,减少了电机以及液压泵的使用数量,减小了系统功率,设计出一套自动化程度高,制造成本低,节能的液压缸试验台系统。     

基于微机控制的液压冲击器（英文）

传统液压冲击器的冲击能参数调整需在2~3个挡位之间以手动操作的方式进行,且冲击能与冲击频率间的调整具有关联性。参数调整时,液压冲击器需停止工作。为改变这种状态,开发了新型基于微机控制的液压冲击器DBS300。该新型液压冲击器采用模糊控制策略实现控制,在拥有最大300 J冲击能情况下,其可实现冲击频率在0~6 Hz间的独立调整。工作中可依据每次冲击后活塞不同反弹速度引起的后部气腔压力变化率来判别被冲击物体特性的改变。依据被冲击物体特性变化,新型冲击器可对冲击能或冲击频率实现独立自我调整,由此可提高冲击破碎工作效率,并具有对冲击器载具功率特性变化的良好适应能力。     

基于有限元法的均匀轧辊研究（英文）

以有效幅宽1 600 mm的均匀轧辊为研究对象,采用有限元软件Fluent建立均匀轧辊内液压油的有限元模型,计算了轧辊转速、油压、气压对轴线方向油压分布的影响。用ANSYS/LS-DYNA对均匀轧辊仿真分析,研究不同油压、气压作用下织物纬向受力的变化。结果表明:均匀轧辊的转速和外加载荷的变化均会导致油腔内油压分布不均匀,但油压整体的变化量不大。均匀轧辊在一定油压和气压下,织物纬向受力均匀。当均匀轧辊气压不变油压升高时,织物中部受力变大。当均匀轧辊油压不变气压升高时,织物端部受力变大。研究得出各个轧点位置的受力情况,为精确控制织物轧余率提供了参考。     

高能喷丸处理后TC17合金表层显微硬度预测模型（英文）

通过高能喷丸对TC17合金进行表面处理,喷丸空气压力为0.35～0.55 MPa,喷丸时间为15～60 min。测量了TC17合金高能喷丸处理后最表层至基体的显微硬度。测量结果表明,显微硬度随深度的增大而逐渐减小,且不同深度处显微硬度随空气压力与喷丸时间的变化各不相同。建立了TC17合金高能喷丸处理后表层显微硬度的模糊神经网络模型。借助该模型,显微硬度的预测值与测量值的最大相对误差为8.5%,平均误差为3.2%。基于模糊神经网络模型,研究了空气压力与喷丸时间对TC17合金高能喷丸处理后不同深度处显微硬度的影响。结果表明,细化层的脱落与连续的晶粒细化作用之间有显著的交互作用。     

基于APSO-HSMM的转辙机PHM模型研究（英文）

针对转辙机故障发生的随机性与不确定性,提出基于自适应粒子群算法(APSO)优化隐半马尔科夫(HSMM)的设备故障预测与健康管理(PHM)模型,旨在现对传统信号维修策略进行优化改进研究。首先,将S700K型转辙机的机械部件的退化过程按全生命周期进行划分,建立设备退化状态的一般HSMM模型;其次,选择APSO算法对转辙机PHM模型进行智能优化;再次,采用前向-后向算法(F-B)对优化的模型(APSO-HSMM)进行参数估计;最后,通过实例分析验证了该优化模型对转辙机健康状态评估及剩余寿命预测的有效性。     

基于VMD的螺栓松动状态识别（英文）

针对螺栓出现松动故障信号产生非线性、非平稳的现象,提出一种基于VMD与LSSVM模型相结合的螺栓松动状态识别方法。搭建螺栓松动实验平台采集螺栓松动状态下4种工况的振动信号;利用VMD分解对螺栓松动状态各个工况下的振动信号进行分解,并计算VMD分解后各模态分量的能量熵,最后以各工况下VMD分解的各模态分量能量熵为特征构造特征向量矩阵,通过LSSVM模型进行训练与状态识别。实验结果表明:该方法可以有效的识别出的螺栓松动状态,并通过与EMD-LSSVM模型进行对比,验证了该方法用于螺栓松动状态识别的有效性、可行性与相较其EMD分解方法的优越性。