改进的非等间距GM(1,1)大坝位移监控模型

针对传统GM(1,1)监控模型在拟合和预测大坝位移方面的不足,通过采用积分方式重构背景值、引进最佳赋权矩阵体现原始数据的时间影响效应、优化残差等途径,提出了改进的非等间距GM(1,1)大坝位移监控模型。结合工程实例,对比分析表明改进的GM(1,1)监控模型相比于传统GM(1,1)监控模型在对大坝位移原始监测资料分析的基础上,预测精度有较大提高,可作为一种新的预测手段应用于大坝位移预测中。     

大坝安全监控遗传规划模型的改进

通过等梯度增加的方法对个体创建机制进行了改进,并对某规划问题进行个体树生成实验。结果表明,等梯度法生成的树分布均匀、结构合理、能更好地描述问题的解空间。同时,针对遗传规划中群体规模较大、收敛效率低等特点,对传统遗传规划中初始群体的生成方法进行了改进,将排序法和最优法相结合提出了最优排序生成法,并通过对两个函数进行符号回归验证,说明该法合理可行。建立了改进的遗传规划(IGP)模型、回归分析模型和传统遗传规划模型,并采用三种模型对某大坝的实际监测数据进行了分析和预测。结果表明,IGP模型精度更高、可靠性更好、具有较高的实用价值。     

基于小波消噪的PLS-SVM大坝位移监控组合模型

针对大坝位移建模预测中存在多重共线性和高度非线性问题,基于小波消噪技术消除噪声对建模的影响,并以某大坝为例,采用PLS-SVM大坝位移预测组合模型进行建模预测.结果表明,该法预测模型效果优于单一预测模型.     

被忽视的柴油机欠油量超载原因分析及解决措施

首先针对处理超载问题的一般方法，提出被忽略的欠油量超载问题，进而分析柴油机欠油量原因，最后通过两起故障处理的实例，提出了对柴油机欠油量超载现象的诊断和处理办法。     

基于改进组合深度学习模型的大坝位移预测研究

大坝位移可直接影响大坝的质量和运行安全，为找出大坝位移的合理预测模型，以时间卷积神经网络模型为基础(TCN),采用遗传算法对麻雀搜索算法(SSA)、灰狼算法(GWO)和蝙蝠算法(BA)三种仿生算法进行改进，得到MSSA、MGWO、MBA三种优化算法，并引入深度置信网络模型(DBN)构建了D-MSSA-TCN、D-MGWO-TCN、D-MBA-TCN三种组合赋权模型，以均方根误差、决定系数、平均绝对误差、效率系数和GPI指数为精度指标体系，结果表明在三种优化仿生算法中，MSSA算法的运行效率及精度最高，三种组合模型的精度显著高于其余模型，其中D-MSSA-TCN模型在所有模型中精度最高，可推荐用于估算坝体位移。     

改进的灰色线性回归组合模型在大坝变形监测中的应用

针对传统的灰色线性回归组合模型要求原始数据序列为单调递增的缺陷,以小湾拱坝某测点的径向位移为例,分别采用两种改进的原始数据二次累加生成法和绝对值法建模进行拟合和预测,并与实测值进行比较。结果表明,绝对值法模型精度较高,更接近于实测值。     

改进的非等间距GM(1,1)模型在大坝位移预测中的应用

针对传统GM(1,1)模型在大坝位移预测中的缺陷,通过引入时间变量构建缓冲算子、重构背景值、优化残差等方式改进传统GM(1,1)模型。以某大坝测点径向位移样本为例,分别采用两种模型对观测值进行拟合预测。结果表明,改进的非等间距GM(1,1)模型预测精度有较大提高,更适用于大坝位移监控。研究成果可为大坝位移预测提供参考。     

发动机机油温度过高的原因分析及改进

为解决某发动机润滑系统功能试验中出现的机油温度过高问题,根据发动机润滑系统原理,通过台架试验和仿真计算对旁通阀常开、摩擦副间隙、机油泵流量及结构、机油冷却器散热量、油底壳材质等可能造成机油温度高的因素进行排查及分析,并对机油冷却器进行改进。结果表明：机油泵流量偏大、结构不合理及机油冷却器散热能力差是机油温度过高的主要原因;采用小流量的机油泵、增加机油冷却器的层数、在机油冷却器壳体增加导流筋,可以提升机油冷却器的散热能力及水流场的均匀性,降低机油温度。该研究可以为降低发动机机油温度、提高发动机可靠性提供参考。     

基于光纤测温系统的温度时空分布模型及应用

针对混凝土坝温度场仿真分析的局限性及采用离散、零星的电阻式温度计实测温度重构温度场时精度较差的问题,探讨了基于分布式光纤测温方法对混凝土坝施工期温度场进行重构。从场理论出发,应用幂级数的处理方法,并结合施工期大体积混凝土热传导理论,将周期项函数、顺河向和垂直向坐标及指数函数进行组合,建立了施工期大坝温度场时空分布模型。结合西南某在建混凝土坝工程的分布式光纤测温资料,回归确定了所建温度场时空分布模型的系数。实例应用表明,基于分布式光纤测温建立的施工期大坝温度场时空分布模型的拟合精度及中短期预测效果较好,真实反映了大坝混凝土的温度状态。     

电站锅炉排烟温度高的原因分析及改进措施

节能减排是目前国家的基本国策,电站锅炉排烟温度高直接导致火电机组的运行成本增加,锅炉排烟温度高是导致锅炉效率降低、供电煤耗增加的主要原因之一。通过技术改进等手段降低排烟温度对于节能降耗具有重要的现实意义。     

逐步回归-PLS模型在大坝位移监控中的应用

针对传统统计模型分析大坝位移监测资料中合理删选自变量问题,以陈村重力拱坝为例,基于偏最小二乘法建模原理,采取逐步回归法筛选变量,构建了逐步回归-PLS模型。实例应用结果表明,该模型简单、有效减少了自变量个数、提高了回归模型的精度和线性显著性。     

重力坝水平监测位移统计新模型研究

为了更准确解析大坝水平位移影响因素、分析其变化规律,在传统统计模型的基础上加入“新高水位因子”,用于铜街子重力坝水平位移的对比分析。结果表明,增加新高水位因子的新统计模型能很好地模拟初蓄期水位急升对水平位移的影响,并分解出合理的时效发展过程,提高了坝工安全评价结论的可靠性。     

混凝土拱坝位移时空分布确定性模型

为监控新建坝的安全运行,针对坝体锂有一定数量正倒垂线及温度计的特点,提出了采用温度位移栽常数和“开关函数”建立混凝土拱坝位移时空分布确定性模型的方法。     

基于蛙跳算法与卡尔曼滤波的大坝位移预测模型优化

为提高传统大坝位移统计模型的预测能力,引入蛙跳算法和卡尔曼滤波等,基于最小二乘法确定统计模型回归系数,采用蛙跳算法对回归系数进行优化;运用卡尔曼滤波法将回归系数作为状态方程的状态向量,使预测模型能实时反映监测数据的变化。工程算例应用结果表明,基于蛙跳算法与卡尔曼滤波的大坝位移预测优化模型能有效提高统计模型的预测精度,可为大坝位移预测提供参考。     

IFNN时变模型在建立大坝位移监控中的应用

针对时变监控模型比常规监控模型更有效且能准确进行变量分离,通过改进的模糊神经网络(IFNN)结合时变模型对陈村水库大坝的水平位移进行拟合与预测,并与BP模型做了比较.结果表明,该模型拟合及预测精度均较BP模型高,与工程实例相近,可推广应用.     

基于峰值识别理论的大坝安全监控模型

针对常规基于误差平方和最小的监控模型未考虑大坝测值样本容量间的差别,使峰(谷)值拟合和预测精度比一般测值偏低,采用峰值识别理论根据采样频次中峰谷值比例和幅度分别对常规的逐步回归模型和BP模型进行改造,以辽宁白石碾压混凝土重力坝、甘肃碧口心墙土坝和浙江里石门双曲拱坝为例,计算结果表明改进后的监控模型可有效提高峰值的拟合和预测精度.     

碾压混凝土坝变形监控模型研究

根据碾压混凝土坝的层面特性,利用横观各向同性的水平向综合弹性模量和热膨胀系数分别近似描述了本体的弹性模量和热膨胀系数,通过有限元反演计算得到本体的水压和温度基本分量,并对监测资料回归计算分离出层面的水压和温度分量,从而将碾压混凝土坝变形模型中的本体和层面分量有效分离,为进一步分析层面对变形的影响提供新方法.     

基于离差和改进的大坝变形监测粗差判别方法

随着大坝监测自动化的普及,在大坝安全分析评估中寻求可靠的粗差判别方法显得越来越重要,而基于回归统计的粗差判别准则中,由于粗差数据也会先参与回归建模,由此导致回归模型本身可能失真,从而易引发后续的误判和漏判粗差。对此,提出了一种针对混凝土重力坝变形监测的粗差判别方法。首先,计算样本中每个测值的离差和;其次,基于离差和剔除部分疑似粗差的测值,从而建立回归模型;最后,根据回归模型计算每个测值的拟合残差,并基于肖维勒准则最终确定粗差。实例仿真表明,该算法不受原始数据粗差的影响,具有更高的精度和鲁棒性。     

基于云-RBF神经网络模型的大坝监测数据预报

基于云理论的峰值法云变换,采用隶属云模型与RBF神经网络相结合的方法,分析了岩滩水电站工程大坝监测数据预报.实例结果表明,云-RBF神经网络的预测精度优于传统法,是大坝监测测值预报的一种有效新方法.