面向流程工业任务分派的工时估计方法

为了解决流程工业中定额工时准确度低的问题,提出了基于决策树和模型树的作业工时预估方法。对混合类型属性的训练集,首先用标称属性完成部分树的构建,接着在各分枝上采用模型树算法完成子树的构建,在叶节点处给出线性模型。此外,提出方法可基于数据集给出较优训练参数。以某炼油企业的实际生产数据对该方法进行验证,结果证明提出方法能更准确地预估实际任务量,显著缩小计划与执行之间的偏差,提高计划的可执行性。     

梁轨纵向位移阻力系数双弹簧模型研究

对考虑加载历程的城市轨道交通桥梁梁轨非线性相互作用问题进行了研究。基于DT-2扣件位移阻力试验结果和分析,提出适用于加载历程的扣件“双弹簧模型”。采用该模型进行梁轨相互作用计算,并与传统线性叠加方法进行对比分析。结果表明：传统“线性叠加”法在钢轨拉压力计算上偏于保守,而在梁轨相对位移与墩顶纵向水平位移计算上偏于不安全。     

车轨桥中高频耦合振动分析的功率流方法及模型

轮轨滚动激励引起的桥梁振动响应和输入功率是计算桥梁结构辐射噪声的重要参数。时域车轨桥耦合振动分析常用于低频振动分析,但在中高频分析时效率较低。为此,提出一种基于力法原理的频域功率流方法解决这一问题。采用无限长Euler梁或Timoshenko梁建立钢轨部件,采用无限大Kirchhoff板、Mindlin板或有限元模型建立桥梁部件,采用弹簧元件模拟钢轨与桥梁之间的连接扣件,并以弹簧力为未知量建立力法基本方程。对比计算了不同轨桥模型对U梁和箱梁桥振动功率的影响。结果表明：U梁桥面板的剪切效应对桥梁振动功率计算结果影响很大,采用传统的无限大Kirchhoff板模型将导致功率级计算误差达到15 dB,而采用Mindlin板模型可获得良好的计算精度与效率。相对于箱梁实体有限元模型而言,采用Mindlin板模型的误差仍然较大。     

服务于地铁施工的三维地质模型快速构建方法

本文介绍适合城市轨道交通工程施工单位的地铁工程三维地质模型快速建立方法,基于AECOsim Building Designer软件平台,利用地质剖面图,通过插入控制点,拟合地质界面,链接地质属性,最终建立三维地质模型。建模简便,数据来源于施工方日常使用数据,能满足施工方日常生产使用。实现三维地质可视化和查询数据的效果,从而使现场技术人员和管理人员更加真实、直观地认识各种地质结构,辅助解决各类地质施工问题。     

考虑多风电场相关性的场景概率潮流计算及无功优化

针对结合K-means聚类和Copula函数建立场景概率模型时,K-means聚类不能根据风电出力数据分布特点自发确定最佳聚类数这一不足,提出通过基于密度的聚类有效性指标确定最佳聚类数。并以此建立最优场景概率模型,采用改进型回溯搜索算法(BSA)进行无功优化。以澳大利亚的两个相邻风电场实测出力为例,在含多风电场的IEEE30节点系统中对所提方法进行验证,算例结果表明采用所提方法确定的最优场景概率模型能准确描述多风电场输出功率之间的相关性。     

考虑电氢耦合的混合储能微电网容量配置优化

在当前电氢联系日益紧密以及微电网技术发展日益成熟的条件下,以单位电量成本、负载失电率和能量过剩率为目标函数,提出考虑电氢耦合的混合储能微电网容量优化配置方法.其中,氢储能系统主要包括电解槽、燃料电池及储氢罐等元件.该储能系统清洁无污染,能够提高光伏发电利用率,平抑直流母线电压波动.采用粒子群优化算法求解具体算例,得到综...     

计及功率交互约束的含电—氢混合储能的多微电网系统容量优化配置

在混合交直流多微网系统中,其经济性和运行可靠性受到容量优化配置的影响。考虑到基于电储能以及氢储能系统(电解槽/燃料电池/储氢罐)的混合储能系统所具有的优势,建立了电-氢混合储能型多微网系统框架。其次,针对电-氢混合储能型多微网系统,提出了考虑系统的实时能量供需状态和储能状态的多微网运行控制策略。在容量优化配置模型中引入功率交互约束模型,并在配置过程中嵌入所提出的运行控制策略。最后,以算例分析证明功率交互约束的必要性,并采用灰狼-正弦余弦优化算法求解配置模型。所得配置结果优于改进灰狼算法和改进粒子群算法。通过模拟全年运行情况,验证了所提优化配置方法的有效性和电-氢混合储能系统在季节性储能上的优势。     

基于脑电实验的眨眼次数与疲劳相关性研究

眨眼次数可以反映一个人的疲劳程度,但目前对于这一结论的客观验证研究较少。脑电信号是已被证实的疲劳检测的可信标准。利用脑电信号与眨眼次数的相关性,为基于眨眼次数的疲劳检测方法提供了理论依据。设计实现基于脑电的疲劳检测实验,采集被试脑电信号的同时记录被试的眼部图像数据。利用小波变换对脑电信号进行特征提取,分析被试在实验过程中疲劳程度变化情况。同时,处理被试眼部图像数据,统计被试眨眼次数,分析变化趋势。对脑电数据和眨眼次数进行相关性分析,客观验证了眨眼次数随疲劳程度增大而增加的结论。     

基于时频组合特征的PSO-SVM手势识别方法

为了提高基于表面肌电(sEMG)信号的手势识别的准确率,提出了时频组合特征和粒子群算法优化支持向量机(PSO-SVM)相结合的手势识别方法.将手势sEMG信号的时域特征和频域特征进行线性组合,组合后的时频组合特征作为分类特征,采用经PSO优化的SVM分类器对8类手势进行分类.结果显示,基于时频组合特征均方根值-平均功率频率(RMS-MPF)、绝对均值-平均功率频率(MAV-MPF)的手势识别率,优于它对应的时域特征、频域特征的手势识别率,同时也优于时频域特征的手势识别率.表明了基于时频组合特征RMS-MPF、MAV-MPF的PSO-SVM方法对手势识别有良好的分类效果.