海口市极端降雨事件演变趋势分析

城市暴雨内涝与极端降雨事件息息相关。为揭示城市暴雨内涝成因,利用海口站1953-2012年日降雨量资料,采用线性倾向估计法、Mann-Kendall趋势检验法、Mann-Kendall突变检验法和小波分析法等探讨了海口市极端降雨事件演变规律。结果表明:近60年来海口市极端降雨指标均呈现出上升趋势,但极端降雨日数上升趋势较弱,短历时暴雨强度增加,对城市内涝带来较大压力;极端降雨事件的突变年份在2007年附近,暗示海口市在2007年附近对土地的开发利用是一个节点;海口市降雨周期性不是很显著。     

TRMM/ GPM卫星降水产品在淮河上游逐日和小时尺度的精度评估

基于淮河流域上游区(洪河口以上) 2014年4月-2015年12月的实测逐日和小时降水数据,采用综合评价指标评估了TRMM 3B42 v7和GPM IMERG卫星产品在逐日和小时尺度上的监测精度。结果表明:逐日尺度上,对于流域面平均降水和网格降水,GPM产品与实测降水的相关性略优于TRMM,相关系数为0. 87,误差略大于TRMM,但均控制在0. 8 mm/d以内;降水探测能力方面,GPM与实测降水的一致性较高,尤其表现在小雨和中雨降水事件上,可用于日尺度的水文模拟和水资源评价等研究。小时尺度上,TRMM对6场极端降水的监测能力比较稳定,略有低估(BIAS均值为-6%),GPM对不同的极端降水事件监测能力不一,可靠性相对较低,相对于TRMM卫星降水产品,GPM在对极端降水的监测能力方面还有待提高。     

基于AVMD和BSA-KELM的水电站厂房结构振动预测研究

针对水电站厂房结构振动安全监测问题,结合智能学习算法,提出了一种基于AVMD和BSA-KELM的水电站厂房结构振动响应预测方法,为实现厂房结构振动智能化监测提供了一种新的思路。首先采用AVMD方法将振动信号分解为多阶IMF分量;然后对各阶IMF分量分别建立KELM预测模型,模型参数采用BSA优化算法选取;最后通过信号重构得到结构预测振动时程曲线。将该方法应用于某实际水电站工程,以机组和水压脉动原型观测信号作为输入,以水电站厂房结构振动信号作为输出,建立了预测模型,预测信号与测试信号对比结果表明：测点预测结果决定系数均大于0.8,振动幅值均方根误差均小于0.3 μm、平均绝对误差均小于0.2 μm,证明该方法预测精度较高,预测效果良好。     

《极端环境下的电液伺服控制理论及应用技术》新书介绍

《极端环境下的电液伺服控制理论及应用技术））（ISBN9787547810804）一书由訚耀保著,上海科学技术出版社（电话：021—64085630,53594508）2012年1月出版。该书主要论述作者多年来在飞行器和重大装备电液伺服控制基础理论和应用技术上的最新研究成果。内容包括：飞行器和重大装备的极限环境,如极端温度（极端高温、极端低温）、振动、冲击和离心加速度;航空液压油、航天煤油电液伺服机构;流体伺服控制元器件,如电液伺服阀、喷嘴挡板阀、射流管伺服阀、电液伺服作动器的基本原理;电液伺服控制理论;     

基于极限学习机求解正问题的 ECT 图像重建

在电容层析成像(ECT)图像重建迭代类算法中,通常采用线性正问题求解,以加快重建速度,由此产生重建误差。针对这一问题,提出了基于极限学习机(ELM)的非线性ECT正问题求解方法,ELM网络输入为介电常数分布,其输出为预测的电容测量值。将该方法与传统的Landweber迭代算法相结合构成ELM-Landweber迭代算法进行图像重建。为使样本具有较好的代表性,物体分布位置及大小均随机生成,并计算相应的归一化电容值作为ELM网络训练及测试样本,对ELM-Landweber迭代算法进行了仿真与静态实验,并与传统Landweber迭代算法进行比较。实验结果表明,相较于传统Landweber迭代算法,采用ELM-Landweber迭代算法,其算法收敛速度显著提高,重建图像质量得到明显改善。训练样本的平均图像相对误差由0.728减小至0.504,测试样本的平均图像相对误差由0.596减小至0.475。     

基于RSGWPT-LCD的轴承信号故障特征提取及模式识别

为了有效提取滚动轴承振动信号的故障特征和提高分类识别精度,提出了一种基于冗余二代小波包变换-局部特征尺度分解(redundant second generation wavelet packet transform-local characteristic scale decomposition,简称RSGWPT-LCD)和极限学习机(extreme learning machine,简称ELM)相结合的故障特征提取和分类识别方法。首先,利用希尔伯特变换对原始振动信号进行处理,得到包络信号;其次,基于双层筛选机制,结合冗余二代小波包变换(redundant second generation wavelet packet transform,简称RSGWPT)和局部特征尺度分解(local characteristic-scale decomposition,简称LCD)方法对包络信号进行分解,筛选出包含主要信息的内禀尺度分量(intrinsic scale components,简称ISCs);然后,对提取的各ISCs分量构建初始特征矩阵并进行奇异值分解(singular value decomposition,简称SVD),将得到的奇异值作为表征各损伤信号的特征向量;最后,以提取的特征向量为输入样本,建立ELM模式分类器对滚动轴承损伤信号进行识别。信号仿真和实测数据表明,该方法可有效提取振动信号故障特征,提高分类识别精度,实现滚动轴承故障诊断。     

基于二元多尺度熵的滚动轴承退化趋势预测

针对轴承振动信号随机噪声干扰大、多尺度熵表征轴承退化趋势偏差大的问题,提出了一种基于二元多尺度熵的滚动轴承退化趋势预测方法。首先对滚动轴承振动信号进行局部特征尺度分解,采用多元多尺度熵理论对二阶信号进行计算,提取了二元多尺度熵特征。然后采用互信息法和假近邻法对算法中的嵌入维数和延迟向量等参数进行了优化。最后采用极限学习机预测模型对二元多尺度熵退化趋势曲线进行预测,并对比了不同激活函数的预测性能。结果表明,相对于传统多尺度熵,二元多尺度熵偏差较小;激活函数为sigmoid时极限学习机模型预测精确度较高。     

极端温差对超长高层建筑的影响

探讨了极端温差对超长高层建筑结构的影响问题。通过历史统计数据设计了作用在超长高层建筑结构上的极端温差工况 ,以典型超长高层建筑实际工程为例 ,采用有限元方法 ,建立了接近工程原型的有限元模型 ,计算得出该建筑整体结构和各种构件的温度效应 ,从中总结出温度变形、温度内力或应力的大小范围及分布规律 ,计算结果可为工程技术人员在设计和施工中考虑极端温度效应提供依据。     

基于人工鱼群算法优化极限学习机的变压器故障诊断

为提高变压器故障诊断的准确性,本文采用优化性能更好的人工鱼群算法(Artificial Fish Swarm Algorithm, AFSA)对极限学习机(Extreme Learning Machine, ELM)进行优化,建立基于AFSA-ELM的变压器故障诊断模型。采用实际变压器故障数据进行仿真分析,并与其他模型进行对比,结果表明,只有AFSA-ELM模型诊断结果的正确率能够达到100%,验证了模型的正确性和优越性。     

基于不平衡学习的集成极限学习机污水处理故障诊断

污水处理过程的故障诊断数据具有高度不平衡性,影响了故障诊断效果,尤其是降低故障类别的识别正确率,导致出水水质不达标、运行费用增高和环境二次污染等问题出现。据此提出一种基于加权极限学习机集成算法的污水处理故障诊断建模方法。该方法将不平衡分类评价指标G-mean引入以加权极限学习机为基分类器的AdaBoost集成分类模型,定义新的基分类器初始权值矩阵更新规则和集成权重计算公式,用于基分类器的迭代学习。由仿真实验结果可知,基于加权极限学习机集成算法的污水处理故障诊断模型,可有效提高分类性能G-mean值和整体分类精度,特别提高了故障类的识别正确率,验证了基于加权极限学习机的集成算法在不平衡性污水处理故障诊断问题上的有效性。