液压系统进、旁油路联合调速回路分析

在定量液压泵供油的系统中给出进、旁油路联合调速的回路,通过对2种进、旁油路联合调速的定量分析,推导出理论计算依据,得出这2种进、旁油路联合调速的调速特点。     

海上风电单桩基础服役状态现场监测

为了解风电结构在复杂环境中的真实服役状态,对2个风电单桩基础机位先后开展结构振动监测和水下地形扫测,通过分析现场实测数据,分析包含振动特性和冲刷情况在内的风机支撑结构服役状态,并结合设计数据对实测结果进行讨论。现场测试分析结果可为海上风电结构的服役状态监测和设计优化研究提供参考。     

高线精轧机平衡缸漏油分析及改进

分析了广州钢铁企业集团公司高线厂精轧机平衡油缸漏油的危害和原因，指出了这种油缸在设计上存在的缺陷，并提出了改进措施，改进后漏油问题得到了解决。     

浅谈基坑支护的有关技术问题

随着我国社会建设的持续推进,基坑工程数量急剧增加,基坑工程所处的地质条件、周边建筑物、通行道路及地下设施等外部环境越来越趋于复杂,明挖缓坡基坑趋于减少,基坑开挖后要保证周围建筑物、道路正常通行等要求的基坑工程数量趋于增多。基坑支护的安全性直接威胁到周边建筑物、道路、地下室及施工人员的安全,基坑一旦失稳,很可能会造成巨大的人员和财产损失,对社会安定造成重大影响。因此,基坑支护工程是基坑工程中的重中之重,需要设计、施工、监理及有关管理部门高度重视。     

基于Petri网的维修保障过程可视化建模与仿真

为解决民用飞机维修保障过程中资源影响复杂性及时间消耗不确定性的难题,提出基于模糊时间着色Petri网的民用飞机维修保障过程可视化建模方法与仿真。分析维修保障各个过程的资源充足度及时间消耗不确定性对整个维修保障活动的影响,动态地显示资源状态及模糊时间。以民用飞机起落架液压系统故障为例进行可视化建模与仿真,动态的仿真过程及最终结果验证了模型的可行性及算法的正确性,其能够为民用飞机维修保障过程的效率评估以及薄弱环节的确定提供支持。     

一种基于改进支持度的节能型WSNs数据融合算法

无线传感器网络(WSNs)内有大量的冗余数据,它们消耗了过多的网络能量;目前的数据融合算法对数据彼此间的联系考虑得不够充分,融合精度有待提高.针对上述问题,提出了一种基于改进支持度的节能型数据融合算法.该算法在网络的感知节点根据设定的阈值对采集到的数据进行初次融合,并引入自支持度的概念,与灰色接近度理论相结合改进支持度函数,将改进的支持度函数应用到汇聚节点计算最终的数据融合估计值.使用Matlab进行仿真的结果表明:该算法可节能27.87％,数据融合的温度绝对误差均值约为0.98℃,达到了节能和提高融合精度的目的.     

基于曲线拟合和SVM的眼动信号分类算法研究

为提高基于EOG的眼动信号分类算法精度,改进基于EOG的人—机交互系统性能,提出了一种基于曲线拟合(curve fitting)与支持向量机(SVM)的眼动信号分类算法(CF-SVM),并设计了新的实验范式,增加了“扫视保持”环节.该算法采用曲线拟合方法进行特征提取,在此基础上,使用SVM分类器对眼动信号进行分类.实验室环境下,对9名眼部活动正常的受试者进行了眼动数据采集与识别,CF-SVM算法的平均分类准确率达到98.3％,与其他几种眼动识别方法相比较,其平均正确率分别提升了9.4％、5.9％、1.0％.实验结果表明,CF-SVM算法在眼动信号识别中表现了良好的性能,具有高的分类精度和鲁棒性.     

改进混合蛙跳算法在蔬菜总黄酮软测量中的应用

针对蔬菜总黄酮化学物提取过程复杂、非线性和生物参数难以在线测量等特点,提出了基于改进混合蛙跳算法优化最小二乘支持向量机的蔬菜总黄酮软测量模型。该模型对标准混合蛙跳算法进行改进,采用反向学习的种群初始化策略,确保个体分布的均匀性;并根据群体适应度方差大小,动态调整变异概率,使算法避免陷入局部最优;最后采用改进的混合蛙跳算法对最小二乘支持向量机的参数进行寻优,实现蔬菜总黄酮软测量。仿真结果表明,基于改进混合蛙跳算法的最小二乘支持向量机软测量模型具有测量精度高,稳定性好的优点,有利于蔬菜总黄酮化学物测量工程的实际应用。     

基于遗传算法的六自由度并联平台的控制

由于单通道电液位置伺服系统是一种非线性时变系统,而且有阻尼比小、参数变化大、非线性程度高的特点,传统的PID控制已经很难满足六自由度并联平台的控制精度的要求。针对六自由度并联平台单通道的数学模型,采用遗传算法对其PID控制器的参数进行优化控制,以满足系统的控制精度的要求。仿真结果表明该控制系统的性能指标有了很大改善,证明了该遗传算法的可行性和有效性,克服了传统PID整定参数费时的缺点,对解决实际控制问题提供了有效的方法,并且具有良好的抗干扰能力,其适应性(鲁棒性)也有了很大的提高。     

基于DE-EDA-SVM的瓦斯浓度预测建模仿真研究

瓦斯浓度作为衡量煤矿瓦斯危害程度的一个重要指标,为了能够更加准确的预测煤矿瓦斯的浓度,提出一种差分进化-分布估计（DE-EDA）算法优化的支持向量机瓦斯浓度预测新方法。利用无线传感网络系统采集工作环境中的瓦斯浓度数据,并经过降噪处理后作为训练样本。采用DE-EDA算法对SVM模型的惩罚参数C、损失参数ε以及径向基参数γ进行优化,利用优化后的模型进行瓦斯浓度的预测。通过MATLAB软件仿真可以得出,所采用的优化模型能够准确的预测煤矿瓦斯浓度的变化趋势。并与经过粒子群（PSO）算法优化的预测模型相比较。结果表明,经过DE-EDA算法优化的SVM模型具有训练速度更快、预测更准确的特点,为实际煤矿瓦斯浓度的预测和处理提供了更加可靠的理论基础。