改进序列前向选择法(ISFS)和极限学习机(ELM)相结合的SPC控制图模式识别方法

为了提高SPC(Statistical Process Control)控制图的识别效果,提出了一种采用改进序列前向选择法(ISFS)和极限学习机(ELM)相结合的方法来进行控制图模式识别。首先,对控制图进行特征提取;然后,采用改进的序列前向选择法对特征进行选择,减少了特征间的相关性和冗余性;最后,利用极限学习机来进行模式识别。仿真结果显示,改进方法的识别率可达到98.7%,从而为控制图提供了一种有效的识别方法。     

极端海况下FPSO系泊系统安全性评估与分析

针对近年极端海洋性气候频发所导致的FPSO系泊系统安全性问题,从服役多年系泊系统钢缆的剩余强度入手,评估影响船体运动的环境参数,给出系泊钢缆的安全系数。利用准静态的方法估算环境等级的范围,选取南海某型FPSO建立系泊系统耦合计算模型。应用AQWA-DRAFT与AQWA-NAUT模块,采用时域非线性方法对系泊系统进行耦合分析,在满足规范系数的前提下确定现服役系泊系统的定位能力,预报系泊系统所能承受的最大风浪流极值组合及对应的台风等级。通过计算可看出钢缆强度的下降直接影响着系泊系统的定位能力,导致其无法抵御百年一遇的台风,系泊系统可抵御台风等级降至12级。     

SADE-ELM电容层析成像流型辨识算法

针对电容层析成像反问题流型识别较难的问题,提出了一种新的ECT流型辨识算法——差分演化优化极端学习机算法,进而提出了基于自适应差分演化优化极端学习机(Sa DEEML)的ECT辨识算法.在论述极端学习机算法的基础上,结合差分演化算法对极端学习机算法进行优化,自适应差分演化算法中的关键参数,通过训练得到各类流型的分类器的参数,构造分类器进行精准与快速分类.实验结果表明:该算法能有效克服极端学习机算法的缺点并提高了局部与全局收敛能力,通过与BP、SVM算法比较,该算法具有竞争力,并为电容层析成像流型辨识的研究提供了新算法.     

基于MSP430单片机的灾害性天气预警管理系统设计

设计了基于MSP430单片机的灾害性天气预警管理系统,针对常见的雨量、风速及温度自然因素实现实时的监测,并对数据进行分析和处理,设置出相应的警报等级,并能根据警报的等级控制相应的三路设备。     

高强度耐候钢焊接性分析与研究

通过对高强度耐候钢焊接性分析，采用与之匹配的焊接材料，对高强度耐候钢与不同钢种间焊接接头进行低温抗裂性、力学性能、耐大气腐蚀性能和焊接工艺性等进行试验，并对焊接接头金相组织进行分析，提出了高强度耐候钢焊接工艺及适宜的焊接材料。     

热带粗轧机组立轧稳定轧制变形规律的实验研究和有限元分析

本文采用铅作为模拟材料，对热带粗轧机组平辊立轧变形规律进行了实验研究，得到了表征立轧稳定轧制阶段时轧件断面特征的四个参量与侧压量、立辊直径、板坯来料厚度及宽度之间的关系。并首次提出用超薄单元近似处理奇异点的新方法，采用全三维刚塑性可压缩有限元法对立轧稳态过程进行了理论解析，所得结果和实验结果符合较好。     

柴河水库汛期可能遭遇的极端和突发水文事件的初始识别及对应的初步预案

本文对柴河水库在汛期可能遭遇的极端突发水文事件的类型作了初级预测,并设计了初步的预报调度方面的对应预案。     

基于形态滤波器和中心极值差分的直流电机间接测速

提出了一种基于数学形态学和中心极值差分的直流电机间接测速新方法.首先,在介绍数学形态学理论的基础上,构建了多元素结构并行复合形态滤波器;其次,根据直流电机电流的特点,提出了基于中心极值差分(CED,central extreme difference)的电流频率求取方法;最后根据电机电流频率和转速间的关系,获取了电机的转速特性.较之小波阈值消噪,通过形态学滤波获取的电流曲线较光滑,滤波效果更好;与基于小波脊线的测速方法相比,所提方法不仅获取的转速曲线波动程度较小,而且计算速度也有大幅度的提高.     

倾转旋翼机飞控系统的变精度粗糙集-OMELM故障诊断方法

结合变精度粗糙集(VPRS)和优化极限学习机(OMELM)诊断算法的优点,将变精度粗糙集引入OMELM中,提出变精度粗糙集-OMELM故障诊断方法,用于诊断倾转旋翼机过渡模式下飞控系统的故障。首先根据采集的倾转旋翼机多故障输出信号的数据特点,提出一种属性约简算法,定义了一种新的变精度粗熵;然后从信息论互信息增量的角度定义属性重要性,构造OMELM分类器并对约简后的属性特征进行故障多分类;最后以XV-15进行验证,结果表明所提出的方法平均辨识率高、诊断时间短。     

基于限定样本序贯极端学习机的模拟电路在线故障诊断

为解决故障特征样本分批加入时分类模型的在线更新问题,提出一种限定样本序贯极端学习机(LSSELM)。 LSSELM通过逐步添加新样本,同时剔除与其相似度最高的同类别旧样本来提高模型的动态适应能力,并通过Sherman-Morrison矩阵求逆引理来降低计算复杂度,实现输出权值的递推求解,完成模型的在线训练。将LSSELM用于模拟电路在线故障诊断,结果表明相比在线序贯极端学习机(OS-ELM)和LSSELM的诊断准确率更高,具有更好的泛化性能。