自升式平台液压升降系统的状态模糊综合评判研究

采用故障诊断技术和模糊综合评判方法,分析自升式平台液压系统的功能特点,建立自升式平台液压系统状态评估模型。文中首先对基本设备的故障模式展开研究,然后对这些故障模式进行影响度分析,并在此过程中综合考虑了基本设备单元的重要度和故障模式的维修难度。之后,建立常见故障检查程序,确定液压系统存在的故障模式。最后,利用模糊综合评判建立自升式平台液压系统状态评估模型。该模型评估过程简单、清晰,评估理论充分、可靠,评估结论准确、有效。     

基于雷达反射率因子和雷电定位数据的深度学习雷电预报模型

利用卷积神经网络和门控循环单元（Gated recurrent units ）神经网络,基于雷达反射率因子和雷电定位数据开展了雷电预报研究。首先构建了引用注意力机制的基于卷积神经网络和门控循环单元神经网络的深度学习模型（Attention ConvGRU）;然后将雷达反射率因子数据和对应时间段（6 min）的雷电定位数据处理成图像数据后输入深度学习模型,训练出可预报雷电的模型,包括3种模型：单雷电数据模型、单雷达数据模型和雷电〖CD*2〗雷达双数据模型;最后开展了预报试验和定量评估。综合评估表明,本文建立的雷电预报模型综合预报准确率达到96.74%,虚警率35.83%,关键成功指数（Critical Success Index, CSI）为0.2072。个例分析表明,预报模型对于具有明显移动趋势的雷暴过程（A类雷暴）的预报效果优于不具有明显移动趋势的雷暴过程（B类雷暴）,且随着B类雷暴强度减弱模型预报能力逐渐减弱。     

注意力机制与卷积神经网络融合的军队标号识别方法

手绘军队标号识别是基于草图的战场态势表达的重要组成部分.针对现有的草图特征手工提取方法费时费力,以及依靠数据驱动的深度学习方法泛化能力受到训练数据多样化制约的问题,提出一种注意力机制与卷积神经网络融合的军队标号识别方法.首先构建了特征提取模型Sketch-Net,实现手绘军队标号特征的初步提取;然后引入注意力机制模块,...     

基于三亚非相干散射雷达的月球正面南北半球拼接成像研究

当使用地基雷达并应用距离多普勒算法对月球正面进行成像时,不可避免会遇到"南北模糊"问题.这是由于距离多普勒成像算法对旋转的天体进行成像时,位于视赤道共轭的两点的回波在距离多普勒图像中是重叠在一起无法分辨的.针对该问题并基于三亚非相干散射雷达我们提出了一种解决方案,即月球正面南北半球拼接成像技术.该技术通过将波束指向调整...     

基于深度卷积神经网络的频高图分类研究

本文提出了一种利用深度卷积神经网络的频高图分类方法,在频高图分类标记的基础上,通过对深度学习经典网络结构的网络层迁移的方式,构建频高图类型识别网络模型,实现基于传播模式分布的频高图自动分类.利用试验获取的大量频高图数据,依据频高图中电离层传播模式分布情况,结合频高图度量基本规则,人工对频高图数据分类标记,生成网络模型样本数据;然后以随机方式,选取样本数据85%的数据作为训练数据,其余数据作为测试数据;经验证训练后的网络模型能够将测试频高图数据自动分为七种类型,频高图类型识别综合准确率高于97%.该方法可为频高图特征参数的自动、精确提取提供重要技术和高质量数据支撑,对电离层结构信息有效获取具有重要意义.     

粒子群优化广义回归神经网络与HHT样本熵结合的地震辨识研究

天然地震与人工爆破信号具有许多相似的特性,为实现地震类型的准确辨识,提出一种基于粒子群优化广义回归神经网络和HHT样本熵的地震类型辨识新方法．该方法先通过经验模态分解（EMD）将初始信号分解成6个本征模态函数（IMF）及1个残余向量,对前三个IMF进行Hilbert变换得到瞬时频率和瞬时能量,进而提取出样本熵并构造神经网络训练集与测试集;利用粒子群算法和训练集优化广义回归神经网络的光滑因子参数值,建立PSO-GRNN分类模型．将该模型结果与BPNN模型、GRNN模型、PNN模型及RBFNN模型等神经网络模型进行性能对照,得到该模型单次识别的准确率、MAE、MAPE、RMSE R2及MSE分别为95%、0.1604、0.1204、0.2381、0.7123、0.0567,绝大多数性能评价指标优于其他4种神经网络模型．该研究建立的PSO-GRNN模型性能较稳健,在100次循环随机试验中辨识效果仍然较突出,计算得到的上述评价指标均值为97.42、0.04、0.04、0.12、0.89、0.02,其对应的标准差为3.53、0.05、0.04、0.08、0.11、0.02,将PSO-GRNN模型...     

综合评价方法在水质评价应用中的比较研究

以黄河某取水口监测点19981999年的水质为评价对象,利用灰色关联分析法、模糊综合评价法和物元分析法分别进行了综合评价,结果表明,模糊综合评价和物元分析法的评价结果一致,"中心化"灰色关联法评价结果与上述两方法的评价结果一致.     

基于T-S模糊故障树的煤矿坑道钻机液压动力系统故障诊断研究

针对煤矿坑道钻机液压动力系统复杂化带来系统中各元件间逻辑关系模糊、失效形式多态性及故障概率获取困难等问题,克服传统故障树在复杂机电液装备故障诊断分析中的局限性,实现及时准确获取设备故障信息,发现故障原因并采取措施,提出一种基于T-S模糊故障树煤矿坑道钻机液压动力系统的故障诊断方法。以ZDY25000LK型钻机液压动力系统为研究对象,对系统的层次结构进行分析,以T-S模糊故障树描述系统的性能变量,进行分析建树。根据质心距离相似度的度量法对专家评估的底事件模糊概率进行修正,求解顶事件在不同故障程度时发生概率的梯形模糊数。通过T-S概率重要度分析,确定各底事件的重要度排序,指出在不同故障程度时液压动力系统的薄弱环节。结果表明：部件级到系统级事件发生严重故障的概率呈递增趋势,系统中多个部件发生轻微故障时,系统发生严重故障的可能性较大。各事件的故障程度对上级事件发生的贡献度不同,根据重要度排序锁定故障位置并判断故障原因。当液压动力系统出现严重故障时,根据重要度分析结果,应优先排查安全阀工作情况、油泵内部磨损情况及内部串油情况。该方法实现在不同故障程度时系统中薄弱环节的快速定位,在鄂尔多斯淮河能源...     

融合气象要素时空特征的深度学习水文模型

针对现有深度学习水文模型未能充分刻画气象要素空间特征的问题,本文基于主成分分析(PCA)方法提取气象要素空间特征,利用长短时记忆神经网络(LSTM)学习长时序过程规律,构建融合气象要素时空特性的深度学习水文模型PCA-LSTM。以黄河源区为研究区域,利用LSTM模型和物理水文模型THREW作为比对模型,基于高斯噪音法系统评估PCA-LSTM模型的适用性和鲁棒性。结果显示：PCA-LSTM模型径流模拟纳什效率系数为0.92,高于比对模型LSTM和THREW,表明模型具有较高的精度。研究结果可为流域高精度水文模拟提供参考。