-
2901.基于有限次检修机会的备件最优检修策略
[仪器仪表制造业] [2013-11-15]
针对备份部件检修实践中存在的假设主部件失效时间服从指数分布,只考虑无限次、等间隔检修策略的问题,为减少冗余备份部件的失效风险,提高整体系统的可靠性与安全性,提出一种备件有限次、不等间隔最优检修策略.首先将主部件的失效时间分布推广到威布尔分布,然后构建一种新的期望成本模型,在该模型的基础上,提出了最优检修策略的一些结构性质.根据这些结构性质,可以保证最优检修策略的存在.并且只需确定第一次检修时间,后续的最优检修时间便可通过结构性质迭代得到.最后针对惯性测量组件备份陀螺仪的最优检修策略问题进行了仿真,结果表明该检修策略的有效性.与等间隔的检修策略相比较,所提方法能够降低维护成本和管理风险,比较适合工程实际应用.
关键词：可靠性；备件；检修策略
-
2902.基于ACPSO优化SVR的棒材连轧轧制力预测研究
[仪器仪表制造业] [2013-11-15]
针对钛合金棒材热连轧轧制力的精确预测问题,提出了一种基于加速收敛的粒子群(accelerate convergence particle swarm optimization,ACPSO)优化支持向量回归(support vector regression,SVR)的预测算法.该算法首先通过使粒子在每次速度迭代过程中偏离速度迭代一个小角度,在位置迭代过程中偏离迭代位置一小步,改善了粒子群算法的收敛性及收敛速度,再通过ACPSO算法实现对支持向量回归机的参数ε、c、γ的同时寻优,从而使ACPSO-SVR模型具有较高的预测精度和泛化能力.通过仿真实验和实际数据的比对,验证了方法的有效性.实验结果表明,ACPSO-SVR算法能够有效、快速地实现轧制力的精确预测,在预测速度和适应性方面,优于基于PSO-SVR(particle swarm optimization-support vector regression)的预测算法;在预测精度等方面,该算法优于BPNN(back propagation neural network)、SVR、PSO-SVR等算法,平均误差率从BP神经网络的±9％降到±4％以内.
关键词：棒材热连轧；轧制力预测；支持向量回归；加速收敛粒子群优化
-
2903.磁流变传动界面间液膜温升特性实验研究
[仪器仪表制造业] [2013-11-15]
为揭示磁流变传动(magnetorheological (MR) transmission)界面间液膜的温升特性,以一种多盘式磁流变传动装置为研究对象,对传动界面间磁场分布进行有限元仿真分析,并采用实验方法研究了工作间隙内液膜的温升情况及分布规律,同时测试了液膜温升对传动性能的影响.研究结果表明:液膜温度沿工作间隙径向逐渐增大,并且温度差值随滑差时间越来越大,液膜沿周向温度分布基本均匀；滑差加载阶段,液膜温度随时间近似呈线性上升,且滑差功率越大,温升速度越快,在停机阶段温度下降缓慢,有必要采取强制散热措施以减缓液膜温升；液膜的温升将会导致其传递扭矩能力下降和动态响应速度变慢.
关键词：磁流变传动；液膜；温升特性；传动性能
-
2904.面向实时查询处理的轨迹流挖掘框架
[仪器仪表制造业] [2013-11-15]
为了解决轨迹数据流中实时查询问题,提出了一种面向实时查询处理的轨迹数据流挖掘框架(trajectory data stream mining framework,TSMF),该框架包括2个部分:在线的轨迹数据流挖掘和离线的实时查询处理.在线部分,首先,对实时接收的轨迹数据作基于密度的线段流聚类,获取到密度聚集的线段簇,然后,在轨迹簇树和蜂群模式哈希表存储索引结构上,根据线段簇结果对轨迹簇和蜂群模式进行在线更新；离线部分,实现了当前关闭轨迹簇(current closed trajectory clusters query,CCTC)、当前关闭蜂群模式(current closed swarm query,CCSwarm)和邻居轨迹(k-nearest nejghboring trajectory,k-NNT)3种面向移动目标的实时查询处理方法以响应用户的实时查询请求,当用户请求查询时,在实时挖掘出的轨迹簇和蜂群模式中快速查找结果.在大规模真实数据和合成数据上的综合实验验证了TSMF的挖掘效果、高效率性、可扩展性和较高的查询处理速度.
关键词：轨迹流挖掘；查询处理；轨迹簇；蜂群模式；实时性
-
2905.含噪语音压缩与重构的自适应共轭梯度投影算法
[仪器仪表制造业] [2013-11-15]
针对含噪语音信号压缩感知(compressed sensing,CS)后采用梯度投影(gradient projection,GP)算法收敛速度慢且重构性能差的问题,提出了自适应共轭梯度投影(adaptive conjugate gradient projection,ACGP)算法对含噪语音进行压缩与重构.ACGP算法首先将CS理论中求解含噪语音信号在离散余弦变换(discrete cosine transform,DCT)域上的稀疏解的非线性凸优化问题,转化为有边界约束的二次规划(bound constrained quadratic program,BCQP)问题,然后根据原含噪语音信号的信噪比(sighal to noise ratio,SNR)自适应选择最佳重构参数,用ACGP算法对含噪语音信号的DCT域的稀疏系数进行重构,进而重构出原始语音信号.该算法将共轭性与GP算法相结合,避免了其搜索路径成“锯齿”状,使得其收敛速度更快;且该算法根据原含噪信号的信噪比自适应选择最佳重构参数,使得在重构语音的同时提高了原信号信噪比.仿真实验结果表明:ACGP算法具有更快速的收敛性和更高的信噪比,且在不同噪声强度下具有更高的鲁棒性.
关键词：自适应共轭梯度投影；梯度投影；压缩感知；含噪语音重构
-
2906.数字双频陷波滤波器的优化级联设计方法
[仪器仪表制造业] [2013-11-15]
数字双频陷波滤波器主要用于消除或抑制数字信号中的2个频率分量.首先推导出增益可控单频陷波滤波器的设计公式；然后采用特定的幅度响应控制策略,通过级联2个单频陷波滤波器,实现了数字双频陷波滤波器的优化设计；最后对所提设计方法的有效性和实用性进行了一系列的仿真实验验证.
关键词：数字滤波器设计；数字陷波滤波器；双频陷波滤波器；无限长单位脉冲响应
-
2907.基于样本内主成分分析的潜油电泵偏磨诊断
[仪器仪表制造业] [2013-11-15]
特征参数的选择与提取是潜油电泵偏磨诊断至关重要的一步.对潜油电泵偏磨和碰磨过程作了力学分析,证明了利用加速度信号实现偏磨诊断的可行性.据小波变换和功率谱参数的特点以及主成分分析的优点,提出潜油电泵偏磨诊断的特征参数选择和提取方法.对加速度信号使用‘bior1.5’小波先作3层小波分解,然后逐层求取3层细节系数和第3层近似系数的功率谱系数,最后对这4维功率谱系数求取1维主成分,得到了4个代表一个样本的特征参数.该参数消除了小波分解时造成的相邻尺度的相关性,并保留了样本的本质信息和主要信息.以支持向量机作为分类器,5次交叉验证平均正确识别率高达91％,高于小波系数的功率谱系数最大值、小波系数主成分等参数.
关键词：加速度；小波分解；功率谱；支持向量机
-
2908.一种红外传感器与被动雷达航迹稳健相关算法
[仪器仪表制造业] [2013-11-15]
针对由同平台红外传感器和被动雷达组成的多传感器数据融合系统中航迹相关问题,提出一种纯方位航迹稳健相关算法.该算法构造了一种离散高斯隶属函数,并利用该函数对航迹中的方位信息进行模糊化,形成高斯型方位信息模糊量,基于Hausdroff距离定义了方位模糊量相似度,利用多个周期的方位模糊量相似度定义了纯方位航迹稳健相关度和相关度矩阵,采用最低相关度门限与全局最优相结合的策略确定航迹相关对,实现航迹相关判定.仿真试验结果表明,该算法能有效地实现红外传感器和被动雷达纯方位航迹相关判定.
关键词：红外传感器；被动雷达；纯方位航迹相关；方位模糊量相似度；稳健相关度
-
2909.一种最优化期望时延的容迟网络副本分发协议
[仪器仪表制造业] [2013-11-15]
多副本路由协议能有效降低容迟网络消息交付时延.目前的工作仅将节点间的当前质量作为分发依据,忽视了容迟网络固有的大延迟交付特性.提出了分发跳数约束的最优化消息期望时延的路由协议ODCD (optimal expected delay copy dissemination),能在整个分发时间维度内选择最佳中继节点以优化期望时延.ODCD利用最佳停止规则进行建模,设计了综合性的动态分发尺度和相应的分发规则,并提出了一个用于计算该尺度的反向递归算法.在真实接触数据集上的仿真表明,相比同类算法,ODCD以少量发送成功率上的损失获得了在消息端到端时延和路由代价上的明显优势.
关键词：容迟网络；路由协议；分发尺度；最优化时延
-
2910.斜插式超声流量计探头插入深度影响实验研究
[仪器仪表制造业] [2013-11-15]
研究了DN500和DN1000口径斜插式超声流量计探头安装位置影响误差,针对凸出、相切和凹陷3种探头安装位置分别进行了实验研究.得到了不同探头安装位置对流量计流量测量引入的误差,分析了探头影响误差的来源,深入剖析了流量计表体大小及声道数与探头安装位置引入误差的关系.通过分析给出按照相切位置安装探头的流量计不需进行探头位置影响误差修正,按照凸出位置安装的流量计可以使用修正公式进行修正,修正后流量误差接近于零.凹陷探头修正声道范围影响误差后,流量测量误差变为正值,其探头流场扰动影响需要积累较多数据后根据经验进行修正.
关键词：超声流量计；探头安装位置；计量；修正方法
027-87841330