考虑随机退化和信息融合的剩余寿命预测方法

针对性能退化过程服从Wiener过程的产品,运用贝叶斯统计推断法,提出了一种融合产品现场实测性能退化数据与同类产品常规退化试验信息、历史寿命信息的个体剩余寿命预测方法.建立了基于Wiener过程的产品剩余寿命模型;考虑到个体之间的性能退化差异性,假定Wiener过程参数服从随机分布模型,建立了个体现场实测退化数据下分布参数的贝叶斯估计模型,给出了超参数后验估计公式;分别建立了退化数据和寿命数据下的完全似然函数,构建了基于最大期望算法的超参数先验估计模型;通过实例分析验证了所提方法的正确性和优势,结果表明本方法可有效处理个体现场实测退化信息与同类产品先验信息之间的剩余寿命预测问题.     

隧道工程基于实测环境变形的土体参数确定方法

结合有限元数值模拟,以盾构隧道施工过程中环境变形的实测数据为基础,通过引入AMALGAM作为遗传算法,依据Pareto最优理论为评价标准,采用均方根误差进行误差校准,提出了一种基于实测数据得到准确土体参数的方法.针对上海市长江西路越江隧道工程试验段的工程案例,以周围土体侧移和隧道上方地面沉降为目标,以关键土层参数为分析对象进行多目标反分析,并对最优解和实测结果进行验证比较,结果证明多目标反分析精确度优于单目标反分析,并且更接近实际工况.应用基于实测环境变形确定的土体参数分析预测盾构施工对临近桩基础的影响,与测试结果的比较验证了计算方法和参数的可靠性,为隧道工程的环境影响分析提供参考.     

基于仿真和流量估计的服务性交通指标预测

提出了基于应用微观交通仿真模型和短期交通量预测的服务性交通参数预测模型.根据实际的交通系统和研究目的建立应用仿真模型并进行模型参数标定和有效性验证.根据实时采集的交通量采用基于小波分析和ARIMA(Autoregressive Integrated Moving Average)模型的混合模型进行下一时刻的交通量预测.将预测的交通量输入到应用仿真模型,根据仿真输出得到下一时刻的服务性交通参数指标.应用实例表明,该模型能够较好地进行服务性交通参数的预测.     

基于电化学模型的锂离子电池健康状态估算

针对电动汽车锂离子电池健康状态在线估算问题,提出了一种基于伪二维模型参数的估算方法. 该方法通过拆解同类估算目标电池,以扫描电镜测量电池结构参数,利用遗传算法辨识其他未知电化学模型参数,建立一种新的基于化学计量比的电池正极容量计算法则,估算电池健康状态. 同时考虑老化对电池正极化学计量比的影响,进一步提高健康状态估算精度. 采用电池老化数据集验证该方法的有效性,结果表明所提出的估算方法能在短时动态工况下实现电池健康状态的准确在线估算.      

基于粒子群算法估计实际工况下锂电池SOH

提出一种基于粒子群算法和锂电池经验容量模型的对电池实际工况下的健康状态进行估计的新方法.建立了电动汽车实际运行工况下充电曲线特征与电池健康度的线性模型.辅以电池经验容量模型,使之符合监督学习的实际情况并能够用计算机对参数进行拟合.以美国航天航空局电池老化数据建立训练集与验证集,对模型进行训练,并对训练好的模型进行实验验证.实验表明SOH估计误差都在7%以下,在实际工况中能够快速对电动汽车锂电池的健康度进行准确估计.      

基于支持向量机的办公建筑逐时能耗预测

针对建筑运行能耗非线性和不确定性强的特点,提出一种基于支持向量机的办公建筑逐时能耗预测方法.采用单变量模型检验法确定模型输入变量,引入网格搜索方法优化模型超参数.使用模型拟合误差的置信区间来描述建筑运行能耗的不确定性.采用实际办公楼案例对所提出的预测方法进行验证.结果表明:网格搜索优化后的模型平均绝对百分比误差(MAPE)降低31.3%,取得更高的模型精度;加入置信区间后不同季节中MAPE均低于1.5%,体现了建筑的运行波动.该方法可为建筑运行诊断及优化提供参考.     

基于模型迁移方法的精炼炉钢水终点硫含量预报

针对精炼炉(LF)钢水脱硫过程的非线性、强动态和多工况问题,提出了基于局部模型迁移方法的钢水硫含量终点预报模型.首先建立简化的机理模型捕捉主要的过程特性,然后采用模型迁移方法补偿机理简化和工况变化引起的预报误差.针对传统模型迁移方法不能处理过程非线性问题,提出局部模型迁移方法,在输入空间内建立多个局部迁移模型,通过融合算法组合成全局迁移模型来自适应校正机理模型的偏差.由于充分利用了机理模型的优势,相比现有的智能预报模型,该方法具有良好的预报精度.最后,通过现场实际数据验证了所提方法的有效性.     

建筑用户在室行为预测新方法

准确预测建筑用户在室行为可显著提高建筑能耗模拟精度,并进一步帮助建筑设计及运行控制优化.当前进行在室行为预测时所采用的主要是基于隐马尔可夫链方法的数学模型,该模型考虑了在室行为的时间关联性,可平稳有效地预测在室行为.然而现有隐马尔科夫模型难以准确描述在室行为动态变化规律以及在室行为与可观测参数之间的关联,降低了模型预测精度.针对该问题,本文提出一种基于状态转移的时变隐马尔科夫模型.该模型采用时变状态转移概率矩阵量化不同时刻在室行为的动态变化特征及关联,同时该模型基于状态转移计算可观测参数的概率分布以定量描述在室行为对可观测参数的影响.本文采用比利时某办公室在室行为数据库进行了相关建模和验证,结果表明该模型可更有效地捕捉在室状态变化,从而提高了在室行为预测精度.     

基于两种不确定的稳健设计方法及其在车身轻量化设计中的应用

针对传统基于近似模型的稳健设计方法中近似模型预测误差易导致优化解约束失效的问题,综合考虑参数不确定和近似模型预测不确定的影响,建立基于2种不确定因素的稳健设计方法,并通过数学测试案例验证所提方法的优化效果.同时,针对车身轻量化问题进行应用研究,选取非线性程度高、近似模型不确定影响大的耐撞性指标作为稳健约束.结果表明,基于2种不确定因素的稳健方法可以有效保证高维、强非线性问题优化解的可靠性,并在满足碰撞性能指标的前提下,达到车身减重11.06%的轻量化效果,从而验证了所提方法的可行性.     

基于回声状态网络模型的短时交通流混沌预测

为了提高短时交通流预测的准确度,提出基于回声状态网络模型的短时交通流混沌预测方法;利用C-C法计算相空间重构的延迟时间和嵌入维数;利用遗传算法对回声状态网络模型进行参数寻优,进而构建基于遗传算法的回声状态网络模型;采用城市快速路实测数据进行实验验证和对比分析.结果表明,所提出方法的预测效果明显优于支持向量机模型、小波神...