基于SSA-LSTM-GF的混凝土坝变形预测方法

针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法。SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余分量视为噪声分量予以剔除;采用长短期记忆神经网络(LSTM)模型和高斯拟合(GF)算法分别进行周期分量和趋势分量的分析预测,并将二者结果进行叠加重构,得到最终预测结果。实例验证结果表明,SSA可以达到较好的数据分解和消噪效果,LSTM模型针对周期分量的预测性能优越,GF算法能够很好地实现趋势分量的拟合预测和部分信息的挖掘提取,LSTM模型和GF算法的成果重构效果良好,SSA-LSTM-GF方法具有一定的可行性和应用价值。     

核电企业安全管理SWOT-TOPSIS模型及应用

为客观合理地构建核电企业安全管理体系,分析企业内部环境的优势劣势和外部环境的机会威胁,从优势-机会(SO)、优势-威胁(ST)、弱点-机会(WO)和弱点-威胁(WT)等4方面建立我国核电企业安全管理体系态势分析(SWOT)矩阵.结合层次分析法和优劣解距离法(TOPSIS),构造SWOT-TOPSIS模型,由此对我国核电企业安全管理SWOT矩阵的结果进行量化.通过对国内某核电企业进行实例分析,结果表明：该核电企业的最优备选方案为SO方案,即企业可以充分利用自身的优势及国家与社会给予的机会,进一步健全安全管理体系;建立健全企业核安全文化;定期对公司内部员工开展安全教育培训,以提高公司内部人员风险识别能力并定期开展隐患排查整治工作;建立核原料储备保障体系,确保我国核原料供应链的安全稳定.     

基于经验模态分解特征的无线电引信抗扫频式干扰方法

针对目前调频无线电引信在复杂电磁战场环境中对抗扫频式干扰能够力弱的问题,提出一种基于经验模态分解(empirical mode decomposition,EMD)特征的无线电调频引信对抗扫频干扰的方法.对基于目标和扫频干扰作用下的调频无线电引信检波端输出信号进行EMD分解,得到10层本征模态函数(intrinsic mode function,IMF)分量,提取每层IMF分量中本征模态函数能量占比、能量聚集度和Renyi熵特征,并利用主成分分析算法对于特征进行降维,保证累积解释差异在95%以上,以降维后的特征矩阵作为支持向量机的输入对目标和扫频式干扰信号进行分类识别.实测数据结果表明,所提方法能够有效对目标和扫频式干扰信号进行分类识别,分类识别精度可以达到98.06%±0.003 8,目标检测率达到96.65%±0.003 7,虚警率为3.35%±0.003 7.     

单通道涡流无损检测信号盲源分离算法

针对脉冲涡流无损检测(pulsed eddy current testing, PECT)系统中获取单一检测信号存在的混叠问题,文章提出一种基于经验模态分解(empirical mode decomposition, EMD)和快速独立分量分析(fast independent component analysis, FastICA)的单通道盲源信号分离算法。该算法首先通过EMD对混合观测信号分解,然后利用奇异值分解(singular value decomposition, SVD)估计源信号数目,根据估计得到的源信号数目将观测信号和对应模态分量构成新的虚拟信号,最后利用FastICA算法分离得到源信号的估计。有限元仿真实验表明该算法能有效分离单通道混合检测信号,并且优于小波分解的单通道盲源分离算法。     

某型号汽车波纹管结构参数优化研究

为提高某型号汽车波纹管的服役性能,文章对波纹管的结构参数进行优化。建立波纹管的模态分析和静力学分析有限元模型,基于单因素法研究壁厚、波高、波谷曲率半径、内径对波纹管一阶固有频率及最大应力值的影响规律;基于正交试验设计原理并结合极差分析和方差分析,以一阶固有频率及最大应力值为目标函数,确定各因素对试验指标影响的主次顺序;通过综合平衡法获得最优的结构参数组合,并对优化结果进行验证。研究结果表明：一阶固有频率及最大应力值均随壁厚的增大而增大,随波高、内径的增大而减小,随波谷曲率半径的增大呈先减小后增大的趋势;极差分析和方差分析得出各因素对2个指标的影响主次顺序均为壁厚、波高、内径、波谷曲率半径;最优结构参数组合为壁厚0.25 mm、波高11.6 mm、波谷曲率半径1.30 mm、内径121.0 mm;优化后的波纹管固有频率提高,服役状态下的应力水平降低。     

轨道车辆S形截面结构件的排样设计与应用

轨道车辆S形截面结构件冲压成形容易产生回弹变形,回弹变形又会带来制件上的孔洞和局部形状的二次形位误差。以轨道车辆S形截面结构件为对象,参照坯料的排样设计流程,通过制件工艺分析、CAE仿真分析,初步设计了坯料的十工序排样;从成形工艺、模具概要设计角度详细分析了坯料排样各工序的设计目的;依据所设计的坯料排样完成了级进模设计,并在所设计、制造、调试好的级进模上做了实冲试验。结果表明：所设计的十工序排样图适用于轨道车辆S形截面结构件的冲压加工。对该坯料排样设计方法与方案推广应用,具有较好的经济效益和社会效益。     

材料断口中的分形(英文)

分形几何(Fractal geometry)是近年来出现的一门应用数学分支。本文简要介绍了分形在材料断裂表面分析中的应用概况,并叙述了本文作者关于“延性断裂韧性与断裂表面的分形”研究工作。如果继续深入研究,将可从材料破坏的断口上直接分析并推知其断裂特性,从而为材料的失效分析提供一种简便而实用的新方法。     

棉纺厂管理信息系统的研制

本文根据开发CTU-JMS管理信息系统已取得的成功经验,介绍CTU—JMS管理信息系统的运行环境;总体规划中运用的两种设计策略——“由顶向下”分析法和“由下至上”分析法;MIS中建立大型基础数据库采用的主要技术;MIS决策管理层的形成以及生产经营决策子系统的技术特点。为推进我国的纺织企业管理信息系统的开发和实现现代化管理作了探索。     

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization, NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.