基于摩擦发电机网络结构的海洋能采集方式

目前的海洋能开发远远落后于风能或者太阳能的采集。当前,海洋能的采集,经过几十年的发展,主要还是基于电磁感应的方式。然而,基于电磁感应的海洋能采集,存在一些弊端。首先,电磁感应机主要是由于重的磁铁和线圈构成,此种发电装置不能自然地浮在水体的表面,除非依靠一个漂浮的平台来支撑。其次,这些线圈磁铁也很难经受海水的腐蚀,使得它们的长期使用性受到了极大的挑战。再次,大部分的基于电磁发电机,只能采集     

循环流化床锅炉中回转式空气预热器腐蚀、漏风分析计算

烟气酸露点与空预器漏风率的准确计算对于电站锅炉的设计及尾部受热面的布置都非常重要;现有文献对两者的理论计算与实测值偏差较大,造成排烟温度偏高。为了进一步提高锅炉能源利用率,要求对酸露点与空预器漏风率的确定更加精确。结合四分仓空预器在机组检修过程中存在的腐蚀、漏风问题,找出主要影响因素,对山西某电厂循环流化床(CFB)锅炉的烟气酸露点和空预器漏风率进行了计算,计算结果在锅炉实际运行中也得到了应用,并且可来指导空预器在锅炉实际运行过程中应该控制的运行参数,保证机组安全、经济运行。     

大尺寸关节支架的3D打印及应用

人工关节假体的置换与长期植入后的失效问题将造成关节组织不可恢复的损失,小块可降解骨软骨关节支架具有恢复病变关节的力学环境和诱导新生组织生长的能力,为大尺寸关节病变缺损修复提供了新的治疗策略.大面积深层病变软骨关节病变位置的生理结构与力学环境的分析,以及多材料复合关节支架的仿生制造与手术方案是治疗方案开发的难点.本文提出一种新型多材料关节支架的仿生设计与制造技术和植入方法.以诱导组织生长为导向,选择聚乙二醇凝胶(polyethyleneglyco,PEG)、β-磷酸三钙陶瓷(β-tricalcium phosphate,β-TCP)、聚乳酸(polylactide,PLA)等生物材料开发新型支架;以羊膝关节为研究对象,通过反求工程、有限元分析和3D打印技术,利用有限的影像学数据信息,建立膝关节模型和易病变软骨区域;基于支架生理结构特征与关节缺损区机械承载能力的映射关系,建立大块仿生骨软骨支架的结构与稳定性固定结构.实验证明该支架在置换初期较好地恢复了缺损关节的力学环境.所提出的方法和支架有望为大面积骨软骨缺损的修复提供一种新的治疗方案.     

带有二元连接函数的半参数模型

提出了一种新的带有二元连接函数的广义半参数模型, 即二元连接模型 (简称为BLM). 使用轮廓似然方法估计模型的 参数和非参数部分, 并给出了计算算法. 证明了所得的未知参数的估计量为$\sqrt{n}$-\!\!相合, 渐近正态且具有渐近最小方差, 给出了实际数据分析和模拟研究, 最终采用局部功效方法来检验非参数部分的线性性.     

基于改进Meanshift算法的刀闸实时状态的精准跟踪

以变电站中的双柱式水平刀闸为例,基于传统Meanshift算法和局部二元模式(LBP)编码增强结构特征,提出改进的Meanshift算法,用该算法解析刀闸工作视频信息,实现刀闸实时状态跟踪.通过对87个刀闸开合视频的跟踪实验可知,改进算法在X方向的跟踪精度提高了120%,Y轴方向的跟踪精度提高了800%.因此,该算法为刀闸状态的准确识别提供了新的手段.     

基于无人机遥感的绿化园林三维绿量估算与分析——以福州大学校区为例

三维绿量能够从立体空间上描述城市绿地的空间分布和定量评价城市绿化的环境效益。本文以福州大学为研究区，探讨了利用可见光无人机影像估算绿化树木三维绿量的方法，并对校园生态效益进行定量分析。首先获取高于10cm分辨率的无人机可见光遥感影像；其次结合可见光波段的光谱特征与无人机数据点云的高程特征获得研究区的冠层高度模型；然后通过局部最大值算法与标记控制分水岭算法提取单木树高、株数以及冠径参数，通过野外实测数据构建“树高-冠高”关系模型得到冠高；最后结合树种分布情况，按照不同的树冠形状构建三维绿量估算模型，并基于三维绿量估算校园不同树种的生态效益。结果表明：研究区内三维绿量总量达到了804405m3，其中休闲区的三维绿量总量为428566m3，占总绿量的53.3%，而科技园区的三维绿量总量为26568m3，仅占总绿量的3.3%；而常见树种中，三维绿量贡献最大的为榕树，达到404405m3，占三维绿量总量的50.3%，而丹桂贡献的三维绿量仅为509m3，占总绿量的0.063%。研究认为：基于无人机遥感数据，能够较好的估算出研究区内绿化树木的三维绿量。     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明，在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

基于改进人工势场法的多无人机三维编队路径规划

针对传统人工势场法的障碍物附近目标不可达、存在局部极小点和振荡的问题对势场函数进行分析和改进,以保证目标点为势场的全局最小点。在动态势场中,引入是否陷入局部极小点的判断机制,并结合一种“沿目标方向90°移动”的方法来跳出局部极小点,实现多无人机编队的路径规划、协同避障和防碰撞。利用回归搜索法来对路径进一步优化。MATLAB的仿真结果显示,该方法有效地弥补了传统人工势场法的不足,提高了人工势场法的实用性。     

基于LWSVR的繁忙机场航班滑出时间预测

针对繁忙机场航班滑出时间预测准确率低的问题,结合局部回归和加权支持向量回归,提出基于局部加权支持向量回归的离港航班滑出时间预测模型。该模型采用K最近邻方法,减小训练样本集容量,并为每个预测样本构建一个预测模型。通过计算训练样本与预测样本间的马氏距离,来优化加权支持向量回归中高斯核加权函数的带宽参数,获得加权系数。结合某机场离港航班数据仿真分析,实验结果表明模型在误差允许范围内的预测准确率达到83.33%,模型更加稳定。     

实时检验泡沫：基于严格局部鞅判别的泡沫检验方法

实时检验泡沫并对市场参与者和监管者进行预警，有利于防范和化解金融风险。基于检验泡沫的严格局部鞅判别原理，在RKSH方法的基础上拓展了一种倒向滚动检验方法（BSLM），并通过蒙特卡洛仿真和实证分析验证了新方法的有效性。研究发现：相对于传统严格局部鞅判别方法，BSLM方法对距离当前时刻较近的泡沫具有更高的检验势，并且能更早地事前预警泡沫；在对中国股票市场主要指数2000~2015年的泡沫检验中，新方法能判断泡沫的生成时间和破灭时间，发现上证指数和深圳成指的泡沫具有较强的联动性。