喷水推进泵空化特征联合分类识别

在无空化区、空化Ⅰ区和空化Ⅱ区3种工况条件下,利用安装在实船喷水推进泵检查孔内的水听器和布置在泵壳上的加速度传感器获取喷水推进泵的声压和振动信号.通过二阶导数分析发现,空化前后声压和振动信号的二阶导数均具有显著的差别,空化后声压信号在8~25 kHz、振动信号在3~12 kHz频段上出现了明显的峰值.以该特征频段上二阶导数的峰值序列为基础,构造特征集并进行特征联合分类识别.结果表明：利用特征联合分类识别可以区分无空化区、空化Ⅰ区和空化Ⅱ区的信号,多传感器特征联合分类识别的效果优于单传感器特征联合分类,尤其是基于二阶导数的多传感器特征联合分类识别的效果较为理想.     

叶顶间隙对喷水推进轴流泵空化性能影响

采用标准k-ε湍流模型和Mixture多相流模型对喷水推进轴流泵五种不同叶顶间隙下的流场进行数值模拟;并对其不同叶顶间隙下的空化性能进行分析。结果表明,随着装置空化余量的降低,空化最先在叶轮进口轮缘附近发生;然后逐渐向叶轮出口边、轮毂及压力面方向扩展开去。随叶顶间隙的增大,临界空化余量逐渐增大;且叶片吸力面空化面积增大,抗空化性能下降;叶顶间隙的存在导致叶轮出口轴向速度在靠近间隙的20%叶高区域降低;在相同装置空化余量下,叶轮出口轴向速度下降的速度随叶顶间隙值的增大而加快。     

浸没式喷水推进泵设计及装船后性能预报

为了设计浸没式喷水推进泵,以国外某喷水推进混流泵为对象建立了浸没式喷射模型,运用计算流体力学(CFD)瞬态模拟方法研究了2种转速时浸没式喷射对喷水推进泵水力性能的影响。研究表明,无论是低转速还是设计转速,浸没式喷射时喷水推进泵的扬程、轴功率、效率变化都小于1%,且叶片的空化无明显变化。由此,运用三元设计方法设计了一型适用于常规尾板式喷水推进的喷水推进泵,即按常规尾板式喷水推进的"船-泵-机"匹配方法选定喷水推进泵的设计参数,按基于环量的三元方法进行喷泵的水力设计,喷泵为6片叶片、9片导叶。最后,运用计算流体力学方法对实尺浸没式喷水推进器与船体的组合结构进行了数值模拟,结果表明,在设计航速时,该喷水推进泵完全浸没在水中工作的水力性能变化很小,进而得出浸没式喷水推进泵可以按照常规尾板式喷水推进泵的设计方法进行设计的结论。     

船舶喷水推进泵设计的若干问题

本文针对船舶喷水推进泵的特点,阐述了推进泵设计参数的计算、选择方法。并对推进泵,特别是高速船舶推进泵型式的选择、水力设计及材料选择的若干问题进行了讨论和分析。     

最小二乘支持向量机在人脸识别中的应用

 支持向量机(SVM)模式识别方法具备良好的分类性能和鲁棒性,在介绍了典型支持向量机与最小二乘支持向量机(LS_SVM)原理的基础上,给出最小二乘支持向量机的算法实现过程,将其应用于人脸识别当中,取得较典型支持向量机在时间上较好的效果.在OPL人脸库中的实验结果表明,基于LS_SVM的人脸自动识别系统更能适用于实时性要求较高的场合.     

喷水推进泵压力脉动特性数值计算及分析

针对喷水推进器装船后不均匀来流对压力脉动特性的影响,以某巡逻艇喷水推进混流泵为研究对象,基于RANS方程和SST湍流模型,通过流体动力学软件CFX稳态计算,进行了巡逻艇航速数值预报,所得计算值与试航值误差为1.8%,从而验证了计算流体动力数值计算的可信性。采用分离涡模拟方法,对敞水泵和装船泵进行了三维非定常数值模拟,计算分析了叶轮进出口、叶轮内部、导叶内部及喷口5个截面和叶轮叶顶间隙处的压力脉动,并对不均匀来流带来的差别进行了研究。结果表明:在敞水泵和船后泵的叶轮出口、导叶内部,水流距叶轮越远,压力脉动影响越小,压力脉动频率取决于叶轮转动频率,压力脉动幅值沿轮毂到轮缘逐渐增大,船后泵压力脉动幅值整体高于敞水泵;对于均匀来流,敞水泵旋转域叶轮室的压力脉动频率主要受导叶的影响,船后泵则受轴频的影响,二者压力脉动幅值在叶顶间隙处均从叶顶沿导边到随边逐渐增大;对于敞水泵,流道出口压力脉动频率主要受叶频控制,对于船后泵,压力脉动频率为轴频。     

后置导叶型喷水推进泵总特性及三维流场

研究了带后置导叶的喷水推进轴流泵的三维流场,采用k-ε湍流模型和SIMPLEC算法对流场进行了数值模拟,分析了叶片表面的压力分布,模拟得到的总性能曲线与实验曲线比较吻合,模拟结果表明,导叶出口面上轴向速度与圆周速度的分布不均匀,与设计目的是一致的。     

最小二乘双胞支持向量回归机的研究

 利用最小二乘方法和临近支持向量机(PSVM)算法,并结合双胞支持向量机(TSVR),提出了最小二乘双胞支持向量回归机(LSTSVR).作为对照,TSVR需要求解2个二次规划问题,而LSTSVR仅需求解2个线性方程组.最后利用不同的实例验证了所提算法的可行性和有效性.     

基于仿生翼型喷水推进泵内流场特性研究

基于仿生学原理开展喷水推进泵内部流场特性研究.采用数值模拟与模型泵试验相结合的方法对仿生翼型设计的喷水推进泵叶轮与NACA4410和791翼型得到的叶轮进行比较分析.研究结果表明,相同条件下,仿生翼型泵扬程最高,附着在叶片附近的低压区最大,上压力面与下吸力面压差最大,效率最高;仿生翼型泵湍流动能发展相对稳定,速度矢量分布最为均匀,能量损失最小,仿生翼型泵具有最优的水力性能.仿真翼型叶轮的研究方法在喷水推进泵模型优化上具有一定的可行性,对后续的研究具有重要的指导意义.     

基于最小二乘支持向量机的人脸识别算法

通过计算机对人脸进行分析,从而确定身份的技术统称为人脸识别,其具体内容包括图像预处理、特征选择和提取、分类。首先介绍了支持向量机和最小二乘支持向量机的基本思想和数学模型,推导了最小二乘支持向量机的算法步骤,在对人脸图像进行预处理的基础上,采用奇异值分解扩展算法提取人脸特征,然后再采用上述算法对人脸图像进行分类。通过实验可知本文中的算法可以对人脸图像进行有效分类,对解决小样本分类问题是有效的、可行的。     

最小二乘模糊支撑向量机研究

支撑向量机是以统计学习理论为基础,以结构风险最小化（Structure Risk Minimization,SRM）为原则的新型学习机,已经广泛地用于模式识别、回归估计、函数逼近、密度估计等方面。在对已有的分类问题的SVM算法的研究分析基础上,结合Lin和Wang提出的模糊支撑向量机模型和现有的最小二乘支撑向量机模型得出最小二乘模糊支撑向量机模型。     

基于CQGA-LSSVM的桥式起重机主梁损伤识别

针对桥式起重机在使用中存在主梁损伤等结构问题,引入刚度变化指标将主梁的损伤识别问题转化为桥起主梁局部刚度的计算,并采用云量子遗传算法对最小二乘支持向量机中最佳模型参数进行优化调整,二者结合实现了对主梁的损伤识别.实验结果表明:所提改进方法无论是针对主梁单损伤还是多损伤,均可精确完成主梁损伤定位及损伤程度预测,并具有较好...     

直觉模糊最小二乘支持向量机

将直觉模糊集的相关理论引入到最小二乘支持向量机中, 建立了直觉模糊最小二乘支持向量机的数学模型, 并对模型的求解过程进行推导. 为验证该算法的有效性, 在人工数据集和标准数据集上进行仿真实验. 实验结果表明, 直觉模糊最小二乘支持向量机算法可降低分类时样本中噪声和野点对分类效果的影响.     

基于最小二乘支持向量机的阵列波束优化研究

针对标准支持向量机计算复杂度高、内存开销大、训练速度慢的缺点,为改善标准支持向量机的训练效率,快速优化阵列波束,提出了基于最小二乘支持向量机(least squares support vector machine,LSSVM)的阵列波束优化方法。LSSVM采用二次损失函数取代标准支持向量机中的不敏感损失函数,将不等式约束变为等式约束,从而将二次规划问题转化为一个线性矩阵求解问题,具有良好的快速性;与传统的标准支持向量机波束形成相比,所需计算资源更少,训练速度更快,计算效率更高,泛化能力更强。仿真实验结果表明:在保持波束形成的性能指标基本不变的情况下,LSSVM降低了计算复杂度,减少了内存开销,提高了运算速度和收敛精度,为波束形成器的优化设计提供了一种新的有效方法。     

基于最小二乘支持向量机的大坝变形预测研究

大坝变形预测是风险评估的关键,而涉及因素存在高度非线性.为达到好的预测效果,提出了一种基于最小二乘支持向量机(LSSVM)的大坝变形预测方法.在数据预处理方面,针对传统的参数平方、立方这种处理方式,提出变阶次概念;针对LSSVM交叉验证耗时过多,提出了一种简单可行的变参数方法 .为了快速获得优化结果,引入基于十进制的遗传算法.此外,为进一步提高预测精度,引入遗忘因子概念.最后,给出一个实例.     

一类混杂系统的模型辨识

针对一类具有切换结构的混杂系统,提出一种基于仿射传播聚类的模型辨识方法。将模型辨识问题等价成对系统数据的分类和分类数据的回归问题。通过仿射传播聚类算法对样本数据进行聚类划分,并分别采用最小二乘支持向量机算法对子样本分别建立模型。仿真结果验证了该方法的有效性和实用性。     

基于差分最小二乘支持向量机的目标识别研究

目标识别是目前机器视觉、图像处理和模式识别领域的研究热点之一,广泛应用于各行各业。最小二乘支持向量机算法简便、速度快、精度高,是当前目标识别的主流算法之一。针对最小二乘支持向量机的参数难以确定,仅靠传统经验试凑的方法不易实现,且结果不理想;提出一种改进的差分进化算法实现最小二乘支持向量机的参数整定。通过改进变异策略,引入早熟判断机制,遏制了传统算法早熟收敛的问题。通过实验仿真,验证了改进算法可跳出局部最优点,结果比传统算法更优。以SM-TMSSY光电伺服跟踪转台为实验平台进行实例验证,证明了改进算法收敛速度快、精度高,正确识别率可从85%提高到92.5%,验证了算法的优越性。     

ε-SVM与核变换最小二乘法在系统辨识中的比较研究

简要介绍了非线性回归方法--支持向量机(ε-SVM)和基于空间变换的最小二乘辨识方法(KBLS)的算法原理.通过仿真实验,对两种方法进行了比较.结果表明:两种方法都可以以高精度逼近一个高度非线性系统.在单输入情况下,不加噪声时,KBLS具有绝对优势,拟和性能优良,但待辨识参数比支持向量个数多;加噪干扰情况下,SVM已明显优于KBLS,但支持向量的个数也大于KBLS.双输入情况下,不加噪声时,KBLS已没有明显优势;若在输出端增加噪声,KBLS几乎完全失去了抵御能力.