露天矿山岩质边坡软弱夹层赋存状态影响边坡稳定性规律研究

软弱夹层作为一种典型地质结构是影响整个边坡安全稳定性的关键因素。为了更好地分析软弱夹层的性质及对边坡稳定性的影响,针对某含软弱夹层矿山露天岩质边坡,运用正交对照法对边坡软弱夹层的埋深、倾角、数量及夹层间结构面间距等4种夹层赋存状态,进行变量4×4正交模拟,揭示了不同赋存状态下边坡稳定性及变形规律。研究结果表明,1）边坡软弱夹层的赋存状态对边坡稳定性有显著影响,随软弱夹层埋藏深度的增加边坡安全系数随之增大,当埋深达到一定值后,边坡安全系数趋于稳定;2）随着软弱夹层角度的增大,破坏机制表现为层间错动、顺层蠕滑和沿软弱结构面的剪切滑移递进式变化;3）随软弱夹层层数增多,边坡整体性下降致使变形不均匀,边坡安全系数减小,水平方向位移增大;4）对比同等埋深结构面间距较小的软弱夹层边坡,结构面间距对边坡安全系数的影响较小。     

基于麻雀搜索算法优化支持向量机的刀具磨损识别

针对微小深孔钻削刀具磨损状态检测的工程需求,提出了基于钻削声信号的麻花钻头磨损状态识别方法。根据不同磨损程度的麻花钻在钻削过程中的声信号,使用经验模态分解(empirical mode decomposition, EMD)将声信号分解成若干个固有模态函数(intrinsic mode functions, IMFs),通过时频联合分析探索刀具磨损与声信号特征之间的关联规律;再使用麻雀搜索算法(sparrow search algorithm, SSA)优化支持向量机(support vector machine, SVM)的参数,并利用SVM实现基于声信号特征的刀具磨损状态识别。实验结果表明,微小深孔钻头磨损程度与钻削声信号特征之间存在非线性耦合关系,声信号高频特征对钻头磨损程度的变化非常敏感;采用经过SSA优化后的SVM算法,基于优选的IMF特征能够准确识别钻削刀具磨损状态,识别准确率可达98.246%。     

一种自然通风防辐射罩的设计与研究

为了降低太阳直接辐射、散射辐射、下垫面反射辐射等对现有气象站中温度传感器的影响,本文设计了一种多导管式球形防辐射罩。首先对防辐射罩外形结构进行设计;然后通过计算流体动力学(Computational Fluid Dynamics, CFD)方法对风速、太阳辐射强度、太阳高度角等不同环境参数下传感器的辐射误差进行量化;接着,采用支持向量机(Support Vector Machine, SVM)算法训练预测模型;最后,利用外场辐射误差实验平台对其辐射屏蔽效果及算法预测精度进行验证。实验结果表明,辐射误差精度可降至0.05 ℃量级。可见,此防辐射罩降低辐射效果显著。     

基于支持向量机的导弹动力系统动态过程仿真

为了对导弹动力系统动态过程进行仿真,研究了基于支持向量机方法的动态仿真技术。仿真结果与试车数据比较表明,支持向量机对发动机推力的动态变化过程进行了很好的仿真;与基于神经网络的计算结果比较表明,该模型的计算时间短、精度高,可用于液体火箭推进系统的实时状态监控、故障诊断及控制系统设计等方面。     

SVM网页分类中一种新的特征提取方法

随着互联网的迅速发展,对网页正确分类显得越来越重要。网页分类的一个难点就是特征空间的维数比较大,支持向量机(SVM)分类方法显示出比其它分类方法更好的性能,但是训练样本时却花费了比其它算法更多的时间。本文提出了一种基于选择最确信的词来预测一个文本的类别的特征提取方法,通过中文文本实验,结果表明在不降低分类准确性的前提下,缩短了训练时间。     

运动想象脑机接口的判别迁移特征学习与分类

为了解决不同时间采集的运动想象脑电数据之间存在的分布差异,避免跨时段使用前长时间的重校准步骤,提出了一种基于判别迁移特征学习（discriminative transfer feature learning, DTFL）的运动想象分类方法。DTFL通过联合匹配源域和目标域之间的边缘分布和类条件分布来减少域间的差异,同时最大化类间距离和最小化类内距离来保留类判别信息,从而提升对运动想象的分类性能。基于DTFL的运动想象分类方法无需目标域脑电样本的类别信息,可以有效避免长时间的校准。在脑机接口竞赛数据集上的实验结果表明,DTFL显著优于其他迁移学习方法,有效缓解跨域分布的不一致性,提高了运动想象的分类正确率。     

最小二乘支持向量机在汽车动态系统辨识中的应用

汽车转向时动态系统参考模型对于汽车稳定性的控制有重要影响．基于最小二乘支持向量机算法,应用网络搜索和交叉验证的方法选择支持向量机参数,并将其应用于汽车转向时的非线性动态系统辨识,取得了良好的辨识效果,建立的参考模型能够较充分地描述汽车动力学行为。     

基于遗传算法和概率神经网络提高脑机接口中脑电信号识别率

针对脑机接口（BCI）研究中存在脑电信号（EEG）识别率低的问题,提出一种基于遗传算法（GA）和概率神经网络（PNN）的GA—PNN识别方法．用该方法对EEG提取时频特征,构成模式识别的初始特征．以训练样本识别正确率为适应度函数,采用GA对初始特征进行组合优化．基于优选后的特征,用PNN对测试样本进行分类．该方法使EEG识别正确率达到92．499／5,与2003年BCI国际竞赛最好的处理结果（88．7％）相比,提高近4％,为BCI中EEG的识别提供了有效的手段．     

应用分形理论和光线投射算法的卫星云图模拟技术

卫星云图模拟是气象卫星成像仿真所研究的核心问题,针对快速生成效果逼真的卫星云图的要求,以分形理论为基础,设计了一种基于随机中点位移算法的云体数据生成模型,并采用光线投射算法将产生的三维云体数据绘制于二维平面图像上,实现了卫星云图的模拟,得到了比较满意的结果.     

基于小波变换域的SVM股市时间序列预测算法

研究利用小波变换技术提高基于SVM的股市时间序列预测算法的效果.采用结构相同的若干SVM同步预测股市时间序列数据在不同尺度下的小波变换系数,通过对各预测值进行加权组合预测股市变化趋势.其中所有SVM的核参数采用遗传算法同时自动进化调整.通过实证分析,以及同基于SVM的股市时间序列预测算法进行对比,结果证明结合小波变换技术能够更深入揭示股市规律.