旋转机械转子-机匣系统碰摩的随机响应

针对仅考虑具有质量偏心的旋转机械Jeffcott转子-机匣系统碰摩模型的动力学方程,进行了转子-机匣系统碰摩的随机响应研究·应用Kronecker代数、矩阵微分理论、向量值和矩阵值函数的二阶矩技术、矩阵摄动理论和概率统计方法系统地研究了转子-机匣系统碰摩的随机响应问题,推导出了一般的数学表达式,给出了数值分析解·分析了把转轴刚度和阻尼、定子刚度和阻尼、偏心距和定子径向刚度作为随机参数的随机系统的响应·分析表明,该转子系统在初始阶段振动强烈,响应幅值超过转子和定子之间的间隙,会发生碰摩现象·     

3-TPS混联机床刀具长度补偿算法

介绍了一种新型立卧转换式三杆混联机床3-TPS混联机床,对该机床的结构进行了简单描述.该机床具有工作空间大、立卧转换、五轴联动、五面加工等特点,并具有加工中心的功能.根据3-TPS混联机床的特殊结构,对该机床在实现三坐标立式、卧式加工、四坐标加工及五轴联动加工时刀具长度补偿算法进行了研究,给出了各种加工情况下的刀具补偿算法,建立了刀心点与刀具长度补偿值之间、三根杆的伸长量与刀具补偿值之间的关系.     

基于梅尔频率倒谱系数和支持向量机的汽车鸣喇叭声识别

使用违法鸣笛辅助执法设备监测城市交通中汽车鸣喇叭事件的发生,可以有效地治理扰民的喇叭噪声,汽车鸣喇叭声的识别方法是其关键.为了准确高效地在交通噪声里识别出汽车鸣喇叭声,采用支持向量机(support vector machine,SVM)作为喇叭声和交通噪声的二分类器,针对汽车喇叭声的谐波特征分布特点,提取其梅尔频率倒谱系数(Mel frequency cepstrum coefficient,MFCC)作为特征向量,并分析MFCC的梅尔滤波器个数及特征维数对识别效果的影响.实验结果表明,通过增加MFCC特征中梅尔滤波器个数及特征维数可以改善识别效果,信噪比越低越明显.     

民机驾驶舱人机交互脑力负荷预测模型

针对民机驾驶舱人机交互中飞行员脑力负荷问题,设计不同难度的人机交互飞行实验任务,分析飞行作业过程中飞行员脑力负荷在评估指标上的变化.在此基础上,提出一种新的改进的多元线形回归方法,探索人机交互中飞行人员脑力负荷变化预测模型的构建方法.结果显示:飞行作业过程中脑力负荷在反应时间、正确率、NASA-TLX、SDNN 4个评估指标上变化显著;在RRI Count、Max RRI、Minimum RRI、Mean RRI、Max/Min 5个评估指标上变化不显著.改进的多元线形回归模型可对不同飞行难度下个体脑力负荷水平进行预测和等级划分,平均预测准确率为87.5％.提出的预测模型与实测数据吻合性较好,能够较准确地反映民机驾驶舱人机交互中飞行员脑力负荷变化特性,可为未来民机驾驶舱人机交互中工效学评价与优化设计提供依据.     

混合动力车辆永磁同步轮毂电机转速自抗扰控制

为解决复杂扰动条件下混合动力车辆永磁同步轮毂电机转速跟踪精度不高的问题,建立了永磁同步轮毂电机转速自抗扰控制系统模型,进行了自抗扰控制参数整定。分别在负载转矩扰动和模型失配扰动条件下,研究了自抗扰控制下永磁同步轮毂电机转速响应情况,并与优化调整参数的PID控制器的仿真结果进行对比。结果表明:自抗扰控制在提升永磁同步轮毂电机转速响应快速性和减小转速超调方面的独特优势。     

考虑周期性维护与工时恶化的单机调度研究

机械加工的"个性化定制"和"多品种小批量生产"需求与日俱增,生产的高度灵活性和设备维护的必要性给调度工作带来了巨大挑战,实际生产伴随的工时恶化效应使得调度问题更加复杂。为了解决周期性维护策略下考虑工时恶化的单机调度和维护决策问题,利用分段线性函数对工时恶化进行描述,分别基于固定周期维护与柔性周期维护的特点,以最小化最大拖期成本和维护成本为目标建立模型,通过数值实验和调参分析,确定了维护决策的关键和非关键因素。结果表明:柔性周期维护没有批次空闲,目标函数值随β/α比值的增大呈阶梯增长状,能实现成本的"自适应"调节,较固定周期维护有显著优势。构建生产与维护的联合调度模型,可实现维护策略的优劣对比和生产与维护的联合决策,降低企业生产和维护的运营成本。     

基于改进多核学习的多传感数据分类方法研究

物联网（internet of things,IoT）技术中结合多个数据源互补信息提高数据分类准确率的研究受到了越来越多的关注。针对物联网无线传感器采集到数据的多源异构特性,给出了一种基于改进多核学习支持向量机（improved multi-kernel learning-support vector machine,IMKL-SVM）的IoT数据分类方法。传统的多核学习方法中核函数主要是采用经验法选取核函数类型及参数,本文改进方法在确定核函数类型及参数时分为两步：首先采用交叉验证方法初步确定核函数类型及参数;其次在第一步结果中利用支持向量机（SVM）同时训练样本和优化多核函数的类型及参数。实验中针对温度、湿度、光照、大气压力等4种数据设计了两组数据——第一组数据被标记为上午、中下午、傍晚、夜间4类,第二组数据被标记为白天、傍晚、夜间3类,比较了本文的IMKL-SVM方法、单核SVM方法及传统MKL-SVM方法在两组数据集上的分类准确率。此外,针对UCI公开数据集AReM进行了分类实验,实验结果表明IMKL-SVM方法针对具有多源异构特性的物联网数据实现了较高的分类准确率。     

基于多源大数据融合的银行网点选址方法

针对传统银行网点选址方法中存在的人为主观因素较大、数据量支撑不够、考虑因素理想化等问题,提出一种基于多源大数据融合的银行网点选址方法。该方法通过多源数据构造人流量、交通拥堵指数、用户价值、周边竞争网点数和人均收入5个基础特征,并利用协同训练的半监督学习方法扩充训练集。基于基础特征与机器学习算法构建多个子模型,将子模型的输出概率作为特征,构建基于逻辑回归的集成算法,作为银行网点选址模型,同时提出一种优化银行网点权重的损失函数,以保证模型预测中更佳的银行网点具有更高的权重。通过实验分析表明,该算法相较于传统算法预测评估更为准确,能够很好地解决银行网点选址问题。     

一种新的混合分类器及其人脸识别的应用研究

随着互联网的发展,人脸识别在安全领域得到越来越广泛的应用.传统的人脸识别方法泛化能力较差,无法有效处理特别复杂的函数关系而使其在安全领域发展比较缓慢.为了提高人脸识别的正确率,本文提出了一种新的深度玻尔兹曼机神经网络(deep Boltzmann machine,DBM)和差异受限玻尔兹曼机神经网络(discriminative restricted Boltzmann machine,DRBM)的混合模型,在人脸数据集上与传统的人脸识别模型做了对比,为了进一步验证有效性,本文还选取在公共CMU-PIE人脸图像数据集上作了对比试验.实验发现:在两个数据集上,新的混合模型相对传统模型都有更好的识别效果,将产生直接的社会效益和管理意义.     

应用局部自适应阈值方法检测圆形标志点

利用圆形标志点的几何和灰度特征,在图像中搜索具有符合该特征描述的区域,对圆形标志点进行粗定位.对粗定位区域的扩展区域使用最大类间方差阈值分割法分割出圆形标志点轮廓,并对像素轮廓进行最小二乘拟合,计算出圆形标志点的中心坐标及拟合轮廓各参数,根据该参数筛选保留所需标志点中心坐标.结果表明:该方法使用局部的大津阈值检测圆形标志点,能够避免全局阈值的缺陷,提高标志点检测的检出率;采用最小二乘椭圆拟合提取标志点中心,能够达到亚像素级精度.