T_m-T_s的相关性分析及全球纬度相关的线性关系模型构建

利用全球大地观测系统(Global Geodetic Observing System,GGOS)大气(Atmosphere)的加权平均温度(Tm)数据和欧洲中尺度天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)的地表温度数据在全球范围内计算了利用全球导航卫星系统(Global Navigation Satellite System,GNSS)反演水汽中的关键参数加权平均温度Tm与地表温度Ts的相关系数,结果显示二者的相关性主要受纬度影响,在高纬度地区较强,在低纬度地区较弱.虽然二者的相关性在赤道地区较弱,但这些区域的温度变化幅度较小,在这些区域利用线性回归模型建模依然可以取得较好的结果.在此基础上,本文利用2005~2011年的全球大地观测系统大气的Tm数据和欧洲中尺度天气预报中心的Ts数据按纬度建立了全球分区域线性回归模型.来自全球大地观测系统,气象、电离层和气候的星座观测系统(Constellation Observing System of Meteorology,Ionosphere and Climate,COSMIC)以及无线电探空(Radiosonde)的数据对模型的检验表明,新模型与这3种不同源数据都能较好吻合,分别取得了3.2,3.3和4.4 K的均方根误差,精度明显优于Bevis Tm-Ts关系模型.     

基于PCA-VNWOA-LSSVM的感应电机轴承故障诊断

轴承作为感应电机的关键部件，其运行状态直接影响船舶电力拖动系统安全。为解决船舶感应电机轴承故障诊断难题，本文提出一种基于PCA-VNWOA-LSSVM的故障诊断模型。选用美国凯斯西储大学轴承振动数据，利用离散小波分解(discrete wavelet transformation, DWT)从振动信号中提取内圈、外圈和滚动体故障特征，按不同故障类型和直径进行分组、主成分分析(principal component analysis,PCA)降维，结合改进的鲸鱼优化算法(von neumann whale optimization algorithm, VNWOA)对最小二乘支持向量机(least squares support vector machine, LSSVM)初始参数δ 2和γ寻优，搭建其故障识别模型，最后将遗传算法(genetic algorithm, GA)和粒子群算法(particle swarm optimization, PSO)的寻优诊断结果与之对比。结果表明：基于PCA-VNWOA-LSSVM的模型故障诊断精度高，且具有良好的稳定性及诊断速度。