基于支持向量回归机和粒子群算法的船舶操纵运动模型辨识

基于仿真的Z形试验数据,应用支持向量回归机对船舶操纵运动响应模型进行了机理建模,从核函数结构中得到了模型中的操纵性指数,并利用建立的响应模型进行了Z形试验的运动预报,同时引入粒子群算法对惩罚因子C值进行寻优,以减少惩罚因子C值选择的任意性对船舶操纵运动模型辨识精度产生的不利影响。通过将运动预报结果同仿真试验数据进行比较,验证了文中方法的有效性。

驱动电机多物理场特性虚拟仿真实验设计

充分认识、理解电机内部结构及物理场特性是实现电机优化设计的基础。在虚实结合的原则下,采用虚拟现实技术实现对抽象复杂的驱动电机结构、物理场及设备条件要求高、危险性大、重复性难实现的电机特性实验过程的再现,解决了原有驱动电机系统教学过程中“不易做、不能做、不便看”的现实问题,有力地提升了学生的动手实践能力与创新思维,提高了学生综合运用专业知识解决复杂工程问题的能力。

基于支持向量回归机的船舶操纵响应模型辨识

通过对自航模变形Z形试验舵角与转艏角速度数据的分析,应用最小二乘支持向量回归机(Least Square-Support Vector Regression,LS-SVR)辨识了船舶操纵运动响应模型中的操纵性指数,并用回归得到的响应模型进行了变形Z形试验的数值模拟.通过将首向角和转艏角速度的预报结果与自航模试验数据进行比较,结果验证了该方法的有效性.

支持向量回归机不敏感因子ε对运动建模的影响

通过对仿真Z形试验数据的分析,应用具有不同不敏感因子ε的ε-支持向量回归机(Support Vector Regression,SVR)辨识了船舶操纵运动二阶线性响应模型中的K,T等操纵性指数,并利用回归得到的响应模型进行了Z形试验的数值模拟。通过比较采用不同不敏感因子ε所得首向角和转艏角速度的预报结果,表明可以通过调节不敏感因子ε值来控制样本输入中支持向量的个数与ε-SVR的回归精度。

小波去噪在船舶操纵运动建模中的应用(英文)

通过向20°/20°Z形试验仿真数据中添加随机噪声,得到含噪声的试验数据;随后,应用最小二乘支持向量回归机(Least Square-Support Vector Regression,LS-SVR)对经过小波去噪的试验数据和含噪声的试验数据进行分析,辨识了船舶操纵运动二阶线性响应模型中的操纵性指数。将由去噪试验数据和含噪试验数据得到的20°/20°Z形试验预报结果同20°/20°Z形试验仿真数据进行对比,验证了小波去噪在对含噪声的Z形试验数据进行去噪处理的有效性。

基于不同工况下的FSC赛车车架有限元分析

对赛车车架结构进行有限元分析,是赛车研发设计过程中的一项重要工作。以自主研发设计的FSC赛车车架为研究对象,通过建立赛车车架的三维有限元模型,在满载弯曲工况、急转弯工况和紧急制动工况等三种工况下,利用ABAQUS软件对赛车车架三维有限元模型进行有限元分析,得到了相应工况下的赛车车架应力分布及变形云图。通过将FSC赛车车架应力及变形分析结果与FSC赛规进行比较,结果表明,赛车车架结构设计合理,为进行FSC赛车车架的有限元分析提供了一个有效工具—ABAQUS软件。

基于小波阈值消噪法的船舶操纵性试验数据消噪

基于不同的小波基函数和小波分解层数,应用小波阈值消噪法分别对掺杂有野值的自航模标准20o/20oZ形仿真试验数据进行消噪,通过将经过消噪处理的Z形试验数据和Z形仿真试验数据进行对比,验证了小波阈值消噪法在船舶操纵性试验数据消噪方面的有效性。同时,通过对20o/20oZ形试验数据消噪效果进行比较,表明可以通过增加小波基函数的长度来提高试验数据消噪效果以及不同小波基函数在相同消噪方法下存在一个消噪效果最好的小波分解层数。

基于SAPSO-BP网络模型的港口潮汐实时预报

为了提高港口码头潮汐预报的精度,提出一种自适应变异的粒子群优化算法SAPSO,将SAPSO优化算法与BP神经网络结合,用以潮汐水位的实时预报。SAPSO-BP网络模型运用自适应变异的PSO算法优化BP神经网络的网络参数,克服了传统BP神经网络所具有的对初始权值阈值敏感、容易陷入局部极小值的缺点,最后选用Isabel港口的实测潮汐值数据进行潮汐水位的实时预报仿真试验,用以验证SAPSO-BP预测模型的实用性和可靠性。

汽车车内噪声主动控制变步长NFB-LMS算法

为规避最小均方(Least Mean Square,LMS)算法不能同时提高收敛速度和降低稳态误差的固有缺陷,以及已有变步长LMS算法存在收敛速度慢和稳态误差估计精度差的问题,文中提出了一种基于变步长归一化频域块(Normalized Frequency-domain Block,NFB)LMS算法的汽车车内噪声主动控制方法。为了比较,应用传统的LMS算法、基于反正切函数的变步长LMS算法和变步长NFB-LMS算法分别进行实测汽车车内噪声的主动控制。结果表明,与其他两个算法相比,变步长NFB-LMS算法的收敛速度提高了70%以上,稳态误差减小了90%以上。变步长NFB-LMS算法在处理车内噪声信号时具有很高的效率,为进行汽车车内噪声主动控制提供了一种新方法。

VS-MFxLMS算法及其在汽车车内噪声有源控制中的应用

为提高经典VS-FxLMS算法的收敛性能以及规避MFxLMS算法不能同时兼顾收敛速度和稳态误差的缺陷,结合修正反正切函数和归一化的方法,提出了一种可用于汽车车内噪声有源控制的VS-MFxLMS算法。应用MFxLMS算法、VS-FxLMS算法和VS-MFxLMS算法分别进行汽车车内噪声有源控制仿真实验。噪声有源控制结果的比较表明,与MFxLMS算法相比,VS-MFxLMS算法的收敛速度提高1.5倍以上,稳态误差降低55%以上;与VSFxLMS算法相比,VS-MFxLMS算法的收敛速度提高25%以上,稳态误差降低28%以上,这为汽车车内噪声的有源控制提供一种新方法。

汽车车内噪声主动控制迭代变步长LMS算法

针对LMS算法无法同时兼顾收敛速度和稳态误差固有缺陷,及已有变步长LMS算法存在易受噪声干扰影响的问题。文中通过建立步长因子与迭代次数之间的非线性函数关系,提出了一种基于迭代变步长LMS算法的汽车车内噪声主动控制方法。通过将基于LMS算法、变步长LMS算法和迭代变步长LMS算法的汽车车内噪声主动控制结果进行对比,结果表明,与LMS算法相比,迭代变步长LMS算法的收敛速度提高37%;与变步长LMS算法相比,迭代变步长LMS算法的收敛速度提高15%,具有更快的算法收敛速度和较小的稳态误差。

基于WPD和EMD的噪声品质预测模型

声品质作为汽车舒适性的一个重要指标,目前已经成为汽车领域一个重要的研究方向。根据人耳的听觉特性,提出一种基于小波包分解(WPD)和经验模态分解(EMD)的21个特征频带划分方法。按照所提出的方法,将采集得到的车辆噪声信号进行分解并提取信号在各频带的声能量时变特征。之后根据BP神经网络原理将提取的能量特征作为输入,计算得出响度和尖锐度等声品质评价参数作为输出,建立一种基于WPD和EMD的声品质评价模型。验证结果表明,所建立的模型可以准确地预测响度和尖锐度等心理声学参数,可作为声品质评价的一种有效方法。

汽车行驶车内噪声优化控制算法研究

研究汽车行驶车内噪声主动控制技术,可有效降低以低频噪声为主的汽车车内噪声,其难点在于如何改进汽车行驶车内噪声主动控制算法。针对经典的汽车行驶车内噪声主动控制算法——LMS算法无法同时兼顾算法收敛速度和稳态误差的固有缺陷,通过建立步长因子μ(n)与误差信号e(n)之间的非线性函数关系,提出一种多项式函数的变步长LMS算法。通过将采用LMS算法和变步长LMS算法的汽车车内噪声主动控制结果进行对比,结果表明,利用多项式函数的变步长LMS算法解决了LMS算法的固有缺陷,具有更快的算法收敛速度和较小的稳态误差,可优化控制汽车行驶车内噪声。

车内噪声主动控制变步长LMS算法

通过对轨道车辆车内含噪样本数据的分析,应用步长因子μ(n)与误差信号e(n)呈正弦函数关系的变步长LMS算法。分别对自适应滤波器中的权向量按照最速下降算法进行更新,并利用建立的自适应滤波器进行车内噪声主动控制。结果表明,提出的变步长LMS算法解决了LMS算法因固定步长不能同时兼顾算法收敛速度和稳态误差的固有缺陷,具有更快的算法收敛速度和较小的稳态误差。

基于ANSYS Workbench的FSC赛车车架有限元仿真

在满载弯曲、紧急制动、急转弯和满载扭转等4种工况下,应用ANSYS Workbench软件对由计算机图形辅助三维交互应用(CATIA)软件建立的中国大学生方程式汽车大赛(FSC)赛车车架的三维有限元模型进行仿真,获得了4种工况下的FSC赛车车架的有限元仿真结果,包括变形云图及应力分布.FSC赛车车架的有限元仿真结果与FSC规则的对比表明,FSC赛车车架结构满足设计要求,可为工程研究与应用提供参考.

汽车保有量的预测建模

以汽车保有量的影响因子构造学习样本的输入向量,以汽车保有量构造学习样本的输出向量,应用广义回归神经网络建立汽车保有量预测模型,用于预测不同年份的汽车保有量.为了提高汽车保有量预测的准确性,利用归一化方法对学习样本输入输出向量进行预处理,并采用反归一化方法对汽车保有量预测结果进行处理.对汽车保有量预测结果和统计结果比较表明,采用广义回归神经网络建立的汽车保有量预测模型具有良好的泛化性能,是汽车保有量预测的一种有效方法.

高速铣削工件表面粗糙度预测建模

高速铣削工件表面粗糙度是衡量高速铣削工件表面质量的重要指标.利用广义回归神经网络对工况1、工况3、工况5、工况7、工况9、工况11、工况13和工况15下的高速铣削试验数据进行分析,得到用于预测高速铣削工件表面粗糙度的数学模型.对工况2和工况6下的高速铣削工件表面粗糙度进行预测,将高速铣削工件表面粗糙度预测结果和试验结果进行对比.结果表明,高速铣削工件表面粗糙度预测数学模型具有良好的泛化性能,广义回归神经网络可为高速铣削工件表面粗糙度预测建模提供一种有效工具.

汽车车内噪声主动控制系统仿真

降低汽车空腔的振动,是抑制汽车车内噪声的有效途径之一;以激振器、作动器和控制器等为主要部件,搭建了简化的汽车车内噪声主动控制系统,该系统通过将汽车空腔模型简化为板件,以减弱板件振动为目标,实现了汽车车内噪声主动控制;采用简谐正弦及余弦信号作为激振器发出的激励,用于模拟板件的初始振动,控制器通过采用模糊控制算法直接控制压电陶瓷作动器的振动,压电陶瓷作动器的振动用于抑制板件的振动,完成了汽车车内噪声主动控制系统仿真;仿真结果表明,研究采用的汽车车内噪声主动控制系统,使汽车空腔振动降低23%,为解决由汽车发动机和动力总成的振动所引发的汽车车内噪声问题提供了一个有效途径。

汽车车内降低噪声主动控制泄露LMS算法

泄露变步长最小均方算法是一种改进型LMS算法,克服了LMS算法无法同时兼顾收敛速度和稳态误差的的固有缺陷。提出一种基于泄露变步长LMS算法的汽车车内噪声主动控制方法,并将基于LMS算法和泄露变步长LMS算法的汽车车内噪声主动控制结果进行比较,结果表明:与LMS算法相比,泄露变步长LMS算法具有更快的算法收敛速度和较小的稳态误差,可有效进行汽车车内噪声主动控制。

汽车车内噪声主动控制归一化LMS算法

通过对汽车车内噪声采集试验数据进行分析,运用最小均方(LMS)算法和归一化LMS算法,分别对自适应滤波器中的权向量按照最速下降算法进行更新,并利用建立的自适应滤波器进行汽车车内噪声主动控制。通过比较汽车车内噪声主动控制结果,表明:与LMS算法相比,归一化LMS算法具有更快的算法收敛速度和较小的稳态误差,其收敛速度提高58.3%,其稳态误差降低62.5%。