顾及有效角动量与IGS超快解数据的极移预报方法

极移高精度预报对卫星实时定轨、深空探测器导航等应用至关重要.本文提出了一种联合有效角动量(Effective Angular Momentum,EAM)与国际全球卫星导航系统服务组织(International GNSS Service,IGS)提供的超快解数据进行极移预报的方法.该方法基于IGS超快解数据得到的极移第1天预报值,对引入EAM得到的极移预报结果进行校正,获得联合预报值.首先,基于LS(Least Squares)+AR(Auto-Regressive)模型实现了引入EAM的极移预报,相对国际地球自转与参考系统服务组织(International Earth Rotation and Reference Systems Service,IERS)提供的公报A数据,在超短期(第1~10天)预报跨度可以得到更高精度的极移预报结果,其中大气和海洋角动量发挥了主要作用.其次,鉴于IGS超快解数据精度高、更新快的特点,以IGS超快解为基础数据,基于LS+AR模型可以得到极移第1天预报值,其精度显著优于IERS公报A的极移第1天预报值.最后,利用第1天预报值对顾及有效角动量的预报结果进行校正获得了联合预报值,进一步提高了超短期极移预报精度(尤其是第1~5天).2020年7月24日—2022年1月30日间的联合预报结果表明:第1~20天的预报值总体优于IERS公报A的预报值.其中,第1~10天的预报精度显著提升,在预报第1天,X、Y方向预报值相对公报A预报值的精度提升分别可达39.5%~62.3%和24.5%~51.9%;在预报第10天,相对公报A预报值的精度提升分别可达28.0%~28.9%和21.9%~23.4%.

扫秒式与跳秒式机芯声发射信号时间序列研究

声发射技术是评价机芯内部结构及传动所产生的振动和噪声的有效方法,试验研究了扫秒式机芯和跳秒式机芯的声发射信号特征参数及其时域信号,并对其建立时间序列AR模型进行分析.研究表明,相比扫秒式机芯,跳秒式机芯声发射信号能量与振幅更大,具有较强的信号强度和频度,且其时域信号更为对称,波形振幅更大.机芯声发射信号时间序列AR模型可以较好表征出不同类型机芯的振动及噪声特征,可用于机芯结构性能的评价表征.

基于D3AR的半球共形阵低空风切变风速估计方法

针对半球共形阵体制下进行低空风切变检测时会受到强地杂波信号的干扰,导致风切变信号难以检测的问题,提出了一种基于空时自回归的直接数据域算法(Space-Time Autoregressive Direct Data Domain,D3AR)的低空风切变风速估计方法。该方法首先将待检测距离单元的数据从空域、时域以及空时域进行信号对消处理;然后将处理后的数据矩阵描述为空时自回归(Autoregression,AR)模型并估计模型参数;再通过构造与杂波子空间正交的空间来实现对杂波的抑制,最后通过提取待检测单元的最大多普勒频率来估计风场速度。根据仿真结果显示,该方法有效地实现了地杂波抑制,并且能够精确估计风速。

基于自适应AR模型巡航飞行参数预测研究

为更准确实现飞行参数趋势预测,提出一种基于自适应自回归(AR)模型的稳定巡航飞行参数预测方法。根据稳定巡航参数筛选条件,获取建模所需飞行参数。利用卡尔曼滤波原理估计AR模型参数,并与飞行参数构建系统方程,利用无迹卡尔曼滤波实时更新、修正AR模型参数估计值,将自适应AR模型的预测值与曲线拟合模型和灰色模型的预测值进行对比。以波音B777-300ER飞机的快速存取记录器数据样本进行仿真验证,结果表明:自适应AR模型在数据预测和收敛速率方面均更优,可有效降低预报模型随步数增加导致的精度误差,提高参数预测准确性。研究在飞机维修保障、状态监控与预测等方面具有重要作用。

一种用于中国空间站增强现实维护应用的自动跟踪框架

跟踪注册是增强现实(Augmented reality,AR)中一项至关重要的技术。基于人工标识和基于图像的注册方法已广泛应用于增强装配系统中。然而,由于空间产品的弱纹理、结构对称、数据有限以及难以张贴标识等特点,空间站的跟踪注册仍面临挑战。本文提出了一种专门为中国空间站诱导维修应用设计的三维物体跟踪方法,旨在用AR技术取代传统的纸质手册,为宇航员提供更直观的操作指导。本文提出了一种无标记的中国空间站智能维护方法。采用点对特征方法来估计初始帧姿态,不需要手动调整来获得相应的姿态,这对宇航员来说至关重要,因为在微重力环境中精确运动是一项重大挑战,而且结合曲率信息可以提高采用点对特征方法估计初始帧姿态的效率。通过结合纹理和区域信息,消除了对宇航员位置的精确限制,进一步增强了空间对称产品的跟踪鲁棒性。该方法利用点云匹配来估计第一帧的初始姿态,并在失去跟踪后重新计算姿态。一旦获得了前一帧的姿态,则仅根据二维图像的区域和纹理信息来计算跟踪,以获得实时跟踪。实验结果表明:本文方法与基于标识的方法具有相同的姿态趋势;基于电子游标卡尺测量之间的误差在毫米级;使用专门为航天产品设计的专用工具成功更换过滤器,证明了在空间站上实施诱导维修程序的实用性和潜力。

基于MS(2)-AR-TVTP模型的I_(BD)波动周期非对称性和持续性分析

国际干散货运输市场源于国际贸易的衍生需求,受世界经济的影响,是一个典型的周期性市场。选取1999年11月~2021年12月的波罗的海干散货运价指数(I_(BD))月度数据,在检验序列平稳性的基础上,确定最优滞后长度,构建两区制的时变转换概率马尔科夫转换自回归模型,分析I_(BD)波动周期的持续时间、转换拐点和非对称性等主要特征。研究结果表明:模型能有效拟合I_(BD)波动周期的主要特征,周期平均持续时间为33.7个月,自2008年9月之后呈缩短态势,上升期和下降期交互更频繁;I_(BD)波动周期具有非对称性,周期内上升期持续时间比下降期长,I_(BD)维持上升期更具有稳定性。周期性特征结果可为干散货航运业造船投资和市场经营提供决策依据。

基于AR-ECM平均差异模型的串联电池组SOC、容量多尺度联合估计方法

考虑电池单体老化差异所致的电池组不一致性,针对串联电池组荷电状态(state of charge,SOC)、容量估计问题,提出一种基于自回归等效电路模型(autoregression equivalent circuit model,AR-ECM)的平均差异模型(mean-difference model,MDM)。基于此模型,提出串联电池组SOC、容量多尺度联合估计算法。该算法由2个部分组成,一是基于AR-ECM的MDM及差异化模型参数辨识策略:条件辨识策略和定频分组辨识策略;二是基于多时间尺度H无穷滤波(multi-timescale H infinity filter,Mts-HIF)的电池组SOC、容量联合估计算法。通过将所提出MDM中的自回归平均模型(autoregression mean model,AR-MM)与传统MDM中的n阶RC平均模型(nRC mean model,nRC-MM)比较,结果表明所提出的AR-MM在复杂运行工况下具有更优的动态跟随性能。依据最小化信息量准则(akaike information criterion,AIC),AR-MM具有更优的复杂度与精度的权衡。通过与基于多时间尺度扩展卡尔曼滤波(multi-timescale extended Kalman filter,Mts-EKF)联合状态估计算法比较,结果表明所提出的Mts-HIF状态估计算法具有更优的鲁棒性、精度和收敛速度。

基于AR-LSTM-BP的CPI组合预测模型

针对居民消费价格指数(CPI)预测准确性的问题,提出一种AR-LSTM-BP组合预测模型.首先分别用回归(AR)、长短时记忆网络(LSTM)和BP神经网络这三种模型对CPI预测,并对预测结果进行比较分析;随后引入诱导有序加权调和平均算子(IOWHA)的概念,构建AR-LSTM-BP组合预测模型.结果表明,IOWHA组合预测模型的误差均小于单项预测模型,预测结果准确性较高,能够更好地反映CPI的波动走势.

横风环境下高速列车气动力模拟与分析

为探究不同风攻角、风向角下高速列车所受气动力特性,通过数值模拟的方法对高速列车所在风场进行研究。采用时间序列法模拟得到列车移动点的脉动风速时程,根据准定常假设下风速与气动力之间的关系计算得到列车所受静风力和抖振风力,分析了不同参数对计算结果的影响。结果表明,在同一模拟点下,相较于顺风向脉动风,竖向脉动风的脉动量更小;同一风攻角,风向角越大,静风力越小;同一风向角,风攻角越接近3°,静横向力越小;风攻角越接近0°,静升力越小;随着风攻角由-3°过渡到3°,同一车速下,脉动横向力逐渐减小,而脉动升力先减小后增大;同一风攻角下,随着风向角增大,脉动横向力标准差先增大后减小;脉动升力除风攻角为-3°且呈现逐渐增大的趋势外,其余两种均为先减小后增大;气动力的离散程度即变异系数与风攻角关系不大,主要与风向角有关,风向角越大变异系数越大。

基于时间序列AR(P)模型的边坡变形预测与应用

获取边坡的监测数据进行分析,并预测其接下来的变化趋势,具有重要的意义。本文以贵州省福泉市高坪矿区英坪矿段内边坡工程项目为研究对象,对监测数据采用时间序列AR(P)模型方法进行了分析与预测。研究结果表明,模型拟合的结果和预测精度较好地反映了监测点的变化趋势,可为矿区边坡模型建立和监测数据的预测提供一定的参考。

侧围外板后保险杠处成形缺陷问题解决方案

针对侧围外板后保险杠处起皱和开裂问题,通过CAE成形分析找出问题产生的原因,并对拉深工艺、零件造型、工艺排布等进行优化,改善成形过程,解决了零件起皱和开裂问题。

基于Kalman滤波的组合预测模型在建筑物变形监测中的应用

根据建筑物沉降监测数据的特点,结合Kalman滤波算法、BP神经网络模型以及AR自回归模型在数据降噪、数据预测中的优势,提出并构建了一种新的基于Kalman滤波的BP-AR沉降预测模型。该组合预测模型实现建筑物变形预测的主要步骤为:首先,通过Kalman滤波算法对原始观测数据进行降噪,消除随机噪声误差对观测数据的影响;其次,通过BP神经网络模型对降噪后序列进行建模与预测;最后使用AR模型对预测残差进行建模与预测。通过实际建筑物沉降监测数据对本文提出的组合预测模型进行验证,结果表明相较于BP神经网络模型与BP-AR模型,本文提出的组合预测模型的预测精度更高,有效降低了噪声影响,具有较高的优越性。

基于声发射AR模型的滚动轴承故障诊断

滚动轴承是旋转机械中应用最广泛的零部件之一,滚动轴承故障诊断方法及其状态监测技术是保障机器安全平稳运行的关键技术之一。采用功率谱分析、经典谱估计等方法,从中提取故障特征信息,完成基于振动加速度信号的轴承状态分析;但由于感知受本体振动及高噪声环境影响,很难完成轴承早期故障损伤表征特征的识别。论文提出具有高频高灵敏度的感知方法与振动检测技术,具有较高信噪比特性,并能够感知小幅的轴承早期故障损伤冲击响应信息,同时采用AR模型方法与功率谱估计方法相结合,可实现轴承早期故障特征识别。此外,以天然气压缩机的高速轴承为分析实例,采用具有高频高灵敏度的声发射感知技术,实现故障特征状态识别与分析,结果表明优于经典谱估计的方法,为轴承故障损伤产生、演变至故障的状态监测及其修正提出可行的理论支持,进一步保障设备运行安全。

一种基于AR预测模型的波浪测量系统

本文提出一种基于AR预测模型的波浪测量系统,通过雷达传感器和AR预测模型,可在实时测量波浪数据的基础上,分析波浪走势,预测出未来15s的波浪数据,预测适合母船收放小艇的时机,帮助船员安全收放小艇操作有效减少海上小艇收放的事故发生率,提高海上作业安全。

碧流河水库调整汛限水位的防洪风险评价

根据碧流河水库1984—2022年入库洪水的统计数据,应用标准化P-Ⅲ型分布的AR(1)模型对入库洪水进行模拟,通过入库洪水特征分析、洪水系列特征值随机模拟、洪水过程推求等计算,验证了碧流河水库调整汛限水位的可行性。结果表明,碧流河水库68.8 m的汛限水位还有适当调整的空间,预设汛限水位为69.2、69.6、69.8 m时,防洪风险值小于设计风险值,可增加蓄水量约2100万、3900万、6000万m3,实现防洪与兴利综合效益最大化,为水库汛限水位动态控制提供数据支撑。

基于AR感官体验的模型玩具盲盒包装设计

传统模型玩具盲盒的包装拆开即弃,造成一系列可玩性操作的不足与包装盒资源的浪费。本文采取基于AR感官体验的模型玩具盲盒包装设计方式,制作了作品所需的各个部分,包括角色设计、包装盒外观设计、3D模型制作、AR程序化交互设计等部分,通过与角色互动程序相链接,实现玩家与所抽中角色的虚拟现实互动功能。本文旨在增强盲盒包装的智能化,丰富包装设计的功能性,增加盲盒产品的可玩性,让玩家获得更好的互动交流体验。

基于JT-AR转换模型的非高斯风荷载特性分析

为了研究大跨度屋盖结构的非高斯风荷载特性,提出一种采用JT-AR转换模型模拟大跨度球面屋盖结构非高斯脉动风压的方法。基于JT变换和AR模型理论进行耦合,提出并构建JT-AR转换模型,模拟生成非高斯脉动风压时程样本数据,与目标功率谱及高阶统计量对比验证;通过已有风洞试验结果与作用在大跨度球面屋盖结构表面的非高斯分布特性作对比验证。结果表明:JT-AR转换模型的模拟结果与风洞试验作用在建筑上的非高斯脉动风具有同等作用效应,其模拟仿真结果具备可靠性及普适性。研究结论为大跨度结构抗风设计提供一种新的模拟方法,可代替复杂的风洞试验。

基于趋势调节的碳排放权市场周内效应研究

以湖北碳排放权市场为对象,使用2014年4月28日到2024年3月25日共2376个数据样本点,构建具有趋势调节的T-AR(1)-GARCH(1,1)模型,刻画碳排放权市场周内效应形式及其影响关系。结果显示,湖北碳排放权市场在高波动和低波动下分别呈现正向和负向的周一效应。即当市场波动较高时,周一收益在市场下降趋势下会导致市场收益上涨12.8%,而当市场波动较低时,周一收益则导致市场收益下降2.3%。特别是周一效应被证明受到自身长期滞后收益的负向影响,以及欧盟碳价的正向影响。研究表明碳排放权市场价格并非随机游走,而是呈现周内效应特征,为研判碳市场效率,开展量化投资等提供参考。

基于出错认知模型的矿山救援AR头盔界面交互设计研究

目的为更好地减少矿山救援过程中的出错行为,提高矿山救援的成效。方法从出错认知理论出发,分析救援场景下对任务中相关信息的视觉认知行为,从认知加工的四个过程分析得出矿山救援场景下的出错因子,以矿山救援场景AR交互信息为研究对象进行出错因子认知模拟实验,获得矿山救援场景相较于其他场景具有特殊性的AR头盔交互界面信息设计影响要素。结论依据实验结论,对矿山救援AR头盔交互界面开展信息设计,以提高救援效率,最终输出初步的交互设计方案,通过降低交互界面的认知难度,提高救援人员的反应速度和准确度,保证该系统可以有效降低任务失败率。

BIM+AR技术在贵南高铁河池站建设施工管理中的应用

鉴于传统BIM技术很难将三维信息模型融入施工现场真实环境中,技术人员无法将BIM与现场深度结合应用的问题,依托贵南高铁河池站建设项目,积极探索“互联网+”、BIM技术、物联网和大数据技术应用。将AR技术与BIM技术相结合,研发基于BIM+AR的辅助施工管理平台。将BIM模型及相关信息加载到移动终端中,利用二维码进行模型与现场匹配的精确定位,通过移动终端平板电脑即可查看模型。在项目现场以真实的比例对建筑的结构、空间、管道设计等进行检查,实现更精准的进度控制和资源管理,取得了一定的经济效益、管理效益和社会效益。