变截面涡旋盘齿面粗糙度的双预测模型

目的精确预测三段基圆变截面涡旋盘齿面粗糙度,确定合理的铣削参数,提高变截面涡旋盘齿面的加工质量。方法首先在正交试验的铣削参数条件下,用XK714数控铣床对毛坯件进行铣削加工,获得三段基圆变截面涡旋盘,用SJ-210表面粗糙度测量仪测量已加工涡旋齿侧面的粗糙度值。然后利用铣削参数和测量的粗糙度值,建立齿面粗糙度的多元回归预测模型和改进的BP神经网络预测模型及双预测模型,并验证该三种模型的精确度。最后对单一因素条件下的粗糙度进行预测、分析。结果经过计算可得,齿面粗糙度的多元回归预测模型的平均误差为1.43%,最大误差为3.09%。改进的BP神经网络预测模型的平均误差为1.33%,最大误差为3.22%。两种模型的预测平均值作为双预测模型时,预测平均误差为0.627%,最大误差为1.51%。结论齿面粗糙度的双预测模型的平均误差明显降低,同时可以避免单一预测模型产生主观预测误差。各铣削因素对粗糙度的影响程度不同,进给量fz>吃刀深度ap>刀具转速n>侧吃刀量ae。随着进给量、吃刀深度、侧吃刀量的增加,齿面粗糙度值增加;随着刀具转速升高,齿面粗糙度值降低。

空管中轨迹预测的一种变结构IMM算法

本文针对空中交通管制中采用相互作用多模型算法(IMM)来进行飞行轨迹预测时,可能由于模型的选取不当而造成性能变差或计算浪费的不足,提出了一种基于图论的变结构相互作用多模型(GIMM )算法。本文给出了GIMM算法的基本思想、算法的模型和计算步骤,并用GIMM算法与固定结构IMM算法进行了仿真比较。仿真结果表明GIMM算法在空管飞行轨迹预测中是更为有效和可行的。

碎石土滑坡稳定性一元多重属性回归模型分析

为了能在地质勘查和试验的基础上对碎石土滑坡稳定性进行评价,构建了一元多重属性回归模型。基于官家滑坡的14个工程地质剖面的实测资料,选取滑体重量、滑面倾角、滑面长度、水力坡度、浸水面积、内聚力、内摩擦角7个影响因素,采用模型对影响因素和稳定性系数进行回归分析和影响因素显著性研究,得到计算稳定性系数的回归方程,并利用新昌下山滑坡进行模型准确性验证。研究结果表明:根据模型建立的线性回归方程回归性显著,能够用模型对滑坡进行稳定性计算分析;通过模型得出对稳定性系数有显著性影响的因素,综合滑坡实际地质状况确定地下水对稳定性有显著的影响,有助于开展滑坡灾害预警预报工作和采取有效的工程治理措施;新昌下山滑坡介于稳定与较不稳定状态之间,在降雨量比较大的时段应加强监测。

非线性多变量控制器在聚丙烯装置上的应用

介绍了美国Pavilion科技公司Pavilion8非线性多变量控制器在扬子石化股份有限公司塑料厂2PP聚丙烯装置上的应用,说明了控制器的功能设计,以及建模特点和效益,最后简要说明实施APC技术的体会。

多退化变量灰色预测模型的滚动轴承剩余寿命预测

针对单一退化变量预测滚动轴承性能退化趋势时可靠性和误差精度较低的问题,提出了基于多退化变量灰色预测模型的滚动轴承剩余寿命预测方法.该方法通过提取滚动轴承全寿命周期振动信号的退化趋势特征参数集,结合退化趋势特征参数集及故障早期突变点,实现滚动轴承的早期故障识别;并根据轴承寿命与特征参数之间的映射关系建立多退化变量灰色预测模型对轴承的剩余寿命进行预测.仿真实验结果表明,多退化变量灰色预测模型具有更高的误差精度和可靠性,其预测效果优于BP神经网络、单一退化变量灰色预测以及SVR(支持向量回归)预测模型,能够更好对滚动轴承寿命的变化趋势进行表征.

基于RBF神经网络的短时降水量预测方法研究

针对目前短时降水量预测精度不高的问题,提出一种基于影响短时降水的物理量选取和RBF神经网络学习的降水量预测方法。首先对原始降水数据进行坐标格点化处理并对(NCEP/NCAR)数据文件中物理量参数进行读取和计算。在理论和数据表现上对降水量进行分析并使用多元线性回归进行预测,得到预测效果不佳。进而利用反向传播神经网络(BP)和径向基神经网络(RBF)进行预测。预测结果表明,径向基神经网络的预测效果更好。为选取最优模型建立自变量随机选取的21个RBF模型进行预测,仿真结果表明,选择六项物理量参数建立的RBF神经网络模型对未来24h降水量预测精度最高。拟合度、平均绝对误差,均方误差和均方根误差分别为0.998,5.04mm,56.34mm2和7.51mm,仿真时间为0.95s。

可变速抽水蓄能机组模型预测控制

可变速抽水蓄能机组较于常规抽水蓄能机组不仅提升了控制性能,还大大降低了选址水库选址难度。研究了一种基于可变速机组的先进控制算法,实现了多目标控制,通过一种快速的电压矢量选择方法,优化在线计算量,最后通过仿真验证了方法的有效性。

多因变量线性模型下三类预测的最优性判别

在多因变量多元线性模型中就岭型主成分型预测与最优线性无偏预测、主成分型预测之间的最优性判别问题进行讨论.得到岭型主成分型预测在R(i)(·)准则下优于最优线性无偏预测和主成分型预测的两个充要条件,同时得到了其在MDE-准则和矩阵迹RT(·)意义下优于最优线性无偏预测和主成分型预测的充分条件.

基于Copula函数的齿轮箱剩余寿命预测方法

齿轮箱是风力发电机组的关键部件,对风力发电机的整体寿命有直接影响.针对齿轮箱的剩余寿命,提出了一种多退化量下的剩余寿命预测方法.首先,在分析齿轮箱寿命的影响因素基础上,选取齿轮箱的振动加速度和噪声作为退化量;其次,采用基于核估计和随机滤波理论的方法分别对齿轮箱的振动加速度和噪声进行建模,从而获得齿轮箱的剩余寿命概率密度函数,进而得到其边缘分布函数;再利用Copula函数表示齿轮箱的振动加速度和噪声之间的随机相关性,求得齿轮箱剩余寿命的联合分布函数,从而得到齿轮箱剩余寿命的联合概率密度函数,得到齿轮箱剩余寿命预测值;最后,提出基于赤池信息准则模型评价的Copula函数选择方法.通过齿轮箱的试验验证了该方法的有效性.