海上搜救打捞装备发展研究

搜救打捞是海上安全的最后一道防线,为国家综合运输体系建设、海洋经济可持续发展提供可靠保障;搜救打捞装备是履行海上人员安全、环境安全、财产救助、应急抢险打捞等公益性职责,保障国家海上物流供应链安全的重要支撑。本文从目标搜寻定位与探测装备、海上人命救助装备、海上环境救助装备、打捞工程专用装备四方面着手,全面梳理了国外海上搜救打捞装备的发展现状,以及我国海上搜救打捞装备的研制与应用进展。与国外发达国家相比,我国海上搜救打捞装备发展存在搜寻定位装备落后、海上人命救助能力不强、危化品处置能力较低、大吨位沉船打捞能力薄弱等问题。在进一步辨识海上搜救打捞装备发展前沿的基础上,提出了加大关键装备的研发投入、推动搜救打捞装备的升级迭代、强化科技创新能力以提升装备智能化水平、部署搜救打捞技术装备攻关工程、提供相应产业政策支持等建议,以期促进我国海上搜救打捞装备高质量发展。

基于SSA-GRU大功率多状态PEMFC寿命预测

提出了一种用于最大额定功率为110 kW的质子交换膜燃料电池(proton exchange membrane fuel cell, PEMFC)剩余使用寿命的麻雀搜索算法优化门控循环单元的方法,进行了超过600 h的动态循环耐久试验,以模拟不同路况下车载PEMFC的工作情况。为准确预测大功率PEMFC的剩余使用寿命,需考虑其在不同工作状态下输出电压,将输出电压根据不同功率点进行分类预测。将采样数组经过滤波处理,减少峰值,平滑降噪,然后基于数据驱动的方法以各工作状态下电压数据以及不同的训练集划分作为输入,并预测结果通过选取的评价指标与不同的常见时序回归算法证实此模型的准确性。以数据的60%作为训练集为例,麻雀搜索优化门控循环单元(sparrow search algorithm-gate recurrent unit, SSA-GRU)的预测结果对比时间卷积网络(temporal convolutional network, TCN)其平均绝对百分比误差(mean absolute percentage error, MAPE)在30、50、70、90、110 kW分别降低了0.110 5%、0.525 7%、0.308 4%、0.402 1%和0.831 9%。在规定的寿命截止时间点下,使用寿命预测误差最小仅为0.733%,且不同工作状态下的预测误差都优于其他预测算法。

建筑工人的日常生活信息搜寻行为研究

[目的/意义]针对建筑工人开展调查,了解该群体应用智能设备的日常生活信息搜寻行为,旨在供相关信息服务部门参考,以便改善信息服务,满足他们的日常生活信息需求。[方法/过程]基于SOR模型和日常生活信息搜寻行为理论构建建筑工人日常生活信息搜寻行为分析框架,以此为基础提出六大假设。[结果/结论]现阶段建筑工人日常生活信息搜寻行为处于中等水平;社会因素是建筑工人日常生活信息搜寻行为的重要环节,具有正向影响作用;个人心理因素起完全中介作用。

基于DRSN和优化BiLSTM的轴承剩余寿命预测方法

针对传统轴承寿命预测方法过度依赖先验知识、缺乏自适应性及退化特征难以提取导致的预测误差大的问题,提出一种自适应特征提取的基于深度残差收缩网络(DRSN)和双向长短时记忆网络(BiLSTM)的轴承剩余寿命预测方法。首先,无需任何先验知识利用DRSN对轴承原始信号进行自动特征学习,提取退化特征并构建健康指标;然后,采用麻雀搜索算法优化BiLSTM隐藏层神经元个数和学习率,基于优化的BiLSTM网络建立轴承剩余寿命预测模型;最后,进行对比实验验证:分别对比DRSN、残差网络、均值特征3种方法提取的健康指标的性能和不同的轴承剩余寿命寿命预测模型进行对比实验。实验结果表明DRSN网络提取的健康指标性能最优,同时基于优化后的BiLSTM轴承剩余寿命预测模型的误差最小,基于优化后BiLSTM、BiLSTM和长短时记忆网络(LSTM)的3种轴承剩余寿命预测模型的均方根误差分别为1.41%、2.71%、5.64%,验证了方法的有效性。

成年初期个体生命意义的现状与特点——一项追踪研究

对1087名大一大二学生生命意义的拥有意义、追寻意义和意义危机等三个剖面追踪调查,以了解成年初期个体生命意义的总体现状和特点。结果发现:(1)总体上成年初期个体没有意义危机,拥有意义大约处于中等水平,追寻意义大约处于中等偏上水平以及显著高于拥有意义。(2)在一年内拥有意义呈上升趋势,追寻意义和意义危机保持相对稳定,但本科生的意义危机却呈上升趋势。(3)追寻意义和意义危机在家庭社会经济地位上均呈显著差异:在追寻意义方面,感知中等家庭经济地位者显著高于感知低家庭经济地位者;在意义危机方面,感知低家庭经济地位者显著高于感知中等家庭经济地位者,边缘显著高于感知高庭经济地位者。(4)拥有意义与意义危机呈显著相互预测,而追寻意义与意义危机不呈显著相互预测。结果表明,个体生命意义呈现多剖面的特点,在预防成年初期个体意义危机方面,应多关注处于低家庭社会经济地位的学生,并可以通过提升他们的拥有意义预防意义危机。

混合进化算法求解多环节资源配置优化问题

资源配置优化问题是制造业价值链管理的基础问题。然而,现有研究多集中在生产环节,对制造全生命周期的整体考虑不足。研究考虑多环节的制造全生命周期资源配置优化问题(MLCRAOP),旨在通过优化研发设计、生产制造、运维服务和配套设备供应环节的服务资源,提升全生命周期的资源配置客户满意度。将时间、成本、质量指标纳入目标函数构建整数规划模型,提出一种混合进化算法用于求解MLCRAOP。通过在设计案例上的对比实验,验证了混合进化算法具有优异的性能。

便携式医疗设备电池剩余寿命预测算法研究

目的:为精准有效地预测便携式医疗设备的电池剩余寿命,提出一种基于反向传播(back propagation,BP)神经网络和麻雀搜索(sparrow search algorithm,SSA)算法的SSA-BP算法。方法:首先,通过BP神经网络的结构确定权值以及阈值的总数;其次,利用SSA算法优化初始权值和阈值,并赋值给BP神经网络;最后,通过对输入样本的训练获取预测的输出值。选取不同环境温度(4、24、43℃)下的18650型号锂电池数据进行测试,通过平均绝对误差、均方根误差、平均绝对百分比误差验证SSA-BP神经网络算法和BP神经网络算法对医疗设备电池剩余寿命的预测精度。结果:SSA-BP神经网络算法预测医疗设备电池剩余寿命的平均绝对误差、均方根误差、平均绝对百分比误差均低于BP神经网络算法。结论:SSA-BP神经网络算法能够精准有效地对电池的使用寿命进行预测,提高了电池在实际应用中的可靠性。

基于秃鹰搜索算法优化ELM的锂电池剩余寿命预测

提出了一种基于多种数据驱动法融合来实现电池剩余使用寿命预测的方法。首先分析了电池寿命的相关特征参数,选取相关性较高的参数作为间接健康因子;然后构建了秃鹰搜索算法和优化极限学习机的组合预测模型;最后通过使用NASA电池数据集验证了该预测模型的可行性和准确性。结果表明,相较于神经网络和极限学习机的预测方法,文中模型的预测均方根误差均小于2%,预测精度更可靠、更精确。

橡胶隔振器疲劳寿命智能预测

在不同应变比恒幅疲劳载荷环境下,橡胶隔振器常用一种填充天然橡胶材料制成的哑铃型试件进行单轴疲劳试验,进而构建一种用来预测橡胶疲劳寿命的支持向量回归(Support vector regression,SVR)模型.为改善预测模型的收敛速度、准确度和稳定性,引入改进的麻雀搜索算法(Improved sparrow search algorithm,ISSA)来优化SVR模型超参数.与遗传算法(Genetic algorithm,GA),粒子群算法(Particle swarm optimization algorithm,PSO),标准的麻雀搜索算法(SSA),差分进化-灰狼算法(Hybrid grey wolf optimization,HGWO)优选参数的SVR模型进行对比结果表明,基于ISSA-SVR模型的预测精度、速度和稳定性都表现最佳.为进一步说明ISSA-SVR模型的预测能力,建立考虑应变比影响的疲劳寿命解析模型.对ISSASVR模型、解析模型和两个已发表模型的比较分析表明,ISSA-SVR具有最准确的预测寿命,预测结果聚集在1.5倍分散线以内.

基于多传感器融合的无人机生命搜寻方法

为应对单个生命探测传感器在野外、灾区生命搜寻时的不稳定状况,提出了一种基于多传感器信息融合的无人机(UVA)生命搜寻方法。首先,构建不同结构的ResNeXt网络以提取不同维度信息的特征,利用一维ResNeXt网络提取音频梅尔频谱系数的深层特征,利用二维ResNeXt网络提取红外图像的深层特征;其次,使用判别相关分析(DCA)对2种高维特征进行降维融合,兼顾不同特征的相关性和类别性,以获得更丰富的环境信息,从而提高生命搜寻的准确性;最后,将融合特征输入支持向量机分类器以进行生命识别的决策,建立具有相关性的音频和图像双模态数据集,并将所提方法在该数据集上进行实验比较和分析,对其性能进行有效评估。实验结果表明:所提方法在特征提取和特征融合方面效果优于其他传统方法,且多传感器融合识别准确率可达98.7%,证明该方法能有效提高特殊场景下人体检测的准确性,多传感器融合检测效果优于单传感器。

生命意义感对高职大学生社会幸福感的影响:希望的中介作用

目的:探究生命意义感对高职大学生社会幸福感的影响,并检验希望的中介效应。方法:采用方便取样的方式,利用生命意义感量表(中文修订版)、成人希望素质量表和社会幸福感量表对3 165名高职生进行调查。结果:(1)高职生的生命意义感可以正向预测社会幸福感,社会幸福感得分从高到低的意义类型依次是高体验高寻求、高体验低寻求、低体验高寻求、低体验低寻求;(2)意义寻求通过希望对社会幸福感影响的中介效应显著,意义体验通过希望对社会幸福感影响的中介效应显著;(3)意义寻求通过希望对社会幸福感的中介效应大于意义体验通过希望对社会幸福感的中介效应。结论:揭示了生命意义感与高职生社会幸福感的关系,对寻找提升高职生社会幸福感的路径具有理论和现实意义。

基于SFS-SVR的高速铣削刀具剩余使用寿命预测

在高速铣削加工中,为了判断更换刀具的最佳时间,迫切地需要对刀具的剩余使用寿命进行准确地预测,但预测中常常会存在历史数据不足的问题.因此,本文提出了一种解决小样本空间的刀具剩余使用寿命预测方法.该方法基于支持向量回归(SVR)方法,通过随机分形搜索(SFS)算法优化模型中的关键参数.相比于传统方法,本文所采用的方法可获得更优的模型参数和更快的收敛速度.最后,将所采用的方法与隐马尔可夫模型(HMM)方法进行比较,平均精确度由0.6277提高至0.8199,为刀具的更换提供了可靠的参考.

计及循环寿命和运营策略的风电汇集区域储能电站优化配置

风电汇集区域建设储能电站可在保证整个区域一次调频能力的同时提高经济性。针对风电汇集区域建设储能电站提出一种基于运营策略的储能容量配置方法。储能电站采用独立运营机制,在保证区域一次调频容量的前提下参与电力市场交易,实现储能利用率、效益最大化。提出储能电站运营配置协同优化双层模型,外层以全生命周期投资回报率最大为目标进行储能配置,内层计及储能循环寿命以日运行期望利润最大为目标优化运营策略,内外层联合优化达到综合最优,从而得出储能配置结果。提出一种改进麻雀搜索算法提高收敛速度,对双层配置模型进行求解。通过算例验证了所提方法能够在确保区域具备一次调频能力的同时提高储能的经济性。

改进SSA-KELM模型在埋地腐蚀管道剩余寿命预测中的应用

为提高埋地腐蚀管道剩余寿命预测精度,构建其剩余寿命预测模型。建立基于核主成分分析(KPCA)和改进麻雀搜索算法(ISSA)的核极限学习机(KELM)剩余寿命预测模型。首先采用KPCA预处理原始数据,提取埋地腐蚀管道主要特征向量并重构评价指标。其次针对SSA易陷入局部最优及迭代后期抗停滞性能降低等缺陷,提出SSA改进方案:利用Tent混沌提升其遍历性;引入自适应安全值调整麻雀搜索区域;使用高斯扰动重点搜索最优解附近区域,以提升SSA全局寻优能力。再次利用ISSA寻优KELM中核参数和惩罚系数,最终构建KPCA-ISSA-KELM埋地腐蚀管道剩余寿命预测模型。以某埋地管线为例进行仿真,结果表明:KPCA-ISSA-KELM模型预测结果均方误差、平均绝对误差值、决定系数为分别为0.249、0.096、0.998,均优于其他模型。证明KPCA-ISSA-KELM的埋地腐蚀管道剩余寿命预测模型具有较强的鲁棒性,为管道系统研究提供重要的参考依据。

基于EWM和SVR的滚动轴承剩余使用寿命预测方法

为解决滚动轴承有限全寿命监测数据情况下退化特征分布失真导致轴承剩余使用寿命(RUL)预测精度不高的问题,提出一种基于熵权法(EWM)和支持向量回归(SVR)的轴承RUL预测方法。首先,提取振动信号的时域和频域特征,并对特征进行对数变换;然后,通过EWM确定指标权重实现特征选择;最后,采用麻雀搜索算法(SSA)优化SVR模型,以主成分分析(PCA)降维后的低维特征作为优化后的SVR模型的输入,RUL占比作为输出,从而实现轴承剩余寿命的预测。结果表明:在有限监测数据情况下,与其他方法相比,所提方法不但预测性能更加稳定,而且预测的绝对误差平均降低19.51%,均方误差(MSE)平均降低17.73%。

基于FSMP模型的机电产品绿色设计方案生成方法

为完成产品的绿色概念设计,提出一种支持方案生成的功能—结构—材料—工艺模型(FSMP)绿色设计模型,该模型对产品材料、工艺、使用等全生命周期过程的设计信息进行集成表达。通过对FSMP模型中的节点扩展和关联,建立产品概念设计空间,采用生命周期评价方法量化设计空间节点的环境影响。提出一种基于希望树的启发式搜索算法,以设计方案环境影响最小为目标,遍历设计空间节点,生成绿色性能最优的设计方案。最后以举升机的绿色设计为例,证明了该模型在绿色设计中的重要指导作用。

基于差分电压和ICS-Elman神经网络的锂离子电池剩余使用寿命预测方法

锂离子电池被广泛应用于支撑新能源并网设备中,其剩余使用寿命(RUL)预测对设备运维管理极为重要,该文提出一种基于差分电压和改进布谷鸟搜索算法(ICS)-Elman神经网络预测锂离子电池RUL的方法。首先,对电池内部的电化学反应和外部的数据特征进行分析,选取结合电池内外特征的差分电压曲线作为特征提取对象,在充电差分电压曲线和放电差分电压曲线中选取相关特征;其次,考虑电池容量再生现象,选取Elman神经网络作为电池容量预测模型;然后,为提高预测精度,考虑利用改进的布谷鸟搜索算法对网络的初始权值和阈值进行参数寻优,ICS算法以改进概率公式、增加扩散因子、混沌初始化3种方法对传统CS算法进行改进,最终形成ICS-Elman预测方法;最后,利用NASA数据集和自测数据集对ICS-Elman方法进行验证,对比分析CS-Elman、Elman方法,结果表明所构建的ICS-Elman方法能更准确有效地预测锂离子电池RUL。

基于RSM-XGBoost和KF的航空发动机RUL预测

航空发动机精确的剩余使用寿命预测是确保发动机安全服役必须开展的环节。针对复杂工况环境下涡扇发动机的剩余使用寿命预测问题,提出了一种基于极端梯度提升和卡尔曼滤波的寿命预测模型。首先,采用高斯分布对原始振动数据进行分析,提取具有时间序列和退化趋势的特征数据,并为其设置剩余使用寿命(RUL)标签;其次,利用随机搜索算法对融合参数范围进行寻优,在极端梯度提升(XGBoost)中加入卡尔曼滤波器解决预测值不平滑和噪声干扰的问题;最后在商用模块化航空推进系统仿真数据集(C-MAPSSC)上进行了验证和分析,实验结果证明:与其他模型相比,文中采用的寿命预测方法准确度更高。

基于SSA-VMD-GRU的锂电池剩余寿命预测方法研究

锂离子电池性能在衰退过程中呈现非平稳性和非线性,寿命预测往往被再生容量所干扰,衰退趋势难以捕捉,进而影响寿命预测。针对该问题,以容量为特征,构建一种基于麻雀搜索算法优化变分模态分解和门控循环单元的锂离子电池寿命预测方法。首先,利用麻雀搜索算法优化了变分模态分解的分解层数和惩罚因子,再通过优化了的变分模态分解算法将锂电池容量分解为若干分量,最后引入门控循环单元预测所分解的若干分量,将若干预测结果进行集成。通过NASA电池数据集对所提方法进行验证,并与两种模型相比较,结果表明,该方法相较于另两种方法预测精度平均提升了60%。

SSA-TCN在涡扇发动机剩余使用寿命预测的应用

针对剩余使用寿命预测(RUL)领域中深度神经网络模型参数选择困难、预测精度难以提升的问题,提出了一种基于麻雀搜索算法优化的改进时间卷积神经网络(TCN)的RUL预测模型.该方法首先采用前向填充滑动采样进行样本时间步的添加,然后使用层规范化对TCN中的残差块结构进行改进,最后在C-MAPSS数据集上进行验证.结果表明,在均方根误差(RMSE)和得分函数(SF)两个指标中,相比于采用批规范化和权重规范化的TCN,改进的TCN使其平均降低了29.56%和70.13%;前向填充滑动采样能取更长的时间步,其两项指标比直接滑动采样的两项指标分别下降了8.34%和20.96%;提出的方法在涡扇发动机的4个子数据集上的这两项指标,比本文其他方法的两项指标分别平均降低了20.89%和65.62%.