集装箱桥吊前大梁主铰冲击特征分析技术的研究

应用小波包分析技术,结合Hilbert包络技术,提出了小波包能量包络技术.该技术能够很好地表征桥吊在工作时产生的振动冲击等非平稳信号的状态特征,为桥吊的状态监测和安全评估提供了一种抗噪能力强、特征表述灵敏的特征抽取技术,并在已开发的状态监测和评估系统中得到了实践,取得了很好的应用.     

柴油机气缸盖振动特性的时间序列模型

用时间序列法研究了柴油机气缸盖的动态特性.通过引入虚拟系统的概念,利用缸盖表面振动信号的自回归滑动平均模型(ARMA模型)求出了实际缸盖系统的传递函数,并将其应用于重建缸内气体压力曲线.为柴油机的振动噪声控制、状态监测,以及缸内气体压力的识别提供了一种有效的方法.     

基于BP神经网络与时间序列分析的柴油机故障诊断

将时间序列分析和神经网络相结合应用于柴油机振动故障诊断.从时间序列分析的结果中提取柴油机故障的特征参数,然后以此建立相应的神经网络,识别柴油机的运行故障,大大提高诊断的准确性.讨论柴油机气阀间隙异常的诊断和柴油机负荷状态的识别,并给出振动特征参数与柴油机工作状态之间的关系.     

集装箱桥吊仿真训练系统中碰撞模型的建立与实现

碰撞模型是仿真系统中重要的也是关键的一部分 ,集装箱桥吊的高速化对碰撞检测的实时性提出了很高的要求 ,同时吊具模型的复杂性与集装箱桥吊装卸过程的特点增加了碰撞检测的难度。本文应用简化、高效的碰撞线检测方法较好地解决了桥吊仿真训练系统中的碰撞问题     

集装箱岸桥模型的动力特性计算与试验分析

基于有限元基本理论,采用多种单元混合建模方法,建立集装箱岸桥模型的有限元分析模型,分析岸桥模型在多种工况下的模态特性变化规律,进行岸桥模型的动力特性试验.通过理论计算模态频率和实际测试模态频率的比较,验证有限元模型的有效性.模态特性试验中采用锤击脉冲法和惯性载荷法两种激励方式,通过分析两种激励方式获得的模态频率结果的一致性,验证现场振动试验采用的惯性加载激励方式的正确性和可行性.     

保山城区空气污染指数的时间序列分析

根据保山城区2005-2008年的大气污染物监测资料,采用时间序列分析中的ARIMA模型,探讨保山城区空气污染指数的变化规律。结果表明,采用时间序列分析空气质量状况是可行的。     

柴油机气缸盖振动的自回归谱分析与状态监测

通过监测柴油机气缸盖振动信号,分别采用自回归谱方法和Fourier谱方法作分析处理,对柴油机进行状态监测.研究气阀敲击及气缸内燃气激励引起的气缸盖振动特征,并给出适合于柴油机振动状态监测的判据.研究表明,利用气缸盖振动信号监测运行中气阀间隙的变化和各气缸内负荷的变化是有效和可行的;基于参数法的自回归谱分析比Fourier方法估计得到的谱线更光滑,频率定位更准确,更适合于柴油机的状态监测.     

基于小波分析的柴油机配气机构故障诊断

讨论了小波分析的原理与应用特性以及在处理具有非平稳动态信号的柴油机故障诊断中的应用.     

《应用时间序列分析》研究型实验教学的探索

《应用时间序列分析》作为学校应用统计学专业的一门专业核心课程,本文针对此课程对其实验教学进行深入探索,分析目前实验教学所存在的问题,并根据存在问题探讨如何进行研究型实验教学。探索发现研究型实验教学的实现需要丰富实验统计软件、增加课程实验考核以及学生对实验教学部分的评价,望能以此提升《应用时间序列分析》课程教学效果。     

采样时间序列的故障数据检测与滑动容错滤波

在导出采样时间序列数据滑动LS滤波的基础上,建立了一组简洁的故障数据检测与修复算法,并将故障数据修复与滤波估计相结合,构造了对突发性故障数据有良好容错能力的滑动容错滤波算法.仿真计算证实,该方法有效、可靠.     

桥吊坠箱事故树分析

深入考察由桥吊操作引起坠箱事故可能发生的原因,绘制出事故树,找出基本事件,然后对其进行定性分析,给出基本事件的结构重要性排序.针对分析结果,提出合理化的意见和建议,为管理部门制定关于预防坠箱事故的安全措施提供决策依据.     

桥吊实时工况统计分析与预测

为准确掌握桥式起重机(简称桥吊)的动态信息,对上海外高桥集装箱桥吊的实时工况进行统计分析与预测.通过分析桥吊起升电机的振动信号和温度信号统计特性,得到振动与温度的关系;通过对信号数据的预处理,建立支持向量机(Support Vector Machine, SVM)训练模型,其中对惩罚参数和核函数参数采用交叉验证的方法进行优化;利用得到的训练模型预测后继的振动信号.与单纯用振动信号或温度信号所建的模型相比,这种振动信号与温度信号相结合的模型对电机振动信号预测的准确性更高.     

滚动轴承故障诊断和状态监测及其推广应用

本文从滚动轴承失效形式出发，对现有的轴承诊断技术进行了综述；通过分析滚动轴承的振动特征，研究各种诊断原理；对港口开展轴承状态监测和故障诊断实践中所取得的经济效益予以介绍；最后提出了今后港口推广和开展滚动轴承状态监测的几点设想。     

一种新的桥梁区域时序InSAR相位解缠方法

时间序列InSAR技术是一种空间遥感技术，可用于获取基础设施的高精度微小形变信息，相比传统测量手段，该技术有较多优点，在桥梁形变检测方面有广阔的应用前景。但现有的时间序列InSAR技术中的相位解缠算法在大型斜拉桥形变检测上存在较大解缠误差，导致目前该技术还难以获取正确的斜拉桥形变结果。提出一种新的时间序列InSAR相位解缠算法。通过构建约束三角网络，对残差点进行分块，利用二分图最优权匹配方法获取最优的正负残差点匹配结果，从而获取正确的解缠相位。在洞庭湖大桥数据上进行实验验证。该算法在解缠精度上明显优于稀疏网络最小费用流（MCF）算法，有效减少了解缠误差。     

基于时间序列DMSP/OLS夜间灯光数据的GDP预测模型

采用基于不变目标区域法对1992-2013年DMSP夜间灯光数据进行相互校正、饱和校正和影像间的连续性校正,提取出同期中国大陆31个省级行政区夜间灯光强度信息,并与统计GDP数据建立线性、指数、二次项和乘幂回归模型。通过比较预测GDP与统计GDP误差,选出各自的最优拟合模型。结果表明：1）校正解决了DMSP夜间灯光长时间序列影像之间不稳定、不连续的问题;2）校正后的DMSP夜间灯光数据集与GDP强相关;3）中国大陆GDP预测的指数模型最佳,R²达到0.97,平均相对误差仅为11.32%;4）31个省级行政区按时间序列构建GDP预测模型优于每年各省级行政区模型。4个直辖市和经济总量前6的行政区指数模型最优,其余省份二次项模型最优,R²均达到0.95以上,GDP预测相对误差10%左右。     

基于时间序列的港口货物吞吐量GRNN预测模型

为准确进行港口货物吞吐量预测,采用逐步递归的方法,建立基于时间序列的港口货物吞吐量广义回归神经网络(Generalized Regression Neural Network,GRNN)预测模型.利用该模型预测某港口货物吞吐量,结果表明:对于小样本的短期预测,该模型具有适应性好、误差小等特点.     

在风浪影响下的集装箱船航速分析

为优化集装箱船航速,减少油耗,在考虑风浪干扰的基础上,根据船舶航行中的功率关系,建立船舶减速模型。该模型能够计算出在不同风浪条件下船体所受风、浪干扰力以及船舶减速幅度。将建立的减速模型与现有的拟合模型进行对比,结果表明,来自船舶正横前和正横后的风浪合力对船舶航行起到阻碍作用。当风浪来自船舶正横前时船舶降速的幅度较大;当风浪来自船舶正横后时船舶降速幅度较小;船舶降速幅度在相同风浪条件下会随着航速的增大而减小。建立的减速模型比拟合模型更具有适用性,利用建立的模型能够较为准确地估算出在风浪影响下船舶的减速幅度。