基于矩阵奇异值分解的信号非周期性程度指标

首先基于矩划值分解给出信号非周期性程度指标的初步定义,然后进一步提出利用最大奇异值对应的信号分量的各段之能量熵对指标进行修正的方法,并对信号奇异值分解矩阵的构造方法作了重大改进。经若干仿真信号和实测信号的测试说明,提出并改进的非周期性程度指标的性能良好。     

基于奇异值分解的铅锌冶炼过程故障二次分离

铅锌冶炼过程是非常复杂的反应工艺,工况变化较大,在线监控和故障诊断的难度很大。铅锌冶炼过程故障分离的目的是根据异常监控变量来判断故障类型,由于铅锌冶炼过程故障的特殊性,不同类型的故障可能导致相同的监控变量发生异常,采用传统的故障分离方法不能有效地判断故障类型。本文提出一种基于奇异值分解的故障二次分离的方法,通过进一步分析监控变量和故障类型的对应关系,解决故障分离不彻底的问题。试验结果证明了方法的有效性。     

基于截断型自适应交叉近似和奇异值分解的涡流无损检测模型

探讨了一种高效的三维涡流无损检测求解模型。该模型首次使用截断型自适应交叉算法和奇异值分解算法加速基于边界元法的涡流无损检测模型。该模型使用没有低频崩溃问题的Stratton‑Chu 方程作为边界积分方程,然后使用Rao‑Wilton‑Glisson矢量基函数和脉冲基函数分别将等效面电流、磁流和磁场法向分量展开,通过Galerkin方法测试,得到阻抗矩阵。借助八叉树结构,根据块与块之间的距离关系将阻抗矩阵分为对角块、近区块和远区块,其中对角块和近区块使用边界元法直接计算存储,远区块通过综合运用自适应交叉算法、奇异值分解算法和截断核函数算法进行压缩存储。最后,以涡流无损检测基准问题为例,将运用该方法预测的结果与其他模型预测的结果以及实验结果相比较,验证了所提求解模型的准确性和有效性。     

动态数据驱动的森林火灾仿真框架及其实现

提出了动态数据驱动的森林火灾仿真方法,在仿真中将实际系统的实测数据反馈到模型中,以提高模型的准确性。仿真运行了模型的多个样本,模型的输入是大量动态的输入而不是传统固定的输入,每一步仿真结束后采用统计的方法筛选出较优样本集作为下一步仿真各样本的初始条件。该方法包含以下关键部分：如何基于不准确模型获得较为可信的仿真结果、模型计算结果准确性度量方法、应用系统的模型和大量仿真样本运行带来的计算复杂度和计算量大的问题等。为解决上述问题,基于离散系统仿真规范提出并实现了一个动态数据驱动的森林火灾仿真框架。实验表明,上述方法将基于传感器测量到的真实火灾数据动态反馈至仿真系统中,获得了更可信的仿真结果。     

动态系统元器件失效率的矩独立重要性测度分析

针对不确定性元器件失效率对动态系统失效概率影响程度的度量问题,研究了动态系统元器件失效率的重要性分析方法。分析了不确定性情况下动态系统失效概率的特点;依据Borgonovo的矩独立灵敏度分析思想,提出了两种新的矩独立不确定性重要性测度,给出了基于蒙特卡罗数值仿真的一般求解方法,分别用来分析系统工作时间给定和在区间变化两种情况下元器件失效率不确定对系统失效概率分布函数的贡献程度;建立了重要性测度的高效算法,通过稀疏网格积分技术将多元函数的积分问题转化成一元函数积分的张量积组合,通过Edgeworth级数方法将响应量分布函数的求解问题转化为基于其前四阶矩的失效概率估计,从而有效降低了功能函数的调用次数,提高了重要性测度的求解效率。最后,通过两个算例验证了所提方法的合理性和算法的高效性。     

有机高分子絮凝剂处理高浊度原水效果和机理研究

本文研究了有机高分子絮凝剂ＰＡＭ、ＣＴＡＢ及它们的复配ＰＡＭ＋ＣＴＡＢ处理高浊度原水的最佳实验条件、絮凝性能、效果和机理,为有机高分子絮凝剂的选择和管式絮凝器的研制提供了理论依据。