【摘 要】
：
针对发动机受工作环境影响，导致油液光谱数据存在大量冗余信息且具有非线性结构，从而影响发动机故障诊断结果的问题，提出监督核熵成分分析(SKECA，Supervised Kernel Entropy Component Analysis)的特征提取方法；该方法在核熵成分分析基础上引入监督学习算法，提取油液光谱数据的内在几何特征，使提取后的故障特征中包含判别信息，并利用遗传算法(GA，Genetic A
论文部分内容阅读
针对发动机受工作环境影响，导致油液光谱数据存在大量冗余信息且具有非线性结构，从而影响发动机故障诊断结果的问题，提出监督核熵成分分析(SKECA，Supervised Kernel Entropy Component Analysis)的特征提取方法；该方法在核熵成分分析基础上引入监督学习算法，提取油液光谱数据的内在几何特征，使提取后的故障特征中包含判别信息，并利用遗传算法(GA，Genetic Algorithm)寻找参数来优化特征提取的结果，采用支持向量机(SVM，Support Vector M
其他文献
针对目前PM2.5浓度预测的研究主要是对未来1h的污染物浓度进行预测，不能满足污染物浓度较长时间细粒度预测的应用需求。本文构建了基于注意力机制的Sequence to Sequence（seq2seq）模型，模型主要由三部分编码器、解码器和注意力模块构成，其中编码器用于提取时间特征，解码器使用注意力模块动态地计算每个时刻的背景变量，从而预测未来时刻PM2.5浓度。最后使用2015年至2018年北京
大范围的红树植物遥感提取容易受到地物遮挡、海水浸淹以及红树植物本身覆盖程度等因素的影响，为了解决这一大困扰，本研究于2019年4月在湛江通明海湾红树植物生长区域进行了现场调研，并使用高分一号卫星遥感影像进行红树植物分布范围提取，根据地物波谱特征，使用归一化水体指数提取水陆边线，建立红树植物适宜生长区域，再使用面向对象方法逐步精确红树植物生长区域；采用光谱归一化差值指数、植被指数的方法二次提取通明海
利用具有空间化的地理国情普查、土地调查和专题调查等数据，结合地学统计和空间统计方法，提出了经济、水资源和环境等城市资源环境承载要素尺度下推方法，力求在更为精细的尺度下反映地域差异，并利用此方法在武汉市进行了街道单元的尺度下推实践，为城市级资源环境承载力精细化评价工作提供思路。
智能电网建设对变电站三维模型构建提出更高要求。但是由于变电站设备相比于其他地物结构更加复杂，如何从海量激光点云数据中提取出变电站设施的精细三维点云数据是目前需要解决的一个重要难题。本文采用多尺度形态学滤波算法对点云数据进行聚类分割，并基于点云维度特征，提出一种变电站设备激光点云数据提取方法，从变电站点云中提取出变电站设备的精细三维点云数据。本文采用无人机激光扫描设备采集的变电站LiDAR点云对本文
稳定的碰撞检测方法是协作机器人在人机交互过程中的保障。本文提出了一种无附加传感器的机器人碰撞检测方法。通过机器人理论动量与实际动量的偏差构建基于广义动量偏差的外力矩观测器实现碰撞检测。考虑到机器人末端负载在关节处产生的外力矩对观测器的影响，本文通过补偿负载在关节处产生的等效力矩，消除负载对观测器的干扰。本文在Simscape中进行仿真实验，结果表明：建立的碰撞观测器能够有效消除末端负载的干扰，并且
本文根据实践探索智慧泊车，解决园区停车“最后一公里”难题，是智慧园区建设的有效手段之一。本项目中综合场端及车端感知与定位技术，搭建融合感知平台，实现对园区道路、停车场场景可视化呈现，并实现管控逻辑。路侧传感器融合感知与定位技术利用多种感知与定位方式实现优势互补，实现园区内地面、地下车库场景的连续感知与定位能力，可实现对目标车辆的引导与连续跟踪、安全预警、无感支付等。本文以实际项目为基础，介绍了高精
本文考虑紧致具有全脐边界的Riemann流形上k-Hessian方程的Neumann边值问题;通过对k-Hessian方程的解做零阶、一阶、二阶估计和使用连续性方法,得到流形上k-Hessian方程的Neumann边值问题的存在性结果.
地震监测和预警台网的建设使得观测数据量陡增，相应的数据处理软件开发工作也由传统平台逐步迁移到分布式大数据平台之上，传统可视化平台下”轮询”模式对实时流数据的处理存在网络消耗大，数据处理效率低下等问题。为了探索大数据平台下的海量数据实时可视化技术，本研究基于最新的HTML5标准，以Kafka为数据接口，Websocket为通信协议，Echarts为前端渲染组件，设计和实现了一套B/S架构的测震数据流
我国为解决“三弃”问题，提出了可再生能源电力消纳保障机制。为激励可再生能源电力消纳，采用多主体仿真方法，分析了市场主体交易行为和交互关系，剖析了影响可再生能源电力消纳的关键交互因素，针对多种影响因素变动，对可再生能源电力消纳情况和积极消纳者数量的演化进行了仿真实验。结果显示，绿证被认购能直接促进本年可再生能源电力消纳；想要加快可再生能源电力消纳需综合考虑超额消纳量价格、绿证价格和消纳量补充交易频率
本文针对已有电子固废产生量预测时存在的建模机理复杂、建模精度低等问题，提出一种分数阶多元灰色模型与神经网络补偿模型相混合的智能建模方法。该方法利用粒子群算法对灰色模型的累加阶数以及背景值参数寻优，以发挥灰色模型的最大性能。同时，利用BP神经网络对灰色建模的误差进行补偿，以提高固废产生量的预测精度。最后，利用华盛顿州电子固废数据验证了所提方法的有效性。通过对电子固废产生量的精确估计，为电子固废回收的