PSO优化多核RVM的模拟电路故障预测

针对模拟电路健康管理的特点，提出了一种基于PSO优化多核RVM的模拟电路故障预测方法。利用参数分析得到电路的输出频域响应作为特征，计算其与电路无故障标准响应的欧氏距离来表征电路元件健康值，将多个核函数线性组合，并用PSO优化多核RVM参数后的模型实现对各个时间点元件的健康值变化轨迹进行预测。仿真结果表明，该方法在小样本情况下，预测效果优于单一核函数的RVM模型，适用于健康管理中实时预测，具有较好的实用性。     

船体结构冰载荷反演方法及试验验证

冰载荷是影响船舶冰区航行期间结构安全的重要环境载荷。船舶的冰压监测通常采用应变传感器，合理地布放传感器是识别冰载荷的基础。通过对比船体外板结构试验中的冲击载荷和不同测试方案下的应变信号，确定了最佳应变传感器布放方案；采用Green核函数方法建立了船体外板结构应变冲击载荷间的响应关系，并对采集信号在噪声影响下反演的不适定性进行了分析；采用Tikhonov正则化方法克服了载荷反演过程中出现的数值不稳定问题；最后将试验中的响应用到载荷识别分析中，反演的载荷可以较为准确地反映冲击载荷的时域特征并且载荷识别精度良好。     

基于特征选择遗传算法对混合动力汽车的研究

针对传统遗传算法优化串联式混合动力汽车时燃油经济性和排放性不佳、优化运行时间过长的问题,提出一种基于特征选择遗传算法的串联式混合动力汽车系统参数和控制策略参数的多目标优化算法,并建立以动力性能指标为约束的混合动力汽车参数优化的非线性模型,其中目标函数包含最佳的燃油消耗和排放等指标。首先对目标函数的可行解空间进行特征选择,筛选出与目标函数相关度较高的可行解,并将基于特征选择的优化方法与传统遗传算法相结合,对其控制参数进行优化。其次通过ADVISOR仿真程序,计算出目标函数的最佳燃油消耗量和排放值。仿真结果表明:与传统的遗传算法相比,燃油经济性提高9.96%,CO、HC和NOX的排放分别降低18.07%、26.71%以及15.61%,同时优化运行时间降低62.14%。