基于ARIMA-KF模型的船舶系统设备状态参数预测

针对目前大多数预测模型在船舶智能运维领域应用过程中存在的预测精度偏低、模型不易构建等问题,提出了自回归积分滑动平均模型(Auto-Regressive Integrated Moving-Average Model,ARIMA)和卡尔曼滤波(Kalman-filter,KF)相结合的船舶系统设备状态参数组合预测模型—ARIMA-KF模型。该模型首先构建了自回归积分滑动平均(ARIMA)单步和多步预测模型;然后利用卡尔曼滤波(KF)算法对ARIMA预测模型参数值进行寻优,得到ARIMA-KF组合预测模型;最后,基于组合模型对船舶海水冷却系统状态参数进行预测,将预测值与实船获取的实际值进行对比及误差分析。结果表明,采用基于ARIMA-KF组合模型比单一的ARIMA模型预测精度提高3%左右。研究结果对船舶系统设备的健康管理和视情维修具有一定的指导意义。     

雀舌黄杨中生物碱成分的研究

用甲醇溶剂对黄杨科黄杨属雀舌黄杨(Buxus bodinieri)的地上部分进行回流提取，采用硅胶、氧化铝、葡聚糖凝胶和半制备HPLC对提取物进行分离纯化，根据理化性质及波谱数据以及与文献数据的比对，从中分离鉴定了10个生物碱化合物，分别为cyclobuxoviridine(1)、N-dimethylcycloxobuxovircine (2)、cyclovirobuxine C (3)、cyclovirobuxine A (4)、cycloprotobuxine C (5)、cycloprotobuxine A (6)、cyclobuxoxazine (7)、cyclobuxoxazine A (8)、buxruguline B(9)和irehine (10).化合物1～9为三萜生物碱，化合物10为甾体生物碱，化合物1及3～10为首次从该植物中分离得到.