随机时变时滞非线性马尔可夫跳跃系统故障检测问题研究

本文研究一类具有随机时变时滞及随机发生非线性(RONs)的离散时间马尔可夫跳跃系统的故障检测问题.针对多重时变时滞发生时所具有的随机特性,使用相互独立的伯努利随机过程来刻画这一现象.进一步地,在故障检测研究中考虑一类由伯努利分布白序列描述的随机非线性干扰.本文的目的是设计一个故障检测滤波器,使得整个误差动态系统满足均方指数稳定及相应的H∞性能指标.通过Lyapunov稳定性理论及随机分析技术,建立满足均方指数稳定和H∞干扰抑制的充分条件,进而使用半定程序方法求解一个凸优化问题,获取所设计的故障检测滤波器增益特性.最后,通过仿真算例证实了该设计方法的实用性和有效性.     

利用信息熵的岩心图像自适应压缩感知重构

针对BCS-SPL算法对岩心图像进行压缩感知重构的细节模糊的问题,提出一种利用信息熵的岩心图像BCS-SPL压缩感知重构算法.采用小波变换对岩心图像进行稀疏表示,对各子带进行多尺度分块,依据信息熵的大小自适应分配采样率并确定观测矩阵,通过维纳滤波结合Landweber迭代操作实现重构.实验结果表明,在相同采样率下,与原始的BCS-SPL算法相比,该算法的重构质量提高了2-4 dB.     

基于多示例多标记的抽油机故障诊断

针对抽油机工况数据可从位移、载荷、电流等多个方面进行描述,若仅仅使用一个特征向量来描述抽油机工况数据会使其信息过于简化,丢失一部分有效信息的问题,以及工况数据具有多义性的特征,提出基于多示例多标记的抽油机故障诊断.该学习方法中,用抽油机的位移、载荷、电流数据作为抽油机工况样本包的多个示例,使用k-medoids聚类算法对样本包进行聚类,将多个样本包转换为若干示例,新示例的每一维表示样本包到样本各聚类中心的距离,再利用MLSVM算法对转换后的多标记问题进行求解.实验结果表明,多示例多标记学习能够及时、准确地诊断出抽油机故障问题.     

远程培训中个性化学习资源推荐算法

本文提出一种基于标签的多因素推荐算法.用户可以根据自己的需求,进行因素自定义和优先级排序,算法先根据用户初始化信息选取资源,随后分析用户行为数据更新用户所属的群及用户的喜好,再通过用户与项目相似度计算、项目关联度计算为用户推荐所需资源.算法模型采用分类组合得出结果,降低了相似度计算的复杂度.将算法应用于企业远程培训平台的个性化学习模式中,结果表明,该算法较好地改善了用户个性化学习资源的推荐效果.     

基于PIC单片机的低功耗供热检查井泄漏防盗报警系统

随着城市供热管网的延伸,供热检查井的数量成倍增长,检查井的安全和泄漏情况直接影响到整个管网的安全正常运行。本文以超低功耗的PIC单片机作为核心处理器利用温度传感器对补偿器隔热材料内外温度进行采集,判断补偿器是否损坏发生泄漏,同时利用液位开关监测井内的积水水位,水位过高说明井内发生异常需要检查,同时在井盖下安装防盗开关,防止人为恶意开井,实现了检查井数字化实时监控,对管网数字化做出不可缺少的贡献。     

基于轮转周期的动态反馈负载均衡算法

网络管理系统中管理端逐步采用分布式集群构架,通过负载均衡算法调度客户端请求,并将客户端请求分配给多个事务节点进行并行处理。为进一步提高集群系统服务的性能,文中在研究以往负载均衡算法的基础上,提出了一种基于轮转周期的动态反馈负载均衡算法。该算法设计了一种基于剩余资源动态权值的节点剩余负载能力计算方法的动态反馈机制;并在动态反馈负载均衡算法的一个采样周期内引入轮转周期对客户端请求均衡分配。通过实验比较分析,该算法能获得更好的负载均衡效果。     

双正交小波阈值去噪在套管检测中的应用

为解决套损检测情况图像中的噪声污染对测井解释的影响,文中分析了几种图像去噪的方法,详细介绍了双正交小波理论的提出背景、基本原理、分解与重构、阈值去噪过程,利用双正交小波的正交性、多尺度性等优点,将其应用于套损检测情况图像去噪中,在频域上对图像进行去噪处理。试验结果表明,双正交小波去噪相比正交小波去噪有效地提高了图像的质量和信噪比,同时能够最大限度地保留原有图像的边缘特征,有利于后续的目标特征提取与识别。     

地震资料逆时偏移中的图形处理器加速算法

叠前逆时偏移（RTM）方法是目前地震勘探领域最为精确的一种地震数据成像方法,其运用双程声波方程进行波场延拓,可实现对复杂构造介质的准确成像．文中采用互相关成像条件对震源波场与检波点波场在同时刻相关成像．针对RTM方法计算量大的问题,将图形处理器（GPU）引入到RTM计算中,充分挖掘GPU的众核结构优势,利用基于CUDA架构的并行加速算法取代传统CPU的串行运算,对逆时偏移算法中较为耗时的波场延拓和相关成像过程进行加速．复杂模型测试结果表明,在确保RTM成像精度的前提下,相比于传统CPU计算,GPU并行加速算法可大幅度地提高计算效率,进而实现基于GPU加速的叠前逆时偏移算法对复杂介质的高效率、高精度成像．     

一种基于自组织过程神经网络的动态样本半监督学习算法

针对时变信号模式分类和未标记样本信息的有效利用问题,提出了一种基于自组织过程神经网络的动态样本半监督学习算法。根据获得的已标记和未标记的过程函数样本信号,分别构建基于竞争学习规则和有教师示教方法的自组织过程神经网络模型,利用该网络的自组织特性,实现动态样本的分类标识。文中分析了算法的信息处理机制,给出了具体的实现步骤。以油田开发水淹状况判别为例,实验结果验证了方法的有效性。     

一种基于数据并行的过程神经网络训练算法

针对过程神经网络时空聚合运算机制复杂、学习周期长的问题,提出了一种基于数据并行的过程神经网络训练算法。该方法基于梯度下降的批处理训练方式,应用MPI并行模式进行算法设计,在局域网内实现多台计算机的机群并行计算。文中给出了基于数据并行的过程神经网络训练算法和实现机制,对不同规模的训练函数样本集和进程数进行了对比实验,并对加速比、并行效率等算法性质进行了分析。实验结果表明,根据网络和样本规模适当选取并行粒度,算法可较大提高过程神经网络的训练效率。