改进的基于移动小波树的数据流异常检测方法

针对移动小波树数据流异常检测算法的不足,提出了一种改进的移动小波树异常检测方法,利用比率阈值去除颠簸数据的干扰,提高了检测精度;利用二分查找检测算法,提高了检测的效率;结合实时增量更新算法满足了数据流在线处理的要求;改进了阈值设定方法,可实现双边异常检测。用射线数据和电能质量扰动数据进行仿真实验,结果验证了方法的有效性。     

一种基于图像识别的高性能混沌特性判别算法

利用混沌阵子可以检测强噪声背景下极其微弱的周期信号。该方法应用中的关键问题是混沌特性的判别。提出了一种新的基于图像识别的混沌特性判别方法,该方法需要的存储量小,算法简单易行,尤其适合系统资源受限的场合,比如嵌入式系统。阐述了该混沌特性判别算法的原理,给出了一个基于此方法的完整判别程序流程。计算机仿真结果表明,该方法用于Duffing信号幅值检测系统是有效的。     

关于基体曲率的热障涂层残余应力分析

采用空心和实心四相同心圆模型,导出了轴对称温度应力状态下的位移公式,分析了基体曲率对热障涂层残余应力的影响。结果表明:热障涂层结构中各层内既有环向应力,又有径向应力,应力大小与温降成线性关系;当陶瓷层在外层时,在氧化层/陶瓷层和粘结层/氧化层界面上产生垂直界面的拉应力,且实心模型的拉应力远大于空心模型的拉应力;当陶瓷层在里层时,空心模型中相应界面上的应力为压应力。     

基于模糊PID控制器的协调控制系统优化

火力发电厂在我国电力工业中占有主要地位,大型火电单元机组的协调控制对象是一个多变量、强耦合的控制对象,针对此对象设计合适的解耦控制器是急需解决的问题.本文结合以1000MW机组作为具体模型,分别采用常规PID协调控制方式和参数自整定模糊PID解耦协调控制方式对全工况下的协调控制系统进行仿真研究,在线对PID参数进行整定,通过仿真结果进一步比较,可以看出,该方法可以很好的对单元机组协调系统进行控制,并能使控制系统的性能得到完善.     

大滞后系统的专家-模糊PID控制器设计

在工业过程中,大滞后系统的时滞、非线性情况严重,常规PID控制往往难以获得理想的控制效果.针对上述情况,设计了一种基于专家经验的模糊与PID并联复合型控制器,能够在PID控制的基础上改善系统的控制品质.介绍了带有可调因子的模糊控制算法,给出了模糊控制器相关参数的整定方法.根据专家经验制定了模糊控制与PID控制的加权系数的整定规则.对具有大迟延、大滞后特性的循环流化床的燃料量与床温模型进行了仿真研究.仿真结果表明:在大滞后系统的控制中,所设计的专家模糊PID控制器能够很大程度的改善系统的动态动性,且具有较好的鲁棒性.     

带有检测迟延的燃料-汽压系统状态观测器设计

由于时延现象的大量存在,时延系统的状态估计问题得到了广泛的研究和重视.针对输出含有时间延迟的燃料-汽压系统,进行了时间延迟补偿观测器的设计.针对不同的时间延迟进行了仿真,实验结果表明,观测器在一定的时间内能够很好地跟踪输出时延系统的状态.     

基于逆向解耦的BTU协调系统内模控制设计

针对火电单元机组协调系统的多变量强耦合特点,提出一种基于内模控制器与解耦器一体化思想的内模解耦控制方法.区别于一般的多变量内模控制,将解耦技术与内模控制相结合,同时具有解耦器和内模控制器的特性.首先根据相对增益系数矩阵选择控制主通道,然后通过基于逆向解耦的原理设计控制器,其计算过程简单并且适用于高阶对象.最后以300MW单元机组为控制对象,在MATLAB/SIMULINK环境下,仿真并验证了控制器在不同工况下均可以实现较好的控制品质,具有较强的鲁棒性.     

一种基于精英选择和反向学习的分布估计算法

为了提高分布估计算法的性能,提出一种从选择方式和搜索机制出发的改进分布估计算法.首先,借鉴并改进粒子群种群更新策略,在构造优势群体时,引入精英选择策略替换经典的截断选择,提高算法向全局最优解的收敛速度;然后,引入二次反向反射搜索算子,从搜索机制上对分布估计算法进行改进,提高算法的全局搜索能力.仿真结果表明,所提出的改进分布估计算法能够有效的避免陷入局部最优值,在寻优精度、收敛速度以及算法的稳定性和鲁棒性上都有极大改善.     

基于Transformer和多通道卷积神经网络的情感分析研究

文本情感分析是自然语言处理的经典领域之一.文中提出了一种基于transformer特征抽取器联合多通道卷积神经网络的文本情感分析的模型.该模型使用transformer特征提取器在传统Word2vector,Glove等方式训练的静态词向量的基础上来进行单词的分层、动态表示,针对特定数据集采用Fine-Tuning方式来进行训练有效提升了词向量的表征能力.多通道卷积神经网络考虑了不同大小范围内词序列之间的依赖关系,有效进行特征抽取并达到降维的目的,能够有效捕捉句子的上下文语义信息,使模型捕获更多的语义情感信息,提升文本的语义表达能力,通过Softmax激活函数达成情感倾向分类的目标.模型分别在IMDb和SST-2电影评论数据集上进行实验,测试集上准确率达90.4％和90.2％,这明所提模型较传统词嵌入结合CNN或RNN的模型在分类精确度上有了一定程度的提升.     

融合共现推理的Faster R-CNN输电线路金具检测

为促进目标检测模型与电力领域业务知识有机融合,缓解金具样本间长尾分布问题,有效提升输电线路金具的自动化检测效果,提出了融合共现推理的Faster R-CNN(faster region-based convolutional neural network)输电线路金具检测模型。首先,深入研究输电线路金具结构化组合规则,通过数据驱动的方式以条件概率对金具目标间的共现连接关系进行有效表达;然后,结合图学习方法,利用学习并映射的共现概率关联作为共现图邻接矩阵,使用基线模型(Faster R-CNN)提取的特征向量作为图推理输入特征,以自学习的变换矩阵作为共现图传播权重,完成图信息传播并实现有效的共现推理模型嵌入。实验证明,融合共现推理模块的Faster R-CNN模型较原始模型提升了6.56%的准确率,对于长尾分布样本中数量较少的金具性能提升尤其显著。