垂直轴风光互补LED照明系统设计

风力和太阳能分别通过垂直轴阻力型风机和太阳能光伏板发电,其中光伏发电辅以太阳能双轴跟踪装置提高太阳能电池板的发电效率,经过充电控制电路控制,利用蓄电池储能,实现离网照明。该装置能实现节能减排,可解决农村及偏远地区的照明问题,应用推广前景广阔。     

电牵引采煤机PLC控制系统故障分析

主要分析国产电牵引采煤机控制系统中PLC电源故障,介绍输入回路、输出回路故障的分析、判断及排除方法。     

混合动力汽车燃油经济性模型预测控制策略

为了实现对混合动力汽车实时的燃油经济性控制,提出了改进的马尔可夫模型预测控制方法。建立了混合动力汽车关键部件模型,从克服阻力和速度跟踪两个方面建立了车辆需求转矩模型,从而建立了混合动力汽车仿真模型;使用多步马尔可夫模型预测车辆状态;在模型预测控制目标函数中引入电量参考值,当电量大于参考值时使用模型预测最优控制策略,当电量低于参考值时,在目标函数中引入电量惩罚项,使用改进的模型预测控制策略。经仿真验证,在新欧洲行驶工况下,马尔可夫模型预测控制比恒值预测控制的油耗减少了4.27%,比规则能量管理策略减少了4.99%;在中国城市工况下,马尔科夫模型预测控制比恒值预测控制的油耗减少了8.32%,比规则能量管理策略减少了13.16%。     

象山煤矿11~#煤层带压开采危险性预测

采用突水系数法对象山煤矿北一采区11#煤层突水危险性进行了预测,结果显示,北一采区西北角、东南角属于相对安全区,突水系数0.06 MPa/m,北一采区北部B6孔附近为相对危险区,突水系数在0.1~0.119 MPa/m之间,其它区域处在临界区。该研究成果可为矿井防治水提供参考依据。     

结合深度学习的网络邻居结构研究及应用

通过研究网络的拓扑结构可以探索到丰富的知识,特别是网络中节点的邻居可以形成不同的邻居结构,而不同的结构蕴含着不同的意义,进而也有着不同的影响。实际上,邻居结构与节点的交互行为之间是互相影响、互为因果的。对三种最为普遍的邻居结构进行分析,并提出结合深度学习的网络邻居结构影响力模型DNSI(neighbor structure influence based on deep learning)。通过对图片格式的网络数据提取特征,DNSI可以得到三种邻居结构影响力。分别在几个真实世界网络数据集上进行节点属性预测、类别中心度度量和用户行为预测等任务,实验结果表明该模型在绝大多数情况下具有优越性。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。     

公交车到站时间预测模型研究

为了研究影响公交车到站时间的机理,以广州公交140路相邻的3个站点为例,经数据处理和挖掘后,提取停靠时间、行驶时间和社会车速度这3个特征向量,并运用BP神经网络、支持向量机、决策树、随机森林等6个模型来预测公交车到站时间。根据公交车到站时间预测的特征和6个预测模型的特征等提出了可拓预测模型。可拓预测模型的RMSE和MAE在所运用模型中是最低的,证明该方法有效。     

基于降噪时序深度学习网络的风电功率短期预测方法

利用风电场历史功率数据预测未来一段时间内的风功率,对保障电网安全稳定运行具有重要的意义。本文提出一种基于奇异谱分析SSA(singular spectrum analysis)和长短时记忆LSTM(long-short term memory net⁃work)网络的时序特征预测框架用于短期风功率的预测。首先通过SSA对历史风功率原始数据进行降噪处理,然后经过数据转换之后,以LSTM网络为基础进行预测模型的训练,最后通过某风电场提供的两个风机的历史功率数据进行验证。实验结果表明,奇异谱分析对风电场的历史数据具有良好的降噪性,SSA+LSTM模型在测试数据上取得了较好的预测性能,能够有效进行短期风功率的预测。