基于变分模态分解和改进粒子群算法优化最小二乘支持向量机的短期电价预测

针对电价序列具有非线性强、波动性大的特点,提出一种基于变分模态分解(VMD)和改进粒子群算法(PSO)优化最小二乘支持向量机(LSSVM)的短期电价预测模型.首先利用VMD将原始电价数据分解为多个子序列,然后采取LSSVM模型分别对子序列进行预测.对于LSSVM预测模型的最优参数选择问题,利用改进的PSO优化LSSVM模型的参数,能够很好地提高模型预测精度.最后集成各子序列预测结果,获得最终电价预测值.为了验证所提模型的有效性,以美国PJM市场电价数据为例进行分析,并与其他预测模型进行对比,结果表明,所提模型能够很好地对短期电价进行预测.     

奥氏体不锈钢管道点蚀泄漏的失效分析及预防措施

本文基于不锈钢的点蚀机理,对存储设备的不锈钢管道发生泄漏的异常事件,通过金相组织、材料成分分析、腐蚀产物成分分析及腐蚀物来源等多方面分析验证,分析认为自来水中含有一定数量的钙、镁盐等类物质,长期在管道中静态留滞形成沉淀物覆盖在不锈钢管道内壁上,阻碍了不锈钢表面的自钝化平衡态[1],破坏了不锈钢表面含铬氧化膜,在氯离子的催化下加快了不锈钢管道点蚀速率,从而使不锈钢管道出现点蚀泄漏.最后,文章对不锈钢管道点蚀问题提出预防措施.     

直裁机动作优化及产能提升改造

90度钢丝帘布裁断机,是用来在规定的宽度下,以90度角裁切未硫化的钢丝帘布,最后通过卷取装置卷成需要长度的帘布卷。同时,可对拼接后的钢丝帘布进行贴合子口包胶及包边等操作,从而形成一条钢丝帘布裁断与拼接的自动生产线。本文介绍了对直裁机的动作优化和提升产能进行的改造。     

精功科技完成首条千吨级碳纤维生产线国产化

浙江精功科技宣布,截止到目前已先后完成1条500t级碳纤维生产线的升级改造和4条千吨级高性能生产线的交钥匙工程。2020年交付的千吨线,是精功科技最新推出的2500 t级25K/50K大丝束碳纤维生产线,为吉林精功碳纤维有限公司定制,系国内首条接近全国产化的千吨级别生产线。整线除卷绕机外,其余全部由精功科技自主完成设计、制造、安装和调试。     

基于特征融合和粒子群优化算法的运动想象脑电信号识别方法

由于运动想象脑电信号的信噪比较低,特征提取和特征选择比较困难,无法获得较高的分类准确率。针对上述问题,该文提取了时域、频域和空间域3个观察面的特征,并采用粒子群优化算法结合随机森林分类器来进行特征筛选。具体过程为,首先根据R2图来对信号进行带通滤波;其次,使用小波软阈值和得分共空间模式算法进行去噪和通道筛选;然后,通过3种算法提取时频域和空间域特征,待特征融合之后使用基于随机森林分类器的评价指标作为PSO的适应度函数,进行特征选择;最后,运用3种分类器以及集成分类器来验证效果。实验结果显示,通过特征融合以及特征选择可以去除冗余信息,保留有效信息,最终的分类正确率达到98.3%,为该技术在医疗康复等领域应用提供了新的方法。     

多干扰源下热连轧机主传动系统扭振问题研究

针对热连轧机主传动系统扭转振动问题,考虑非线性刚度及阻尼项,建立连轧机在电机谐波干扰及负载谐波干扰下的主传动系统扭转动力学模型。采用多尺度法求解非线性动力学系统的1/2倍亚谐、2倍超谐及组合共振幅频响应方程。以某钢企中1 580 mm热连轧机F2主传动系统为例,分析实际参数下不同非线性刚度、非线性阻尼、电机扰动及线性阻尼对主传动系统亚谐、超谐及组合共振的幅频响应的影响。研究结果为揭示热连轧机主传动系统非线性动力学特性问题机理提供实用参考。     

渤海油田测调一体分注关键技术改进及应用

针对渤海油田常规测调一体分层注水工艺测调效率偏低、无法实现分层静压测试等问题,开展了测调一体分注工艺关键技术改进。通过合理优化管柱结构,实现注水压力平衡,减小大排量注水造成的管柱蠕动;配水器采用桥式通道设计,大幅度增加过流面积,降低层间干扰,进一步提高测调效率;同时在配水器本体增设传压孔,建立地层-油管传压通道,并配套静压测试仪,实现了分层静压测试功能。改进工艺在现场应用中取得良好效果,调配效率明显提高,平均单井调配仅耗时6 h;分层静压测试功能可靠,能够准确判断超压层,为分层配注调整提供了依据。改进工艺在渤海油田的适应性显著增强。     

基于变量选择深度信念神经网络的风速预测

风速波动具有随机性和不确定性,导致风速预测的准确度不高。准确的风速预测对于优化风电运行策略和提高发电效率具有重大意义。利用最大信息系数(Maximal Information Coefficient,MIC)对风机SCADA数据进行变量相关性分析,并以MIC值大小对原始变量排序,将包含7项变量的子集作为深度信念网络(Deep Belief Network,DBN)输入,得到MIC-DBN风速预测模型。基于风场实际数据将MIC-DBN模型与BP神经网络模型和GA-BP模型进行测试对比,实验结果表明,MIC-DBN风速预测模型的预测精度和泛化性能具有良好的效果。     

基于局部线性嵌入和支持向量机回归的TBM施工参数预测

依托吉林引松工程开展隧道掘进机（TBM）施工参数预测研究,提出TBM施工数据分段提取算法,提取上升段前30 s的总推进力、刀盘转速、推进速度、刀盘扭矩、刀盘转速电位器设定值、推进速度电位器设定值、贯入度、贯入度指数(FPI)、扭矩切深指数(TPI)9个参数作为输入;通过局部线性嵌入（LLE）完成对上升段数据特征的降维;基于支持向量机回归（SVR）建立TBM施工控制参数（推进速度、刀盘转速）和负载参数（总推进力、刀盘扭矩）预测模型. 分析是否结合前一掘进循环的FPI、TPI指数进行预测对预测效果的影响. 结果表明,上述方法在推进速度、刀盘转速、总推进力、刀盘扭矩的预测中均取得了较好的预测效果,平均预测绝对百分比误差均小于15%,验证了该预测方法的有效性,该方法可以为TBM现场施工提供指导.     

基于GWO-SVM的下肢假肢穿戴者骑行相位识别

针对下肢假肢穿戴者骑行相位识别的问题,提出基于灰狼算法优化的支持向量机(GWO-SVM)分类模型. 建立下肢多源信息系统,采集膝关节、踝关节的加速度信号以及膝关节角度信号. 应用奇异值分解,对采集到的信号进行降噪处理. 在对信号进行降噪处理之后,为了避免单一信号不确定的影响,从数据冗余角度,选取各信号的特征点,开展归一化处理,组成多维特征向量,作为SVM分类模型的输入. 为了能够进一步提高分类精度,加强全局优化能力,利用GWO算法对核参数进行优化. 通过与PSO-SVM分类模型、GA-SVM分类模型对比表明,基于GWO优化的SVM分类模型对骑行相位的识别率为94%,高于其他方法优化的SVM分类模型.