基于分组遗传算法的集成多样性增强及其应用

为了解决复杂工业过程的概念漂移问题,提高集成学习模型的泛化性能,基于分组遗传算法,提出一种用于提升基学习器间多样性的建模方法.该方法以在线极限学习机作为基学习器,根据基学习器在滑动窗口上的性能对其进行分组,并执行进化操作,同时引入基因流概念,增加了基学习器间的多样性,提高了集成算法在处理概念漂移数据流时的预测性能.最后使用合成数据集和真实数据集验证了所提算法的合理性与有效性.     

胶合竹板-钢管约束收尘石粉混凝土柱的偏压性能

提出了一种新型的胶合竹板-钢管复合约束收尘石粉混凝土柱(BSDCC)构型,可集成开发利用工业固废物和竹材资源.对12根BSDCC试件进行了偏心抗压试验,从试件的表观破损全过程、薄壁钢管的失效形态、载荷-位移曲线以及各基体的应变发展规律等多个角度分析了其破坏机理.通过非线性回归分析,建立了BSDCC偏心抗压承载力计算公式.试验结果表明:BSDCC的偏心抗压破坏形态主要为柱身中部横向约束拉杆之间的胶合竹板开胶剥离破坏和胶合竹板材料局部压屈破坏,其极限载荷不仅与偏心距、长细比、截面积和含钢率相关,而且受约束拉杆间距比的影响明显;钢管内填充低强度的收尘石粉混凝土可有效改变试件的极限破坏模式,提高极限承载力;与胶合竹板-薄壁钢管空芯柱的极限压应力相比,BSDCC的极限压应力平均提高了25％.     

基于量子粒子群优化极限学习机的频谱感知算法

针对无线信道环境中低信噪比情况下主用户信号检测率较低的问题,提出了一种基于量子粒子群优化极限学习机(E L M)算法的认知无线电网络频谱感知方法.针对极限学习机算法的特点通过量子粒子群算法(Q P S O)优化极限学习机参数,并构建引入结构风险思想的QPSO-ELM模型,降低算法的经验风险提高模型的泛化能力,提高算法的频谱感知性能.仿真实验表明,与人工神经网络(A N N)、支持向量机(S V M)和极限学习机(E L M)三种机器学习算法,在信噪比为-15 dB时的频谱感知性能进行比较,分别提高了16％、28％、9％,仿真证明所提算法在低信噪比情况下具有较高的性能,可有效地实现对主用户信号的频谱感知.     

大规格角钢轴压杆件螺栓节点强度研究

针对大规格角钢轴心受压杆件强度计算问题,利用ANSYS有限元分析软件进行建模分析,得到了轴心受压角钢杆件螺栓节点应力分布、变形特征以及极限承载力,将计算结果与规范DL/T 5154-2012《架空输电线路杆塔结构设计技术规定》公式计算结果进行对比分析,结果表明:规范给出的计算公式偏于保守;根据有限元计算结果,对规范公式进行修正,得到的结果能真实反映轴心受压角钢杆件螺栓节点实际受力情况.     

基于极限过程学习机的储层微观孔隙结构识别

准确分析储层岩石的微观孔隙结构特征是发挥油气层的产能和提高油气采收率的关键.构建一种具有过程式输入的极限学习机模型,并提出基于灰狼优化算法原理改进的混洗蛙跳算法对模型的网络隐层节点个数及网络权值进行优化,利用基于张量乘积矩阵的广义逆求解方法加速极限过程学习机模型的求解.实验结果表明:与5种改进混洗蛙跳算法对比,所提的算法无论在6个高维函数优化还是微观孔隙结构类型识别方面都取得了最好的优化效果,具有很好的实际应用价值.     

基于极限学习机的变压器热点温度实时预测方法研究

油浸式变压器的负载能力和运行寿命与其热点温度密切相关,准确预测变压器热点温度对监测变压器健康状态和制定动态增容决策有着重要意义.为了预测变压器热点温度,以变压器负载率、环境温度和顶层油温为特征值,采用BP神经网络、Elman神经网络和极限学习机(extreme learning machine,ELM)3种方法分别拟合变压器的热点温度,结果表明,ELM模型的拟合度更高,运算速度更快.通过温度、湿度、天气类型等7类变压器运行历史数据,构建基于支持向量回归(support vector regression,SVR)的电力负荷预测模型,将预测结果作为ELM模型的前置输入,提出一种基于极限学习机的变压器热点温度实时预测方法.以某220 kV油浸式变压器的运行数据为样本对该方法进行验证,发现预测值与真实值的误差在±1℃之内,表明该预测方法具有良好的预测精度.     

产品图样设计基础标准应用应注意的几点

本文对产品设计图样中经常涉及到的有关基础标准的应用，简要地进行了解析，以使设计人员在设计过程中更正确地应用标准。     

基于博弈论准确性和差异性兼优的选择性集成建模方法及其应用

集成学习相较于单模型具有更好的预测精度和泛化能力,被广泛应用于工业过程的质量预测.基学习器之间的多样性和基学习器的准确性对集成的泛化能力影响极大.为了进一步提高集成模型的泛化能力,提出一种同时考虑准确性和差异性的选择性集成建模方法.以在线极限学习机作为基学习器,将基学习器的准确性和基学习器对集成模型多样性的贡献率作为博弈双方,利用博弈论原理求解得出使集成模型准确性和多样性都达到最优的选择方案,使集成模型的准确性和多样性兼优;模型预测完成后,综合当前误差和历史记录误差对基学习器的权重进行在线更新,实现在线测量阶段对建模对象特性的动态自适应.最后,使用公开数据集和实际工业数据验证了所提算法的合理性和有效性.     

考虑有功-无功协同优化的风场、光伏电站储能系统容量配置研究

为促进配网对风电、光伏的消纳,减少因高渗透率的分布式电源导致的电压波动,构建了以储能投资成本、购电成本、弃风弃光成本和网损成本最小为目标的蓄电池储能系统容量优化配置模型.首先,利用具有四象限运行特性的储能系统、有载调压变压器、分组投切电容器组对配网的有功无功进行协同优化.然后,采用融合时空关联特性的极限场景集描述可再生能源出力,使用大M法和二阶锥松弛技术将上述模型转化为混合整数线性规划问题,求解得到储能最优容量配置和有功-无功协同优化策略.最后,以IEEE-33节点系统为例进行分析.仿真结果表明,所提模型和方法能够提高配电网的电压质量和风电、光伏的消纳水平.     

脉冲等离子体作用下SF6气体间隙的极限导通特性

为了探究脉冲等离子体作用下SF6气体间隙的极限触发特性,搭建了SF6气体开关间隙平台,设计实验研究了不同间隙距离、气压、触发能量下毛细管放电等离子体触发SF6气体间隙的最低工作系数和导通时延.实验结果表明,SF6气体开关最低工作系数随气体开关间隙增大而提高,随工作气压增高而提高,随触发能量的增大而降低,毛细管脉冲等离子体喷射触发技术能在5％的工作系数以下可靠触发导通工作气压为0.1～0.3 MPa,间隙距离不超过50 mm的SF6气体开关间隙,并给出了不同气压、间距条件下最低工作系数的经验公式.