关于电学基础课程物理量的量纲与单位的讨论

本文从“量”的等式观点出发,阐述了电学基础课程相关物理量的量纲与单位问题,包括将已知量代入方程的方法,导出量纲与导出单位,标准函数的量纲等。特别指出,单位冲激函数的量纲是倒时间量纲,单位阶跃特性s(t)与单位冲激特性h(t)都是响应与激励量值的某种比值,它们都不具有电压或电流的量纲,不是普通意义上的响应。唯此,卷积积分公式的量纲才能平衡。本文目的是激发广大教师在课程教学中努力探索量纲问题的积极性。     

基于深度学习的监督型典型相关分析

典型相关分析（CCA）是利用综合变量对之间的相关关系反映两组指标之间整体相关性的多元统计方法。传统的CCA方法无法有效利用样本的标签信息,导致准确率降低。将类信息融入到深度学习与CCA相结合的深度典型相关分析中,提出一种监督型降维方法DL-SCCA,用于处理带标签的非线性可分数据。在2个独立的深度神经网络（DNN）结构上,增加1个公共的输出维数与数据集类别数相同的全连接层,并且以softmax函数作为该层的激活函数,输出带有概率意义的编码向量。在此基础上,利用全连接输出与样本标签信息之间的交叉熵对DNN进行训练,获得分类性能较优的低维特征。实验结果表明,该方法采用最近邻分类器和网络本身结构得到的分类准确率分别为98.00%和97.82%,相比CCA、DisCCA、DCCA等方法,能够有效利用样本的标签信息,并且具有较优的分类性能。     

Probabilistic crack trajectory analysis by a dimension reduction method

This paper proposes a novel analysis method of stochastic crack trajectory based on a dimension reduction approach. The developed method allows efficiently estimating the statistical moments, probability density function and cumulative distribution function of the crack trajectory for cracked elastic structures considering the randomness of the loads, material properties and crack geometries. First, the traditional dimension reduction method is extended to calculate the first four moments of the crack trajectory, in which the responses are eigenvectors rather than scalars. Then the probability density function and cumulative distribution function of the crack trajectory can be obtained using the maximum entropy principle constrained by the calculated moments. Finally, the simulation of the crack propagation paths is realized by using the scaled boundary finite element method. The proposed method is well validated by four numerical examples performed on varied cracked structures. It is demonstrated that this method outperforms the Monte Carlo simulation in terms of computational efficiency, and in the meanwhile, it has an acceptable computational accuracy.     

基于LMD的PWM整流电路故障特征提取新方法

脉冲宽度调制(PWM)整流电路结构日益复杂,对其可靠运行提出了更高的要求;对局域均值分解(LMD)用于PWM整流电路的故障特征提取进行研究,提出一种基于LMD和加权频带能量法的特征提取新方法;该方法通过逐步抽取调频调幅成分将故障信号在频域上展开,然后基于信号能量的频带分布特点,充分考虑各频带成分与故障的相关性,构造故障特征向量,实现特征提取;最后以PWM整流电路为例进行仿真,相电压380V,仿真时间0.5s,0.1s时注入故障;结果表明,该方法能有效地提取故障信号的特征,并降低特征向量的维数。     

一种基于降维密度聚类的船舶异常轨迹识别方法

目的 有效分析和探索海洋船舶时空轨迹行为模式,提高船舶轨迹聚类的效率与质量,更好地检测真实船舶的异常行为。方法 针对当前船舶轨迹数据研究中存在的对多维特征信息利用不足、检测效率不高、检测精度较差等问题,提出一种精确度高、能自主识别分析多维特征的船舶异常轨迹识别方法。首先利用随机森林分类器评估多维特征重要性,构建轨迹特征的最优组合;然后提出一种降维密度聚类方法,将T–分布随机邻域嵌入(T–SNE)和自适应密度聚类(DBSCAN)模型结合,通过构建特征选择层和无监督聚类层实现对数据元素非线性关系的高效提取以及对聚类参数的智能选择;最后根据聚类结果构建类簇特征向量,计算距离阈值判别轨迹相似度,实现轨迹异常检测模型的构建。结果 以UCI数据集为例,降维密度聚类方法对4、13、30、64维特征数据集的F1分数能达到0.9 048、0.9 534、0.8 218、0.6 627,多个聚类指标均优于DBSCAN、K–Means等常见聚类算法的。结论 研究结果表明,降维密度聚类方法能有效提取数据多维特征结构,实现聚类参数自适应,弥补密度聚类中参数难以确定的问题,有效实现对多种类型船舶轨迹异常的识别。     

木材断裂解离分形特征与分形断裂力学模型研究

目的 以椴木为研究对象,研究冲击载荷作用下椴木试件的断裂解离形貌特征和断裂力学特性,建立适用于木材原料断裂解离的分形断裂力学模型,并对其断裂解离力学行为进行描述。方法 对椴木试件进行冲击加载试验,分析试件断口的形貌特征和断裂力学特性,构建适用于木材原料断裂解离的分形断裂力学模型。结果 椴木试件横向冲击断裂断口裂纹形状和断口形貌特征比纵向冲击复杂,横、纵向冲击断裂断口均具有分形特征;椴木试件纵向冲击断裂韧性均值是横向冲击断裂韧性均值的1.112倍,椴木试件横、纵向冲击断口的分形维数均值分别为2.063 5和2.075 1,椴木试件横、纵向冲击韧性与其断口分形维数之间存在线性正相关关系,拟合优度分别为0.778 7和0.812 2;构建的木材原料断裂解离临界解离应力和断裂韧性的分形断裂力学模型也适用于脆性材料。结论 在木材原料冲击断裂解离时,木材原料初始裂纹长度越短,断裂解离断口越粗糙复杂,木材原料断裂解离所需要的能量越大;当裂纹沿着与冲击加载力方向垂直成大约1.055rad方向扩展时所需的能量最小,木材原料最易沿该方向进行断裂解离。     

不同因素影响下混凝土立柱爆破效果的模型试验研究

钢筋混凝土建（构）筑物爆破拆除过程中,混凝土立柱最终的破碎效果不仅与炸药单耗、孔网参数等有关,还与立柱的受力状态有关。为研究截面应力和单位面积炸药量对不同强度混凝土立柱破碎效果的影响,利用自主研制的力学试验系统进行了15组爆破试验,从碎块筛分和分形维数两方面分析爆破效果。结果表明:对于相同强度的试件,截面应力一定时,随着单位面积炸药量的增加,分形维数整体上不断递增;但单位面积炸药量超过0.18 kg/m²后,增势有所放缓,截面应力为2 MPa和4 MPa的立柱趋势变化最为明显。单位面积炸药量一定时,随着截面应力的增加,碎块分形维数不断增大,当单位面积炸药量小于0.15 kg/m²时,0~2 MPa之间的截面应力增加会对分形维数有一定的抑制作用;当单位面积炸药量大于0.15 kg/m²时,截面应力的增加对分形维数起到促进作用。可为拆除爆破中的参数设计及优化提供理论依据,达到了控制爆破危害、改善爆破效果的目的。     

Model-based Predictive Control for Spatially-distributed Systems Using Dimensional Reduction Models

In this paper, a low-dimensional multiple-input and multiple-output (MIMO) model predictive control (MPC) configuration is presented for partial differential equation (PDE) unknown spatially-distributed systems (SDSs). First, the dimension reduction with principal component analysis (PCA) is used to transform the high-dimensional spatio-temporal data into a low-dimensional time domain. The MPC strategy is proposed based on the online correction low-dimensional models, where the state of the system at a previous time is used to correct the output of low-dimensional models. Sufficient conditions for closed-loop stability are presented and proven. Simulations demonstrate the accuracy and efficiency of the proposed methodologies.     

基于中心距序降维的聚类算法

为提高金融业务数据集上的聚类质量和聚类效率,提出簇的直径、簇间的相似度这2个概念。利用距离尺度降维的中心距序降维法,将多维数据降至一维,在一维上利用自适应排序聚类算法ASC聚类。该算法和传统的Cobweb算法、K-means算法做对比,实验表明该方法能提高簇间相似度,最大提高200%。     

基于多嵌入维数的风力发电功率组合预测模型

为了减小混沌系统的重构参数对预测结果的影响,提出了基于多嵌入维数的风力发电功率组合预测模型.分别使用线性加权算法和神经网络算法对单一的基于相空间重构的神经网络模型进行组合,既综合了各嵌入维数下的信息,又将各维数下的预测偏差进行融合,从而有效提高了预测精度.通过对黑龙江富锦风电场的功率时间序列进行验证,证实了该组合模型的有效性,神经网络非线性组合算法的预测误差小于7%.