改进的CNN-LSTM轴承故障诊断方法

为了克服卷积神经网络(Convolutional Neural Network, CNN)轴承故障诊断方法特征提取过程困难以及难以捕获时间序列数据之间的长期依赖关系的问题,提出一种改进的卷积-长短时记忆网络(Convolutional Neural Network-Long and Short Term Memory, CNN-LSTM)滚动轴承故障诊断方法。将二维轴承加速度振动信号输入CNN提取局部特征,再将轴承特征信息加载到LSTM长期记忆单元中,引入遗忘机制提取时序数据的全局特征。利用轴承振动信号的局部深层特征和全局时序特征,学习不同区间长度的序列特征,从而提高故障诊断精度。实验结果表明,该方法可用于轴承故障诊断,且具有较高的分类精度和较强的稳定性。     

基于图像分割的摩尔斯信号检测算法

摩尔斯信号在通信领域应用广泛,具有十分重要的研究价值。但是,由于短波信道比较复杂,环境恶劣,信号质量差,短波宽带条件下的摩尔斯信号检测问题一直没有较好的解决方案。基于此,提出了一种基于时频图和图像分割的摩尔斯信号检测算法。算法主要分为粗检测和识别两部分,粗检测是指基于图像分割的方法,从宽带数据中初步检测出摩尔斯信号;识别部分是指通过提取最大持续长度等特征,逐级排除非摩尔斯信号,进一步识别摩尔斯信号。实际信号测试表明,该算法对摩尔斯信号的正确检测率为96%以上,虚警率小于7.2%,相较于对比算法整体性能较好,具有一定的工程应用价值。     

基于长短时记忆网络的航线市场份额预测

当前主流航线市场的份额预测方法是服务质量指数（QSI）模型,但此方法需要模型线性化和大量人工经验. 提出基于长短时记忆网络的航线市场份额预测模型,利用该模型对航班市场份额进行预测,并通过在简化数据集上进行试验来验证模型的有效性. 以均方根误差为评价指标,对模型的参数进行优化,分别测试运力预测,QSI模型和提出的预测模型等3种方法的预测精度. 试验结果表明提出的模型能更好地预测航线市场份额,均方根误差在0.1左右.     

基于LSTM的阀冷系统入水温度及冷却裕度预测

为解决换流站阀冷系统状态缺乏智能预测手段和极端工况下冷却能力是否充裕难以评估的问题,提出基于长短期记忆网络(long short-term memory, LSTM)的换流阀冷却裕度预测方法。在阀冷系统冷却裕度指标量化评估的基础上,考虑多源影响因素,通过相关性强弱选择特征量并构建数据样本集,利用长短时记忆网络建立预测模型,并基于大量实际样本数据进行训练,对入水温度和冷却裕度发展趋势做出预测、提前预警,同时提供极端工况下冷却裕度的分析模型,为现场处理决策提供依据。通过穗东换流站的实例分析,验证了算法的有效性和可行性。     

基于全局灵敏度的互联电网阻尼提升策略

针对互联电网中潜在的弱阻尼低频振荡,提出了一种基于索波尔(Sobol')法全局灵敏度的阻尼提升策略,实现低频振荡的早期有效抑制.首先,利用随机子空间辨识(stochastic subspace identification,SSI)算法实现从系统随机响应数据中提取系统的振荡频率、阻尼比等,当系统的区间模式阻尼比小于5％时发出预警,进而利用Sobol'法辨识影响系统阻尼的关键机组,实现参调发电机的选取,并应用优化算法快速确定有功功率调整量,实现区间弱阻尼模式阻尼比的提升.最后,利用IEEE 4机2区系统的仿真结果验证了本文算法的有效性和可行性.     

基于反向学习与混合位置中心的樽海鞘算法

为解决樽海鞘算法收敛速度慢和易陷入局部最优解的问题,引入不同的优化策略,提出一种基于反向学习与混合位置中心相结合的樽海鞘算法。该算法在更新领导者位置时进行反向学习;在每次迭代更新中引入位置加权中心和位置均值中心,通过比较不同位置中心值的优劣程度得到更佳食物源位置。在8个不同类型的基准测试函数上的实验结果表明,改进的樽海鞘算法在求解精度、收敛速度上均有明显的提高,且具有更佳的鲁棒性。     

超声波探伤仪时基线和灵敏度的调整

时基线和灵敏度的调整是 A型显示超声波探伤仪最基本的操作技能。它关系到缺陷定位、定量、定性的准确性和检测结果的可靠性。而曲面试件的横波探伤 (包括管类、棒类、椭圆封头类及管座类试件 ) ,涉及到参考试块和参考反射体类型、尺寸的选择 ,斜探头接触面的修整 ,探头入射角、折射角及曲底面声束入射角的测定 ,也涉及到在凸曲面或凹曲面上扫查时 ,缺陷深度位置和水平位置的修正计算 ,以及检测灵敏度的传输修正等一系列问题。对这些关键技能的运作与校验 ,在国内相关标准 (如 JB4730、GB1 1 345等 )中 ,均未展开细述 ,但这份欧洲标准 ( EN5 83- 2 :2 0 0 1 )可令操作者茅塞顿开 ,眼明心亮。相信本标准中的那些图、表、公式 ,特别是附录 B、C、E的内容 ,对国内 UT人员有关这方面的基本功 ,能起夯实和强化作用。另外 ,也望本标准的引见 ,能为 UT常规技术的国际接轨 ,献一孔之见。为适应国内读者的阅读习惯 ,译者已将有关参数符号作了“国有化”处理—即用众所悉知的常用符号取代了一些生僻、烦琐的符号     

支持上下文感知服务的中间件原型*

提出了基于传感器网络环境的上下文感知应用开发中间件原型的体系结构MidCASE,重点阐述了中间件的体系结构设计和软件运行时基于服务的分布式运行架构.讨论了上下文感知过程中的两个关键问题,包括上下文信息建立的方法和感知过程中上下文信息与高层通信的调度模型.最后,以该中间件原型为基础,通过在医疗护理的场景下实现上下文感知应用并证明了其易用性与支撑作用.     

基于粒子群算法的移动机器人全局最优路径规划*

以栅格法和粒子群算法为基础,提出了一种新的机器人实时全局最优路径规划方法.该方法包括采用栅格法对环境进行建模和直接运用粒子群算法在环境模型中搜索全局最优路径.在计算机上进行了仿真,仿真结果证明了该方法的可行性和有效性.     

基于鲁棒学习算法的水下机器人神经网络控制

针对水下机器人神经网络控制系统响应速度慢及对噪声较敏感的问题,依据变结构控制理论,结合误差反向传播学习算法,推导出一种新颖的强鲁棒性学习算法,并详细讨论其全局稳定性条件,最后在水下综合探测机器人仿真平台上进行了试验研究.结果表明,控制器对学习率的改变和外界扰动有很强的鲁棒性,大大降低了机器人机械传动系统的磨损,且能够保证神经网络快速、稳定地学习,从而满足实时性控制的要求,具有较高的理论和实用价值.