城市化进程中的水生态问题研究

水生态是整个自然生态系统中一个重要组成部分,按照它固有的规律实现着动态平衡。但人类社会在逐步的发展过程中,在开发和改造自然的过程中,水生态系统受到自然和人类的双重影响导致变化,这种变化往往是负面的、不可逆转的。在我们今天进行的城市化过程中,如何来避免对生态环境的破坏,如何恢复、重建适合新的形势下的水生态系统,是我们必须认真加以研究和解决的问题。     

厨房电器国际品牌为什么没成气候

在中国家电行业的发展历程中，油烟机、燃气具、消毒柜是个与其他家电截然不同的异类，整个行业市场几乎一直以国内品牌为主导．不管在市场占有率．销售额这些指标上还是在产品功能卖点的挖掘、推广上，国际品牌直没有什么可圈可点的成功战役，即使是象德国、日本有丰富运作经验和行业技术积累的品牌，到了中国市场也变得水土不服起来。     

增量式监督局部切空间排列算法及齿轮箱故障诊断实验验证

针对局部切空间排列算法面临的无法利用样本标签信息和不能高效处理增量式维数约简问题,提出一种新的增量式监督局部切空间排列算法(Incremental Supervised Local Tangent Space Alignment,ISLTSA)。为充分利用训练样本标签信息,在LTSA算法的基础上加入散度矩阵,构造新的最小目标函数,使得高维样本的低维嵌入坐标同类聚集、异类分离。对于新增样本可能影响部分训练样本局部邻域,更新全局坐标矩阵,获取训练样本低维坐标和新增样本低维坐标,并作为初值进行特征值迭代实现所有样本全局坐标的更新。结合支持向量机分类算法,将ISLTSA算法应用于齿轮箱的故障状态识别,实验分析验证了该方法的监督学习能力,可提高故障状态识别率,并具备增量学习能力,可降低维数约简方法的复杂度。     

基于BI-GRU改进的Seq2Seq网络的变压器油中溶解气体浓度预测方法

基于门控循环单元(GRU)构建双向多层门控循环单元,并引入编码器-解码器结构搭建Seq2Seq网络模型,通过优化神经元及神经网络结构提取时序数据依赖关系。同时引入注意力机制和Scheduled Sampling算法,自动获取与当前时刻预测输出显著相关的关键输入时间点,提高长时间预测的精度。变压器正常运行状态下的气体浓度预测算例结果表明,与基于简单GRU模型及简单Seq2Seq模型的方法相比,所提方法的预测误差更低且预测的发展趋势更符合真实值;变压器异常运行状态下的气体浓度预测算例结果表明,所提方法的平均相对误差和最大相对误差相比长短期记忆(LSTM)网络方法分别降低了0.73 %和2.31%。     

基于STC89C52单片机的蓄电池无线监测系统

设计了一款基于STC89C52单片机的蓄电池无线监测系统,能够同时监测多组蓄电池。使用DS2438智能监测芯片实时监测蓄电池工作状态参数,如温度、电压、电流和容量等,单片机读取数据,通过JDY-40无线通讯传输数据到接收端,当数值超出所设上下限时,系统就报警。通过对蓄电池工作状态的实时监控,实现对蓄电池的健康维护,延长蓄电池的使用寿命,确保用电设备能够安全、连续地运行。     

基于FF的温度变送器的研制

符合ＦＦ协议标准的现场总线仪表除了拥有常规的数字化仪表的优点之外,由于内嵌控制功能模块,可以用仪表直接构成完整的控制回路,实现传统上由ＤＣＳ、二次仪表等完成的功能,因此它还具有可靠、使用简单方便、可降低成本等优点,是今后几年数字化智能仪表的发展方向。因此,国内外都投入了很大的力量开发ＦＦ仪表,特别是从１９９８年ＦＦ基金会设立了标准测试机构以来,许多厂商纷纷开发出各自的ＦＦ产品。尽管目前符合ＦＦ标准的变送器的应用数量还不多,但预计今后几年将会大量取代传统仪表和ＨＡＲＴ仪表。国内相关单位也在积极开发…     

基于引力搜索的室内自适应RSSI定位算法

针对室内接收信号强度指示(received signal strength indication,RSSI)定位精度较低,无法实现动态跟踪参数变化的问题,将改进的引力搜索算法(GSA)应用于RSSI定位中.先利用极大似然估计得出定位模型的参数,再使用最小二乘法计算估计结果,最后利用引力搜索算法对估计结果和参数进行优化.该算法具有收敛速度快,精度高等优点.实验结果表明,该算法不仅能够提高定位的精度,而且能够实现动态跟踪RSSI定位数学模型中的参数变化,从而提高了其对环境变化的自适应能力.     

选择性融合多尺度筒体振动频谱的磨机负荷参数建模

针对目前采用经验模态分解(empirical model decomposition,EMD)得到的系列子信号构建的磨机负荷参数软测量模型泛化性能差、难以进行清晰物理解释,以及EMD算法存在的模态混叠等问题,本文提出了基于选择性融合多尺度筒体振动频谱的建模方法.首先采用EMD、集合EMD(ensemble EMD,EEMD)、希尔伯特振动分解(Hilbert vibration decomposition,HVD)共3种多组分信号自适应分解算法获得磨机筒体振动多尺度子信号的集合,接着通过相关性分析剔除虚假无关部分,然后再将与原始信号相关性强的那部分多尺度子信号变换至频域,进而更有利于构建这些多尺度频谱与磨机负荷参数间的映射模型,最后通过改进分支定界选择性集成(improved branch and bound based selective ensemble,IBBSEN)算法建立软测量模型,实现对多源多尺度筒体振动频谱的最优选择性信息融合.基于实验球磨机运行数据的仿真实验表明所提方法在模型可解释性和泛化性能上均优于之前研究所提出方法.     

基于EMD和选择性集成学习算法的磨机负荷参数软测量

针对磨机筒体振动和振声信号组成复杂难以解释、蕴含信息存在冗余性和互补性、与磨机负 荷参数映射关系难以描述等问题,提出了基于经验模态分解（Empirical mode decomposition,EMD）技术和选择性集成学习算法分析 筒体振动与振声信号组成,建立磨机负荷参数软测量模型的新方法.首先从机理上定性分析了筒 体振动及振声信号组成的复杂性;然后采用EMD技术将原始信号自适应分解为具有不同时间尺度的系列组 成成分,即本征模态函数（Intrinsic mode function,IMF）;接着在频域内基于互信息（Mutual information,MI）方法分析并选择IMF频谱特征;最后采用基 于核偏最小二乘（Kernel partial least square,KPLS）建模方法、分支定界优化算法的选择性集成学习方法建立磨机负荷参数软测量模型,实现了多源多尺度频谱特征的选择性信息融合.基于实验球磨机的实际运行数据仿真验证了该方法的有效性.     

基于虚拟样本生成技术的多组分机械信号建模

采用具有多组分、非平稳、非线性等特性的机械振动/振声信号构建数据驱动软测量模型,是目前工业界测量高能耗旋转机械设备内部难以检测过程参数的常用手段.针对机械信号产生机理的复杂性导致模型解释性弱,以及工业过程连续不间断运行和机械设备旋转封闭的特殊性导致获取完备训练样本的经济性差和周期性长等问题,本文提出一种基于虚拟样本生成（Virtual sample generation,VSG）技术的多组分机械信号建模方法.首先,将机械信号自适应分解为具有不同时间尺度的平稳子信号并变换为多尺度谱数据;接着,采用适合于小样本高维数据建模的改进选择性集成核偏最小二乘（Selective ensemble kernel partial least squares,SENKPLS）算法构建面向真实训练样本的基于可行性的规划（Feasibility-based programming,FBP）模型,提出一种综合先验知识和FBP模型等手段面向高维谱数据的VSG技术,用以弥补真实训练样本的短缺问题;然后,基于互信息（Mutual information,MI）对由真实和虚拟训练样本组成的混合建模数据进行自适应特征选择;最后,基于约简的混合训练样本采用SENKPLS构建软测量模型.以近红外谱数据和磨矿过程实验球磨机的筒体振动/振声信号验证所提VSG技术和面向多组分机械信号建模方法的合理性和有效性.