基于改进EEMD-SE-ARMA的超短期风功率组合预测模型

针对风力发电功率时间序列具有非线性和非平稳性的特性,提出了一种改进的集成经验模态分解(Modified Ensemble Empirical Mode Decomposition,MEEMD)-样本熵(Sample Entropy,SE)-ARMA的风电功率超短期组合预测模型。将EEMD分解中添加的白噪声信号改为添加绝对值相等的正负两组白噪声信号,并将MEEMD分解过程中的EMD步骤使用端点延拓和分段三次埃尔米特插值进行改进,形成一种改进的EEMD分解算法(即MEEMD)。利用MEEMD-SE将风力发电功率时间序列分解为一系列复杂度差异明显的风电子序列;针对每一个不同的子序列建立适当的ARMA预测模型;将各预测分量进行叠加重构,得到最终的风电功率预测值。通过算例分析及与其他几种预测模型预测结果的对比,证明MEEMD-SE-ARMA组合预测模型可以有效地提高风力发电功率超短期预测的精度。     

基于数据降噪的冷轧板形调控功效系数获取

 针对轧制过程实际数据噪声大、难以获取准确板形调控功效系数的问题,提出了一种融合集成经验模态分解(EEMD)和小波变换(WT)的数据降噪方法。将含有噪声的实际生产数据经过EEMD分解后,利用小波变换方法对噪声主导的本征模态分量(IMF)进行降噪处理,处理后的噪声分量与其余分量重构得到降噪后数据,并结合结构方程模型(SEM)计算得到板形功效系数。利用1 450 mm五机架冷连轧生产线实际数据进行试验,结果表明,EEMD-WT-SEM方法可以有效降低数据噪声,有效提升板形调控功效系数的准确性。     

基于贝叶斯决策模型的热轧卷筒电机故障诊断

卷筒电机是卷筒的动力来源,对钢卷卷形质量和卷取稳定性有着重要影响。针对热连轧机组卷取工序中卷筒电机的鼠笼条断裂问题,通过从现场采集卷筒电机电流信号,并经过信号截取、滤波、拟合等操作提取出信号特征,利用多元高斯模型进行建模,并基于最小风险的贝叶斯分类算法对其进行故障诊断。试验结果表明,采用最小风险贝叶斯决策模型可以较好地识别卷筒电机的鼠笼条断裂故障,与支持向量机、Fisher等分类器相比,该方法具有较好的分类效果,且通过调节风险系数能够增强对异常样本的捕获能力。     

基于HALCON的发票号字符识别研究

为了解决人工方式识别发票号效率低下、费时费力的问题,以HALCON软件为平台,对发票号进行识别,首先,对读取的图像进行图像预处理,包括把原图像转化成单通道图像、图像增强、高斯滤波、阈值分割和连通区域分割,然后对预处理后的图像进行数学形态学处理,接着把粘连的数字拆分开,最后用基于多层感知分类器(MLP)对发票号数字进行识别.通过与人工方式的方法对比,结果表明,用基于HALCON的方法,发票号数字能被快速、精确的识别出来,有效的减少了人员的工作量,提高了工作效率.     

EEMD在激光测云仪后向散射信号处理中的应用

激光测云仪后向散射信号是典型的非线性、非稳态信号,容易受噪声污染。针对该问题采用集成经验模态分解(EEMD)去噪算法进行处理,首先对含噪信号进行经验模态分解(EMD),将分解后的IMF分量进行自相关性分析,找出含噪占有量较大的IMF分量,对其进行SG(savitzky-golay)滤波,最后将滤波后的IMF分量和剩余分量进行信号的重构。经仿真实验结果表明,与传统的EMD方法相比,EEMD方法处理含噪信号后的输出信噪比提高了1.695 dB,均方误差平均降低了30%以上,说明该方法可以适用于非线性、非稳态的后向散射回波信号去噪处理,能为激光测云仪下一级的云底高度反演提供高信噪比的初始数据。     

基于卷积神经网络的光学遥感图像检索

提出了一种基于深度卷积神经网络的光学遥感图像检索方法。首先,通过多层卷积神经网络对遥感图像进行卷积和池化处理,得到每幅图像的特征图,抽取高层特征构建图像特征库;在此过程中使用特征图完成网络模型参数和Softmax分类器的训练。然后,借助Softmax分类器在图像检索阶段对查询图像引入类别反馈,提高图像检索准确度,并根据查询图像特征和图像特征库中特征向量之间的距离,按相似程度由大到小进行排序,得到最终的检索结果。在高分辨率遥感图像数据库中进行了实验,结果显示:针对水体、植被、建筑、农田、裸地等5类图像的平均检索准确度约98.4%,增加飞机、舰船后7类遥感图像的平均检索准确度约95.9%;类别信息的引入有效提高了遥感图像的检索速度和准确度,检索时间减少了约17.6%;与颜色、纹理、词袋模型的对比实验表明,利用深度卷积神经网络抽取的高层信息能够更好地描述图像内容。实验表明该方法能够有效提高光学遥感图像的检索速度和准确度。     

BGA焊球视觉检测算法及系统设计

为了实现对BGA焊球的自动检测,建立了自动视觉检测系统。对系统所采用的焊球特征进行提取及缺陷识别,基于高斯混合模型的分类器对检测算法进行研究。根据焊球的形状和尺寸特征设计了焊球缺陷识别和分类算法,并以锡多、锡少和毛刺缺陷为例,分析典型缺陷的识别算法。以焊球形状的圆度和特征区域的面积等特征参数为评价标准,构建二维特征空间。在二维特征空间线性组合的基础上,构建基于高斯混合模型的分类器。构建了训练样本集,并对该分类器进行训练,根据训练结果并结合应用实际修正了模型,并采用测试集对该分类器进行测试验证。实验结果表明,焊球缺陷检测算法的准确度为97.06%,漏判率为0%,检测可靠度为100%。该视觉检测系统满足了工程运用中对识别准确度、稳定性、可靠性等方面的要求。     

涡流空气分级机的发展与应用

随着羰基铁粉市场的细化,市场需要粒度更小、分布区间更窄的羰基铁粉,为满足这一需求,我们做了大量市场调研,根据羰基铁粉特性与流能粉体设备有限公司合作研发成功了国内首台用于羰基铁粉的氮气保护涡流分级机。本文在兴化涡流分级机研发的基础上,介绍了涡流空气分级机的工作原理和发展过程,对不同类型的涡流空气分级机进行了分析对比。简要介绍了兴化在选型与研发、改造涡流分级机的过程中取得的经验和效果。     

动静组合分离器与静态分离器比较以及在印度工程上的应用

介绍了中速磨煤机静态分离器及动静组合分离器工作原理,比较了动静组合分离器与静态分离器的区别,并研究了两种分离器在印度安巴拉项目磨煤机上的应用。根据现场运行结果,动态分离器在寿命和运行效果上都优于静态分离器。     

From Side Chains Rattling on Picoseconds to Ensemble Simulations of Protein Folding

Simulations of biological macromolecules have evolved tremendously since the discoveries of the 1970s. The field has moved from simple simulations in vacuo on picosecond scales to milliseconds of accurate sampling of large proteins, and it has become a standard tool in biochemistry and biophysics, rather than a dedicated theoretical one. This is partly due to increasing computational power, but it would not have been possible without huge research efforts invested in new algorithms and software. Here, we illustrate some of this development, both past and future challenges, and in particular, discuss how the recent introduction of modern ensemble methods is breaking the trend of ever-longer simulations to instead focus on throughput and sampling. This has not only helped simulations become much more accurate, but it provides statistical error estimates, which are critical, as simulations are increasingly used to predict properties that have not yet been measured experimentally.