基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

频带能量与样本熵在注意力脑电信号中的对比研究

脑电波是一种复杂的生物电信号,可反应出大脑内部的活动及注意力等精神状态。基于此,论文设计了注意力相关的脑电实验,并完成了受试者脑电数据的采集,对所采集的脑电数据分别从以下两种角度进行研究:从时频分析的角度,采用db4小波基对原始脑电信号进行7层小波包分解,提取了β波/θ波能量占比作为特征量;从非线性动力学的角度,提取脑电信号的样本熵作为特征,并分别对各受试者进行注意力的分级研究。通过对比分析,结果表明两者都能从一定程度上表征注意力水平的状况,但样本熵对于多级注意力的区分度更好。     

基于POVMD和CAF的低转速齿轮箱故障诊断

针对低转速齿轮箱齿轮故障特征频率低、故障特征频率易被背景噪声淹没,使其难以准确提取的问题,提出了基于参数优化的变分模态分解(parameter optimization variational mode decomposition,简称POVMD)和循环自相关函数(cyclic autocorrelation function,简称CAF)结合的故障诊断方法。首先,通过POVMD对原始信号进行分解,选用余弦相似度度量选取敏感的本征模态函数(intrinsic mode function,简称IMF);其次,计算其循环自相关函数谱,获得包含调制特征的循环自相关函数谱切片;最后,使用Teager能量算子(Teager energy operator,简称TEO)算法对切片解调,提取故障特征频率。同时将本方法与相关方法进行了对比分析,特征频率提取效果更加显著,仿真信号和实验数据分析验证了该方法的有效性和可靠性。     

自适应连续集稀疏分解声音识别算法

为实现公共环境复杂背景中异常声信号识别以辅助公共场所安全监控,提出基于连续完备集的自适应MP稀疏分解声音识别算法,算法通过相关参数改进实现自适应PSO算法,然后借助PSO算法的连续空间搜索优势对MP稀疏分解进行连续集优化,从而提高稀疏分解获得的最优原子的匹配度,最后提取重构声信号的时频参数特征以SVM算法实现异常声音事件的快速准确识别。实验结果表明,与已有算法相比,所提识别算法显著降低了计算量,并取得了最优的声音识别率和识别鲁棒性。     

Fe-Cr-Ni系不锈钢在热老化和退火过程中铁素体调幅分解的相场法研究

用基于Cahn-Hilliard方程的相场法研究了Fe-Cr-Ni系不锈钢中的铁素体在热老化和后续退火过程中调幅分解的演化过程，结果表明：在热老化过程中调幅分解生成相连的网络状α'相，调幅分解引起的Cr成分波动的波长和振幅都随着热老化时间的延长而增大；在随后的退火过程中α'相逐渐溶解而Cr成分波动的振幅迅速减小，但是波长继续增大。还讨论了热老化时的调幅分解对铁素体纳米压痕硬度的影响以及退火温度对调幅分解回复(α'相溶解)所需时间的影响，结果表明：铁素体的纳米压痕硬度主要与调幅分解的振幅有关，且随着振幅的增大而提高。同时，提高退火温度能显著缩短调幅分解回复所需的时间，退火回复时间与退火温度之间有Arrhenius形式的关系。     

基于经验模态分解的冷水机组能耗预测模型

针对实际工程中采集的磁悬浮冷水机组的功率时间序列多为非线性、非平稳信号的问题,提出基于经验模态分解的机器学习能耗预测模型,此模型从信号本身尺度特征出发对信号进行分解,具有良好的局部适应性。将基于经验模态分解的机器学习模型预测结果与原始机器学习模型的预测结果进行比较,结果表明,采用经验模态分解的磁悬浮冷水机组能耗预测模型能够提高预测精度。     

基于小波分析的谐波在线监测系统

针对传统谐波在线监测系统存的结果不准确，无法描述谐波动态变化特点，设计了基于小波分析的谐波在线监测系统。首先设计了谐波在线监测系统的硬件模块，然后谐波在线监测系统的软件模块，依据小波变换分析谐波信号特征，得到的谐波变化率，从而谐波在线监测系统的监测结果，最后采用具体实验进行了谐波在线监测系统性能的仿真实验，由实验结果可知，该系统的谐波监测精度高，可以有效检测各种谐波分量，保证电力系统稳定运行。     

有限元SN中子输运模拟的区域分解并行

确定论中子输运方法具有计算速度快、可获取物理量的精细场分布、可高效多物理耦合等优点，随着有限元方法在中子输运模拟中的应用，复杂几何结构、大尺度下的屏蔽问题和临界问题都能得到高保真建模和分析。离散纵标（S_N）法是求解中子输运方程的有效数值方法，基于OpenMP并行机制对各独立离散方向进行并行求解，可提高S_N输运模拟的计算速度，但并行规模较有限。对几何空间进行区域分解并采用MPI并行机制，可实现大规模并行扩展，进而实现对大型问题的高精度快速求解。本文采用并行自适应非结构网格应用框架JAUMIN进行区域分解和进程间通信，通过并行S_N扫描实现了自主有限元输运程序ENTER的高效并行，完成正确性检验后在天河Ⅱ号超级计算机上使用1 440个CPU核完成了1.43×10⁷网格单元、2.81×10⁹自由度规模问题的测试，计算时间约7.4 h。表明该程序具备了有效模拟大型复杂结构中子输运问题的能力，具有一定工程应用价值。