UUV水流观测数据融合与可视化技术研究

为了克服传统利用坐底自容式和水面船走航式ADCP测量水流方法的不足,研制了一套携带两台不同频ADCP的水流观测UUV系统.并针对UUV携带ADCP在水下测量水流时不能够实时接收到GPS信号,从而导致水流信息因缺失地理位置信息而变得不够准确和全面的问题,提出了一种UUV位置信息和水流数据融合的方法.首先采用多项式拟合和基于小波分解与重构方法对各数据源进行滤波处理,使水流数据的可信度提高;然后采用时间配准方式将舰位推算算法得到的UUV经纬度位置信息与观测的水流数据融合,得到了在大地坐标系下完整、准确的水流流场信息.此外,为了模拟出直观、形象的水流信息,采用插值与逼近相结合的方法实现了对水流流场的可视化表达.     

信息可视化与数据可视化

我们处在一个信息和大数据统治的时代,数字化信息与数据的空中传递,打破了更多的时空障碍。信息可视化提供了一种新的信息展示方法,开拓了新的视野,其中的视觉设计将内容更清晰的展示出来。如今不少人将信息可视化与数据可视化归为一类,在由信息和数据结合的世界中,设计师需要有自己独特的思考,来平衡信息与数据的可视化。本文简要的叙述了信息可视化与数据可视化的定义、关系及表现方式,为大家对"可视化"提供一些参考和借鉴。     

多体动力学仿真数据驱动的列车运行可视化

针对传统多体动力学软件无法直观体现出列车真实运行环境,而目前主流的列车虚拟运行仿真系统又无法实现对列车运行平稳性评估的现状,提出了一种多体动力学仿真数据驱动的列车运行可视化方法。采用三维GIS技术,实现了不同线路环境下列车运行三维场景高精度模型的构建。使用多体动力学软件SIMPACK对列车在不同速度和不同轨道谱下的运行进行动力学仿真,并基于仿真后处理数据建立了最小二乘线性回归模型,预测出列车在不同运行状态下的垂向平稳性指标值。借助三维可视化引擎UNIGINE,实现了以列车运行的多体动力学仿真数据来驱动列车模型运动的三维可视化。     

基于可视化和数据融合的光伏电站电气设备异常运行状态检测方法

为了降低电气设备故障对光伏电站的影响,目前多采用电气设备异常运行状态检测方法对其展开日常的检修.由于当前此方法存在数据处理能力较差且检测结果显示不清晰的问题,影响检测结果的可靠性,设计基于可视化和数据融合的光伏电站电气设备异常运行状态检测方法.使用归一化处理技术,完成光伏电站电气设备运行数据融合处理.根据小波分析原理以...     

IMS技术在电力通信网络跨域融合中的应用

以实现不同区域电力通信网络联通为目的,研究IMS技术在电力通信网络跨域融合中的应用方法。该方法以IMS技术体系结构为基础,构建基于IMS技术的电力通信网络跨域融合技术架构。利用该技术架构的接入层连接不同跨域网络终端后经过网关控制协议转换后,实现不同电力通信业务跨域IP入网;电力通信业务进过传输层的Go接口、NGN分组核心网络以及媒体网关、多媒体资源管理器传输到会话控制层内的媒体网关控制功能内并连接出口网关控制功能;该层利用代理呼叫会话控制功能预留电力通信业务会话资源预留,并服务会话后连接出口网关控制功能,利用出口网关控制功能将多媒体资源和电力通信业务传输到归属服务器和域名服务器内;然后利用网络跨域与信号融合方法融合电力通信业务和多媒体资源信号后,发送到业务层内的业务交换功能实体、SIP应用服务器和OSA应用服务器内,完成电力通信网络跨域融合过程。实验结果表明：该方法融合后的电力通信跨域网络运行稳定性较佳;具备较好的网络会话资源预留能力和上行信号与下行信号融合能力,应用效果较佳。     

一种三维数据的可视化方法

本文提出了一种基于DXF文件编程的三维数据可视化方法将由视觉传感器测得的三维数据转换为DXF格式,交由逆向工程软件方便地实现可视化.针对实际采样过程,对自由曲面的自适应采样问题进行了初步的探讨,并提出了一种基于导数的自适应采样策略.     

基于D-S证据体的异构日志文件融合方法

随着云计算、大数据等技术的不断发展,海量的日志文件所产生的商业价值得到了不断提高。为了提升企业的客户粘度以及对信息的掌控程度,针对多源异构日志的特点建立了异构日志收集融合系统,首先,将网站日志文件抽取并划分为不同的评价标准,并提出了评价信息加权计算方法构建识别框架,其次,基于storm实时流数据处理框架设计了异构日志文件融合信息系统,运用AHP权重法和D-S证据体理论对评价标准进行融合处理,最后,融合后的信息形成决策级信息,这些决策信息将被用于用户画像内信息的决策处理。     

失效物理与数据驱动融合的燃油泵在线寿命预测

针对机载燃油泵性能退化过程呈现的多阶段、非线性的特点以及对寿命预测实时性的要求,提出了一种基于失效物理与数据驱动融合的燃油泵在线退化建模与寿命预测方法。通过开关卡尔曼滤波器对燃油泵退化阶段进行在线识别,并对快速退化阶段建立失效物理与数据驱动融合的退化模型,然后基于无迹卡尔曼滤波器对建立的退化模型不断进行模型参数更新,并使用更新后的模型对失效寿命进行预测。将所提方法分别与纯数据驱动的方法、不进行退化阶段识别以及不进行参数更新的融合方法进行比较,整个参数更新过程中其均方根误差不超过0.3,寿命预测百分比误差不超过2%,均小于对比方法,验证了本文方法的有效性与优越性。     

[数据驱动的产品设计]面向智能制造服务的产品设计需求信息可视化方法

为实现智能制造服务视角下产品设计需求信息全面、准确、高效和清晰的表达,构建了一种设计需求信息可视化方法。利用网络爬虫工具抓取相关平台上的竞品现状信息、用户反馈信息等产品调研对象的数据文本;利用自然语言处理技术,对采集到的设计需求数据进行预处理和特征提取,从而获得可编码文本数据;采用共现矩阵、聚类图、战略坐标图等方法和工具,对文本数据进行编码与分析,以实现产品设计需求信息的可视化表达,并结合定性调整函数计算需求权重。以某型号谷物联合收割机的竞品现状信息分析为例,验证了所提方法的可行性和有效性。     

回归分析的数据融合方法

提出一种回归分析的数据融合方法,该方法能对各种不同仪器、不同量纲的回归曲线和测量数据进行融合,并给出被测量的点估计和置信区间估计。在压力容器无损检测和建筑质量无损评定中的应用表明,该方法能成功消除工程测量中无法通过仪器校准的系统误差,减小偶然误差,具有信息量大、精度高的特点。     

仿真数据驱动的改进无监督域适应轴承故障诊断

现有无监督的轴承跨域故障诊断研究往往采用充足的试验台数据构建源域,且难以兼顾领域间的边缘分布和条件分布对齐,此外在域适配过程中全体源域样本被赋予相同的重要性。针对以上挑战,提出了一种仿真数据驱动的改进无监督域适应轴承故障诊断新方法。采用仿真所得的故障信息丰富,标签数据充足的轴承故障数据构建源域,降低对试验台资源的依赖。设计了一种嵌入联合最大均值差异的改进损失函数,在无监督场景下实现了不同域间边缘分布和条件分布的同时对齐。开发了一种源域样本权值分配机制,通过领域预测误差衡量源域样本与目标域样本的相似性从而自适应地分配其权值以抑制负迁移。使用两组试验台数据作为目标域对所提方法进行验证,结果表明：所提方法能够充分适配仿真域和实验域的深层特征分布,提高无监督跨域场景下的故障诊断精度。     

基于多源数据融合的变电站三维可视化模型设计

变电站智能监测是电力系统智能管理的重要体现,由于当前变电站三维可视化模型设计方法的多源数据处理能力较差,导致三维模型明暗控制效果较差.为提升变电站三维可视化模型的应用效果,设计基于多源数据融合的变电站三维可视化模型设计方法.对采集到的数据进行清洗、排序、标识,完成多源数据标准化处理.使用3D MAXS软件以及IHS算法...     

多传感器数据融合方法的研究与进展

多传感器数据融合技术是一门新兴的前沿技术。本文集中介绍了当前数据融合的最新方法,如分布式多传感器数据融合技术、基于信息理论和基于认识模型的多传感器数据融合技术等,并通过分析。指出了该领域存在的问题和今后的研究方向。     

螺栓结合部接触面域的融合绑定建模方法

为提升复杂结构体模型在线动态监测与实时更新的精度,提出了一种螺栓结合部接触面域的融合绑定建模方法。建模过程中,由配对子结构在接触面两侧各提供一 部分单元组成接触面域单元,通过对该区域单元进行等效处理,使其满足各向同性条件,而接触面域单元之间则被构建为融合绑定接触连接。该建模方法最大的优点是可以有效避免增加结合部模型求解的自由度数,节约计算资源且参数识别方便,通用性较强。为保证计算模型与物理模型具有协调一致的精度,建模过程中考虑了螺栓螺母及传感器附加质量对建模精度的影响,并引入多目标遗传算法对结合部的物理表征参数进行了优化识别。结果表明：前6阶实验振型和仿真振型完全一致,相应固有频率相对误差的绝对值均在10%以内,说明该建模方法能够较为有效地解决工程实际中结合部的动力学建模问题。     

相关系数平稳序列数据融合方法

相关系数平稳序列是从非平稳序列中分离出来的一类工程实际中常见且便于研究的随机序列,传统的平稳序列只是它的一个特例。文中建立了多传感器对同一相关系数平稳序列进行测量时的数据融合方法,其中包括相关系数平稳序列的集中式融合和分布式融合两种方法。大量模拟实验表明,通过多传感器的数据融合,相关系数平稳序列的滤波精度比任何单一传感器的滤波精度都有较大提高。     

数据驱动的晶圆图缺陷模式识别方法

针对晶圆生产过程中晶圆图数据角度与维度多样性和数量不平衡的特点,提出了基于对抗生成网络的晶圆图缺陷模式识别方法。设计了Radon变换,实现了数据多角度的统一;采用重采样机制实现数据多维度的缩放,得到了标准晶圆缺陷数据。提出了基于对抗生成网络的晶圆缺陷分类方法,利用生成机制平衡各缺陷模式的样本数量,以提升缺陷模式识别精度。试验结果表明,该方法可大幅提升少类样本的识别精度,且在整体识别率上远优于支持向量机和Adaboost算法。     

基于XGBoost特征提取的数据驱动故障诊断方法

针对目前用于故障诊断领域的机器学习方法尚不能够充分挖掘数据中隐含故障特征信息,存在逼近精度不足的问题,提出一种基于XGBoost算法的隐含特征信息提取方法。根据故障数据与故障类型自定义XGBoost算法的损失函数,迭代构建故障分裂树;提取样本在故障树中的叶子节点位置索引向量并进行特征编码重构,得到隐含故障信息的智能化表征;基于该表征矩阵,使用SVM等机器学习算法建立故障诊断模型,实现多故障模式的识别诊断;最后,以某驱动器的故障诊断为例对方法进行了验证,结果表明:与原始特征下的故障诊断模型相比,基于XGBoost算法提取隐含特征下的诊断模型准确度更高,鲁棒性更好,同时能给出特征变量的重要性排序。     

基于数据驱动的电动执行器故障诊断方法

本文针对在流程工业自动化系统中大量使用的电动执行器,结合热工系统的应用背景,提出了一种基于数据驱动的电动执行器故障诊断方法.该故障诊断方法包括特征提取和故障识别两部分:采用主成分分析法提取故障特征信号;采用基于支持向量机的方法进行故障识别.构造多类支持向量机分类器,建立了电动执行器多故障诊断模型.仿真实验研究证明了该诊断方法的可行性和有效性.     

数据驱动的闭环系统传感器故障诊断方法

为解决传感器微弱故障难以诊断的问题,提出了一种基于数据驱动的一阶定值闭环系统中传感器微弱故障实时诊断方法。将传感器故障分类为加性故障和乘性故障,通过对系统实时工作数据的残差分析以及曲线拟合,提出了基于正常工作窗口残差分析故障检测方法,并确定故障检测阈值;基于故障动态响应过程分析的故障估计方法;基于两次一元曲线拟合分析的故障分离方法。给出了系统在线标定及故障诊断流程。在单容液位控制系统上验证了所提诊断方法的有效性及先进性。