基于规则的分类命名专家系统的研究

介绍了基于规则的分类命名专家系统，以及分类命名专家系统的基本结构、功能和知识表示方法，详述了系统所采用的基于多又判定树的推理机制。     

“硬法”与“软法”

欺软怕硬恐怕是人类的天性，即使在守法这类严肃的事情上也概莫能外。     

钢渣改良粉质黏土小应变动力特性试验研究

结合废钢渣的理化性质及其作用效果,采用废钢渣代替传统的水泥进行粉质黏土地基的动力 特性改良。利用共振柱试验,探讨钢渣粉质黏土混合料的动剪模量 Ｇ和阻尼比 Ｄ在固定围压 σ0 和养 护龄期条件下,随不同配合比下的变化特点。利用 Ｋｏｎｄｎｅｒ模型经验公式,将动剪模量归一化 Ｇ／Ｇｍａｘ, 并和阻尼比分别与动剪应变进行拟合。分析钢渣含量与最大动剪模量 Ｇｍａｘ和最大阻尼比 Ｄｍａｘ的变化规 律,并与水泥粉质黏土混合料进行分析对比。试验研究表明,配合比对两种混合土体的动剪模量和阻尼 比的影响最为显著;随着掺料含量的增大,动剪模量和阻尼比均呈现出先增大后减小的变化趋势;结果 显示,30％的钢渣掺量可代替 15％及以下掺量的水泥用于粉质黏土地基加固。试验成果明确了钢渣应 用于粉质黏土地基处理的可行性,具有实际的工程意义。     

考虑风电消纳的电-热综合能源系统优化运行

针对北方供暖期的弃风问题,在传统电-热联合系统的基础上,建立了横向电-热互补、纵向"源-网-储"的电-热综合能源系统.系统充分考虑了供热网的热动态特性和储电、储热两种形式的储能装置,在满足电、热需求的情况下,建立以最小运行成本为目标的优化运行模型.模型在Matlab中调用YALMIP工具箱和CPLEX求解器进行求解.通过算例仿真,分析了供热网的热动态特性和储能装置对系统运行成本和弃风量的影响.并讨论了不同储能配置下,储能投资成本对系统的影响,验证了模型的合理性.     

基于重复模式的论坛信息抽取研究

针对现有网络论坛信息抽取的不足,提出了一种基于重复模式发现算法的论坛信息抽取方法.该方法首先利用SgmlReader解析器将HTML文档转换为格式规范的XHTML文档,然后通过计算XHTML文档结构中DOM子树相似度,自动发现论坛页面结构的重复模式.该方法通过自动定位重复模式进行论坛信息抽取,较好地解决了在论坛信息抽取过程中需要人工查找、定位重复模式或者通过人工分析论坛页面代码定制抽取规则的问题.试验结果表明,该方法具有较好的准确性、通用性和实用性.     

汽车轮胎胎面磨损程度检测系统

汽车轮胎的安全性直接关乎交通安全和乘客的出行安全, 轮胎异常磨损容易导致爆胎, 严重磨损的轮胎时刻威胁着乘客的生命安全, 汽车在道路上飞驰的过程中主要磨损的是轮胎的胎面, 因此实现自动化的轮胎磨损检测很有必要. 本研究借助Visual Studio 2017开发平台, 采用C++编程, 使用OpenCV计算机视觉库的API接口结合自主编程的处理顺序, 实现了对轮胎图像的自动采集传输和处理分析, 该系统能精准提取轮胎胎面图像, 并通过分析胎面图像的灰度共生矩阵的特征值判定轮胎的磨损程度, 实现了针对轮胎胎面磨损的自动化检测系统.     

基于排列的微粒群优化算法

针对基本微粒群优化算法(PSO)存在陷入局部最优的问题,提出一种基于排列的改进微粒群算法(RPSO).该算法对每次迭代过程中的个体历史最优解按照适应值的优劣顺序排列,然后选择若干个较优的个体历史最优解作为候选解,再以概率方式在候选解中确定群体历史最优解的位置.RPSO算法使基本PSO算法易于陷入局部最优的问题,得到有效的缓解.为了分析算法的性能,对几种典型的非线性函数进行了测试.实验结果表明,RPSO算法比基本PSO算法具有更好的寻优能力.     

高比例风电系统的爬坡备用需求评估

在极端天气情况下,风电功率会在短时间尺度内发生大幅度的变化,出现风电功率高风险爬坡事件,严重威胁电力系统的安全稳定运行。开展爬坡备用的需求评估,有助于减小风电出力波动和预测误差对电网运行带来的不利影响。为保障高比例风电系统的备用充裕度,提出一种基于门控循环单元和非参数核密度估计法的组合区间爬坡备用需求预测方法。首先,将风电功率实际数据和日前预测数据构建成多变量时间序列,基于门控循环单元（gate recurrent unit,GRU）模型提高预测结果的准确度。进而,采用非参数核密度估计方法对风电功率预测误差进行置信区间估计,得出给定置信区间下的风电功率预测区间。最后,根据区间预测结果,预测爬坡事件并提取爬坡特征量,建立爬坡备用需求评估模型,评估得出爬坡备用容量需求。基于西北某省级电网的数据开展了算例测试,验证了所提方法的有效性。     

模糊系统的微粒群并行聚类算法

为了解决大规模的数据聚类问题时需要的大量计算,提出了一种模糊系统的微粒群优化并行k-means聚类算法。该方法利用模糊规则,动态地调整微粒群惯性权重和加速因子,克服群体逐渐失去迁移性而停止进化的问题,保证群体多样性而避免陷入局部极小值。采用任务并行和部分异步通信模式,降低计算时间。实验结果表明,该算法在并行机群上运行时,加快了聚类算法的计算速度,提高了聚类质量。