GIL机械故障诊断与预警技术研究

为了有效诊断气体绝缘金属封闭输电线路(GIL)的机械故障,搭建了110 kV GIL试验平台并设计了3种典型机械故障,通过互补集合经验模态分解(CEEMD)模糊熵值与鲸鱼优化极限学习机(WOA-ELM)模型联合方法对GIL机械故障模式进行识别与诊断。首先,利用CEEMD方法对振动信号进行分解,引入正负白噪声组对信号进行处理,得到含有故障信息的模态分量(IMF)。其次,利用模糊熵计算模态分量特征值,得到能表征故障特征的模糊熵值。最后,结合WOA-ELM模型对特征向量集进行模式识别,根据聚类结果与自适应阈值对GIL设备机械故障进行诊断和预警。结果表明,利用CEEMD与模糊熵对GIL振动信号特征进行分析,可以有效避免模态混叠和冗余噪声分量的干扰,得到能够表征故障特征的特征值;利用WOA-ELM模型可以有效实现GIL设备机械故障诊断与预警。     

基于分组遗传算法的集成多样性增强及其应用

为了解决复杂工业过程的概念漂移问题,提高集成学习模型的泛化性能,基于分组遗传算法,提出一种用于提升基学习器间多样性的建模方法.该方法以在线极限学习机作为基学习器,根据基学习器在滑动窗口上的性能对其进行分组,并执行进化操作,同时引入基因流概念,增加了基学习器间的多样性,提高了集成算法在处理概念漂移数据流时的预测性能.最后使用合成数据集和真实数据集验证了所提算法的合理性与有效性.     

基于CMIP6的中国主要地区极端气温/降水模拟能力评估及未来情景预估

基于耦合模式比较计划第6阶段(the coupled model intercomparison program in phase 6, CMIP6)的全球气候模式模拟数据,评估分析了全球气候模式对中国主要地区1979―2014年极端气温与极端降水特征的模拟能力。通过泰勒图及各种统计参数的对比表明,全球气候模式对中国各个地区的极端降水/气温的模拟存在显著差异,对中国地区极端气温与降水模拟最好的模式是EC-Earth3。对EC-Earth3在4种未来情景下的气温/降水数据进行偏差校正,并对中国地区未来时期极端降水/气温进行了预估。结果表明:2021―2100年,中国地区升温趋势和极端降水的增加趋势显著,4种情景下的极端气温指标和极端降水指标在21世纪50年代之前是相似的,但之后变化趋势差异增加;SSP1-2.6情景下,2021―2100年升温速率和极端降水速率增加趋势较为平缓;SSP2-4.5、SSP3-7.0、SSP5-8.5 3种情景下,升温速率和极端降水增加速率随着模式和时间增加逐渐增大。     

基于量子粒子群优化极限学习机的频谱感知算法

针对无线信道环境中低信噪比情况下主用户信号检测率较低的问题,提出了一种基于量子粒子群优化极限学习机(E L M)算法的认知无线电网络频谱感知方法.针对极限学习机算法的特点通过量子粒子群算法(Q P S O)优化极限学习机参数,并构建引入结构风险思想的QPSO-ELM模型,降低算法的经验风险提高模型的泛化能力,提高算法的频谱感知性能.仿真实验表明,与人工神经网络(A N N)、支持向量机(S V M)和极限学习机(E L M)三种机器学习算法,在信噪比为-15 dB时的频谱感知性能进行比较,分别提高了16％、28％、9％,仿真证明所提算法在低信噪比情况下具有较高的性能,可有效地实现对主用户信号的频谱感知.     

基于极限过程学习机的储层微观孔隙结构识别

准确分析储层岩石的微观孔隙结构特征是发挥油气层的产能和提高油气采收率的关键.构建一种具有过程式输入的极限学习机模型,并提出基于灰狼优化算法原理改进的混洗蛙跳算法对模型的网络隐层节点个数及网络权值进行优化,利用基于张量乘积矩阵的广义逆求解方法加速极限过程学习机模型的求解.实验结果表明:与5种改进混洗蛙跳算法对比,所提的算法无论在6个高维函数优化还是微观孔隙结构类型识别方面都取得了最好的优化效果,具有很好的实际应用价值.     

不可逆量子斯特林热泵循环性能分析与优化

建立了以一维无限深势阱中极端相对论粒子为工质的不可逆量子斯特林热泵循环模型。考虑高低温热源之间的热漏,导出了循环的性能系数与无量纲泵热率的表达式。分析了循环性能与各性能参数之间的关系。研究发现,热泵的性能系数与无量纲泵热率都随粒子在状态1进处于激收态上的占有几度单调递减,性能系数与无量纲泵热率都是势阱宽度比的凸单调函数。无量纲泵热率关于性能系数的关系曲线为回原点的扭叶型,并确定了该不可逆量子斯特林热泵的最优运行区间。     

基于博弈论准确性和差异性兼优的选择性集成建模方法及其应用

集成学习相较于单模型具有更好的预测精度和泛化能力,被广泛应用于工业过程的质量预测.基学习器之间的多样性和基学习器的准确性对集成的泛化能力影响极大.为了进一步提高集成模型的泛化能力,提出一种同时考虑准确性和差异性的选择性集成建模方法.以在线极限学习机作为基学习器,将基学习器的准确性和基学习器对集成模型多样性的贡献率作为博弈双方,利用博弈论原理求解得出使集成模型准确性和多样性都达到最优的选择方案,使集成模型的准确性和多样性兼优;模型预测完成后,综合当前误差和历史记录误差对基学习器的权重进行在线更新,实现在线测量阶段对建模对象特性的动态自适应.最后,使用公开数据集和实际工业数据验证了所提算法的合理性和有效性.     

中空玻璃与节能

能源的高耗费和高成本是时下建筑业越来越关注的问题，具有美观外在的玻璃幕墙建筑更要具备好的热效率。中空玻璃的问世使建筑节能朝前跨了一大步。由于荷载、应力和极端环境等因素的影响，中空玻璃从单元玻璃的生产和镀膜的应用，间隔条和密封胶生产，最终到成品组装都必须通过各个优质的单元构件来实现高质量的最终成品。本期泰姆巴伐朗尼论坛围绕中空玻璃与建筑节能，走访了两家知名的中空玻璃密封件生产商，就中空玻璃的节能和持久性进行探讨。     

极端干旱区小城镇绿地土壤水分入渗性能研究——以阿拉尔市为例

为进一步促进阿拉尔生态城市建设和保证城市可持续发展,以阿拉尔市绿地土壤为研究对象,选取校园、市政、居民区、道路绿化带4个功能区绿地土壤,用环刀法测定土壤水分入渗过程并做了模型拟合和分析。结果表明:4个功能区绿地土壤水分入渗性能存在明显差异,稳定入渗率为道路绿化带绿地(0.31 cm/min)校园绿地(0.05 cm/min)市政绿地(0.02 cm/min)居民区绿地(0.01 cm/min);应用常用的入渗模型进行了拟合,通用模型及Kostiakov模型能较好地描述4个功能区的绿地土壤入渗特征,Philip模型在本区的适用性最差。研究结果为阿拉尔市绿地土壤的管理提供一定依据。     

网络结构增长的极端学习机算法

针对极端学习机(extreme learning machine,ELM)结构设计问题,基于隐含层激活函数及其导函数提出一种前向神经网络结构增长算法.首先以Sigmoid函数为例给出了一类基函数的派生特性:导函数可以由其原函数表示.其次,利用这种派生特性提出了ELM结构设计方法,该方法自动生成双隐含层前向神经网络,其第1隐含层的结点随机逐一生成.第2隐含层的输出由第1隐含层新添结点的激活函数及其导函数确定,输出层权值由最小二乘法分析获得.最后给出了所提算法收敛性及稳定性的理论证明.对非线性系统辨识及双螺旋分类问题的仿真结果证明了所提算法的有效性.