基于BA-WPHM的滚动轴承两阶段剩余寿命预测方法

为了提高滚动轴承剩余寿命预测的准确性,根据滚动轴承运行过程的两阶段性特点,提出了一种基于蝙蝠算法(BA)和威布尔比例风险模型(WPHM)的滚动轴承两阶段剩余寿命预测方法。首先,构建基于WPHM的剩余寿命预测模型;其次,提出了两阶段极大似然估计法,建立新的似然函数,并利用BA算法进行求解,以提高参数估计的准确性;最后,建立BA-WPHM模型对滚动轴承进行剩余寿命预测。案例分析表明,相比于Newton-Raphson算法、自组织分层猴群算法(SHMA)和独特的自适应粒子群算法(UAPSO),提出的方法参数估计的准确性更高,剩余寿命的预测精度优于支持向量回归(SVR)方法,验证了所提方法的有效性,为滚动轴承维修决策的可行性提供了依据。     

基于地面先验的3D目标检测算法

为了提高自动驾驶汽车环境感知的性能,增强单目相机对障碍物三维和边界信息的感知能力,提出了一种基于地面先验的3D目标检测算法。基于优化的中心网络(CenterNet)模型,以DLA(deep layer aggregation)为主干网络,增加目标3D边沿框中心点冗余信息预测。根据自动驾驶场景的地面先验信息,结合针孔相机模型,获取目标3D中心深度信息,以优化深度网络学习效果。使用KITTI 3D数据集评测算法性能,结果表明:在保证2D目标检测准确性的基础上,该算法运行帧率约20 fps,满足自动驾驶感知实时性要求;同时相比于CenterNet模型,在平均方位角得分(average orientation score)和鸟视图平均准确率(bird eye view AP)上分别有4.4和4.4%的性能提升。因而,该算法可以提高自动驾驶汽车对障碍物三维和边界信息的感知能力。     

一种具有平衡标签预测能力的在线哈希算法

针对传统离线哈希算法训练模型耗时、占用内存大和不易更新模型的问题,以及现实图像集的标签存在大量损失的现象,提出了一种能够平衡标签预测的在线哈希算法（BLPOH）。BLPOH通过标签预测模块生成预测标签,并融合残缺的真实标签,能够有效缓解因标签损失导致的模型性能下降。观察到标签存在分布不平衡现象,提出标签类别相似性平衡算法并应用于标签预测模块,提升标签预测的准确性。将旧数据的信息加入哈希函数的在线更新过程,提升模型对旧数据的兼容性。通过在两个广泛使用的数据集上进行实验,并和一些当前先进的算法进行对比,结果证实了BLPOH的优越性。     

基于K-shell分解与邻居节点度去噪的链路预测方法

链路预测是研究复杂网络结构和演化机制的重要工具,提高链路预测的精度具有重要价值。针对传统的基于网络拓扑结构相似性算法预测精度偏低的问题,从网络优化去噪的角度进行分析,提出了一种基于K-shell分解与邻居节点度（KSDNN）去噪的链路预测方法。该方法首先从全局的角度通过K-shell分解对复杂网络中所有节点进行重要性排序,然后从局部的角度结合节点邻居节点的度对节点重要性进行综合评判,最后对网络数据进行优化后进行链路预测。通过在四个不同的真实网络进行验证,实验结果表明,所提方法预测精度优于K-shell去噪的方法,且相较于传统算法预测精度平均提升了2%左右。     

基于负载预测的微服务混合自动扩展

由于边缘云没有比中心云更强大的计算处理能力,在应对动态负载时很容易导致无意义的扩展抖动或资源处理能力不足的问题,所以在一个真实的边缘云环境中对微服务应用程序使用两个合成和两个实际工作负载进行实验评估,并提出了一种基于负载预测的混合自动扩展方法（predictively horizontal and vertical pod autoscaling,Pre-HVPA）。该方法首先采用机器学习对负载数据特征进行预测,并获得最终负载预测结果。然后利用预测负载进行水平和垂直的混合自动扩展。仿真结果表明,基于该方法所进行自动扩展可以减少扩展抖动和容器使用数量,所以适用于边缘云环境中的微服务应用。     

基于时空图卷积网络的多变量时间序列预测方法

为了扩大时空图卷积网络的预测范围,将它应用在关联关系未知场景下的多变量时间序列预测问题,提出一种附加图学习层的时空图卷积网络预测方法（GLB-STGCN）。图学习层借助余弦相似度从时间序列中学习图邻接矩阵,通过图卷积网络捕捉多变量之间的相互影响,最后通过多核时间卷积网络捕捉时间序列的周期性特征,实现对多变量的精准预测。为验证GLB-STGCN的有效性,使用天文、电力、交通和经济四个领域的公共数据集和一个工业场景生产数据集进行预测实验,结果表明GLB-STGCN优于对比方法,在天文数据集上的表现尤为出色,预测误差分别降低了6.02%、8.01%、6.72%和5.31%。实验结果证明GLB-STGCN适用范围更广,预测效果更好,尤其适合自然周期明显的时间序列预测问题。     

基于TSP物探指标的围岩质量预测研究

为利用TSP各物探指标预测隧道围岩质量,以G575线巴里坤~哈密公路东天山隧道为工程依托,利用灰色关联分析理论,建立了以岩体质量指标修正值作为围岩质量的依据,以9个物探指标为影响因素,采用MATLAB软件对隧道围岩质量的影响因素进行关联排序,确定影响围岩质量的主次因素;再选取高关联度的物探指标,采用灰色关联理论进行围岩质量预测。结果表明,波速、纵横波速比、泊松比、密度为影响隧道围岩稳定性的主控因素;剪切模量、拉梅系数、体积模量、动态杨氏模量、静态杨氏模量为次要因素;围岩质量预测采用波速、纵横波速比、泊松比、密度这4个高关联度的物探指标能准确预测隧道围岩分类。     

基于METS理论的渡槽结构寿命预测研究

渡槽是灌区常见的水工建筑物,对其结构寿命进行有效预测具有重要的工程和经济价值.文章以辽宁省灯塔灌区新建范官渡槽为例,以室内试验和现场试验数据为基础,利用METS方法,对其使用寿命进行预测研究.结果显示,该新建渡槽的使用寿命为67年,排架为混凝土结构损坏的易发部位,结论对提高渡槽的维护水平和经济性具有重要意义.     

轻骨料混凝土抗碳化性能及微结构分析

为了探究轻骨料混凝土抗碳化性能及微结构,采用绝对体积法配制全轻骨料混凝土(ALWAC)和次轻骨料混凝土(SLWAC),并与普通混凝土(NC)比对,测试混凝土在各龄期下的碳化深度,通过MIP压汞测试对比研究NC和ALWAC碳化前后微细观孔结构变化。结果表明:轻骨料混凝土特有的内养护效果,轻骨料周围水泥石日趋密实,因而ALWAC和SLWAC较NC抗碳化性能优,且随碳化时间增长碳化速率显著降低;微结构分析表明经历28 d快速碳化试验后,NC和ALWAC孔隙率分别由14.36%、30.33%下降至13.53%、28.70%,定量说明了碳元素入侵造成大量孔隙被填充细化,与水泥水化产物反应生成CaCO₃,孔径减小,密实度增加。最后给出了基于陶粒掺量的轻骨料混凝土碳化深度预测模型。研究成果可为轻骨料混凝土耐久性预测提供参考。