基于PSO-ELM的储能锂电池荷电状态估算

对锂离子电池荷电状态(SOC)进行准确估算是保证电池管理系统安全稳定运行的关键。常用的安时积分法存在累积误差,卡尔曼滤波算法需要建立精确的电池模型,神经网络法不依赖具体的锂电池模型,能够反映锂电池的非线性关系,因而受到广泛关注,然而传统神经网络估算SOC训练时间长、精度低。针对以往电池SOC估算精度低等问题,文中提出粒子群(PSO)优化极限学习机(ELM)神经网络的方法。以电池电压、电流和温度作为PSO-ELM模型的输入向量,以SOC作为输出向量。将实验获得的数据导入模型进行训练和测试,采用PSO对ELM随机给定的输入权值和隐含层阈值进行寻优。仿真结果表明,与BP神经网络的预测结果相比,文中估算SOC的方法具有更高的精度。     

极紫外及X射线波段超光滑反射镜的超精密加工与检测

极紫外、X射线为微观物质认识、宏观空间探测提供了高精度的观测手段,但这类观测的实现需要大量高精度光学反射元件的支撑。由于极紫外、X射线在光学表面更易发生散射,其光学反射镜基底的精度需求和制作技术也明显区别于长波元件。近年来,同济大学精密光学工程技术研究所建立了极紫外、X射线反射元件基底的超精密加工与检测平台,研发了超光滑非球面的离子束修形技术,提出了基于泽尼克多项式的随机离轴旋转绝对检测方法,形成了极紫外、X射线光学用反射镜基底的高精度全流程研制技术,并将该技术成功地应用于国内和国际短波光学大科学装置中。本文综述了本课题组在极紫外、X射线用反射镜制作领域中的研究进展。     

改进的ESMD用于公共场所异常声音特征提取

由于公共场所异常声音的特殊性及背景噪声的复杂性,极点对称模态分解(ESMD)用于异常声音分解时,存在一些理论和技术上的缺陷。经分析认为公共场所异常声音为非线性、非平稳信号,背景噪声服从T分布。为此,提出改进的ESMD用于公共场所异常声音分解,得到有利于识别的特征。所提出方法的特点是将T分布噪声序列添加到具有背景噪声的异常声音信号中,以减小背景噪声对特征提取的影响;将模态分量的排列熵作为判定异常声音与背景噪声的准则,自适应筛选有效的模态分量;用对称中点插值法替代极值中点奇偶插值法,以缓解ESMD插值端点不明确带来的模态失真。在公共场所异常声音数据库上进行了相关实验。实验结果表明,所提出的方法与目前典型的时频信号处理方法相比,在提高公共场所异常声音分类识别率的同时,缩短异常声音的分解时间,是一种有效的公共场所异常声音特征提取方法。     

弹性网络核极限学习机的多标记学习算法

将正则化极限学习机或者核极限学习机理论应用到多标记分类中,一定程度上提高了算法的稳定性。但目前这些算法关于损失函数添加的正则项都基于L2正则,导致模型缺乏稀疏性表达。同时,弹性网络正则化既保证模型鲁棒性且兼具模型稀疏化学习,但结合弹性网络的极限学习机如何解决多标记问题鲜有研究。基于此,本文提出一种对核极限学习机添加弹性网络正则化的多标记学习算法。首先,对多标记数据特征空间使用径向基核函数映射;随后,对核极限学习机损失函数施加弹性网络正则项;最后,采用坐标下降法迭代求解输出权值以得到最终预测标记。通过对比试验和统计分析表明,提出的算法具有更好的性能表现。     

结合极值区域检测的血管内超声图像并行分割

目的 血管内超声（IVUS）图像动脉壁边界分割不仅对血管壁和斑块特征的定量分析至关重要,而且对血管弹性定性分析和重建动脉3维模型也是必需的。针对IVUS图像传统分割方法建模复杂、运算量大且需分别设计算法串行提取内膜和外膜的缺点,本文提出基于极值区域检测的IVUS图像并行分割方法。方法 本文方法包含极值区域检测、极值区域筛选以及轮廓拟合3部分。对单帧IVUS图像提取极值区域,经面积筛选后得到候选区域,并将区域的局部二值模式（LBP）特征、灰度差异和边缘周长的乘积作为筛选矢量在候选区域中提取代表管腔和介质的两个极值区域,并进行轮廓的椭圆拟合化,完成分割。结果 在包含326幅20 MHz的IVUS（intravascular ultrasound）B模式图像的标准公开数据集上,定性展示极值区域轮廓和椭圆拟合轮廓,并与专家手动绘制的结果进行对比;然后使用DC（dice coefficient）、JI（jaccard index）、PAD（percentage of area difference）指标以及HD（hausdorff distance）对本文算法做鲁棒性测试和泛化测试,实验中内膜各指标值分别为0.94±0.02,0.90±0.04,0.05±0.05,0.28±0.14 mm,外膜各指标值分别为0.91±0.07,0.87±0.11,0.11±0.11,0.41±0.31 mm,与相关文献的定量对比实验结果表明本文算法提取的内外膜性能均有所提高。此外,本文方法在临床数据集上的测试效果也很好,与专家手动描绘十分接近。结论 结合极值区域检测的IVUS图像并行分割,算法在精度和鲁棒性方面均得到了改善。     

近60年宝鸡市主城区极端天气变化特征分析

全球气候变暖背景下研究极端天气发生规律对了解地区气候变化特征与提高区域防灾减灾能力具有重要的现实意义。以宝鸡市主城区1953-2013年逐日气温和降水资料为基础,运用线性倾向估计法、距平分析、异常度分析和Morlet小波分析等统计学方法研究其变化特征,并探讨了区域气候变化与极端天气事件的相关关系。结果表明:近60年宝鸡市主城区极端气温指标中极端最高气温、夏季日数和热夜日数均呈现出上升的趋势,极端最低气温、冰冻日数、霜冻日数表征为下降的趋势;近60年宝鸡市主城区年降水量与年极端最高降水量总体上呈减少的趋势;热夜日数存在11~14 a和26~28 a 2个时间尺度的周期变化,与太阳活动周期关系密切;霜冻日数存在阶段性变化周期。区域气候变暖、气候变率与极端天气事件的发生频率具有较高的相关性,但并不存在必然的联系。总体来看,近60年宝鸡市主城区气候向暖干化趋势发展,但也不能忽视极端强降水事件、低温霜冻等灾害的发生,相关部门应提高警惕以最大程度降低灾损。     

一种改进的Harris特征点检测算法

现有Harris特征点检测算法采用高斯滤波进行平滑,图像存在角点信息丢失与偏移的现象。为解决该问题,提出基于变分B样条滤波与快速局部窗口搜索相结合的Harris特征点检测算法,选择具有低通特性的B样条函数作为平滑函数构造滤波器,引入形态学滤波中的极大值滤波思想,利用快速局部窗口搜索算法进行特征点局部极值的提取,从而提高特征点提取的精度和速度。实验结果表明,改进算法具有特征点提取快速均匀、检测定位准确、抑噪性好的特点。     

基于对称响应的无基准Lamb波损伤监测

兰姆(Lamb)波结构损伤监测是结构健康监测领域的研究热点.针对现有研究和应用中,基于基准响应的损伤监测方法受环境工况等条件的差异性影响问题,在分析Lamb波传播基本过程和损伤作用机理基础上,研究了基于对称响应分析的无基准Lamb波损伤监测方法.该方法通过对称布置压电阵列,实现对称响应信号的获取,进一步借助于皮尔逊相关...     

润滑脂中极压抗磨添加剂的研究进展

综述近年来多种类型的极压抗磨添加剂在润滑脂中的研究成果,包括:层片状、球粒状添加剂、微纳尺度的软、硬质点添加剂、微纳尺度的氧化物及其他化合物添加剂、环保型添加剂。总结其抗磨减摩的作用机制,并针对目前研究存在的问题,提出了润滑脂用极压抗磨添加剂研究的方向。     

基于NWD集成算法的多粒度微博用户兴趣画像构建

微博文本特殊性的存在使得微博用户兴趣画像难以有效构建。为此, 提出了一种集成算法——新词发现-双向长短期记忆网络-梯度提升算法。首先针对微博文本的非正式性, 提出了一种基于支持度视角的新词发现(New Word Discovery, NWD)算法, 发掘其中大量存在的网络用语以实现更加准确的分词及语义把握; 其次, 引入Simhash算法使得微博文本中的“信息过载”现象得到改观; 再次, 为改善微博文本的简洁性而引起的特征稀疏问题, 采用双向长短期记忆网络(Bidirectional Long Short-term Memory,Bi-LSTM)模型提取博文语义特征; 最后, 通过融合微博用户静态特征训练梯度提升(extreme Gradient Boosting,XGBoost)模型, 从而有效构建多粒度微博用户兴趣画像。实验结果表明, 粗粒度(一级)兴趣标签模型NWD-Bi-LSTM和细粒度(二级)兴趣标签模型NWD-Bi-LSTM-XGBoost的宏平均F1值(Macro-average F1 score, mF1)和受试者工作特征曲线下面积(Area Under ROC Crave, AUC)分别高达83.6%, 79.7%和70.4%, 63.6%, 相对于基准模型, NWD算法的集成使得模型的mF1值和AUC值均能提升3%～5%, 其促进作用优于现有的新词发现方法。