双中心粒子群优化算法

粒子群优化(PSO)算法是一种新兴的群体智能优化技术,由于其原理简单、参数少、效果好等优点已经广泛应用于求解各类复杂优化问题.而影响该算法收敛速度和精度的2个主要因素是粒子个体极值与全局极值的更新方式.通过分析粒子的飞行轨迹和引入广义中心粒子和狭义中心粒子,提出双中心粒子群优化(double center particle swarm optimization, DCPSO)算法,在不增加算法复杂度条件下对粒子的个体极值和全局极值更新方式进行更新,从而改善了算法的收敛速度和精度.采用Rosenbrock和Rastrigrin等6个经典测试函数,按照固定迭达次数和固定时间长度运行2种方式进行测试,验证了新算法的可行性和有效性.     

罐式批次成品汽油调和配方集成建模方法

考虑罐式批次成品汽油调和过程中罐底余油对产品质量指标的影响,本文提出了一种基于改进多核模糊C均值（multi-kernel fuzzy C-means,MKFCM）与极端梯度提升树（extreme gradient boosting,XGBoost）集成的成品汽油调和的通用配方建模方法。该方法首先考虑各调和组分的差异性,提出一种自适应核参数计算方法对MKFCM改进,并将其用于罐底油聚类分析,旨在最大程度划分出性质相近的罐底油批次类型;在此基础上择优选用XGBoost算法,以各批次罐底余油的组分比例和产品预期质量指标作为输入,建立各批次子配方模型;在配方生成时,基于改进MKFCM求得当前罐底余油的隶属度向量,并以此为权值对子配方模型进行加权融合,最终以多模型集成的方式得到了成品汽油调和的通用配方。经使用某企业实际工业数据进行实验分析,结果表明,较单一模型或未改进MKFCM的集成模型,基于改进MKFCM-XGBoost的多模型集成配方,预测精度和泛化能力均更优,更适合罐式批次成品汽油调和过程。     

纳米铜在460号矿山润滑油中的悬浮稳定性与摩擦学性能

为了进一步提高460号润滑油的综合机械性能,将液相还原法制备的纳米铜悬浮液,经性质介于醇类和油类的缓冲液,以及非离子表面活性剂聚氧乙烯失水山梨醇单油酸酯(吐温80)与失水山梨醇单油酸酯(司盘80)复合包覆改性后,将其以不同的比例与460号润滑油进行调和,制备出纳米铜润滑油,对纳米铜在润滑油中的悬浮稳定性及摩擦学性能进行考察。结果表明:当改性纳米铜悬浮液中的缓冲液、吐温80以及司盘80的用量分别为纳米铜的233.0%、2.0%和2.0%时,其在460号润滑油中保持了极高的悬浮稳定性。含0.30%纳米铜的460号润滑油具有最佳的抗磨与减摩性能,其在20 N负荷下的摩擦系数与原460号润滑油相比降低了41%,极压抗磨性能提高了46.8%。第三方检测结果表明,460号纳米铜润滑油完全符合国家规定的相应润滑油指标,且四球机试验的综合磨损指数(ZMZ)上升34%,磨斑直径(WSD)下降了7%。     

基于智能电表大数据的异常用电检测

异常或欺诈造成的非技术性电力损失是电力公司损失的主要源头之一。智能电表的广泛使用,使得运用大数据方法实现对非技术性电力损失的有效检测成为可能。提出了一种使用监督学习进行非技术损失检测的方法。该方法基于智能仪表记录的所有信息(耗电量、异常警报等)结合辅助数据库所提供的有关每个智能电表的地理位置和技术参数的附加信息,使用最优的机器算法来深入分析用电客户的用电行为,生成异常用电客户列表。通过现场检查的结果表明,该方法能够较为准确地识别智能电网中所存在异常用电客户。     

基于多参数和极限学习机的图像质量评价方法研究

现有的图像质量评价算法大部分都是基于单个参数,评价不够全面。提出了基于多参数和极限学习机的图像质量评价方法,该方法融合了传统统计参数(PSNR)、基于结构相似度的参数(SSIM)和基于自然场景分析的参数(VIF和FSIM),将这些参数作为极限学习机的输入,拟合出这些特征参数和人类主观评价分值的内在关系,挖掘其内在规律。本方法和采用单独参数评价的算法进行对比分析,在TID图像质量评价库上的实验结果表明,该方法得到了比单独参数和BP方法更好的主观感知一致性。     

基于LCD-SE-IWOA-KELM的短期风电功率区间预测

针对风电功率的不确定性、随机性以及已有的风电功率点预测无法反应其不确定性信息的问题,提出了基于局部特征尺度分解(LCD)-样本熵(SE)和改进鲸鱼优化算法(IWOA)优化核极限学习机(KELM)的短期风电功率区间预测模型。采用LCD分解来降低原始风电功率序列的非平稳性,通过测量各ISC分量的样本熵来重构新的序列以降低过多的分量对预测精度带来的影响,然后分别建立各新序列的区间预测模型,最后将各新序列的预测结果进行叠加获得最终预测结果。采用改进的WOA算法优化核极限学习机的参数。实验仿真表明,文中所提模型能够获得良好的区间预测结果,具有一定的实际意义和应用价值。     

基于改进深度信念网络模型的中长期径流预测

为提高流域中长期径流预测效果,提出径流综合指数构建、因子筛选和改进深度信念网络模型相结合的预测方法。首先研究不同水文站点(细粒度)月平均径流的一致性,构造流域径流综合指数(粗粒度),在较宏观层面研究流域水情丰枯变化;接着采用基于信息熵的因子筛选方法,获得影响流域水情丰枯变化的关键因子集,形成深度学习的输入;然后利用改进的深度信念网络(IDBN)模型进行预测。以雅砻江流域为例,将所建模型与多元线性回归、自回归移动平均、反向传播(BP)神经网络、支持向量机和传统深度信念网络等预测模型进行对比分析。结果表明:所提方法具有较好的实用性,且IDBN模型具有更好的预测速度和精度。研究结果可为流域中长期径流变化趋势预测提供参考。     

硫、磷系添加剂复合使用在菜籽油中的抗磨性能研究

以菜籽油为基础油,在四球摩擦磨损实验机上分别考察丁两组硫系和磷系添加剂T321与T304、T321与T307复合使用对菜籽油的抗磨性和极压性的影响。结果表明,在菜籽油叶：加入添加剂T321与T304能更好地提高菜籽油的抗磨性能和极压性能。     

一种新型微乳化绿色切削液研究

以低粘度润滑剂和自来水为基本原料,添加防锈剂、极压剂、消泡剂、表面活性剂,研制了一种新型微乳化绿色切削液。研制的微乳化绿色切削液稀释后适用于黑色等多种金属的切削、研磨等。具有良好的防锈、防腐、抗硬水稳定性能,且无毒无味、对皮肤无刺激,能满足工件加工的润滑性、防锈性和光洁度要求,并能延长其使用周期。     

合成酯型油性添加剂的研究

采用合成酯作为油性剂,与棕榈油进行了一系列的对比试验。结果表明,硬脂酸辛酯不仅在改善矿物油的润滑性及与硫、氯极压添加剂的复合效果方面与棕榈油相当,而且改善了抗氧化性,大幅度延长了油品的使用寿命,综合成本会显著下降。因此,硬脂酸辛酯可以代替棕榈油作油性剂使用。