基于多尺度一维卷积神经网络的光纤振动事件识别

针对相位敏感光时域反射(Φ-OTDR)分布式光纤振动传感系统如何对振动事件进行高效准确识别的问题,本文提出了一种基于多尺度一维卷积神经网络(MS 1-D CNN)的振动事件识别方法。该方法将原始振动信号经过预加重、归一化和谱减降噪的预处理操作后得到的一维信号,直接通过MS 1-D CNN实现端到端的振动信号特征的提取和识别。MS 1-D CNN在提取入侵振动信号特征时可兼顾信号时间和频率尺度,利用全连接层(FC layer)和Softmax层完成最终的识别过程,与二维卷积神经网络(2-D CNN)和一维卷积神经网络(1-D CNN)相比减少了待定参数数量。对破坏、敲击和干扰三类目标振动事件的光纤振动传感信号识别结果表明,MS 1-D CNN的识别正确率与2-D CNN相近,达到了96%以上,而处理速度提升一倍,在保持识别性能的前提下,有利于提高振动事件识别的实时性。     

A novel multi scale predictor for comlpex time series

为解决非线性复杂时间序列在线预测问题,提出了一种基于过程神经网络模型的在线预测方法. 首先,在历史数据的基础上建立双并联离散过程神经网络模型;然后,根据在线更新的数据样本,采用递推极限学习算法对过程神经网络隐层到输出层的权值进行相应的更新;最后,应用权值更新后的过程神经网络模型对时间序列进行预测. 文中给出了具体的过程神经网络学习算法与权值更新机制,并以混沌时间序列与液体火箭发动机的状态预测为例对方法进行了验证. 研究结果表明:该方法在预测精度和适应能力上较单一的离线模型有显著提高,可以为非线性复杂时间序列在线预测问题提供一种有效的解决方法.

     

基于田口法的超大型涡轮盘锻造工艺参数多目标优化

直径超过2 m的超大型涡轮盘的锻造载荷接近甚至超过了国内最大压力机的极限（800 MN）,是真正的极限制造。因此,保持良好的力学性能和控制锻造载荷是超大型涡轮盘热锻生产过程中必须同时兼顾的2个因素。基于田口法设计了25组不同的热锻参数,采用SNR和ANOVA方法对有限元模拟结果进行多目标优化分析,获得了最优锻造载荷和最均匀细化的再结晶组织,确定了极端制造条件下的最佳工艺参数组合（温度1120 ℃,应变速率0.06 s^-1,预锻尺寸985/610/475 mm,模具温度280 ℃）。各参数对模拟结果的重要性顺序如下：变形温度>应变速率>坯料形状>>模具温度。使用最佳参数组合获得的实验结果与数值模拟结果吻合较好,表明该方法可以避免大量实验和数值模拟工作量,有效地控制超大型锻件的载荷和微观组织。     

甘肃省陇东地区极端降水的时空特征

为阐明甘肃省陇东地区极端降水的变化规律,利用该地区13个气象台站1961～2015年的逐日降水资料,应用超门限峰值法、反距离加权法、线性倾向估计法、滑动平均法、Mann-Kendall突变分析法、复值Morlet小波分析法研究极端降水的时空变化特征。结果表明,陇东地区各站第95百分位极端降水阈值在27.8mm附近变化,即可以大雨事件作为极端降水事件进行监测;极端降水指数主要表现为从南向北递减的趋势,极端降水事件对环县和崆峒的影响较小;极端降水事件虽然在总量、强度上表现为减小趋势,但其发生频次及对总降水的贡献率逐渐增强;极端降水总量和极端降水强度周期变化均在21年左右能量最强,而极端降水频次和极端降水贡献率周期变化分别在28、5年左右能量最强。     

光伏组件耐极端气候环境性能的研究综述

综述了极低温、高辐射及强风力等气候环境因素对光伏组件不同构成部分的性能的影响,通过采用改善光伏组件结构、材料等方法,降低因复杂气候环境因素造成的光伏组件失效概率,提升了光伏组件适应极端气候环境的能力,可为后续光伏组件在极端气候环境的应用及更深入的研究提供借鉴。     

基于监测数据的结构地震损伤追踪与量化评估方法

为增加藏式古建筑木结构的安全冗余度,该文提出了短期应变监测数据预测方法,以此对藏式古建筑木结构健康状态进行预判性评估。以回廊结构为对象,利用Sobel算子与卷积神经网络方法处理传感器带来的多种数据异常。通过多项式回归和功率谱密度的方法确定应变监测数据组分。引入变分模态分解法对数据进行解耦,以Prophet算法预测短期温度监测应变,以Gumbel极值理论预测不同重现期下的人群监测应变。以不同重现期下的应变监测数据预测值的叠加结果确定需重点关注的结构位置和需立即修缮的结构位置,以满足藏式古建木构的预防性保护要求和最小扰动原则。     

基于mRMR-XGboost-IDM模型的两阶段可调鲁棒经济调度

源荷双端不确定性导致的频繁弃风切负荷现象严重影响微网运行经济性。为有效应对源荷不确定性,文章提出一种基于最小冗余最大相关-极限梯度提升算法改进非精确狄利克雷模型(minimum redundancy and maximum correlation-extreme gradient boosting improved imprecise Dirichlet model, mRMR-XGboost-IDM)的两阶段可调鲁棒微网经济调度模型。首先,针对基于非精确狄利克雷模型(imprecise dirichlet model, IDM模型的不确定模糊集高度依赖历史数据数量的不足,结合mRMR-XGboost预测方法对其进行改进,扩大历史数据体量以提高所得不确定区间的精确度。其次,基于得到的不确定区间,构建微网两阶段鲁棒经济调度模型,并引入可调鲁棒参数协调经济性和鲁棒性。最后,采用列约束生成算法(column-and-constraint generation,C&CG)、对偶理论以及大M法求解最优经济调度策略。算例验证了所提模型可提高不确定区间刻画准确度,有效应对源荷不确定性并提高系统运行经济性。     

基于改进ELM和计算机视觉的核桃缺陷检测

目的：解决现有食品生产企业在核桃缺陷检测中存在的准确性低和效率差等问题。方法：提出一种结合改进极限学习机和计算机视觉的核桃缺陷快速无损检测方法。通过计算机视觉采集核桃大部分表面图像信息,通过高斯滤波对图像进行预处理,通过迭代和保留信息变量法对颜色和纹理特征进行优化,最后,通过改进蝴蝶算法对极限学习机参数（随机权重和偏差）进行优化,实现核桃缺陷快速无损检测,并对所提缺陷检测方法的性能进行验证。结果：试验方法可以实现核桃多种缺陷的有效判别。与常规方法相比,试验方法在核桃缺陷检测中具有更优的检测准确率和效率,检测准确率＞98.00%,平均检测时间＜9.00 ms。结论：将智能算法和机器视觉技术相结合可以实现核桃缺陷的快速无损检测。     

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。