基于强化学习单元匹配循环神经网络的滚动轴承状态趋势预测

为了解决当前人工智能预测方法在滚动轴承状态趋势预测中预测精度较差、计算效率较低的问题,提出基于强化学习单元匹配循环神经网络(RLUMRNN)的滚动轴承状态趋势预测新方法。先采用滑动平均奇异谱熵作为滚动轴承状态退化特征,再将该特征作为RLUMRNN的输入完成滚动轴承状态趋势预测。在RLUMRNN中,利用最小二乘线性回归法构造单调趋势识别器,将轴承整体的状态退化趋势分为上升、下降、平稳3种单调趋势单元,并通过强化学习为每一种单调趋势单元选择一个隐层数和隐层节点数与其相适应的循环神经网络,从而改善了RLUMRNN的非线性逼近能力和泛化性能;用3种单调趋势单元和不同隐层数、隐层节点数分别表示Q值表的状态和动作,并构造关于循环神经网络输出误差的新型奖励函数,以明确强化学习的目标,从而减小循环神经网络的输出误差,避免在Q值表更新过程中使Agent(即决策函数)盲目搜索,提高了RLUMRNN的收敛速度。通过双列滚子轴承状态趋势预测实例验证了该方法具有较高的预测精度和计算效率。     

配电网三相概率潮流计算方法研究

配电网三相概率潮流计算通常假设输入量非相关,但实际输入量之间存在相关关系,为此,提出一种采用奇异值均匀采样的方式处理随机变量,并与半不变量、Gram-Charlier级数相结合的三相概率潮流算法,该算法能将多维非正态相关的向量转化成多维正态非相关向量,然后进行概率潮流计算,能够得到节点状态向量和支路潮流的计算信息,而且能极大地提高运算效率,并以IEEE 14节点辐射状系统为算例,采用蒙特卡罗法进行对比,验证概算法的有效性。     

激光气体氮化对工业纯钛TA2表面硬度的影响

通过组织观察和硬度测试分析了工业纯钛TA2在激光气体氮化中,带式积分镜的应用和激光气体氮化参数对氮化后TA2表面硬度的影响。结果表明:采用带式积分镜进行激光光束变换可以有效提高工业纯钛TA2的表面硬度和激光氮化处理的效率;氮化区域内生成硬质相TiN是工业纯钛TA2表面硬度得到提高的主要原因,有利于硬质相TiN形成的激光气体氮化参数都会提高其表面的硬度。     

基于法矢的点云拼合方法

提出一种新的点云拼合方法。该方法由高斯映射不变量寻找对应点,再根据对应点间刚体变换的聚类特性来剔除错误的对应关系。采用奇异值分解,通过迭代计算拼合的刚体变换。试验表明,采用高斯映射不变量寻 找对应点比采用曲率更为有效,与传统的迭代最近点算法相比,所提出的方法能更好地解决部分重叠点云的拼合问题。     

基于专家PID控制的微波加热功率主动控制方法

针对现有微波功率控制方法存在的过渡时间长,稳定性差等问题,提出微波源功率专家比例积分微分(PID)主动控制法,在防止出现"热失控"的前提下,根据物料的介电特性、反射功率等先验知识,建立专家控制规则库,将控制规则预存于控制器,解决微波加热过程实时控制难,控制精确度差等问题。仿真实验结果证明,专家PID控制比经典PID控制达到稳态的用时节约70%,效率提高89%,精确度提高87%。     

基于非齐次泊松过程的拖拉机发动机使用可靠性

进行发动机故障跟踪试验,得到发动机现场使用的故障数据。基于随机过程的理论,用非齐次泊松过程建立发动机故障过程数学模型,包括模型的假设检验,并给出故障过程模型的参数估计。研究发动机的故障间隔时间和故障强度函数之间的数学表达式,定义故障过程改善和故障过程劣化的概念,导出故障过程改善和故障过程劣化与故障强度函数之间的关系,得到发动机使用初期的故障强度曲线,给出发动机平均故障间隔时间的估计值。研究结果能为提高发动机可靠性、维修性和维修策略提供参考依据,同时对研究机械系统之间故障的相关性奠定理论基础。     

不规则地面低频地波传播预测方法的性能比较

对不规则地面低频地波传播预测中积分方程方法、Millington经验公式以及FDTD算法的性能进行了分析比较.首先介绍了三种方法的模型和理论;然后分别采用这几种方法预测了传播路径中有高斯形山脉时低频地波的场强和二次时延分布,对几种方法的优势、局限性及误差进行了比较分析.结果显示:在地形起伏较小的区域,积分方程方法和FDTD方法吻合较好,Millington方法不能反映地形起伏对地波传播影响规律;当地形起伏较大时,积分方程方法也不再适用,FDTD则可以在山前及山脉区域预测到由地形反射引起的振荡信号.     

基于Laguerre多项式的边界积分方程时域求解

针对时域积分方程中存在的晚时震荡问题,介绍了基于Laguerre多项式的电场、磁场和混合场积分方程,求解了导体球和导体圆柱的时域电流分布和后向散射场以及单站RCS。结果表明,3种积分方程很好地解决了晚时震荡问题,混合场积分方程具有更高的计算精度。     

基于奇异值分解的PCNN红外与可见光图像融合

为了提升红外与可见光图像融合精度,提出了一种基于局部区域奇异值分解的自适应PCNN红外与可见光图像融合算法。利用局部区域奇异值构造局部结构信息因子,作为PCNN对应神经元的链接强度。经过PCNN点火处理,获得源图像的点火映射图,通过比较选择算子,选择源图像中明显特征部分生成融合图像。采用多组红外与可见光图像进行融合实验,并对融合结果进行客观评价。实验结果表明本文提出的算法在主观和客观评价上均优于已有文献的一些典型融合算法,可获得更好的融合效果。