CBR技术在自动配色系统中的应用研究

为提高复杂多变条件下的配色准确率,提出了基于案例推理（case-based reasoning,CBR）的新型自动配色技术,并给出了原型--基于案例推理的配色系统(CBRCMS). CBRCMS对配方库组织结构、配方检索、配方复用、学习调整等关键技术进行了探讨.CBRCMS基于大量的历史优良配方,以色度迭代逼近技术作为配色精度的基本保证,并将其作为CBR配方复用的主要方法.实验数据显示,CBR的引入可明显提高配色准确率,CBR技术的自适应、自学习特点对传统配色技术是很好的补充.     

不平衡数据下基于PSO-BP算法的输电线路弧垂预测

针对架空输电线路弧垂在计算过程中易受测量数据(温度、风速、档距等参数)影响的问题,提出了基于数据预处理的PSO-BP神经网络弧垂预测模型.对收集数据中部分样本缺失的情况,使用合成少数过采样技术(SMOTE)对不平衡样本进行合成;构建PSO-BP神经网络用于弧垂预测,使用不同工况条件的数据训练网络,实现弧垂预测的目的,并将网络的性能与传统的BP神经网络性能进行对比.实验结果表明,与传统BP神经网络模型相比,本文提出的模型进行弧垂值预测后所得的误差绝对值显著降低.本文提出的模型可以加快训练速度、提高预测精度.     

Conwep算法和压力时程曲线荷载施加法在爆炸毁伤分析中的适用性

为给大型结构毁伤研究提供技术支撑,应用显示动力学有限元软件ANSYS/LS-DYNA,以加筋板毁伤实验为依据,分别采用Conwep算法和压力时程曲线荷载施加法将爆炸荷载施加到加筋板模型上,将两种方法的数值模拟结果与实验结果进行对比,并从受爆结构单元、荷载施加范围以及结构位移与速度3个角度分析两种方法的适用范围和局限性.结果 表明:应用Conwep算法得出的数值模拟结果与实验结果的相对误差不大于5.15％;应用压力时程曲线荷载施加法得出的数值模拟结果与实验结果的相对误差不大于5.46％,均满足工程要求.因此两种方法均可作为爆炸荷载施加方法.     

基于卷积神经网络的目标检测

为了完成视频图像中人体检测,将卷积神经网络和梯度算法结合.将YOLO网络模型结构以及算法函数进行了优化调整.为了保留视频时间信息,引入了卷积神经网络反馈时间维度.采用长短记忆卷积神经网络(LSTM)进行训练,通过将迭代过程的最优解保留,加快了梯度算法中的搜索速度,并且保证收敛于全局最优解.     

基于多层次语义特征的建筑立面点云提取方法

建筑立面信息是指建筑物与外部空间接触面的空间分布及属性信息,如何从点云数据中提取建筑立面信息是点云数据处理中的热点和难点。为解决传统格网密度算法在建筑立面点云提取时评价标准单一、适应性不强的问题,综合分析建筑区各类典型地物点云的高程分布、投影密度、法向量分布等局部及整体空间特征,构建由点云单点语义、格网语义及区域语义组成的多层次语义特征描述子,在此基础上提出一种建筑立面点云提取方法,针对建筑立面点云在不同层次语义上的特点设置合理阈值,通过逐层筛选实现建筑立面点云的精确提取。试验结果表明：该算法能在低层、高层以及超高层建筑区等不同场景海量点云中快速准确地实现建筑立面点云提取,算法精度、效率、适应性良好。     

钠离子电池健康状态预测

钠离子电池健康状态(SOH)预测对于电池优化管理有重要意义,但由于钠离子电池老化机理复杂,影响因素众多,精准SOH预测挑战巨大.为此,本研究从健康状态时序测量数据出发,提出了基于双指数模型的粒子滤波法(DEM-PF)和基于小波分析的高斯过程回归法(WA-GPR),以实现钠离子电池单步SOH和剩余可用寿命(RUL)预测.前者直接采用双指数函数构建时序SOH数据模型,并结合PF算法进行模型参数更新;后者采用小波分析实现时序SOH数据多尺度解耦,采用GPR构建各尺度数据模型并进行融合后实施预测.实验结果表明,相比DEM-PF方法,WA-GPR方法的单步SOH和RUL预测效果更好,单步SOH预测均方根误差为0.8％,RUL预测误差最小为3次循环,从而为钠离子电池管理提供有效支撑.     

基于RLS-DLUKF算法的锂电池SOC预测方法研究

本工作以钴酸电池为研究对象,针对锂电池在复杂工况下电流的剧烈变化导致荷电状态(SOC)无法有效预测的问题,建立了以精确参数为基础的双层无迹卡尔曼滤波算法(DLUKF)架构来更精准的估算SOC.首先,以脉冲功率特性实验数据获取二阶电路模型中电池开路电压与荷电状态的函数关系及特性曲线;其次,为增强模型辨识过程中的自适应学习能力并解决模型参数估计不准确的问题,应用递推最小二乘(RLS)算法在线准确地识别出模型中的未知变量;最后根据输入的变量信息,利用UKF算法相互嵌套形成的DLUKF算法实现对SOC的快速预测来解决单一的UKF算法在高阶非线性系统里估算不准确、精度低的问题.在UDDS工况和FUDS工况下对DLUKF算法和单一的UKF算法进行比较,通过对比分析两种算法估计出的SOC曲线、SOC误差曲线、端电压曲线及端电压误差曲线,表明DLUKF算法预测SOC的平均误差比UKF的低且预测精度更高.     

计及微网储能系统多尺度不确定性容量协调优化

微网系统中的分布式电源和负荷需求的随机问题促使微网储能容量决策成为一个研究的热点话题.本文提出了多时间尺度下微网系统中源-荷的随机性和预测出力偏差的不确定性的储能容量优化方法.利用该方法建立了系统能量平衡关系和鲁棒性经济协调指标,刻画出了储能系统容量优化方法和微网随机因子间的定量关系,并兼顾微网运行经济性的目标.结合分层理论建立了含分布式电源的微网储能容量的双层优化模型,并采用多目标粒子群算法对本文的优化模型进行求解.仿真结果表明,所提方法能够保证储能系统容量优化配置,同时能获得良好的经济效益.     

基于多模型融合Stacking集成学习的异常用电检测方法研究

针对单一异常用电检测方法对于存在不平衡性的数据集检测效率普遍不高的问题,提出了一种基于多模型融合Stacking集成学习的异常用电检测方法。首先,以居民用电数据作为研究对象,分析用户在习惯上表现的不同特征,结合不平衡处理技术和分类预测算法进行研究;其次,为了提高模型的整体性能,采用量子遗传算法对集成学习模型中的参数做优化处理;最后,通过云南某地区用电数据集进行验证,证明所提模型相比单一学习模型检测的准确率有明显提升,对提升异常排查效率,降低电力公司的运营成本具有重要意义。