基于ISTA-LSTM模型的间歇过程质量预测

为了考虑过程变量与质量变量的相关性,解决间歇过程的时序性和动态特性导致预测精度不高的问题,提出一种基于改进时空注意力-长短时记忆神经网络(improved spatial and temporal attention long short-term memory,ISTA-LSTM)的模型进行间歇过程质量预测.首先,对间歇过程的三维数据按变量方向展开成二维矩阵,对二维数据采用Min-max方法归一化;然后,使用偏最小二乘(PLS)方法对原始数据降维,提取数据的特征信息,基于时间注意力和空间注意力构建编码-解码器结构的双层LSTM网络,利用注意力机制自适应地学习神经网络参数,关注每一个过程变量对质量变量的重要性并分配相应的注意值,从而保留所有输入的必要信息,采用带交叉验证的网格搜索算法对预测模型进行超参数寻优,并建立预测模型;最后,在青霉素发酵仿真平台上进行实验验证,实验结果验证了所提模型对间歇过程质量预测的可行性和有效性.     

异步电机电磁噪声的槽配合方案优化

异步电机的电磁噪声问题一直是国内外各大电机制造公司面临的难题,随着高功率密度异步电机的出现,其电磁噪声的解决将会更加困难。本文通过一台高功率密度电机就电磁噪声问题对所选槽配合进行优化对比,制造出低噪声高功率密度电机,希望能对同行有点帮助。     

对大岗山水电站物资核销的分析与探索

大岗山水电站工程物资核销工作经过近几年的探索和实践,证实物资核销工作深度有待进一步提高,物资核销标准中的已完工但未结算项目的消耗有待进一步完善,力争把工程甲供材消耗控制在合理的范围内。因此,大岗山水电站物资核销工作的当务之急是应尽快制定合理的甲供材消耗标准,规范核销流程,并完善充实管理办法,以进一步提高工程物资核销的可操作性。     

融合SIFT和MIL的红外人脸识别方法

针对红外人脸识别问题,提出一种新的基于尺度不变特征转换(SIFT)与多示例学习(MIL)相结合的算法。该算法将图像当作多示例包,SIFT描述子当作包中的示例,利用聚类的方法对训练集中的所有SIFT描述子进行聚类,建立"视觉词汇表",再根据"视觉字"在多示例训练包中出现的频率,建立"词-文档"矩阵,采用潜在语义分析(LSA)的方法获得多示例包(图像)的潜在语义特征,将MIL问题转化成标准的有监督学习问题,即在潜在语义空间用支持向量机(SVM)求解MIL问题。基于OTCBVS标准数据集的对比实验结果表明,所提算法是可行的,且识别率明显高于其他方法。     

Adam优化的CNN超分辨率重建

为了使单帧图像在不同放大倍数的条件下进行超分辨率重建能得到较好的效果,提出了一种Adam优化的卷积神经网络(convolutional neural network,CNN)超分辨率重建方法。该方法首先使用ISODATA(iterative selforganizing data analysis)聚类算法对训练的图像集进行分类处理,然后在Adam优化的卷积神经网络中对输入图像进行特征提取和非线性映射得到特征映射图,最后在Adam优化的卷积神经网络中对特征映射图进行反卷积重建得到多尺度放大的重建图像。通过实验验证使用该方法在不同放大倍数条件下的重构效果优于传统算法,在视觉效果上有较好的表现。     

热处理对42CrMo钢截齿微观组织与力学性能的影响

以国外同类产品为参考,采用复相处理以及局部感应淬火等多种热处理工艺,研究了42CrMo钢截齿的硬度、冲击吸收能量,并表征了微观组织、断口形貌等,分析了热处理工艺对微观组织和力学性能的影响。结果表明,复相热处理工艺的组织均为下贝氏体/马氏体(LB/M)以及少量残留奥氏体(RA),晶粒更细小且LB具有更好的综合力学性能,比淬火和低温回火(Q-T)工艺的冲击吸收能量更高;局部感应淬火工艺不但冲击吸收能量和齿头硬度最高,而且实现了齿头硬、齿柄软的轴向硬度分布,利于延长服役寿命;Q-T工艺处理后的试样冲击断口呈解理脆断形貌,复相处理的试样呈准解理断裂形貌,局部感应淬火处理的冲击试样呈韧性断裂形貌,得益于调质态(Q&T)组织的优良力学性能。试验数据表明,调质和局部感应淬火的热处理工艺更适合用于硬基材作业的截齿产品。     

电泵井油套环空泡沫段形成原因及长度范围的初步探讨

本文对泡沫段的形成机理进行初步探讨,并且通过现场对10多口井采取三种不同方法进行了验证,得出不同驱油方式、套压、沉没度级别、采聚浓度、含水等级等方面对油套环空泡沫段形成产生的影响,对油套环空泡沫段的长度范围进行了初步确定。为油井挖潜上产措施及油井动态分析提供准确可靠的液面资料。     

精细注水管理实现馆4单元良性开发

本文主要通过水井综合治理精细注采调整,深挖断层边部以及结合部区域的剩余油富集区,治理低含水低液面潜力井。通过各方面工作,保持了良好的开发态势,呈现出动液面、日注水平和注采比上升,日油、含水平稳的"三升两稳"局面。     

基于KPCA与LS-SVM的化工过程故障诊断算法研究

针对核主元分析方法(KPCA)在复杂化工在线监控过程中初始故障源难以辨识的问题,该文提出了一种基于核主元分析和最小二乘支持向量机的集成故障诊断方法。该方法首先运用KPCA对数据进行预处理,在特征空间构建T2和SPE来检测故障的发生,然后计算样本的非线性主元得分向量,将其作为最小二乘支持向量机的输入值,通过最小二乘支持向量机的分类进行故障类型的识别。将上述故障诊断方法应用到Tennessee Eastman(TE)化工过程,多种故障模式下的仿真结果表明,该方法不但能有效地辨识故障,而且提高了故障检测和故障诊断的速度。     

基于DBN-HD的车载设备故障诊断

针对列车超速防护（automatic train protection,简称ATP）系统车载设备故障诊断主要依靠人工经验以及效率低的问题,提出了深度置信网络-汉明距离（deep belief network-Hamming distance,简称DBN-HD）车载故障诊断模型。首先,利用DBN无监督地提取车载故障数据的抽象特征,获得原始数据的低维表示形式,将其输入附加在顶层的分类器输出诊断结果;其次,比较实际输出与期望输出之间的HD,将HD作为误差采用反向传播（back propagation,简称BP）算法自顶向下地微调DBN权值,完成模型训练;最后,利用某局集团公司电务段车载故障数据分析和验证模型参数对模型性能的影响。研究结果表明,与支持向量机（support vector machine,简称SVM）、反向传播神经网络（back propagation neural network,简称BPNN）和DBN进行对比,本研究提出的DBN-HD模型具有更高的正确率和运行效率,适用于实际车载设备故障诊断。