冷水机组变流量性能预测模型与实验研究

为实现在冷水机组结构参数缺乏的条件下,对冷水机组变流量工况下的性能进行准确预测,提出了一种将冷水机组未知结构参数集总并基于少量机组实测数据获取模型参数的建模方法,建立了相应的冷水机组变流量性能预测模型.通过搭建冷水机组变流量实验装置并进行实验,获得其模型参数并对机组变流量性能进行了模拟与实验对比.结果表明:该建模方法的模型参数获取简便,模型性能预测精度较高,制冷量、COP等系统性能参数偏差在10%以内,能较好地表征冷水机组变流量工况下的性能变化规律.冷冻水流量从额定流量的100%降至42.8%时,冷水机组制冷量减小8.6%,COP减小8.8%;冷却水流量从额定流量的100%降至24.2%时,冷水机组制冷量减小1.8%,COP减小14.8%,可为空调系统的变流量优化运行提供指导.     

工业共沸精馏塔软测量建模方法的研究与应用

针对某一工业共沸精馏塔成分估计问题，利用基于支持向量机技术的软测量建模方法，建立了恰当的工业软测量模型。利用滑动时间窗技术实时更新建模数据集，并根据预估精度决策在线优化和模型更新，提高工业软测量模型的在线估计精度。研究结果表明，基于滑动时间窗的LS—SVM软测量建模方法，是一种有效的软测量建模方法。     

基于无人机倾斜摄影技术的桥梁有限元逆向建模方法研究

针对桥梁图纸缺乏或缺失，桥梁抗震分析中存在大量结构建模工作而其效率低下等问题，提出了一种基于无人机倾斜摄影技术的桥梁有限元逆向建模技术. 首先参数化桥梁有限元建模过程，再引入基于运动恢复结构和多视图立体匹配算法的倾斜摄影技术，结合无人机多视角序列影像构建目标桥梁三维实景模型，引入非均匀有理B样条算法提取桥梁复杂结构曲面，获取桥梁几何数据. 通过大数据信息和桥梁设计规范、设计标准图集、现场实测等调查方法获取无人机无法观测得到的桥梁内部结构参数，实现通过视觉外观、大数据信息和专家先验信息重建桥梁有限元模型. 对长沙市巴溪洲大桥建立三维实景模型，验证模型误差低于2%；利用大数据信息和专家先验信息获取桥梁内部参数，基于实景模型重建目标桥梁有限元模型，验证有限元模型模态频率误差低于2%，静载挠度校验系数为0.57~0.79. 研究结果表明：利用无人机倾斜摄影技术逆向建立的桥梁有限元模型可靠且精度较高，在桥梁健康监测和区域抗震分析领域具有较高的科学研究和工程实用价值.     

基于优化DeepLabv3+的混凝土梁裂缝分割及特征量化

目前基于深度神经网络的裂缝分割模型存在着训练参数多、裂缝边缘分割粗糙、分割精度不足、缺少深度特征语义信息等问题。为解决以上问题，对目前分割性能较好的DeepLabv3+模型进行研究，嵌入Non-local注意力机制并改进了主干网络Resnet101得到优化模型DeepLabv3+(N-S)，最后基于优化模型的输出并使用裂缝骨架提取的方法来量化裂缝特征参数。使用的数据集为自制的混凝土梁裂缝图像数据集，并对优化前后模型作对比实验，分析了模型在各项性能上优化的有效性，并使用实测数据来验证评估裂缝各项特征参数量化方法。实验结果表明，DeepLabv3+(N-S)网络在数据集上的mPA 、mIoU达到了88.86%、82.04%，较于原模型分别提高2.21%、2.54%，裂缝分割效果优于原模型，且裂缝样本各项特征参数量化的平均误差为+8.7%，低于原模型，可满足工程上的检测精度需求。     

基于神经网络的超声波流速测量模型

传统的超声多普勒测流采用线性定斜率K的方法,不能准确反映水流随环境变化的多变性.应用人工神经网络的建模方法,采用多层感知器的模型结构和自适应学习速率的BP学习算法,建立了基于超声多普勒频率测量流速的功能模型,并将辨识模型的仿真结果与系统实验测量数据比较,以检验神经网络模型的可靠性.仿真实验采用不同性能的实测数据作为训练样本,通过训练得出了流速测量神经网络模型的结构和参数,以及网络输出均方误差曲线,并作出了垂线流速分布图.实验结果表明:该流速测量建模方法具有较高的精度和较强的适应性,能更好地反映系统输入输出之间的非线性关系,模型的应用符合水力学规律.     

一种利用多层感知机和I-V特性的光伏组件建模方法

为了提高光伏组件模型的准确度和可靠性,本文提出了一种利用多层感知机和不同工况下实测的I-V特性曲线数据集的建模新方法。首先,使用双线性插值法对实测I-V曲线进行重采样,以提高I-V曲线上数据点分布的均匀性;进而使用基于温度-辐照度的网格采样法对数据集进行下采样,降低数据冗余度。其次,提出一种基于多层感知机神经网络的光伏组件模型,并基于预处理的I-V曲线数据集,使用Adam算法训练该模型。最后,采用美国国家可再生能源实验室提供的实测I-V特性曲线数据集,验证和测试了所提出的建模方法,并与支持向量机、梯度提升决策树等机器学习算法进行对比。实验结果证明,所提出的建模方法具有最高的精度和泛化性能。     

高速冲床传动系统性能退化分析与可靠性评估

针对高速冲床传动系统寿命较长、可靠性试验成本较高的特点,研究了基于性能退化数据的传动系统可靠性评估方法.根据传动系统的工作特性选择了下死点动态精度作为衡量性能退化的特征参数,搭建了相应的测试系统.对退化机理进行了分析,在此基础上利用漂移布朗运动模型对传动系统动态精度退化量进行建模,基于退化数据估计模型中的参数,进而利用所建模型评估得到传动系统寿命和可靠性指标.采用实测数据对所提出的方法进行验证,结果表明:该方法在没有寿命数据的情况下评估得到了高速冲床传动系统的寿命和可靠性指标,可节约试验经费和时间.     

利用多层感知机和Ⅰ-Ⅴ特性的光伏组件建模方法

为了提高光伏组件模型的准确度和可靠性,提出一种利用多层感知机和不同工况下实测的Ⅰ-Ⅴ特性曲线数据集的建模新方法.首先,使用双线性插值法对实测Ⅰ-Ⅴ曲线进行重采样,以提高Ⅰ-Ⅴ曲线上数据点分布的均匀性;然后使用基于温度-辐照度的网格采样法对数据集进行下采样,降低数据冗余度.其次,提出一种基于多层感知机神经网络的光伏组件模型,并基于预处理的Ⅰ-Ⅴ曲线数据集,使用Adam算法训练该模型.最后,采用实测Ⅰ-Ⅴ特性曲线数据集,验证和测试了所提出的建模方法,并与支持向量机、梯度提升决策树等机器学习算法进行对比.实验结果证明,所提出的建模方法具有更高的精度和泛化性能.     

基于改进仿射传播聚类的多模型软测量建模及应用

对于多模型软测量建模,聚类效果、子模型的建模和融合方式对其模型精度有重要影响。对此,该文提出一种基于改进仿射传播聚类的多模型软测量建模方法。为提高聚类精度,在仿射传播聚类算法划分样本数据的基础上,采用人工鱼群算法对仿射传播聚类算法的偏向参数和阻尼系数寻优,同时针对距离较近类别边界处的样本再建立重叠类,采用支持向量机建立各类样本的回归子模型。分别用标准数据集仿真和工业双酚A生产装置的现场数据建模仿真,结果证明该方法是有效的。     

基于ARMA模型的粗糠醇精馏过程软测量建模方法

针对粗糠醇精馏过程存在的非线性时变及建模数据的影响持续性不易确定,导致软测量模型预测准确性低的问题,提出一种基于ARMA模型的粗糠醇精馏过程软测量建模方法。构建了粗糠醇精馏过程的自回归滑动平均(Autoregressive Moving Average, ARMA)模型,将建立好的ARMA模型与软测量建模方法相结合,提出基于ARMA-LSSVM的软测量建模方法。基于粗糠醇精馏过程实际数据分别建立了ARMA-LSSVM与LSSVM的软测量模型并进行了对比分析,分析结果表明:本文提出的基于ARMA模型的粗糠醇精馏过程软测量建模方法,可以有效提高粗糠醇精馏过程软测量模型的数据预测精度。     

便携式RGB-D传感器深度测量与建模精度研究

以RGB-D(彩色-深度)传感器的代表微软Kinect 2.0相机为例,结合飞行时间测距法(ToF)获取深度信息的原理,对环境中不同材质、不同颜色情况下获取的深度数据的精度进行理论与实验分析,得出深度测量误差与深度测量距离的平方成线性关系,以及不同颜色材质下深度测量精度的定量规律.同时利用所建场景、模型表面特征参数指标的绝对误差和相对误差,并对豪斯多夫距离法进行改进,来分析整体建模精度;以高精度三维激光扫描仪(LiDAR)建模成果作为标准,对RGB-D传感器整体建模结果的精度进行评价,在此基础上分析便携式RGB-D在量测、建模上能达到的实际精度,得出其在实际近景测量、室内建模等方面的适用性.     

基于混沌最小二乘支持向量机的软测量建模

提出一种改进算法,用来解决现有最小二乘支持向量机方法在处理大规模样本软测量建模问题时出现的模型结构复杂、失去支持向量稀疏性且正规化参数和核参数难以确定等问题.对样本集进行预处理,通过计算样本间欧氏距离进行样本相似程度分析,去除样本集中1/3的样本以简化支持向量机模型结构并提高计算速度.定义了一种混沌映射构成混沌系统并分析了其遍历性.应用改进的混沌优化算法优化最小二乘支持向量机模型参数以提高模型的拟合精度和泛化能力.将改进算法用于丙烯腈收率软测量建模中,仿真实验结果表明:模型精度较高,泛化性能好,满足现场测量要求.     

基于机制建模与模糊建模相结合的聚丙烯熔融指数软测量方法

针对聚丙烯熔融指数软测量建模问题,提出一种基于机制建模与模糊建模相结合的建模方法.从聚合反应机制出发,得到熔融指数软测量模型的机理结构框架,将其作为Takagi-Sugeno(T-S)模糊模型的后件部分,然后用加强型模糊聚类算法辨识T-S模型的前件参数.应用结果表明,将机制建模与模糊建模相结合的方法保留了模型参数的物理意义,提高了建模精度,所建软测量模型具有较好的预测性能.     

融合专家综合知识的贝叶斯网络参数学习方法

贝叶斯网络模型是经典概率图模型,目前已经广泛应用到各个领域中.在贝叶斯网络模型的参数获取方面,以往的方法往往仅依靠数据集或者专家知识.实际情况中,数据集往往存在缺失或者存在噪声,而单一专家指定的参数存在较大的主观因素,两类方法所得参数与实际存在较大偏差.提出基于D-S证据理论的专家综合知识结合小数据集的贝叶斯网络参数学习方法,克服了依靠数据集小的情况下造成的参数不准确或依靠单一专家知识主观性较强的问题.通过实验验证,提出的方法在小数据集的情况下,所获得的贝叶斯网络参数更为准确.并将提出的方法用于公安机关刑事案件线索研判,综合专家知识与小数据集获取模型参数,研判结果能够较好地反映实际情况,证明了方法的有效性.     

基于参数优化的光伏电池故障诊断

提出一种基于参数优化的光伏电池故障诊断方法.采用优化的人工蜂群算法对影响光伏电池I-V曲线的参数进行辨识,获取不同故障类型光伏电池特征参数数据集,建立概率神经网络故障诊断模型对光伏电池故障类型进行诊断.仿真结果表明,优化的人工蜂群算法能够对光伏电池特征参数进行快速、准确的辨识,故障诊断结果与故障特征一致,验证了基于参数优化光伏电池故障诊断方法的有效性.     

基于模型的工业机器人误差参数标定技术研究进展

 为提高机器人末端控制精度,围绕基于模型的工业机器人误差参数标定技术,总结了其应用在高精度机械加工制造领域时存在的误差参数不完整、标定成本高和标定精度不满足工业需求等关键问题;综述了误差参数标定模型建模方法、机器人末端位姿测量技术、误差参数辨识技术和误差补偿技术4个方面的进展,分析了处理复杂标定任务时基于模型的误差参数模型标定技术的主要难点进行总结,针对传统建模方法不再满足标定需求、现有自标定技术测量精度不够、传统线性辨识算法在辨识矩阵奇异或存在冗余参数时无法得到准确的辨识结果、如何高效获得和处理测量得到的误差数据等难题,提出了可行性解决方案及发展方向。     

基于PSCAD/EMTDC软件的城轨交通单车电气特性建模与仿真

基于PSCAD/EMTDC仿真软件,首先采用面向对象的建模方法对城市轨道交通车辆进行了电气建模,所建模型包括主牵引系统、制动电阻、滤波电路、辅助系统、阻力计算、行驶控制等诸多单元;然后基于该模型利用上海轨道交通某车辆参数进行了仿真和校验,仿真结果表明所建立的仿真模型具有较高的仿真精度,仿真数据与实测数据一致,能够准确地模拟出车辆在不同状态的电气特性与行使特性.     

基于多站扫描的点云特征参数与材积结构动态分析

【目的】采用地面激光雷达(TLS)进行多站点扫描获取立木的点云信息,提取有关点云分布的特征参数,拓展立木测树因子,建立基于特征参数的材积模型。【方法】以马褂木(Liriodendron chinense)人工林为研究对象,利用点云数据提供的立木上部直径(d)、树高(H)等因子对两期(2014、2017年)林分结构变化进行分析;设计并提取基于TLS点云的特征参数高度累计百分比,同时提取了其他与高度相关的特征参数作为一组变量;将提取的立木胸径(DBH)与特征参数作为另一组变量;最后分析特征参数、胸径与材积的相关性,通过逐步回归法分别建立基于两组变量的材积模型,并分析两期材积的动态变化。【结果】选用特征参数H₂₅与H_{t, var}(点云高度方差)拟合两期材积模型,其决定系数R²分别为0.771 1、0.742 6;利用特征参数H₂₅与胸径拟合,模型预测精度有明显的提升。以上两组材积模型预测各径阶材积变化,其模型值与实测值无显著差异,R²均高于0.9。【结论】研究提取的高度累计百分比与立木测树因子紧密相关,可以很好地反演林木的动态结构。研究建立的材积模型均有较高的精度,可用于林木材积动态变化监测,为地面激光扫描点云参与森林资源动态监测提供理论参考。     

基于改进型辅助变量法的压力传感器建模

针对经典压力传感器建模方法存在适应性较差、难以准确获取压力传感器动态特性的问题,提出了一种基于改进型辅助变量法的压力传感器动态建模方法。首先运用粒子群算法预估计模型参数,将预估计的参数代入差分方程构造辅助变量。然后利用输入、输出数据用辅助变量法辨识模型的参数,进行压力传感器系统仿真,在不同噪声模型及信噪比下得到系统输出,分别用提出的方法和现有方法建模,比较建模结果的差异。最后用激波管动态校准实验平台对压力传感器进行动态校准。根据输入、输出数据构造信息矩阵并对其正交分解确定模型阶次,再次用提出的方法和现有方法建模,验证仿真结果。通过压力传感器系统仿真及实验数据验证表明：在压力传感器建模中,改进型辅助变量法的辨识精度明显高于现有方法。     

基于点数据集三维空间曲面三角化算法实现

在地质、医学等科学研究领域中,基于原始数据建立三维空间图像模型的研究具有较高价值;特别在三维地质构造建模中,测量获取的原始数据采用点数据集形式表示。基于点数据构建三维空间曲面三角化网格模型能够很好地还原点数据集所表示的曲面形态和展布,在现有的三角化剖分算法研究的基础上,提出一种基于点数据集三维空间曲面三角化网格模型生成算法;该算法生成的网格模型质量较高,能够较好地描述点集所表示的曲面形态。采用描述地质界面的点数据集进行算法验证与测试,根据边界数据实际情况,生成三维空间曲面三角化模型并更新网格模型边界,效果比较理想。