基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

技能映射通过析取模型诱导的多分知识结构

基于程序性知识的评估,提出由项目自身的状态结构诱导多分知识结构的方法,以建立适用于问题解答的多分评估体系.首先,根据各项目的解答或操作步骤设定响应值集,通过项目状态转移函数定义项目状态空间;然后,用操作程序表示技能,由过程函数导出析取的技能映射;最后,讨论技能映射通过析取模型诱导的多分知识结构.结果表明：技能映射通过析取模型诱导的多分知识结构是多分知识空间.     

频域时间反转多用户系统的信干噪比和误比特率分析

为了更有效地将时间反转技术应用到正交频分复用系统中,推导了多天线频域时间反转预编码多用户系统的平均信干噪比和误比特率的表达式。通过推导信号功率均值的表达式和用户间干扰信号功率均值的近似表达式,得到用户的平均接收信干噪比的近似表达式,进而得到二进制相移键控调制下的平均误比特率的一个下界和近似表达式。仿真结果表明,推导的平均信干噪比的近似值与仿真结果很接近,近似BER值与仿真得到的平均BER值较为接近;通过增大速率回退因子和天线数,可明显提高平均信干噪比,降低误比特率。     

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization, NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.     

基于卷积型变分原理的半解析法及其在热传导中的应用

本文基于积型变分原理提出了瞬态热传导问题的半解法,该方法在空间域内作有限元离散,在时间上用纵数表示,吸取了现有求解瞬态问题方法的优点,又克服了其缺陷,一维和二维算例结果表明。该方法进求解热传导问题的一种新型、有效的方法。     

硫酸钾的制备

本文介绍了用复分解法制备硫酸钾,证明了其可行性,并对可能存在的误差做了分析。     

Hilbert空间中的发展包含

在Ｈｉｌｂｅｒｔ空间中研究发展型微分包含ｘ’＋Ａ（ｔ）ｘ∈Ｆ（ｔ,ｘ）,其中Ｆ是一个多值映象,证明了以上 系统ｍｉｌｄ解的存在性,得到一个新的存在性定理。     

企业员工绩效考评方法研究及应用

本文提出了一种新的员工绩效考评方法－ＡＦＴ,即用层次分析法（ＡＨＰ）确定考评指标的权重,用模糊数学的方法（Ｆｕｚｚｙ）对各类质化考评指标值进行量化处理,并进行系统的综合,用逼近于理想解的方法（ＴＯＰＳＩＳ）排出被质评者的优劣顺序。     

求解摄动问题的一种新方法

本文提出了求解摄动问题的一种新方法－变分迭代算法,这种方法不按小参数展开,而是先给出一个近似解,然扣用拉氏乘子法校正其近似解,而拉氏乘子可用分变分理论最佳识别。     

广义强非线性拟变分不等式

引入并研究一类新的广义强非线性拟分变不等式,构造新的迭代算法,在没有紧性条件下,证明这类拟变分不等式解的存在性及由算法生成的迭代序列的收敛性,所得结果包含了近期一些作者的工作作为特例。