木札岭华山松树轮宽度年表的建立及其气候响应

研究秦岭东部地区树轮对气候因子的响应,为该区域森林资源管理及抚育更新提供数据,并为气候重建提供参考。     

我国林木良种繁育基地建设发展形势及可持续发展策略

1964年,福建省洋口国有林场杉木 (Cunninghamia lanceolata) 种子园、广东省台山红岭湿地松(Pinus eliottii)种子园、黑龙江省林口县青山林场兴安落叶松(Larix gmelinii)、日本落叶松(L. olgensis)、樟子松(P. sylvestris var. mongolica)种子园的建立,标志着规模化树木改良和林木良种繁育基地建设在我国的开始。经过半个多世纪的发展,我国已建立:国家林木种质资源库99个;国家重点林木良种基地294个,生产林木种子1.7亿kg,苗木2 800多亿株;审定认定林木良种3 224个, 造林树种良种使用率提高到65%。其中,浙江省杉木无性系种子园第1代、1.5代、第2代的6年生子代测定结果表明材积遗传增益分别为16.97%、22.58%、26.42%;而种源种子园和双无性系种子园遗传增益更高,分别达到32.82%和37.93%。福建省第3代杉木无性系种子园材积遗传增益达76%。进入21世纪,我国对林木良种繁育基地建设的树种结构进行了调整。由于我国树种资源非常丰富(乔木树种就有2 000多种,其中不少树种具有特殊用途和特异性功能),我国良种繁育基地经营和树种改良方向更加多元化。除开展一般工业用材树种如松属(Pinus)、杉木属 (Cunninghamia)、落叶松属(Larix)等树种选育外,同时开展遗传改良的树种还包括:特殊用材树种如降香黄檀(Dalbergia odorifera)、楠木(Phoebe bournei)、水曲柳(Fraxinus mandahurica)等;抗逆性生态树种如梭梭(Haloxylon ammodensron)、沙棘(Hippophae rhamnoide)、胡杨(Populus euphratica)等; 园林景观树种如亚美马褂木(又称杂交马褂木或杂交鹅掌楸)(Liriodendron sino-americanum)、玉兰(Magnolia denudata)、金钱松(Pseudolarix amabilis)等; 油料香料树种如油茶(Camellia oleifera)、油桐 ( Vernicia fordii)、八角(Illicium verum )等;干果树种如山核桃(Carya cathayensis)、香榧(Torreya grandis)、枣子(Ziziphus jujuba)等;药用树种如杜仲(Eucommia ulmoides)、厚朴(Magnolia officinalis)、山茱萸(Cornus officinalis)等。笔者认为,我国林木良种繁育基地建设是实现我国林业现代化的一项基础性工程,是林木种子工程建设的重点内容,今后我国林木良种繁育基地建设可持续发展策略性措施包括下列6项内容:①稳定长期经济补贴投资机制,确保良种繁育基地长期正常运转;②加强行政管理监督,制定和修订技术标准、法规;③加强科学技术支撑力度,健全“三结合”协作机制;④制定长期良种基地规划和育种计划,确保基地建设长期持续前行;⑤成立良种基地管理指导委员会,建立科学决策机制;⑥定期举办良种基地与林木育种研讨班,商讨关键科学技术和经营管理重大问题。     

基于置信规则库的并发故障诊断方法

针对具有不确定性的并发故障诊断问题,提出基于属性权重和权衡分析的置信规则库(belief rule base, BRB)诊断方法。以属性权重大小来表示属性与特定故障模式之间的相关性,设计能够反映故障模型约束的基于差分进化的优化算法,通过相邻故障模式置信度与预设阈值的权衡分析完成对并发故障诊断。该方法仅需构造单个置信规则库来有效处理各种不确定性信息,与已有研究方法相比极大地降低了建模复杂度。诊断结果不仅能得到故障的并发情况,还可分辨故障的主次关系,并且建模和推理过程开放,可解释性强。最后以船用柴油机的并发故障诊断作为实例,验证了所提方法能够有效的诊断出并发故障并且模型具有较好的稳定性。     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明，在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

电网故障下双馈风力发电机控制改进与仿真

随着风电装机规模的不断增加,作为未来能源互联网中重要的一环,风电机组应对电网故障的能力越加显得重要。针对双馈风力发电机组在电网故障下的暂态特性,提出了一种基于电网故障类型区分、控制器设计和辅助设备穿越的综合控制策略。相比于传统的控制方法,克服了控制误差大和响应滞后的问题,真正实现了系统的精细化控制。基于MATLAB和VC++联合建模,利用MEX技术搭建了电网故障下的1.5 MW双馈风力发电系统模型,仿真结果验证了所提出的综合控制策略在电网故障下提高双馈风力发电机控制的有效性。     

基于严格二叉树编码和GA的模糊树结构学习

为解决模糊树模型结构学习中存在的信息冗余、寻优效率低等问题,提出了一种基于严格二叉树编码和遗传算法的结构学习方法。通过严格二叉树编码对模型结构进行编码,改善了现有矩阵编码的信息冗余问题;考虑到编码特殊性和算法收敛性,提出了一种改进的遗传算法用来对模糊树模型的结构进行寻优。实验结果表明,不同数据集上该算法的稳定性和计算速度均较好,能够寻找到一个较优的二叉树结构,从而提高模糊树模型的建模精度。     

基于树型空间的三维树木模型匹配

为解决三维树木模型的检索具有正确率低、检索效率低、描述不匹配等问题,提出一种基于树型空间的三维树木模型匹配方法。该方法通过构建三维树木模型数据集的树型空间,辅以主轴匹配,轮廓匹配,枝干匹配等方式,经过树型空间中欧氏距离和测地线度量差异值,逐步匹配到相应的三维树木模型,该方法分别在通用模型数据集和自我设计的模型数据集进行了匹配性实现,结果表明可以较大幅度提升树木模型匹配的准确率,利于三维树木模型的大规模检索和重用。     

基于特征生成的轴承不均衡数据故障诊断

针对实际生产中难以获得足量的故障样本数据导致训练中样本不均衡、样本不足等问题,提出了一种基于特征聚类的过采样算法,并将其与卷积神经网络相结合的滚动轴承故障诊断模型。该模型将频域信号作为模型的输入,通过卷积神经网络进行特征提取,再通过过采样技术生成新的特征数据实现数据的均衡化,将新生成的特征数据和原有特征一同输入到支持向量机(Support Vector Machine,SVM)分类器中完成样本的分类,实现滚动轴承的故障诊断。通过对比实验,结果表明该方法可以有效解决数据不均衡的问题。     

一种结合BLS签名的可拜占庭容错Raft算法

针对Raft算法中的拜占庭容错问题，提出结合BLS签名的拜占庭容错（RaftByzantine fault tolerance，RBFT）算法.首先，利用BLS签名实现阈值签名，将投票过程转化为阈值签名过程，并将该过程与Raft算法的AppendEntries消息和RequestVote消息结合，尽可能地减弱容错过程对共识效率的影响；其次，通过增量哈希引入安全状态，保证了日志的不可篡改性；接着引入客户端对Leader节点的动态监控，以避免拜占庭Leader节点消极反馈的发生，进一步保证了算法的活性；最后，由本地多节点仿真实验表明：RBFT算法有效提升了数据吞吐量和可拓展性，并降低了交易延迟.     

基于域适应与分类器差异的滚动轴承跨域故障诊断

基于数据驱动方法诊断滚动轴承故障时，不同工况下的数据特征分布差异会导致模型诊断性能严重下降.针对这一问题，提出了基于域适应与分类器差异的滚动轴承跨域故障诊断方法.首先利用卷积神经网络对带标记的源域样本和无标记的目标域样本进行特征提取;然后通过2个全连接分类器进行故障分类;最后通过分步优化分类损失、域最大平均差异损失和分类器差异损失，实现源域和目标域之间的域分布对齐，从而实现无标记目标域样本的故障诊断.实验结果表明，所提方法与主流的域适应方法相比具有更高故障诊断准确率，验证了该方法的合理性和可行性.