基于经验模态分解的无量纲指标故障诊断定位

无量纲指标作为新的理论工具应用于故障诊断研究中,虽然取得了一定的进展,但在应用时没有考虑到其他噪声干扰信号的影响,对结果分析有一定的干扰.而经验模态分解(EMD)技术能够提取出振动数据的故障特征信号,针对无量纲指标分析数据时的噪声干扰,提出了基于EMD的无量纲指标处理算法.首先对采集到的振动数据做EMD,分解出的前几个固有模态函数(IMF)分量中包含了振动数据的故障特征,去除其他噪声干扰信号的影响;其次求出含有振动数据特征信号的IMF分量的无量纲指标值,做出其无量纲指标的特征范围值;最后进行故障诊断分析.将此算法应用于旋转机械的故障诊断实验中,通过实验验证了该方法的可行性和有效性.     

燃烧室流动混合过程的代理模型

为了构建适用于燃烧室冷态流动混合过程的代理模型(surrogate model,SM)的方法，该文研究了构建过程中的关键步骤，通过使用Latin超立方抽样(Latin hypercube sampling,LHS)方法进行样本选取，在完成数值模拟后使用本征正交分解提取样本间的主要特征进行降维，再通过Kriging插值法完成工况插值。结果表明：该构建方法能够处理冷态高速、高湍流度、强旋流动和燃料/空气掺混，精度高于国际平均水平。同时，该文提出了构建方法的应用准则，为后续更复杂、包含燃烧反应过程以及结构变化的燃烧室SM构建奠定基础。     

基于EMD的数据驱动模型在径流预测中的应用

为提高径流预测的准确性,提出一种经验模态分解EMD(Empirical Mode Decomposition)与数据驱动模型相结合的径流预测方法。该方法运用EMD将汾河上游兰村、汾河水库和上静游三个水文站年径流序列分解为随机分量和趋势分量,分别选择合适模型对各分量进行合理预测,再拟合各分量预测结果得到最终的年径流预测值。结果表明,通过EMD分解,预测效果有明显提高,满足规范要求,计算方法可行。预测结果可为汾河上游防洪抗旱规划,水资源管理提供科学的依据。     

基于改进Shapley权力指数的特征选择算法简

针对特征选择算法对不同类型的数据集性能不稳定的问题,提出一种基于概率模型与改进Shapley权力指数的通用特征选择算法.首先,计算特征对类簇表征与类簇判别的重要性值;然后,计算特征对类簇的不确定度;最终,合并特征的重要性值与不确定度,提取合适的特征.因为概率模型对数据类型、数据缺陷具有较好的鲁棒性,所以对不同的数据集获得了稳定、高性能的特征选择效果.基于人工合成数据与benchmark数据集的实验结果表明,本算法对不同的数据集保持了稳定的特征选择效果,优于其他算法.     

应用RKM与ADM求解一类四阶非线性微分方程

应用再生核方法与分解方法求解一类四阶非线性微分方程.同时给出了收敛性分析与误差分析.在文章的最后给出了相应算例.     

基于结构纹理分解和多重网格的光流估计算法

分别针对光流计算对光照变化敏感以及运算复杂度高、迭代收敛缓慢的问题,使用一种基于ROF(Rudin-Osher-Fatemi)模型的结构纹理分解(STD)技术得到对光照变化不敏感的纹理图估计光流场,消除了光照变化产生的负面影响,并提出一种基于多重网格方法的分层处理策略.将光流计算的迭代过程分散在一系列粗细不同的网格上,在细网格上消除高频误差,在粗网格上消除低频误差,以达到加速收敛、提高光流计算速度的目的.实验结果表明,STD过程抑制了光照变化导致的负面影响,提高了光流估计精度.多重网格算法在保持优化精度的前提下,显著提高了光流计算的实时性.     

京津冀大气污染治理省际合作博弈模型

首先，结合目前京津冀区域大气污染的实际情况，提出了通过省际合作达到大气污染治理的 3 个基本假设. 其次，通过构建区域优化模型和 Shapley 值合作收益分配方案，建立了京津冀大气污染治理省际合作博弈模型. 通过求解区域优化模型得到各省份最优去除量和去除成本，进而利用 Shapley 值法获得相对公平的合作收益分配方案. 最后，以 2009 年京津冀各省份 SO₂ 去除为例进行了实证分析，结果显示了京津冀省际合作博弈模型的有效性和实用性，而且模型最优化模拟结果可作为区域决策的重要参考，促使各省份合作共赢.     

我国铁矿消费强度与钢铁冶炼及加工业的关系

简要分析了我国改革开放以来铁矿消费强度的阶段性变化特征,建立了铁矿消费强度的增量分解模型,应用国民经济投入产出表中数据,分时段对铁矿消费强度进行了增量分解计算和分析.结果表明,2002年前,资本形成以低于或基本等于GDP的增速增长,钢铁冶炼及加工业的铁矿消耗系数下降,致使铁矿消费强度降低;2002~2010年间,资本形成增速高于GDP增速,钢铁冶炼及加工业产出效益下降、铁矿消耗系数升高,致使铁矿消费强度大幅上升.因此,钢铁冶炼及加工业需要解决的主要矛盾是淘汰过剩的低端产能和推动产品结构升级,降低整个经济的铁矿消费强度,达到产业健康稳定发展的目的.     

基于误差修正与深度强化学习的原油期货价格预测研究

准确预测原油价格一直都是政府管理决策部门、投资主体和学术界关注的重点.然而由于货币政策、地缘政治等多样化风险因素相互作用,原油价格表现出更加复杂的非线性特征,使得原油价格预测面临着前所未有的挑战.本文以INE和WTI原油期货市场为研究对象,通过基于数据分解、强化学习集成策略和误差修正技术构建的原油价格预测模型(PVMD-QSBT-ECS)开展实证研究.首先运用自适应权重的粒子群优化算法(particle swarm optimization, PSO)优化的变分模态分解(variational mode decomposition, VMD)对原油期货价格序列进行分解;然后利用Q学习算法(Q-learning, QL)确定堆叠式长短期记忆网络(stacked bidirectional long short-term memory, SBiLSTM)、双向门控循环单元(bidirectional gated recurrent unit, BiGRU)和时域卷积网络(temporal convolutional network, TCN)的最优权重组合以构建集成预测模型,而后对预测结果...     

CEEMD结合改进小波阈值的激光雷达信号去噪算法

激光雷达远距离回波信号受噪声影响, 严重失真。为了有效去除信号的噪声, 提高回波信号信噪比, 提出一种互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)结合改进小波阈值的去噪算法。CEEMD可以自适应地分解非线性和非平稳信号, 改进小波阈值函数具有高阶可导特性, 能够克服硬阈值、软阈值函数各自存在的问题。两种方法结合, 可以更有效地去除噪声。首先, 对回波信号进行CEEMD分解, 得到若干固有模态函数(intrinsic mode function, IMF)。其次, 通过相关系数法计算IMF分量与信号的相关系数, 确定相关分量和不相关分量。最后, 对不相关分量使用小波改进阈值法进行去噪, 对相关分量使用粗糙惩罚法进行平滑, 再重构信号。基于实测数据的实验结果表明, 所提算法比CEEMD去噪法和CEEMD结合原改进阈值去噪法, 信噪比分别提升了2.65 dB和0.58 dB。