基于多角度特征提取的舵机故障诊断方法

针对舵机故障中的抖动问题,提出一种基于多角度特征提取的故障诊断方法.利用短时分析法分帧舵机数据,以获得短时平稳的时间序列;引入能熵比概念提取舵机数据帧内的电流特征,并利用动态时间规整思想提取舵机数据帧内的位置特征,形成多角度特征以增强输入特征的显著性.在此基础上,利用双向长短时记忆网络提高后续舵机故障分类过程的准确性.通过某型舵机抖动实测数据的仿真,并与传统长短时记忆网络的故障诊断结果比较,验证了所提方法的有效性.     

水分促使抛光铝粉热自燃临界温度和诱导时间

采用等温与非等温C80微量热试验及Semenov和Frank-Kamenetskii 热自燃理论对水分促使抛光铝粉热自燃的临界温度和各阶段诱导时间进行了研究.结果表明,Al₂O₃-H₂O与Al-H₂O反应均遵循Arrhenius动力学机制,反应活化能分别为61.7和 138.6kJ·mol^-1;堆积铝粉热自燃诱导时间由两阶段组成,第一阶段为氧化铝薄膜水解时间,第二阶段为铝-水反应放热系统由环境温度达到不返还温度T_○NR的时间,该时间取决于铝粉堆积状态和堆积质量.当环境温度为25℃时,第一阶段诱导时间为155.6h;当25kg铝粉以圆柱形集尘桶状态堆积时,相同环境温度下第二阶段诱导时间为0.7h,铝粉自燃临界温度为24.9℃,铝粉具有热自燃危险性,且诱导时间随堆积质量增加而延长.     

无线传感器网络时间同步CS-TPSN算法研究与仿真

无线传感器网络TPSN(Timing-Sync Protocol for Sensor Network)算法采用中心节点与子节点的双向通信,并通过交换时间信息和计算偏差值,实现无线传感器网络时间同步,有较高的时钟同步精度。但当系统中传感器密度较大时,节点同步跳数将明显增加,在影响同步精度的同时,增加了节点能量消耗。该研究提出了CS-TPSN算法,通过在节点层间进行拓扑结构改进,减少报文数量,优化层内和层间设计,降低算法开销,实现了基于OPNET的建模和仿真分析。     

基于小波分析和集成学习的短时交通流预测

针对短时交通流具有随机性和不确定性等特征,本文提出一种基于小波分析和集成学习的组合预测模型。首先对原始交通流数据的平均行程时间序列应用Mallat算法进行多尺度小波分解,且对各尺度上分量进行单支重构;然后对于各重构的单支序列分别使用极端梯度提升模型（extreme gradient boosting, XGBoost）进行预测得到多个子模型,同时利用贝叶斯优化算法进行子模型的最佳参数选择;最后把所有子模型的预测值代数求和,得到总体交通流的预测结果。采用美国纽约布鲁克林地区某路段实际交通流数据进行预测,并对预测结果与其他模型进行比较分析。研究结果表明：小波分析和XGBoost组合模型预测效果优于传统线性模型及单一XGBoost模型,从而更好地为交通管理提供指导意见。     

稠油热采井补贴管管柱界面粘脱分析与防治

稠油井注汽热采过程中,热应力易使补贴管与水泥环之间出现微裂缝、微环隙,致使界面出现粘脱现象,进而导致补贴失效。为延长补贴管使用周期,首先基于井下管柱三轴热应力理论与界面破坏准则,运用ABAQUS有限元软件建立热采井补贴管热力耦合三维有限元模型,模拟实际注蒸汽热采过程,得出补贴管-水泥-旧套管-水泥-地层系统的温度场、应力场分布规律及补贴管界面粘脱情况,并研究不同注汽温度、注汽压力、胶结强度等因素对补贴管界面粘结状态的影响;随后将预应力技术应用于补贴管二次固井过程中,并在不同工况下将施加预应力技术前后补贴管界面粘脱状态进行对比,界面粘脱长度显著降低;最后确定了不同温升条件下的预应力施加值,为二次固井与套损治理提供指导意义。     

基于二次分解与LSTM的金融时间序列预测算法研究

现有结合特征提取与预测模型的方法不能准确把握金融时间序列的混沌性与交互性,导致预测精度不高。针对此问题,提出一种基于二次分解与长短期记忆(long short term memory, LSTM)网络的金融时间序列预测算法。使用变分模态分解方法与集成经验模态分解方法依次解析金融时间序列数据,得到能表达数据混沌性特征的模态;将模态信息输入到融合有因子分解机(factorization machine, FM)的长短期记忆网络模型中,融合获取到的长记忆性特征与交互性特征,进而预测最终的结果;选取沪深300指数的历史数据作为实验数据集,通过多组对比实验验证算法的有效性。实验结果表明,提出的算法可以有效提升模型的预测能力,同时表达金融时间序列的混沌性、长记忆性、交互性。     

基于轻量化二维人体姿态估计的小样本动作识别算法

动作识别是近年来时序数据挖掘领域的研究热点,具有广泛的应用前景。但是现阶段基于深度学习的动作识别算法需要大量的标记训练数据集,存在泛化性差、实时性差、场景受限的问题。为解决这些问题,本研究设计一种基于轻量化二维人体姿态估计的小样本动作识别算法。该算法基于YOLOv5算法构建轻量化的人体检测器HYOLOv5。基于轻量化二维姿态估计模型Lite-HRNet设计人体姿态特征描述算子,有效地去除背景对人体动作特征的干扰。为有效度量时序人体姿态特征描述算子间的相似度,本研究提出基于动态时间规整的人体姿态特征距离度量,并在此基础上设计基于类别中心选择的动作模板匹配算法。该算法通过少量的动作视频构建动作特征模板库,利用动作模板匹配算法可实现多类动作视频的精准识别。为验证算法,本研究在COCO 2017的Humans数据集上对HYOLOv5进行测试,人体检测识别精度mAP@0.5：0.95可达50.7%。基于10种动作视频数据进行测试,结果表明,本研究所提算法可有效地识别视频序列中的姿态,在每个动作仅包含4个训练数据的情况下,动作识别准确率均可达到91.8%。     

复合式置换法压井参数计算研究

基于目前静/动态置换法压井研究中考虑最佳排气速度、排气流量、压井液最大泵入量、压井液下降时间等参数研究不完善,导致现场置换法压井作业缺乏一定理论指导从而压井失败等事故发生。通过结合静/动态置换法压井特点并基于泛流理论分析,优化了静/动态置换压井法基础计算模型,提出了复合式置换法并建立了相应计算模型,以压井时间为窗口,确定了气体排放流量以及最佳排气速度、压井液下降时间以及最大泵入量、压井套管压力等计算参数。结果表明:复合式置换法压井能明显提高压井效率,减少压井事故发生,在一定程度上可用于指导现场置换法压井作业。     

2003—2020年新疆北部积雪因子时空变化分析

积雪作为冰冻圈的活跃因子之一,对气候环境的敏感性使其能够快速反映出与气温、降水等气候因素的关系变化,并影响着全球水文变化。本文基于Google Earth Engine（GEE）云平台,对北疆地区2003年6月-2021年6月的MODIS逐日积雪数据进行去云处理,并基于像元计算了积雪覆盖比例（SCP）、积雪覆盖日数（SCD）、积雪开始时间（SOD）和积雪结束时间（SED）。实验结果如下：（1）基于GEE的去云处理方法使得积雪产品相对于气象站点数据的总精度达到91.47%,有利于提高对积雪因子的时空变化分析。（2）北疆地区SCD空间分布差异较大,SCD随海拔的升高而增加,SOD随海拔升高而提前,主要在11-12月出现;SED随海拔升高而推迟,主要在2-3月出现;夏季平均SCD最少,主要分布于天山中部以及阿尔泰山北部区域,约占3.35%,冬季平均SCD最为明显,大于60天的区域占46.3%;而SCP在1月达到最大,7、8月最小。（3）趋势变化上,SCD、SOD以及SED均无明显变化趋势,SCD整体西部呈弱上升趋势,占51.72%,东部呈弱下降趋势,占48.28%;北疆西部SOD呈提前趋势,东部SOD呈推迟趋势,SED整体呈提前趋势。（4）温度对SCD的影响大于降水量;春夏季,SCD与温度、降水量无明显相关性,仅准葛尔盆地东部春季平均SCD与温度呈强正相关;秋冬季,SCD与降水量、温度分别呈现较强的正负相关性。