基于新型自适应采样算法的催化重整过程代理模型

催化重整装置是石油加工的重要装置之一,直接使用机理模型对其进行优化耗时较长。代理模型方法能够有效地对机理模型进行近似,而采样方法对代理模型的精度有很大影响。提出了一种新的自适应采样算法-基于最近邻和马氏距离的自适应采样算法。该算法从采样方法的全局搜索能力与局部搜索能力出发,通过求解优化问题在关键信息区域中获取样本点。采用7个测试函数进行测试,结果表明该算法能够选取对代理模型精度影响较大的采样点,从而有效地提升代理模型的精度。针对催化重整过程的关键质量指标建立了相应的代理模型,结果表明该算法能够很好地处理实际工程中的问题。     

一种求解昂贵黑箱优化问题的多代理辅助进化算法

【目的】提出一种求解昂贵黑箱优化问题的多代理辅助进化算法。【方法】对进化采样辅助优化算法进行改进，将全局搜索中每代的进化操作进行10次，以降低求解的不稳定性；并对全局搜索与局部搜索的转换采用自适应距离准则判断，从而提高求解的精度。【结果】得到了新的昂贵黑箱优化问题的多代理辅助进化算法。【结论】使用22个测试问题对新算法的数值结果进行评估，结果表明新算法与进化采样辅助优化算法相比优势明显。     

云环境下基于预分片的遥感数据并行重采样方法

面向海量高分辨率遥感影像数据快速发布需求,针对当前云环境下遥感影像数据并行重采样存在的难题,结合云平台MapReduce并行计算框架特性和遥感影像数据处理特点,提出了一种基于预分片的遥感影像数据并行重采样方法,通过预分片机制有效实现了该框架中对影像数据分片和并行重采样任务的控制,解决了MapReduce难以用于并行处理非结构化、具有空间位置特征的遥感影像数据的问题,从而实现了云环境下遥感影像数据的高效并行重采样.通过在开源云平台Hadoop上的实验和分析表明,该方法具有良好的重采样性能,能够实现高分辨率遥感影像数据的高效重采样.     

基于变形模型的肝CT序列图像分割

研究了一种基于变形模型的肝轮廓提取方法。该方法以人的经验知识作为先验信息，利用灰度特征、肝CT序列图像特点、肝区轮廓的整体几何信息作为区域聚合依据进行肝区图像分割。实验表明该方法能够较好地克服噪声和轮廓初始位置的影响，对肝CT序列图像的分割效果较好。     

基于高速串行接口的m序列采样特性研究与应用

m序列由于具有良好的伪随机特性在无线通信、保密通信、码分多址通信(CDMA)中应用十分广泛。通过对m序列采样性质的深入研究,发现当n级m序列的采样频率为f/(2i)时,其采样序列与原序列平移等价,并把这个特性作为采样定理的推论。利用有限域理论和m序列的采样定理证明了它们的本原多项式一致,并利用Model Sim和MATLAB依据m序列串行生成算法分别验证了该推论的正确性。该采样特性应用到高速串行通信芯片的测试中,可以减少测试平台对时钟频率的限制,显著提高测试效率。     

基于Kriging代理模型的PX氧化过程优化

基于流程仿真模型的复杂化工过程优化,往往需要较长的优化时间,效率低下,因此提出了用拉丁超立方采样和Kriging建模法构造流程仿真模型的代理模型,建立基于Kriging代理模型的多目标优化策略。将该策略应用于PX氧化反应过程优化,结果表明:所建立的Kriging代理模型的3个目标的输出精度都控制在1%以内,建模精度高。采用改进的多目标粒子群算法对此Kriging代理模型进行优化,不但能收敛到全局最优解,而且与PX流程仿真模型优化相比,优化时间大大减少,提高了优化效率。因此,在满足精度要求的前提下,Kriging代理模型可以代替PX流程仿真模型来进行优化,并具有较高的优化效率。     

并行环境下产品设计活动序列的研究

结合电磁轴承－转子系统，研究了产品设计过程的建模方法，建立了产品设计活动序列的网络模型及其矩阵表达，基于设计活动的序列网络模型，对设计过程中各设计活动序列出现的概率，关键路径及其延续时间作了分析研究，结果表明，这种方法可以对产品设计过程中的设计活动进行定量分析，从而来确定影响产品设计进程的关键环节，为并行设计的组织，实施提供指导。     

温特斯模型参数并行求解方法与应用

针对能源生产中压缩空气日产量具有明显周期性和规律变化的特性,提出了一种基于霍尔特-温特斯模型的参数并行计算预测方法。从时间序列分析、指数平滑以及最优平滑系数的并行求解入手,建立了压缩空气日产量预测模型。实验结果表明该预测模型在提高运算速度的同时具有较高预测精度。     

基于多代理的异构系统存储模型研究

数据存储技术是数据备份中的核心技术,随着数据备份技术的广泛研究,数据存储也得到越来越多的应用.然而,目前的数据存储技术,不能很好地对不同系统,不同平台间的数据进行处理,不能很好的整合异构系统间的存储问题.提出一种基于代理技术来实现的异种系统的数据间存储模型,连接不同平台、系统,将异种系统间的数据存储问题进行整合.提供更加有效、更具扩展性的存储模型.     

基于代理方法的带小翼翼型气动模型

为满足带后缘小翼智能旋翼气动弹性分析的需求,建立一种基于代理方法的后缘小翼翼型气动力计算模型。模型从小翼偏转后的翼型实际形状出发,对带偏转小翼的翼型流场划分C型网格,基于二维黏性N-S方程求解流场计算翼型气动力。为方便气动弹性集成分析,节约求解非定常翼型气动力的时间成本,以RBF模型代理翼型CFD方法计算非定常翼型的环量气动力,以薄翼型理论计算气动力的非环量部分。以对称的NACA 0012翼型和非对称的NACA 23012翼型风洞试验数据和模型的计算结果对比,充分验证了模型计算常规翼型和带小翼翼型气动力的精度,同时证实了模型对不同翼型形状的适应性。     

基于时间序列法的短期负荷预测采样装置的设计①

设计了基于时间序列法的短期负荷预测采样装置,包括设置于电网中用于从供电端向负载端进行供电输送的电力线路、用于对电力线路负载端的输电电压进行监测的电压监测器、用于对电力线路负载端的输电电流进行监测的电流监测器、用于将电压监测器和电流监测器采集的数据编码成信号的信号编码器、于用将信号编码器生成的信号传输至电网控制中心的信号发射器;还包括用于向信号编码器中输入标准时间信号的网络计时器。以间序列法的短期负荷预测采样装置为基础对某风电场PA发电机组的负荷进行实时预测风电功率,并将此与灰色模型的负荷预测进行比较。从结果可知该装置能够满足时间序列法短期的负荷预测系统的需要,为时间序列法短期的负荷预测提供精准的线路检测参数。     

适用于云存储的并行无证书代理重加密方案

为了保证云存储中数据的安全访问控制,并基于CPU已进入多核阶段的现状,将并行计算思想用于代理重加密算法中,提出了一个并行代理重加密方案(PCL-PRE).数据拥有者使用对称加密密钥(DEK)加密敏感数据,同时使用代理重加密算法加密该DEK,将这些加密内容存储于云存储中心.云存储中心作为半可信的代理节点,根据访问控制列表,将数据拥有者的DEK进行代理加密,转化为多个接收者可以用自己私钥解密的密文,而在整个过程中都无法获取任何明文信息.接收者收到密文后,即可解密.该方案使用随机数复用技术,对消息进行优化并行,并结合密文聚合,进一步提高了传输效率.实验表明,并行代理重加密方案具有明显的效率优势.     

基于代理模型的汽车乘员约束系统仿真设计

为在设计过程中有效减少轿车乘员约束系统的设计参数,并快速优化轿车乘员约束系统的安全保护性能,采用一阶线性响应表面模型和D-最优试验设计方法进行约束系统设计变量的筛选,对筛选后的变量应用Kriging代理模型和均匀试验设计方法进行设计参数的仿真优化,将优化结果与直接使用碰撞仿真软件MADYMO计算得到的结果进行对比.研究表明,一阶线性响应表面模型和D-最优试验设计方法能有效筛选出重要的并对约束系统性能具有决定作用的设计变量,而Kriging代理模型和均匀试验设计方法能在选定的设计变量的基础上,快速取得较好的优化设计结果.     

基于空间域分解的交通网络仿真并行化方法

为了提高交通网络微观仿真的速度,节省仿真运算时间,将并行计算技术应用于微观交通仿真中,建立了交通网络并行仿真模型并在工作站集群上实现.模型中采用了基于空间域分解的并行方法,该方法可以将不同地理位置的交通子网分配到集群中的每台结点机进行仿真运算.通过在5个不同规模路网上的并行仿真实验,对提出的交通并行仿真模型进行了测试.实验结果表明,该并行仿真模型可大大减少交通网络仿真计算时间,与单机仿真相比,并行仿真平均可节省62.9%的运行时间.同时由于随着结点机数量的增加,并行仿真中的通信开销也会相应增加,因此对于特定的交通网络方案及仿真逻辑,存在最优的结点机数量使得仿真运算时间最少.     

空间域信号的采样方法

针对空间域信号的采样特点,分析并讨论了空间域信号采样的误差来源和空间域信号采集通道设计的一些关键问题,提出了空间域信号的等空间间隔采样方法和等时间间隔采样方法.     

基于Gamma分布的交通流时间序列分割模型

准确获取交通流量变化点,对后续的交通流预测、分类及多时段控制具有重要意义.鉴于交通流时间序列的非负性及异方差性,采用Gamma分布拟合交通流时间序列,并对其进行有效分割.针对多元交通流时间序列,首先利用非负主成分分析方法实现降维并提取特征序列,之后利用最大似然估计得到Gamma分布参数,通过不同参数的Gamma分布拟合特征序列的不同片段,并由赤池信息准则(AIC)确定最优分割边界及分割阶数.实验结果表明,所建立的分割模型能够反映不同时段的交通流变化,与现有分割方法相比,取得了更好的分割结果.     

基于ε-支配的昂贵超多目标黑箱问题代理优化算法

针对求解昂贵超多目标黑箱优化问题的算法进行研究。基于SOCEMO算法，将ε-支配用于目标值采样策略，提出ε-SOCEMO算法。在42个超多目标测试问题上对ε-SOCEMO算法和SOCEMO算法进行了数值实验，结果显示ε-SOCEMO算法在性能评价指标上具有较好的表现。数值实验表明这种改进的目标值采样策略可以提升SOCEMO算法在昂贵超多目标黑箱优化问题上的计算效果。     

基于є-支配的昂贵超多目标黑箱问题代理优化算法

【目的】本文研究昂贵超多目标黑箱优化问题的算法。【方法】基于SOCEMO算法,将?-支配用于目标值采样策略,提出?-SOCEMO算法。【结果】在42个超多目标测试问题上对算法?-SOCEMO和SOCEMO进行了数值实验,结果显示?-SOCEMO在算法性能评价指标上具有较好的表现。【结论】数值实验表明这种改进的目标值采样策略可以提升SOCEMO算法在昂贵超多目标黑箱优化问题上的计算效果。     

基于Kriging代理模型的造斜率预测方法研究

造斜率受导向工具结构、类型、钻井参数、井眼轨迹、地层和钻头等因素的影响,构成了一个多变量影响的非线性耦合体系。造斜率预测呈现一定的模糊性、随机性和非线性特点,难以用显性的定量关系式来精确刻画造斜率与其影响因素之间的函数关系。从回归分析预测法的角度,提出一种采用Kriging代理模型构建预测功能函数,进行造斜率预测的新方法。该方法基于空间插值理论,以造斜率预测值为输出目标。首先选取造斜率主要影响因素作为输入参数,确定训练样本和测试样本;然后,计算Kriging模型中的最优超参数,并构建该预测模型。最后,以测试样本为基准,计算模型预测性能指标,完成对Kriging代理模型的造斜率预测性能评价。通过现场案例研究表明,与常见的多元回归模型和径向基函数模型(radial basis function,RBF)相比,基于Kriging代理模型的造斜率预测方法在均方根误差(root-mean-square error,RMSE)、最大绝对误差(maximum absolute error,MAE)和平均绝对误差(average absolute error,AAE)3个常见的定量指标上表现了更佳的预测性能。预测结果更稳健,计算量更小,对造斜率的预测精度较高,能克服几何法预测精度不高或力学法计算量大等缺点。在工程应用中能节约计算成本和提高预测效率,便于推广应用。     

电磁层析成像中基于半周期采样的数字解调方法

电磁层析成像技术(EMT)是一种新型的电学层析成像技术.它可实现被测物场电导率和磁导率截面的分布成像,相敏解调是其硬件系统的关键环节.研究了一种基于半周期采样的正交序列解调方法,从频域的角度给出了相应的理论解释,并给出了基于Matlab的仿真结果和基于实际硬件系统的实验结果.结果表明,基于半周期采样的正交序列解调方法明...