考虑不同充电策略的锂电池健康状态区间估计

评估锂离子电池健康状态(SOH)对于电池使用、维护、管理和经济性评价都有十分重要的意义,但当前锂电池SOH估计方法多针对特定充电策略,采用确定性估计模型,无法反映电池退化过程中的随机性、模糊性等不确定性信息.为此,提出一种适用于不同充电策略的锂电池SOH区间估计方法.该方法针对不同充电策略的电池循环充放电数据提取多个特征参数,通过交叉验证自动选择针对特定充电策略的最优特征参数组合.另外,考虑到锂电池全生命期循环次数有限,属于小样本问题,提出集成支持向量回归与分位数回归优势的支持向量分位数回归模型(SVQR)进行锂电池SOH区间估计.选用放电程度较深的锂电池充放电循环数据作为训练集,对SVQR模型进行离线训练,训练好的模型用于不同充电策略下锂电池SOH在线估计.采用具有不同充电策略的数据集验证所提方法,实验结果表明：所提方法适用于不同充电策略,且估计结果优于分位数回归法、分位数回归神经网络法和高斯过程回归法.     

基于模糊物元分析的变桨系统状态评估方法

针对现有风电机组状态评估方法实时可靠性差和过多人为因素影响的问题,提出了模糊物元分析评估方法,以实现对机组状态的准确评估.选择故障率较高的变桨系统为研究对象,分两步构建了变桨系统状态评估模型:1)分别以3σ准则和四分位分析法对变桨参数分类处理,避免对参数分布的主观评判;用ANFIS算法对数据进行训练来减小极端值影响,获得多特征参数故障检测结果.2)基于模糊物元分析理论,将上一步多特征参数检测结果作为模糊量值代入物元评估模型中,实现了检测结果模糊值与等级评价指标的统一.应用该方法对风电机组实际运行状态进行了测试,结果表明:与传统二元决策方法相比,能够明显反映变桨系统的运行状态,具有更好的评估效果.从定性角度对比分析,该方法较模糊综合评判方法、传统物元分析方法在变桨系统状态评估方面更有优势.     

基于混合生成网络的软件系统异常状态评估

针对现有软件系统异常状态评估方法过度依赖数据标注、对时序数据的时间依赖性关注较低和系统异常状态难以量化等问题,提出一种基于混合生成网络的软件系统异常状态评估方法.首先,通过对长短期记忆网络（long short-term memory network, LSTM）与变分自动编码器（variational auto-encoder, VAE）的融合,设计一种LSTM-VAE混合生成网络,并以该网络为基础构建基于LSTM-VAE混合生成网络的系统异常状态检测模型,由LSTM对系统数据的时序特征进行提取并由VAE对系统数据的分布进行建模.然后,由LSTM-VAE异常状态检测模型处理系统关键特征参数,获取系统关键特征参数的异常度量值.最后,利用耦合度方法对传统的线性加权和方法进行优化,通过加权耦合度优化方法计算得到软件系统异常状态的量化值,从而实现对软件系统的异常状态评估.实验结果表明,本文模型对软件系统的异常时序数据具有较好的检测能力,其对系统异常状态的评估结果更为合理、有效.     

大跨度斜拉桥多尺度有限元模型及其修正

提出了建立大跨度桥梁多尺度基准有限元模型的基本框架和方法,首先将桥梁各节段精细建模,运用子结构技术建立桥梁多尺度初始有限元模型;然后由桥梁健康监测系统实测频率、位移和应变数据构建桥梁多尺度指标,提出了多尺度有限元模型修正方法,并运用该方法得到了桥梁多尺度基准有限元模型;最后将模型计算数据与实测数据进行了对比分析,验证了该多尺度基准有限元模型的合理性.     

基于GARCH-MIDAS-dLSTM模型的棉花期货价格趋势拟合研究

利用机器学习对期货价格的趋势进行拟合研究的时候,在价格波动剧烈的情况下效果往往并不理想.期货基本面方面的因子大多都是月度或者年度之类的低频数据,不能与日度价格数据进行很好地融合,因此无法充分利用这类信息进行拟合研究.针对上述问题,提出一种基于混频数据的GARCH-MIDAS-dLSTM模型,以棉花期货作为研究标的,将多因子GARCH-MIDAS模型与双层LSTM模型进行融合并对棉花期货收盘价进行趋势拟合.实验结果表明,引入棉花期货基本面低频因子的GARCH-MIDAS-dLSTM模型MAE值为0.127 3,较引入之前提升了0.018 4,表明该模型能够在价格波动剧烈的情况下提高拟合结果的准确度并减小误差.     

面向结构安全评估的大跨斜拉桥基准有限元模型

探讨了以结构安全评估为目标的大跨斜拉桥基准有限元模型建立与修正的策略与方法.采用基于灵敏度分析的模型参数修正方法建立并修正了润扬大桥斜拉桥的整体动力分析模型.在此基础上建立了扁平钢箱梁的局部应力分析模型,并采用子模型方法进行钢箱梁整体尺度与局部尺度之间的跨尺度衔接.分析结果表明,润扬大桥斜拉桥多尺度有限元模型的计算结果与实桥测试结果吻合良好,说明该多尺度模型能够较好地满足桥梁结构损伤诊断与状态评估的技术要求,可以作为该桥结构安全评估的基准有限元模型.     

基于UGM-ULSSVM的导弹制导控制系统状态预测方法

针对基于特征参数的导弹制导控制系统状态预测存在的状态数据不等间隔、小样本的问题,并考虑各性能特征参数间的相互影响、相互关联的关系,提出了一种基于非等间距灰色联合最小二乘支持向量机(UGM-ULSSVM)的退化状态预测方法.在UGM-ULSSVM模型的训练阶段,根据特征参数序列建立其非等间距灰色预测模型(UGM(1,1)),将UGM(1,1)的拟合值作为输入,原始数据序列作为输出,分别训练得到时间型最小二乘支持向量机(TLSSVM)与空间型最小二乘支持向量机(SLSSVM);在模型的预测阶段,由建立的UGM(1,1)模型和通过证据理论融合TLSSVM和SLSSVM建立的ULSSVM模型组合得到UGM-ULSSVM状态预测模型.以导弹制导控制系统为例,实现了关键参数预测,结果验证了方法的合理性与有效性.     

基于粒子群算法估计实际工况下锂电池SOH

提出一种基于粒子群算法和锂电池经验容量模型的对电池实际工况下的健康状态进行估计的新方法.建立了电动汽车实际运行工况下充电曲线特征与电池健康度的线性模型.辅以电池经验容量模型,使之符合监督学习的实际情况并能够用计算机对参数进行拟合.以美国航天航空局电池老化数据建立训练集与验证集,对模型进行训练,并对训练好的模型进行实验验证.实验表明SOH估计误差都在7%以下,在实际工况中能够快速对电动汽车锂电池的健康度进行准确估计.      

基于无线体域网中多生理信号驾驶疲劳检测

利用生理信号的无线测量设备实现了对驾驶员在驾驶过程中的脑电信号、肌电信号和呼吸信号的采集,并对其进行分析处理,从而实现驾驶员的疲劳检测.首先分别计算三个生理信号的近似熵并将其作为疲劳检测的特征参数,然后使用主成分分析对特征参数进行降维优化处理,同时对原始特征参数和分析后的主成分分别进行统计分析,基于优化处理后的特征参数利用回归方程建立驾驶疲劳估计模型.最后通过交叉验证对本方法进行评价,并使用数据融合方法给出了综合的评价结果.评价结果表明提出的方法对驾驶员疲劳状态的检测正确率达到90%以上.     

航空电子设备故障预测框架与方法

针对环境应力对电子产品造成的累积损伤,提出了覆盖电子设备全寿命周期的故障预测框架与方法。首先提出了可预测性的概念,在设备设计阶段采用辅助软件eXpress进行可预测性设计,跟踪实际环境中设备的工作数据,采用3种改进神经网络进行特征参数的趋势预测。基于信息熵理论,采用多指标评价准则融合单项预测方法,实现了对某型电子设备的故障组合预测。预测框架在某型电子设备上的实践验证了框架的可行性,预测结果表明了组合预测方法较单项预测方法具有更强的鲁棒性和稳定性。     

电动汽车锂离子电池荷电状态估算方法综述

电动汽车动力锂电池内部荷电状态估计是电池管理系统状态估计模块的核心,其无法通过仪器直接测量,仅能通过对电池外部电流、电压等参数进行测量并由此估计。准确的荷电状态估计对电池的寿命、容量和安全性管理至关重要。本文综述了用于电动汽车动力锂电池荷电状态估算的主要方法,根据算法差异将其分为传统的基于传感器测量的开路电压法、电流积分法和阻抗法,基于数据驱动的机器学习类算法以及基于模型的卡尔曼滤波器及粒子滤波器算法与融合类算法。深入介绍了不同估计算法的计算原理并由此分析比较了不同估计算法的计算复杂度、计算精度等特点。总结了现阶段锂离子电池荷电状态估算研究存在的问题,指出其研究趋势和未来发展方向将是更具泛化性和更高精度以及更佳实时性的多融合类估算方法。     

基于混合自回归滑动平均潜周期模型的短期电价预测

应用混合自回归滑动平均潜周期模型对短期电价序列进行了预测.对消除了趋势影响的电价序列,经离散傅里叶变换转换为复值潜周期模型,采用一种简单的周期图检测方法计算电价序列的周期特征参数.为了计及历史信息对当前状态的影响,采用自回归滑动平均模型拟合残差随机分量,采用赤池信息准则确定模型的阶数,参数则由矩估计得到.该模型不要求预先假设电价序列的周期尺度,周期的个数和大小由模型计算确定,方法简单.采用美国宾夕法尼亚、新泽西、马里兰电力市场的实际电价数据对模型进行了检验,验证了模型的有效性.     

基于DAE-MD的电源车柴油机健康状态量化评估方法

针对柴油机健康状态的综合评估问题,结合降噪自动编码机(DAE)深度网络与马氏距离(MD)算法,提出一种基于深度学习与距离融合的电源车柴油机健康状态量化评估方法.该方法首先通过DAE深度网络提取柴油机不同健康状态下的特征序列,建立柴油机健康状态识别模型;为进一步量化评价柴油机的健康水平,又将MD算法引入,度量DAE模型输出状态与正常状态特征序列之间的距离,并将其归一化为健康指数,给出柴油机健康状态的量化评估结果.最后,借助于120 kW电源车模型仿真系统,验证了所提方法的有效性.文中方法通过DAE的分类和MD的计算实现了电源车柴油机健康状态定性与定量评估的融合,为其开展视情预防维护提供了依据.     

润扬悬索桥扁平钢箱梁局部应力的测试与分析

为了计算钢箱梁的局部应力并与现场实测进行对比分析,基于子模型法提出了大跨悬索桥扁平钢箱梁应力分析的数值计算方法.以润扬悬索桥为例,建立全桥的整体结构尺度模型,并通过成桥试验验证了该模型的准确性.选取跨中钢箱梁建立局部构件尺度的精细模型.在局部模型的切割边界,应用子模型法衔接两尺度模型进行钢箱梁局部应力的数值计算,并与成桥静载试验的测试结果进行了对比分析.在此基础之上,系统地总结了大跨悬索桥钢箱梁结构在车辆荷载作用下的工作行为和受力性能.结果表明,钢箱梁顶板U形肋存在较大的应力变化幅值,应作为结构健康监测与疲劳状态评估的重点构件.     

祁连山区DISPATCH、多元回归降尺度方法及SMAP产品的应用对比

土壤水分对山区水文过程具有重要意义,遥感土壤水分产品能够长时间序列地提供山区流域的土壤水分空间分布数据,但分辨率较粗,无法直接应用,因此需要在山区进行降尺度研究.本文采用DISPATCH(disaggregation base on physical and theoretical scale change)方法和多元回归方法对SMAP(soil moisture active passive)36 km×36 km遥感土壤水分产品进行降尺度,进而选取SMAP (9 km×9 km)的高精度遥感土壤水分产品和实测土壤水分数据,利用R(相关系数)、E_(RMS)(均方根误差)和E_(bias)(偏差)指标评估降尺度结果.评估结果表明:由于2种降尺度方法的函数关系和反演过程存在差异,DISPATCH方法降尺度结果的数据趋势拟合效果较好,而多元回归方法降尺度结果的数据精度较好;在季节尺度对比中,不同季节山区温度和土壤水分的时空变化,导致多元回归方法降尺度效果春季最好,秋季次之,而夏季最差;DISPATCH方法降尺度效果秋季最好,夏季次之,而春季最差;亮温数据和SMAP表层土壤温度数据在山区的质量,导致2种方法降尺度结果的精度均比SMAP (9 km×9 km)产品好,但趋势拟合效果较差.     

结构损伤一致多尺度模拟和分析方法

以一个重要的大跨桥梁为工程背景,基于非线性有限元分析软件ABAQUS,研究了大跨结构以损伤分析和状态评估为目标的结构多尺度模拟中的一系列关键理论和技术问题,包括多尺度建模方法和策略、基于子结构方法和基于多点约束衔接方法的多尺度建模过程,结构一致多尺度模型的修正和验证,以及应用多尺度模型进行结构损伤分析的方法与策略.研究结果表明,应用所提出的大跨结构一致多尺度建模方法和策略,能够有效地建立适用于实际大跨桥梁结构损伤分析的多尺度有限元模型,满足不同尺度下结构特性分析和局部损伤演化过程仿真计算的需要.而基于多尺度模型进行的局部疲劳损伤累积的仿真分析结果表明,发生于局部焊接细节的疲劳损伤与结构的局部应力响应之间有较大的耦合作用,在结构的多尺度损伤分析过程中应予考虑才能得到比较准确的寿命评估结果.     

基于粗神经网络的电力系统可靠性评估方法

发输电组合系统可靠性评估中元件状态组合数和潮流计算是引起可靠性评估计算中"计算灾"的主要原因.利用粗糙集的数据约简和特征提取功能,提炼人工神经网络的输入变量、训练样本以及事件类与系统状态之间的概略化关系,建立偶发事件模式识别的粗神经网络(RNN)模型,提出基于RNN的发输电组合系统可靠性评估算法,以提高电力系统可靠性评估的计算效率.可靠性测试系统的计算结果表明,所提算法是正确、可行和有效的.     

多尺度融合dropout优化算法

为了改善传统标准dropout无法根据特定数据集确定合适尺度的不足,提出了多尺度融合dropout(MSF dropout)方法.利用验证数据集对多个不同尺度的网络模型进行训练,通过学习得到符合该数据集特征的最佳尺度组合,让MSFdropout具备自适应数据集的能力,从而使网络能够使用最佳尺度来进行高精确度的预测.首先训练若干组不同尺度的网络模型,使用遗传算法求出各网络模型的最优尺度;然后通过最优尺度对对应的网络参数进行缩小得到预测子模型;最后以一定的权重将这些子模型融合成为最终的预测模型.使用MSFdropout在标准数据集MNIST和CIFAR-10中进行实验,实验表明:当选择了合适的尺度数量和尺度梯度后,预测精度获得了明显的提升,同时很好地控制了计算时间,验证了多尺度融合方法的有效性.     

基于多源降水融合驱动的WRF-Hydro模型在中小河流洪水预报中的适用性

从提高驱动数据(降水)的质量和时空分辨率出发,评估了基于混合地理加权回归截尾函数(MGWR-BI)多源降水融合算法的有效性,以及融合降水对WRF-Hydro模型计算结果的影响。将融合降水数据用于WRF-Hydro模型中进行子午河流域的洪水预报,并与站点实测降水数据进行比较,结果表明,融合降水的精度高于原始CMORPH卫星降尺度降水,融合降水数据驱动WRF-Hydro模型比CMORPH卫星降尺度降水数据能更好地预报与模拟洪水事件,WRF-Hydro模型具有中小河流洪水预报的潜在优势。     

基于多属性效用的桥梁综合性能维养决策算法

近年来，我国交通路网迅猛发展，桥梁结构作为其中的重要载体，不仅要满足技术安全，也要满足社会和经济发展的要求，亟需对桥梁的综合性能进行有效准确地评估，并选取对应维养策略以保证其维养周期内综合性能处于最优状态.首先提出基于模糊评价的多属性效用综合评估法(MAUFE),对桥梁养护规划中的多种性能评估指标进行多属性效用分析；并结合马尔可夫模型、LSTM算法建立桥梁退化过程预测模型；而后建立智能维养决策框架保证维养周期内MAUFE评估结果的最优.评估模型以多属性效用函数将桥梁技术状况评分、全寿命周期费用及可持续性指标转化为反映综合性能的效用值，采用层次分析法和熵权法权重进行融合权重计算(AHP-EW),结合模糊分析理论计算指标隶属度并完成综合性能评估；根据桥梁退化实际观测数据结合数据驱动手段对桥梁性能进行准确预测；建立指定目标及约束下桥梁全寿命维养决策数学模型，采用遗传算法进行求解.最终，选取代表性桥梁对其全寿命周期内的综合性能进行评估，设定不同维养场景分析对比不同的评估指标作为目标与约束对桥梁全寿命周期性能的影响，并对某单体桥梁30a周期内的维养策略进行求解.结果表示，评估方法能充分反映决策者...