基于改进深度残差网络的旋转机械故障诊断

针对旋转机械工况复杂多变、有标签样本不足而导致的故障特征提取困难等问题,提出了一种用于旋转机械故障诊断的改进深度残差网络(improved deep residual network, IDRN)。首先,采集旋转机械一维振动信号进行数据预处理;然后,在深度残差网络的基础上引入了长短时记忆(long short-term memory, LSTM)网络,其中,LSTM网络可以有效捕捉故障的时序信息;在残差块中引入Dropout层提高了故障诊断的精度和收敛速度;最后在轴承与齿轮数据集上验证本文提出方法的有效性。实验结果表明,该方法在堆叠多层网络模型时,没有出现明显的网络退化现象,与当前广泛使用的几种诊断方法进行对比实验,表现出了较高的平均诊断精度和良好的适用性。     

非绝热量子动力学模拟方法及其在凝聚态体系中的应用

密度泛函理论(density functional theory, DFT)可以准确地预测由电子和原子核组成的普通物质的基态电子结构,而当涉及量子体系含时演化的模拟时,比如模拟超快激光与分子或凝聚态体系相互作用的激发态动力学过程,就需要发展实时密度泛函理论(real-time time-dependent density functional theory, rt-TDDFT)和非绝热动力学相结合的新颖计算方法.本文介绍了基于rt-TDDFT的Ehrenfest动力学方法,并结合路径积分分子动力学提出了RPTDAP量子动力学方法. RP-TDAP方法引入了非绝热效应和原子核的量子效应,可以对电子波函数和原子核波包构成的耦合系统进行量子化动力学模拟.这些方法使我们不仅可以准确地理解激发态电子结构、电声相互作用、光致电荷传输、光化学反应等非绝热过程的内在机理,而且可以超越平均场理论给出一个全新的视角来描述原子核的量子行为.本文还应用这些方法研究了几个重要的非绝热动力学现象,说明这些方法可以广泛地用于复杂体系的量子激发超快动力学研究.     

基于卷积神经网络-双向长短期记忆网络的人体活动识别方法

针对人体活动传感器数据的时序性特点,以及当前机器学习算法过度依赖手工特征提取的问题,提出了一种融合卷积神经网络和双向长短期记忆网络的深度学习模型(convolutional neural network-bidirectional long short term memory network,CNN-BiLSTM)进行...     

高海拔区域不同燃烧室在不同喷油正时下的性能

为了在燃烧室层面对某高原船用柴油机进行“油-气-室”匹配优化,实现性能恢复,通过仿真计算与实验验证的方法对四种不同形状的燃烧室进行喷油正时提前。海拔4550米条件下的计算结果表明：在喷油提前角为12°BTDC(Before Top Dead Center上止点前)时,双层分流式燃烧室能够有效利用余隙容积空间的空气,表现出了最高的缸内燃烧压力与较低的NOx生成量;高低型双涡流室双缩口燃烧室拥有最低的NOx排放量,但SOOT排放量较高;原型ω燃烧室的SOOT排放量较低,但NOx排放量最高;底部大涡流燃烧室的高原性能表现欠佳。随着喷油正时的提前,双层分流式燃烧室始终保持着最高的缸内平均压力;高低型双涡流室双缩口燃烧室的动力性与SOOT排放量均明显得到改善;底部大涡流燃烧室的性能恢复不及其余燃烧室。在青海省对使用ω燃烧室的原型机进行喷油正时为12°BTDC与18°BTDC的实验测试,结论证明喷油正时提前的计算结果准确可靠。此研究能够为高原柴油机的燃烧室选型以及喷油正时优化提供依据。     

基于分布式电流行波监测的输电线路故障精确定位装置研制

输电线路发生故障时,及时、准确地确定故障点位置对于快速抢修及保障电力系统的安全可靠运行具有重要意义。针对传统行波故障定位装置存在定位精度低、受影响因素多的问题,研制了一种基于分布式电流行波监测的输电线路故障精确定位装置。考虑到故障行波电流具有频带宽、幅值高等特点,采用Rogowski线圈作为故障定位的基本传感单元,利用卫星授时模块的秒脉冲信号对恒温晶振时钟信号进行实时修正和IRIG-B码校正绝对时标。同时,在故障定位原理上消去行波波速、导线长度对定位精度的影响,仅利用行波波头到达定位装置的时刻计算故障点的准确位置。在实验室条件下对研制的装置开展了各项测量准确度试验和电磁兼容试验,装置在试验期间及试验后均能可靠工作,两分布式电流行波监测装置间的对时偏差小于0.1μs,故障位置的理论定位误差小于30m、实际误差小于300m,实现了档距范围内的高精度定位。最后,装置在某500kV和110kV输电线路工程上进行应用,运行期间稳定可靠。     

考虑车队离散的路段行人过街感应式信号控制方法

为了在保证路段行人过街安全与过街需求的前提下,同时提升路段车辆运行效率,本文充分考虑车队离散到达与路段行人过街的动态影响,建立了路段行人过街感应式信号控制方法。首先,本文基于Robertson车队离散模型,以车头时距对上游到达车队进行动态划分,并根据路段行人过街点位预测下游车辆排队状态;以车队离散度选择下游到达车队中车辆作为信号优化输入参数建立感应控制方法,同时分析了路段行人过街位置对配时方案的影响;然后,通过SUMO的交通控制接口(Traffic Control Interface, TraCI)搭建仿真环境,以车辆与行人的综合平均延误,分别对路段单向与双向交通环境的信号配时方案进行仿真验证与对比分析。结果表明,相比传统感应控制而言,优化后的感应控制在单向交通与双向交通情况下,行人与车辆综合平均延误分别降低5.56%、7.06%。     

一种基于CNN和RF的恒星大气参数测量方法

随着LAMOST项目的相继实施,基于光谱的恒星大气参数自动测量方法的研究成为天文光谱分析的重要课题之一。本文使用“伪二维光谱”进行恒星大气参数自动测量,提出了卷积神经网络（Convolutional neural network,CNN）和随机森林（Random Forest,RF）结合的方法,利用卷积神经网络的特征提取能力和随机森林的回归拟合能力实现对恒星大气参数的高精度预测。通过对比实验得出,有效温度、表面重力、化学丰度三大参数的平均绝对误差分别达到123.65K、0.2055dex、0.1486dex,与传统方法相比精度提升5.24%,15.50%,15.52%。实验结果验证了该算法的有效性,也证明了利用基于一维光谱设计构造的伪二维谱可以保留更多相关的特征信息,进而提升了恒星大气参数测量结果的精度。     

基于LTL预测语义的高效监控器构造

运行时验证中的一个重要研究内容就是从高层规约生成高效的监控器,并有效控制监控器的生成复杂度与监控器运行时开销.基于线性时序逻辑(LTL)的预测语义,通过删除与合并Büchi自动机中的大部分状态,提出一种高效的预测监控器构造技术.通过该方法,可以大大降低最终预测监控器的规模,提高监控器产生的效率;同时保证把监控器的运行时开销控制在合理的范围内.基于上述预测监控器构造技术,实现了相应工具monitor_tool,该工具比LTL3_tool工具更小,且能够为更多的LTL性质产生监控器. 同时,产生的监控器能够尽可能早的识别一个持续被监控的执行轨迹是否满足指定的正确性性质.     

基于时序分解和SSA-LSTM-Attention模型的尾矿坝位移预测

针对尾矿坝位移变形的动态特性和传统预测模型在进行尾矿坝位移预测中的不足,提出了一种基于时序分解和麻雀搜索算法-长短时记忆-注意力机制(sparrow search algorithm-long short-term memory-attention mechanism, SSA-LSTM-Attention)模型的尾矿坝位移预测方法。首先,通过改进的自适应噪声完备集合经验模态分解算法(improved complete ensemble empirical mode decomposition with adaptive noise, ICEEMDAN)将尾矿坝位移监测数据进行分解为趋势项和波动项;其次,一方面采用高斯拟合方法对趋势项进行拟合预测,另一方面通过灰色关联度进行波动项相关影响因子筛选,并将注意力机制与LSTM相结合,建立了基于注意力机制及LSTM的波动项位移预测模型,同时利用SSA对该模型的超参数寻优;最后,将趋势项与波动项叠加得到总的位移预测值。以攀西地区尾矿库为例对模型性能进行了验证,并与反向传播(back propagation, BP)、LSTM、LSTM-Atte...     

一个基于RM的弱硬实时调度算法

在定义弱硬实时系统周期任务模型的基础上,提出基于RM调度策略的弱硬实时调度算法PV-RM.PV-RM调度算法在对任务的未来行为进行预测的基础上,通过将任务在抢占段和让步段之间切换,动态调整任务的优先级以反映紧迫程度.在系统过载时,PV-RM调度算法按照任务的初始优先级,为重要的任务提供满足其弱硬实时约束的服务,为其他任务提供尽力而为的服务.给出了PV-RM调度算法的可调度性分析及可调度判定不等式,并通过示例分析说明了该算法的有效性.