绿色建筑增量成本影响因素分析

目前绿色建筑在我国的发展潜力巨大,而没有准确地把握绿色建筑的增量成本是制约绿色建筑发展的重要原因.对绿色建筑增量成本的影响因素进行分析,提出了技术措施、项目所在地域、项目定位及可行性研究开展的时间这四个影响因素,并在此基础上提出了减少绿色建筑增量成本的途径,为绿色建筑的发展提供了一定的理论依据.     

基于增量式随机森林的燃气负荷预测方法

随着智能燃气网概念的普及和燃气智能表的发展,燃气负荷数据量呈指数级增长,燃气负荷预测面临新的挑战,传统的基于离线批量学习的数据预测方法已无法满足大数据量的实时数据预测需求。针对燃气负荷数据增量到达的预测场景,提出了一种增量式的随机森林回归(Incremental Random Forest Regression,IRFR)算法。该算法将一定量的样本存储在叶节点,通过衡量样本集变异系数来控制叶节点分裂;针对大数据量的情况,设计了样本丢弃策略来控制内存空间。在对上海市燃气负荷数据进行特征选择、提取并建模后,将IRFR算法应用于燃气负荷预测。实验结果表明,IRFR算法相比于传统的随机森林算法具有相当的准确率,同时所需训练时间较短,更适用于大数据量的增量学习场景。     

镁合金加工技术的现状与发展

主要叙述了镁合金加工技术的现状与最新进展，分析了镁合金压铸成形、半固态铸造、锻造等工艺的变形特点及关键技术，并对镁合金加工技术的发展趋势进行了展望。     

基于开路电压特性的动力电池健康状态诊断与估计

电池系统复杂的配置和严苛、不确定性的工作环境造成的电池衰退过程极为复杂.为了准确地实施电池系统的管理与控制以保证其高效、可靠和安全运行,有效的电池健康状态诊断与估计必不可少.利用容量增量分析和差分电压分析等原位电化学分析方法对电池开路电压特性变化进行分析,建立电池容量衰退与其衰退机理的量化关系,追溯到电池衰退的源头,从衰退机理角度对电池健康状态进行更真实和更准确的诊断.同时,建立基于电池开路电压曲线的容量估计模型用于电池健康状态估计,该模型不仅能捕捉电池内部不同阶段电化学反应特性,而且具有较高的精度和鲁棒性.在电池全生命周期内,该模型估计误差均小于4%.     

钢筋混凝土结构的动力增量分析

结合钢筋混凝土的材料特性,介绍了基于ANSYS软件对钢筋混凝土结构进行非线性分析的重要问题,探讨了ANSYS在预处理模块、分析计算模块和后处理模块中的具体技术要点.文章重点介绍了动力增量分析方法的原理,通过与push-over方法的对比,得出了该方法所具有的优势,并通过针对钢筋混凝土结构来具体介绍增量动力分析法的应用.     

圆柱直齿轮冷闭式锻造有限元模拟

本文针对圆柱直齿轮切削加工,存在生产效率低,能耗大等问题,提出冷闭式锻造工艺。利用三维有限元仿真软件,模拟其成形过程。通过提取等效应力、等效应变和行程载荷曲线,分析了金属流动规律,为圆柱直齿轮的实际生产提供参考。     

超市消费行为分析中的增量挖掘系统原型

介绍了一个应用增量更新技术开发的超市消费分析系统原型,源数据库已有的分析模型,对新数据进行增量挖掘,减少了对数据库扫描的次数,提高运行效率,加快了系统的反映速度,符合CRISR-DM模型的要求,具有一个实用的数据挖掘系统的特征.     

基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

智能水温控制系统的设计及实现

以89C52单片机为基础设计出一种智能型水温控制系统,智能水温控制系统主要采用逐次逼近式算法和增量式PID控制算法实现水温的定时加热以及恒温保持等功能。经过实验测试,系统运行稳定,控制效果良好。     

微元步长自适应增量电导法实现MPPT的控制

为了更大程度的提高光伏发电系统的最大输出功率,通过对光伏电池功率、电压(P-U)特性的数学建模分析,在增量电导法的基础上,提出最大功率跟踪控制算法(MPPT)——微元步长自适应增量电导法.改善了传统增量电导法步长选择不确定性的弊端.通过引入变步长控制因子k,以微元步长Δd自适应的跟踪最大功率点.在Matlab/Simulink环境下进行了仿真验证.结果表明该算法明显缩短了跟踪时间,并且有效地抑制了系统在最大功率点(MPP)附近的振荡现象,提高了系统的跟踪速度和精度.