基于共振稀疏分解与子带增强的滚动轴承声学诊断方法

针对轴承声信号易受环境噪声干扰,导致声学诊断结果准确率低的问题,提出一种结合共振稀疏分解与小波降噪选取核心冲击子带、对信号进行二次降噪的滚动轴承诊断方法。首先采用共振稀疏分解算法对原始声信号进行降噪处理,提取信号瞬态冲击成分;然后通过小波包变换对信号进行分解,依据各子带信号峭度值选取核心冲击子带信号进行线性叠加并重构;最终通过包络谱分析确定轴承故障。故障模拟实验结果表明,本文方法可有效增强复杂声场环境下轴承声信号的冲击特性,实现针对滚动轴承的声学诊断。     

基于非结构数据和EMD-WTS二层分解的AQI组合预测方法

针对具有高复杂性与非平稳性的空气质量指数(AQI)时间序列,提出一种融合非结构数据的EMD-WTS二层分解组合预测模型;首先,筛选百度指数关键词并提取对应数据,运用局部线性嵌入算法(LLE)对之降维;其次,对AQI历史序列与降维结果进行经验模态分解(EMD)与重构;接着,对所得高频项进行小波分解(WT)与重构;然后,运用Holt指数平滑法、支持向量回归(SVR)与人工神经网络(ANN)分别对二层分解结果与原始低频、趋势项进行组合预测并运用BP神经网络集成;最后,叠加集成结果得到AQI预测值;对比实验说明预测方法充分利用了多源数据信息,具有较高的预测精度。     

基于超复数小波和图像空域的卷积网络融合注视点预测算法

针对已有注视点预测模型存在特征细节缺失、尺度单一和背景信息干扰严重导致的注视点预测精度偏低等问题,提出了一种基于超复数小波和图像空域的卷积网络融合注视点预测算法.首先,针对细节特征丢失问题,使用超复数小波变换在频域中提取图像的细节特征,与卷积网络提取的空域特征进行融合.然后,通过空洞空间金字塔池化模块,融合不同感受得到的特征图,有效解决了特征尺度单一的问题.最后,引入了残差卷积注意力模块,结合空间和通道的注意力机制,能够有效抑制背景信息的干扰,提高注视点预测精度.在SALICON数据集上,CC、sAUC和SIM评价指标下,该算法的性能达到0.884 7、0.769 3和0.778 0;在CAT2000数据集上,该算法在相应指标下的性能为0.735 5、0.870 1和0.664 5.主客观对比实验结果表明,该算法具有较好的注视点预测能力.     

注意力机制下的EMD-GRU短期电力负荷预测

为进一步提高短期电力负荷预测精度,构建一种基于注意力机制的经验模态分解(EMD)和门控循环单元(GRU)混合模型,对时间序列的短期负荷进行预测.首先,对负荷序列进行EMD,将数据重构成多个分量;再通过GRU提取各分量中时序数据的潜藏特征;经注意力机制突出关键特征后,分别对各分量进行预测;最后,将各分量的预测结果叠加,得到最终预测值.仿真结果表明:相对于BP网络模型、支持向量机(SVR)模型、GRU网络模型和EMD-GRU模型,基于EMD-GRU-Attention的混合预测模型能取得更高的预测精度,有效地提高短期电力负荷预测精度.     

基于S-R和分解定理的无网格法在功能梯度板中的应用

为了研究功能梯度板的非线性变形问题, 以 S-R 和分解定理为基础, 从虚功率原理出发, 结合更新拖带坐标系法、无网格 Galerkin 法, 推导出用于求解三维几何非线性问题的离散方程. 利用 MATLAB 编写无网格法程序, 对功能梯度板的非线性弯曲问题进行求解, 并研究板的体积分数指数和宽厚比对板弯曲的影响. 将计算结果与已有成果进行了比较, 验证了三维 S-R 无网格法求解功能梯度板大变形问题的合理性.     

折纸机构折叠过程不共点折痕的位置分析

针对多顶点折纸中不共点折痕这一种典型折痕分布在折叠过程中空间位置的复杂变化,以及对 折纸机构刚性折叠特性所产生的影响,提出了一种通过分解折痕运动确定折痕空间位置并判断折纸机构刚 性折叠特性的方法。 该方法首先通过构造原折痕的平行折痕把各不共点折痕汇交于同一顶点,根据共点折 痕的旋转运动确定平行折痕位置变化;然后根据中心多边形确定旋转后平行折痕的平移方向和距离;最后确 定不共点折痕变换后的空间位置,并根据折叠平面的变形确定折纸机构的刚性折叠特性。 通过具体参数对 三顶点折纸折痕空间位置变化进行验证分析,结果表明:这种分析方法不仅简化了多顶点折纸中不共点折痕 位置的计算过程,也为确定折纸机构不可折叠时折叠平面的变形形式做了铺垫。     

结合低秩分解与多流融合的行为识别方法

运动信息对行为识别任务至关重要。现有方法仅利用了局部运动信息,忽略了全局运动信息的重要作用。为解决该问题,提出了一种基于低秩分解与多流融合的行为识别方法。通过3条支路分别提取视频的特征,第1条支路利用低秩分解提取全局运动信息;第2条支路提取视频的光流特征以得到局部运动信息;第3条支路利用原始视频作为输入,以保留完整的空域信息。将3条支路的预测结果进行后融合,得到最终的行为识别结果。通过多流融合,充分利用视频的多尺度时域运动信息和丰富的空域信息,提高现有模型的行为识别能力。实验结果表明,提出的方法优于现有模型的多流融合行为识别方法。     

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。     

一种含整数型两层决策问题的求解方法

本文利用拉格朗日松驰技巧为两层决策问题构造了简单的线性定界函数，针对上层决策变量为０－１变量的两层决策问题，提出了一种分枝定界算法。文中给出的算例说明了算法的有效性。     

网络分解定理的对偶形式

作者在本文中提出又一形式的网络分解定理，它一样能断裂大型电网络，简化网络分析，且和此前作者本人提出的网络分解定理具有对偶的性质．