雀替型阻尼器加固箍头榫木框架结构的抗震性能

为研究广府古建筑木结构的抗震性能及加固方法,采用菠萝格木材,设计并制作了两榀不同结构形式的典型广府木祠堂箍头榫框架,提出并制作了用于木结构榫卯节点加固的雀替型阻尼器,对雀替型阻尼器加固前后的木框架进行低周往复荷载试验,研究结构的抗震性能及阻尼器的加固效果。研究结果表明：阻尼器可以弥补初次加载产生的损伤,在转角不大时给残损的榫卯节点提供较高的初始刚度,并在榫卯节点自身开始闭合时与之协同受力,提高节点刚度、极限承载能力和耗能能力,使得加固试件的极限承载能力高于未加固试件;未加固试件经过加载,出现了榫卯脱离、榫卯局部压屈现象,加固试件的破坏形式主要为榫卯脱离、榫卯局部压屈和竖向顺纹劈裂裂缝;各节点的滞回曲线呈现明显的“捏缩”现象,榫卯节点强度退化系数均大于0.83,在循环荷载作用下表现出稳定的承载性能,随节点转角的增大,各节点的环线刚度、等效粘滞阻尼系数呈现逐渐减小并趋于稳定的趋势;边跨框架试件节点的等效粘滞阻尼系数逐渐稳定于0.1～0.2,而中跨框架试件节点的等效粘滞阻尼系数逐渐稳定于0.05～0.1,且经过阻尼器加固,边跨框架与中跨框架试件的总滞回耗能分别提高了67%和19%。     

基于完全集成经验模态分解和模糊熵分频的短期风电功率预测

随着风电接入电力系统的比例日益增大,准确的风电功率预测显得愈发重要。为此,提出了一种基于模糊熵和完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)的短期风电功率预测模型。采用完全集成经验模态分解将原始风电功率序列进行分解,得到一系列不同频率的子序列。再使用模糊熵(Fuzzy Entropy,FE)算法识别各频率分量特征,将子序列分量分为高、中频分量类和趋势项。趋势项为低频分量,具有较为平稳,波动性小的特点,采用麻雀算法(sparrowSsearch algorithm,SSA)优化支持向量回归(support vector regression,SVR)进行预测;高、中频分量的波动性大且特点较为复杂,则采用SSA优化长短期记忆神经网络(Long Short-Term Memory,LSTM),同时引入注意力机制(Attention Mechanism,AM)对重要信息进行更好的权值分配。最后,经过实验结果分析表明,该模型具有更高的风电功率预测精度。     

Phylogeography of crossbills, bullfinches, grosbeaks, and rosefinches

Mitochondrial cytochrome b (cyt b) from 24 Carduelini species including crossbills, bullfinches, grosbeaks, rosefinches, and other related, but not conclusively classified species, was sequenced. These sequences were also compared with all the available sequences from the genera Carduelis, Serinus, and Passer. Phylogenetic analyses consistently gave the same groups of finches and the calculated divergence times suggest that speciation of the studied species occurred between 14 and 3 million years ago (Miocene-Pliocene), appearing before the Passer, Carduelis, and Serinus genera. Pleistocene glaciations may have been important in sub-speciation. Crossbills are integrated within the genus Carduelis, and within redpolls; the common crossbill shows subspeciation with Loxia japonica in the Pleistocene epoch. Pinicola enucleator groups together with bullfinches and is probably the ancestor of the group. Hawfinch is only distantly related to the studied groups, and might either represent an isolated genus or be related to the New World genus Hesperiphona. The grosbeak genera Eophona and Mycerobas are clearly sister groups, and species belonging to the former might have given rise to Mycerobas species. The isolated (in classification) Uragus sibiricus and Haematospiza sipahi are included within the genus Carpodacus (rosefinches); Carpodacus nipalensis is outside the genus Carpodacus in the molecular analyses and might be an isolated species or related to the genus Montifringilla.     

基于麻雀搜索算法优化支持向量机的刀具磨损识别

针对微小深孔钻削刀具磨损状态检测的工程需求,提出了基于钻削声信号的麻花钻头磨损状态识别方法。根据不同磨损程度的麻花钻在钻削过程中的声信号,使用经验模态分解(empirical mode decomposition, EMD)将声信号分解成若干个固有模态函数(intrinsic mode functions, IMFs),通过时频联合分析探索刀具磨损与声信号特征之间的关联规律;再使用麻雀搜索算法(sparrow search algorithm, SSA)优化支持向量机(support vector machine, SVM)的参数,并利用SVM实现基于声信号特征的刀具磨损状态识别。实验结果表明,微小深孔钻头磨损程度与钻削声信号特征之间存在非线性耦合关系,声信号高频特征对钻头磨损程度的变化非常敏感;采用经过SSA优化后的SVM算法,基于优选的IMF特征能够准确识别钻削刀具磨损状态,识别准确率可达98.246%。     

基于ISSA-SVM的钻井卡钻事故预测

为预防钻井过程中卡钻事故的发生,通过提出了一种改进麻雀搜索算法(improved sparrow search algorithm, ISSA)优化支持向量机(support vector machines, SVM)的预测模型方法(ISSA-SVM),在发现者位置更新公式中引入一种改进的自适应非线性惯性递减权重;在警戒者位置更新公式中引入莱维飞行策略。利用主成分分析法(principal component analysis, PCA)对外国某大型油田的实测钻井数据进行降维处理,并利用惩罚参数和核参数进行卡钻事故的预测。实验结果表明：ISSA-SVM的预测准确率高达85.185 2%,且收敛速度更快,可见ISSA-SVM可有效预测钻井卡钻事故。     

基于SSA-SVM的航空电弧故障检测

针对航空线路系统电弧故障隐蔽性高和难以检测的问题,提出一种基于麻雀搜索算法优化支持向量机（Sparrow Search Algorithm Optimization Support Vector Machine,SSA-SVM）的航空电弧故障检测方法。首先采用小波分解对电弧故障电流数据进行分解,小波分解能有效克服经验模态分解时存在的模态混叠问题。再从信号无序度的角度对电流分量提取能量熵、模糊熵与近似熵,并构造特征向量。然后,使用麻雀搜索算法对支持向量机的权值进行优化,得到最优的权值,最后用训练好的支持向量机对测试样本进行分类。为了验证所提方法的有效性,搭建电弧实验平台,模拟航空线路系统电弧故障的产生,分别采集交流串联正常和电弧故障电流数据,应用本文提出的SSA-SVM算法进行电弧故障检测,结果表明,该方法能较好地识别出电弧故障,检测准确率达到99.5%,相比于粒子群算法或遗传算法优化的支持向量机对电弧故障的检测准确率分别高出2.5%和2%。     

基于麻雀搜索算法优化支持向量回归的装配式建筑施工安全投入优化

为提高装配式建筑施工安全水平,减少社会经济损失,对施工安全资源投入的合理分配进行研究。选取20组装配式建筑施工安全投入与事故经济损失数据作为样本,通过基于麻雀搜索算法优化的支持向量回归模型对样本进行非线性拟合,以事故经济损失最小化为目标函数,安全投入资源为约束条件,构建安全投入优化模型。以某装配式建设项目为例进行实证分析,结果表明:基于麻雀搜索算法-支持向量回归的施工安全投入优化方法能有效降低安全事故损失、节约投入资金,具有良好的优化效果,可为装配式建筑施工安全投入决策提供科学有效的依据。     

Circadian periodicity in termination of photorefractoriness in the yellow-throated sparrow

Summary Photorefractory male yellow-throated sparrows (Gymnorhis xanthocollis) were subjected to six resonance light cycles, consisting of 6 h basic photophase coupled with scotophases of longer durations (in cycles of 12 (6L6D) h, 24 (6L18D) h, 36 (6L30D) h, 48 (6L42D) h, 60 (6L54D) h and 72 (6L66D) h). Termination of photorefractoriness was evident in cycles of 24, 48 and 72 h, but not in 12, 36 and 60 h. The results are consistent with the external-coincidence model (Bünning hypothesis) and suggest that endogenous circadian rhythmicity is involved in the termination of photorefractoriness.To whom reprint requests should be addressed.This investigation was supported by a UGC grant to PDT and BHU to PMT.     

一种基于数据驱动的动态时序分类算法

针对物联网时序数据中存在的数据冗余现象和动态信息难以捕捉的问题,提出了一种基于数据驱动的动态时序分类算法。通过动态内部主元分析法（dynamic internal principal component analysis,DiPCA）提取传感设备采集的时间序列中的动态信息,实现降维及提炼动态信息的作用;利用麻雀搜索算法优化分类算法参数,强化支持向量机(support vector machines,SVM)算法性能并使其对含有shapelet局部特征的时序特征进行建模,最终构成双向演进算法框架,实现时序分类功能。利用UCR时序数据集和边缘计算模拟数据检验该算法的性能,结果表明,与基本算法相比,该算法的综合性能明显提高,并验证算法分类功能在仿真环境中的有效性与优越性。     

基于CEEMDAN多尺度模糊熵和SSA-BP神经网络的VP型垂直摆倾斜仪故障辨识

针对现有倾斜仪故障记录的甄别与分类主要依靠人工经验,诊断过程繁琐及诊断精度不高的问题,充分利用信号分解技术的特征升维与机器学习模型的快速自动分类等优势,提出一种结合完备集成经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）多尺度模糊熵和麻雀搜索算法（SSA）优化BP神经网络的VP型宽频带垂直摆倾斜仪故障自动诊断方法。该方法首先将故障数据归一化,利用CEEMD分解信号得到本征模态函数（IMF）的多尺度模糊熵,然后基于麻雀搜索算法（SSA）优化BP神经网络的权值与阈值,得到最佳权值和阈值,最后应用SSA-BPNN模型对倾斜仪故障特征数据进行辨识。实验表明:CEEMD多尺度模糊熵判据具有良好的倾斜仪故障特征区分效果;SSA-BP神经网络模型在准确率和召回率上,相比BP模型分别提高4.758 1、6.321 6个百分点,辨识过程更稳健,弥补了VP型倾斜仪在故障智能识别领域的空白。