参数耦合下风力发电机叶片机械颤振检测研究

受气候、风速等因素影响,会使风力发电机叶片的运行条件发生较大变化,增加了颤振检测的难度。为此,该文提出参数耦合下风力发电机叶片机械颤振检测方法。建立风力发电机叶片结构模型,推导结构动力学方程,并利用优化后的参数耦合算法对其求解,获取非稳态气动载荷,通过动力学模型反馈得到叶片的结构响应和振动情况;构建非稳态气动降阶模型,采用能量法分析叶片的结构响应与气动载荷的时域或频域,计算能量交换角度,确定叶片的颤振程度,实现颤振检测。实验结果表明,该方法气动阻尼系数计算结果准确、检测正确率高、计算时间短。

基于流水线计算的3D NoC测试规划研究

为了提高三维片上网络(3D NoC)资源内核的测试效率,提出一种在功耗约束条件下多播流水线并行测试同构核与单播测试异构核相结合的方法对IP核进行测试。为了减少测试数据因资源冲突而进行等待的时间,设计一种改进XYZ路由算法,并采用改进人工蜂群(ABC)算法求解最佳测试规划方案。以国际标准电路测试集ITC'02作为实验对象,结果表明,测试时间最大优化率达到15.45%,与其他测试规划方法相比该文方法能有效地提高并行测试效率。

基于Bregman散度和差分隐私的个性化联邦学习方法

联邦学习因能解决数据孤岛问题而被广泛关注,但也存在用户隐私泄露风险和非独立同分布数据下模型异构导致性能下降的问题.针对该问题,提出基于Bregman散度和差分隐私的个性化联邦学习方法(FedBDP).所提方法采用Bregman散度衡量本地参数与全局参数的差异,并将其作为正则化项更新损失函数,以减小模型差异来提升模型准确率.同时,采用自适应差分隐私技术对本地模型参数进行扰动,通过定义衰减系数动态调整每轮差分隐私噪声的大小,以合理分配隐私噪声大小并提升模型可用性.理论分析表明FedBDP在强凸和非凸光滑函数下满足收敛条件.实验结果验证该方法在满足差分隐私的前提下,FedBDP模型在MNIST和CIFAR10数据集下能够保证模型准确率.

物联网移动应用多元化虚实结合实验平台设计

针对国内高校物联网专业移动应用开发课程的系统化实验要求,提出并设计了多元化虚实结合的实验平台。剖析了新时代人才培养的核心,以学生为中心,以实践教学为主,培养复合型人才,提出并设计了基于物联网体系的移动应用开发实验平台。基于该平台,学生从全局角度出发,设计移动应用终端程序,同时引导学生对物联网体系内的模块进行实验和创新。该实验平台更加符合“互联网+”教育模式下线上线下融合的要求,打破了时间和空间的束缚,有效提升了学生的动手能力、系统思维能力和创新思维能力,更能培养学生综合应用知识的能力。

基于多目标演化优化的SVM对抗仿真测试算法

机器学习通常从数据中挖掘潜在的模式与规则,容易受到数据的影响而产生诸如过拟合、欠拟合等现象,进而影响学习模型的泛化与鲁棒性能。从对抗仿真测试的角度考察SVM可能存在的脆弱不稳定性,采用的对抗仿真策略是通过选择性地污染训练样本标签,模拟攻击SVM分类器使其性能退化,以测试其对训练样本的依赖性。为探究SVM分类器在不同样本组合攻击下的性能损失上限,设计了最小攻击代价-最大攻击成效这一对矛盾目标,构建了SVM仿真测试的多目标优化模型。该模型本质上是一种典型的多目标组合优化问题,可采用适当的多目标演化算法求解目标间的一组非支配解集,揭示分类器在不同样本组合攻击下的分类性能表现。在人工及真实数据集上的仿真对比实验结果表明:所提方法能够一次性生成不同攻击水平下的最优攻击样本组合,取得最大的分类性能损失,更能全面测试SVM分类器性能的稳定性。

航天器流体回路泵智能故障诊断方法

开展了航天器流体回路泵智能故障诊断方法研究,将BP神经网络、粒子群优化(PSO)-BP神经网络、遗传算法(GA)-BP神经网络和模糊神经网络4种模型应用于故障诊断,以温度、流量、出口压力、转速4类状态参数作为神经网络输入,状态标志作为输出进行训练,通过均方误差、相关系数、模型训练评分对模型训练效果评价,从而实现模型优选,完成故障诊断。利用在轨遥测数据进行应用验证,结果表明可以准确识别流体回路泵的正常和叶轮卡死泵功能丧失两种在轨实际状态类型,且模糊神经网络相对其他3种神经网络具有更好的诊断效果。

考虑模糊质检时间的柔性作业车间动态调度问题

为解决更符合现实情形的模糊质检时间柔性作业车间动态调度问题,以最小化完工时间为目标,立足紧急插单、机器在空载运行时发生故障和机器在加工工件时发生故障的三种故障情形,建立了带模糊质检时间的机器故障、紧急插单重调度模型。设计了基于元胞自动机邻域搜索和随机重启爬坡算法的改进遗传算法求解模型,即针对车间调度问题中存在的订单排序和机器选择双决策问题特征,设计包含工序码和机器码的双层编码方案,并基于遗传算法思想对工序码和机器码设计相应的交叉、变异等遗传操作。同时,将遗传操作应用于基于元胞自动机的邻域搜索算法框架中以增强算法全局搜索能力,整合基于关键工序的随机重启爬坡算法以提高算法局部开发能力。实验选取10个柔性车间调度算例验证了所提算法的有效性,同时,测试1个模糊质检时间柔性车间调度算例验证了模型的有效性。另外,实验也测试了不同故障场景,得出该动态调度方法优于实际场景中常使用的“工件后移”调度策略。

基于模糊贝叶斯网络的引水隧洞安全评价模型分析

为准确预测黄河引水隧洞安全隐患,提出基于模糊集理论和主观贝叶斯方法的模糊贝叶斯安全评价模型。结合实际巡检数据,模型使用贝叶斯网络处理模糊信息与不确定信息,将巡检数据中给出的多态性故障事件模糊化;再通过贝叶斯网络的条件概率表找出不同故障事件之间的逻辑关系;最后获得对引水隧洞安全模型的整体评价。通过开展引水隧洞安全评价模型实例分析,验证了该方法的可行性。

基于迁移QCNN的孪生网络轴承故障诊断方法

轴承故障诊断对于降低旋转机械的损坏风险,进一步提高经济效益具有重要意义;深度学习在轴承故障诊断中应用广泛,但是深度学习模型在训练与测试时容易受到噪声的干扰导致性能下降;并且轴承的工况变化频繁,不同工况下的数据采集困难;对此,提出了一种基于迁移QCNN的孪生网络轴承故障诊断方法,先预训练QCNN获取具有较强判别性的模型参数,将预训练的参数迁移到QCNN作为子网络的孪生网络中,然后正常训练孪生网络获取模型,最后将测试数据与故障数据组成数据对输入模型,即可得到测试数据的故障类型;该方法将QCNN与孪生网络相结合,QCNN中的Quadratic神经元具有强大的特征提取能力,孪生网络共享权重和相对关系的训练方式,使得模型可以缓解噪声和工况数据不平衡问题的影响;实验结果显示,相较与传统机器学习模型和QCNN等模型,所提出方法在面对噪声和工况数据不平衡问题表现更好。

基于STM32的机载蓄电池快速检测系统设计

针对目前机载蓄电池检测设备存在的检测参数不全、检测方式不合理等问题,设计了基于STM32的快速检测系统。根据系统设计需求,构建了系统总体设计框架,对系统中各组成电路进行了器件选型及参数确定。利用电路仿真软件对电路进行仿真实验,实现了对蓄电池总电压、单体电压及温度的快速检测,检测精度达到0.39%,其他性能指标符合设计需求。利用STM32开发工具搭建设计样机实验平台,通过对比分析实际检测结果与实际值的误差,检测精度达到0.30%,进一步验证了系统的可行性和可靠性,与现有设备相比,大幅提高了检测效率和检测精度。

全密态数据库密态计算关键技术综述

随着近些年云服务的流行,越来越多的企业和个人将数据存储在云数据库上.但在享受云服务便利的同时,也带来数据安全的问题.其中一个比较关键的问题是敏感数据的机密性保护,即保护用户的敏感数据不被窥探和泄漏.在这样的背景下,全密态数据库应运而生.相对于传统数据库,全密态数据库能够在数据的传输、存储和计算整个生命周期中对数据进行加密,保护数据的机密性.目前,在对数据加密的同时,支持所有SQL功能并保持高性能等方面还存在很多挑战.全面调研全密态数据库密态计算的关键技术,根据技术类型进行归纳分类,并在功能性、安全性和性能等方面进行对比与总结.首先介绍全密态数据库架构,包括基于加密算法的纯软件架构、基于可信执行环境(TEE)的可信硬件架构和软硬融合式架构.然后,总结归纳各个架构的关键技术.最后,讨论当前研究的挑战和机会,并提供一些未来研究的开放性问题.

基于双分支特征提取和自适应胶囊网络的DGA域名检测方法

面向域名生成算法(domain generation algorithm,DGA)的域名检测方法普遍具有特征提取能力弱、特征信息压缩比高等特点,这导致特征信息丢失、特征结构破坏以及域名检测效果较差等诸多不足.针对上述问题,提出一种基于双分支特征提取和自适应胶囊网络的DGA域名检测方法.首先,通过样本清洗和字典构建重构原始样本并生成重构样本集;其次,通过双分支特征提取网络处理重构样本,在其中,利用切片金字塔网络提取域名局部特征,利用Transformer提取域名全局特征,并利用轻量级注意力融合不同层次的域名特征;然后,利用自适应胶囊网络计算域名特征图的重要度系数,将域名文本特征转换为向量域名特征,并通过特征转移计算基于文本特征的域名分类概率;同时,利用多层感知机处理域名统计特征,以此计算基于统计特征的域名分类概率;最后,通过合并得到的两种不同视角的域名分类概率进行域名检测.大量的实验表明,所提方法在DGA域名检测以及DGA域名家族检测分类方面均取得了当前领先的检测效果.在DGA域名检测中,F1分数提升了0.76%-5.57%;在DGA域名家族检测分类中,F1分数(宏平均)提升了1.79%-3.68%.

基于事件触发队形优化的多四旋翼无人机协同吊挂运输系统控制

无人机吊挂运输系统控制是近年无人机飞行控制方法与工程应用的热点研究之一.本文提出了一种基于事件触发队形优化的多四旋翼吊挂运输系统控制方法,在实现负载运输的同时,通过动态调整无人机集群队形降低无人机功耗.根据负载的期望受力,通过构建优化算法滚动求解四旋翼集群当前时刻下的最优队形,并利用事件触发机制降低优化问题求解计算量.进而,采用反步法设计协同飞行控制律,并通过李雅普诺夫方法证明了闭环系统的稳定性,以及有限时间内事件触发次数的有界性.最后,通过数值仿真验证了所提出控制方法的有效性.

基于DTW时序距离的故障可诊断性评估方法

对装备中具体故障进行可诊断性评估,可以量化地表明故障被诊断的难易程度。针对故障可诊断性评价方法中存在的不客观及度量方法选择不恰当的问题,提出一种基于动态时间规整(Dynamic Time Warping,DTW)的时序距离度量方法。定义可诊断性评估模型,从实际系统中抽取系统的结构、信号、测试、故障模式4种要素,为故障可诊断性评估工作的开展打下基础。摒弃传统的从信号中提取特征进行相似性度量的做法,将信号看做时序序列,基于DTW方法衡量不同状态下各信号之间的相似程度,作为故障可诊断性的评估依据。使用动量轮系统对新方法进行仿真实验,仿真结果表明新方法在进行可诊断性评估方面具有客观性和有效性。

柯西变异的混沌自适应被囊群算法

针对被囊群算法(TSA)收敛速度慢,寻优精度低,易陷入局部极值等问题,提出了基于柯西变异的混沌自适应被囊群算法(KZCTSA).首先,采用Circle混沌初始化整个被囊种群,提高种群多样性,提升算法全局搜索能力;其次,引入自适应权重调整算法参数分配,平衡算法全局寻优和局部开拓能力;最后,使用柯西变异协调算法跳出局部最优能力.通过在10个基准测试函数上与其他算法比较寻优结果,并进行Wilcoxon、Fiedeman秩和检验评价算法性能,结果表明KZCTSA具有更好的求解精度和收敛速度.

MES管控下考虑AGV能耗的路径优化设计

随着车间生产逐步走向自动化、智能化,制造执行系统(MES)以及自动引导小车(AGV)的应用范围越来越广。根据项目实例,设计车间MES中控系统和AGV调度系统的互联以及AGV的搬运过程。考虑到目前AGV大多采用电池储能,能耗效率也成为实际问题的优化目标,结合MES任务时间窗的约束,建立数学模型解决AGV路径规划的多目标优化问题,并提出一种改进遗传算法,通过随机初始多个路径编码,进行POX交叉、逆序变异和锦标赛选择后得到最优解。经仿真实验,得到最优路径规划,同传统算法相比求解质量更优。

基于机器学习的农业水资源利用效率评价与分析

为提升我国北方农牧交错带农业水资源利用效率,研究旨在提出一种基于机器学习极限梯度提升(eXtreme Gradient Boosting,XGBoost)算法的农业水资源利用效率评价和分析框架。首先,利用熵权TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)模型对北方农牧交错带七省区2008年至2021年的农业水资源利用效率进行测度;其次,将效率值作为XGBoost回归预测算法的先验样本进行训练测试,并使用贝叶斯优化(Bayesian Optimization,BO)算法对极限梯度提升回归预测模型的超参数进行优化。此外,应用五折交叉验证对TOPSIS-XGBoost回归模型结果进行稳健性检验;最后采用SHAP(Shapley Additive Explanation)模型系统分析影响北方农牧交错带七省区农业水资源利用效率的关键驱动因素。研究结果表明:2008年至2021年的北方农牧交错带七省区农业水资源利用效率整体有所提高,平均效率值由2008年的0.328上升至2021年的0.437,但总体效率均值较低;2021年河北省、宁夏回族自治区、辽宁省、陕西省和内蒙古自治区的农业水资源利用效率相对较高,效率值分布在0.40至0.59之间;甘肃省和山西省的农业水资源综合利用效率较低,效率值分别为0.33和0.31;BO-XGBoost回归预测模型测试集的R2较基准XGBoost模型提高了2.63%,且五折交叉验证的R2均值为0.96,表明模型误差较小,具有良好的预测性能和稳健性;供水模数、有效灌溉率以及农业规模化程度是影响七省区农业水资源利用效率的关键驱动因素。TOPSIS-BO-XGBoost-SHAP模型可为我国农业可持续发展提供科学参考和技术支持。

基于EMD降噪与BP神经网络的变速器滚动轴承故障诊断

变速器是汽车正常行驶的关键部件,变速器滚动轴承在动力传动过程中,承受着极高的机械负荷与热负荷。变速器滚动轴承故障诊断的研究对于提高车辆行驶的安全性有着重要的意义。结合滚动轴承振动故障诊断的特点和需求,本文提出一种经验模态分解(EMD)与BP神经网络的故障诊断方法。该方法先将采集的振动信号经过EMD分解成一系列的含有主要特征信息的固有模态函数(IMF),然后通过求取IMF信息熵提取出轴承故障特征信号,再结合BP神经网络分类器,可有效地诊断并识别变速器滚动轴承故障,识别准确率达到80.0%以上。

海上风机无人机巡检螺旋桨振力异常监测研究

在对海上风机巡检过程中,由于无人机螺旋桨振力振动信号数据量较大,且海上环境的复杂性和不稳定性增加了异常信号的干扰,使得异常信号的检测和识别更加困难。为此,该文提出一种海上风机无人机巡检螺旋桨振力异常监测方法。利用集成经验模态(EEMD)分解,处理无人机螺旋桨振力信号,提取固有模态分量(IMF);利用稀疏傅里叶变换,处理具有周期性成分的IMF组分,提取振动强度异常特征;引入多传感器信息决策融合网络结构,并利用神经网络对其展开融合和综合决策,最终实现无人机螺旋桨振力异常监测。实验结果表明,所提方法可以获取高准确率和高效率的螺旋桨振力异常监测结果。

聚合釜电机继电保护存在的问题及改进

为应对电网发生低电压事故时,聚合釜电机的低电压和过流保护设置不能满足聚丙烯装置迅速恢复生产的要求,提出了相应的改进措施并加以实施。通过增加电机参与再起动功能,改进聚合釜电机低电压回路保护、修改过流保护曲线整定值等措施,使聚合釜电机在重载情况下能正常起动,在电网低电压事故后能快速恢复生产,降低了事故造成的损失,确保了装置的安稳生产。