基于多信息融合的换流站直流设备健康状态决策树评价模型

针对换流站直流设备间交互信息融合能力较差、小样本与大样本难以均衡的问题,设计基于多信息融合的换流站直流设备健康状态决策树评价模型。使用同质多传感器多信息数据融合方法对多信息实施融合处理;利用k近邻方法和层次聚类方法划分换流站直流设备健康状态量,提取健康状态量的有效信息作为输入,构建决策树评价模型,输出换流站直流设备健康状态评价结果。实验结果表明,该模型具备较好的多信息融合能力和样本均衡能力,且可从不同角度实现换流站直流设备健康状态评价,评价结果较为准确。

基于社交网络的舆情多信息交互传播机制研究

为分析社交网络中同一舆情事件多信息的交互式传播机制,将多种信息之间的互动分为合作、独立和竞争三种类型,依据多种信息传播的交互情况构建信息传播模型。研究发现信息属性、信息相互作用因子和网络拓扑结构对舆情多信息传播具有不同影响,且多信息交互传播时不同个体状态变化特征不同。研究结果可以帮助学者更好地理解社交网络中舆情多信息交互传播机制,为舆情信息的最大化传播或控制信息传播提供一定的理论指导。

基于多信息融合的层次聚类测井曲线自动分层方法

随着人工智能的快速发展,机器学习的应用范围越来越广泛,将机器学习的方法用于测井曲线分层可以提高分层效率和精度。在利用测井资料进行岩性识别、沉积相分析等研究时,先要对测井曲线进行分层。文中提出一种基于多信息融合的层次聚类分层方法,实现了对测井曲线的自动分层。首先,采用滤波的方式滤除曲线上的噪点,对数据进行归一化处理,消除量纲的影响;其次,通过特征优选,选择包含较多地层信息的特征曲线,构造一个滤波器,将其中相似性较高的曲线融合,曲线融合的权值通过遗传算法求得;最后,使用层次聚类方法对多信息融合后的测井数据进行划分,将分层结果与人工分层结果进行对比验证。该方法能够提高分层效率,为地质勘探工作提供可靠的分层依据。

自适应模糊神经网络多信息融合串联型电弧故障检测方法

针对低压交流串联电弧故障因其特殊性难以识别的问题,在实验室建立了实验平台,采集不同负载下的正常和电弧故障的电流波形数据,提出一种自适应模糊神经网络(adaptive neuro fuzzy inference system,ANFIS)多信息融合串联型电弧故障检测方法,通过多层次特征参数提取,对自适应模糊神经网络进行训练、测试。结果表明,该方法可以有效地克服反向传播(back propagation,BP)神经网络故障诊断中收敛速度慢、误差精度大的缺点,得到更为精准、理想的诊断结果。

基于轻量化与多信息融合的输送带块煤实时监测方法

煤炭在国家工业体系和社会发展中有着举足轻重的作用,针对煤炭运输过程中的块煤监测问题,提出一种基于轻量化和多信息融合(lightweightandmulti-informationfusion,LM)的实时监测方法——LMYOLOv5。首先,利用自适应直方图均衡化进行数据预处理;其次,引入Ghost轻量化卷积,减少计算量和特征提取的冗余性;最后,结合协同注意力(coordinate attention, CA)机制改善特征提取的倾向性,引入双向特征金字塔网络(bidirectional feature pyramid network, Bi FPN)机制实现跨阶段的信息融合。实验结果表明,改进后的LMYOLOv5算法有明显优势。参数量和浮点计算量分别减少约62.28%和67.66%。模型训练时长减少约21.78%,模型体积也从92.7 M压缩至35.1 M。此外,精确度和召回率分别提升约0.103%和1.395%,实时监测速度提升约38.05%。

基于多信息融合的带式输送机堆煤检测系统

在煤矿行业中,带式输送机的运输通常会采用级联多台的方式,这会导致在转载点处经常出现煤炭堆积的情况。而传统的人工巡检和堆煤传感器无法及时准确判断输送机堆煤故障,这给煤矿生产的安全带来了潜在威胁。针对此问题,提出了一种基于多信息融合的带式输送机堆煤检测系统。在带式输送机转载点处安装雷达增强处理感知装置以及防尘高清工业相机,通过雷达获取煤堆的全方位状态参数,并结合经过图像算法处理后的高清工业相机拍摄的图像数据,综合判断带式输送机的堆煤状况,同时配备现场可编程的智能边缘一体机,根据监测结果实时反馈给控制系统,以调整设备参数或执行相应的控制策略。通过对雷达数据及机器视觉的多信息融合,提高了堆煤检测的准确性和可靠性,有效预测了潜在的堆煤风险,为煤矿生产提供了有效的安全保障。

基于多信息融合的智能变电站继电保护隐性故障自动诊断

针对现有的诊断方法分类准确率低的问题,研究多信息融合的智能变电站继电保护隐性故障自动诊断方法。按照保护动作信息,计算故障引发的线路保护不正确动作,建立距离保护隐性故障概率模型。根据分合闸线圈电流,通过辨识比来提取断路器的故障状态特征。运用霍尔电流元件在线监测电流信号,并对获得的电流信号进行处理。将不同振动信号中的特征信息进行结合,按照特定的融合规则对信息进行加工,完成信息在空间和时间中的填充。运用M维矩阵对特征值进行分解,根据主成分的个数,按照特征的贡献值进行排序,对融合后的特征样本进行计算,确定决策信息。当发生接地故障时,通过保护测量的电压,形成新的零序方向保护。建立规则库来优化样本训练。按照隐性故障造成连锁故障的传播方式,判断相邻支路是否发生误动,切除误动支路,并进行潮流越限检查,根据相位关系判断二次回路状态完成隐性故障自动诊断。实验结果表明,实验组的分类准确率为100%,为4组中最高分类准确率,达到良好的诊断效果,实现了良好应用。

基于BERT的多信息融合方面级情感分析模型

方面级情感分析任务旨在判断文本语句不同方面的情感极性,是自然语言处理领域的热点任务之一。当前基于BERT的方面级情感分析方法大多仅将其作为预训练词嵌入工具,没有充分利用其本身的语义提取能力和任务处理能力,在利用句法及方面词位置等信息时,常忽略了不同外部信息的关联性。针对上述问题,提出一种基于BERT的多信息融合网络模型。首先,构建基于BERT词嵌入的主路径和辅路径,辅路径可以避免对词嵌入特征产生干扰;其次,在辅路径下,根据文本语句的句法依存树和多信息融合算法让不同词语与方面词的句法距离、位置距离等信息产生交互;最后,使用卷积神经网络和注意力机制将主路径与辅路径的特征融合。3个数据集的实验结果表明,提出的模型是有效的。

基于电压电流多信息采集的电火防控系统设计

传统的电气火灾防控系统在受到线路分布电容与漏电检测死区的影响时可能会失效或误判。为了提高漏电故障检测和电火防控的速度及准确率,设计开发了一套基于电压电流多信息采集的电火防控系统。系统实时采集相电压与漏电流,通过滑动窗口算法提取其故障特征,进行线性预测后完成故障检测和判断,并驱动故障相的旁路保护模块,提供低阻抗接地通路降低漏电电流,消除线路分布电容对电火防控的影响。系统分别完成了漏电故障的保护效果和保护动作特性测试,均能实现快速、准确的漏电故障保护,保护后的故障相电压低于3 V,漏电电流低于5 mA,保护动作时间不超过15 ms,且输出线电压幅值、相位保持不变。

短期尖峰负荷多信息融合的神经网络预测方法

为了降低负荷数据的复杂度、提高预测精度,提出一种短期尖峰负荷多信息融合的神经网络模型。选取皮尔逊相关系数分析假日、温度、湿度等信息之间的密切程度,将关键气象信息融合进模型中,优化负荷的输入参数,重构神经网络模型的新数据集,并防止神经网络的过拟合,提高短期尖峰负荷预测精度。算例仿真分析表明,所提方法与未考虑多信息融合的单一增强型决策树模型和神经网络模型相比,更能有效地提高短期尖峰负荷预测准确率。

基于大数据的多信息源线路跳闸故障识别方法

针对导致线路跳闸故障识别结果相对误差较高,线路跳闸故障的判断过程冗余的问题,提出基于大数据的多信息源线路跳闸故障识别方法。针对输电线路工作特点建立输电线路模型,采集电流信息,建立多信息源融合机制;应用大数据技术分析输电线路内混沌变量,识别特征数据中的异常数据,控制冗余变量;汇总多信息源线路异常数据,采用模糊聚类分类器完成跳闸故障识别。仿真实验结果表明,该方法应用后,相比正常状态线路电流幅值出现大幅度降低,其跳闸故障识别平均相对误差降低了13%与22%。

多信息融合特征下的发动机故障自动化诊断研究

发动机工作过程的复杂性以及其故障诊断信息的繁杂性使得单一传感器难以较好识别与诊断故障问题。故研究对数据层、特征层以及诊断层进行多信息融合,并基于最大信息特征和主成分分析提出诊断模型。实验结果表明,模型对不同故障类型的数据提取偏差值低于5%,且其误差性能(<0.06%)和测试精度明显优于其他对比算法。多信息融合特征诊断算法能有效对发动机设备进行故障诊断,并提供新维修思路。

多信息交互下的输电线路运行故障分析方法

为了解决输电线路运行出现故障对电网造成大量损失问题,设计了输电线路运行故障分析系统。通过采用可移动的故障检测装置对输电线路运行状态进行自动检测,采用图像处理技术和模式识别技术对视频监控平台进行智能化的改进,实现对输电线路运行状态进行实时监控。将采集到的输电线路运行图像数据传输至监控主站平台,利用变分模态分解和排列熵相结合的算法来实现输电线路运行故障诊断。实验结果表明,该系统在进行故障检测装置图像监控的有效性高达96%,在进行对故障分析的准确性测试时,故障分析的准确性高达98%。

基于GD32的多信息交互模块设计

随着物联网和智能系统的快速发展,系统需要传输和分析各类设备数据,因此在研发前期需要考虑信息转换问题,需从硬件电路与软件控制方面同时进行规划设计,规划设计重复、工作量大且不利于网络扩展。针对上述问题,提出一种基于GD32的多信息交互模块设计方案。首先,开展硬件电路设计和器件选型,对通信接口进行规划、硬件功能进行设计。然后,进行软件功能设计,对多种类型通信进行驱动设计和通信协议制定。最后,对多信息交互模块的工作原理进行阐述。方案表明,基于GD32的多信息交互模块可以采集、处理和传输各种类型的信息,使设备和系统变得更加智能和高效,可以为物联网和智能系统的多种信息处理提供可靠且高效的解决方案。

多信息融合技术下的国土空间规划体系设计探究

国土空间数据处于动态变化之中,需要在规划体系设计中监控国土空间中的信息异常事件,通过异常事件的监控、数据的采集,经过对数据的清洗、筛选、转换后,汇总数据、分析数据、挖掘数据,获取数据背后隐藏的价值,为国土空间规划体系设计提供方向与指引。在国土空间规划体系设计中,基于多信息融合技术的运用进行规划体系设计的研究分析,明确该技术在规划数据采集、数据预处理、数据分析,以及规划目标设定、规划方案设计与规划设计评价等中的运用方法和运用中的注意事项,以此实现规划体系设计质量、水平、效益的全面提升。

基于多信息融合的GIS状态预警系统设计

为提高特高压变电站智能化运维能力,提升气体绝缘金属封闭开关设备(GIS)运行安全性,设计开发了基于多信息融合的GIS状态预警系统。通过GIS设备故障特性分析和绝缘气体六氟化硫(SF6)在设备故障过程的特性改变,得到了GIS设备不同故障类型的监测机理;引入D-S多信息融合故障预警决策算法,实现了GIS设备故障在线检测、智能决策与自动分级报警。系统在特高压南阳站进行了应用实验,实验结果证明了该预警系统监测的准确性,实现了GIS设备的在线智能化监测功能,提升了变电站智能化运维能力。

多信息储层预测地震属性提取与有效性分析方法

针对多信息储层预测 ,介绍了QuincyChen等人基于储层特征的地震属性分类 ,讨论了地震时窗的选取和属性预处理方法 ,提出了地震属性有效性分析基本准则和工作程序 ,并对优选地震属性的主要算法进行了介绍 ,结合大庆宋芳屯油田芳深 2区块储层预测给出了一个应用实例。指出精细的地震属性提取与有效性分析是高精度地震储层预测的前提 。

基于近红外光谱和机器视觉的多信息融合技术评判茶叶品质

首次提出利用近红外光谱和机器视觉的多传感信息融合技术评判茶叶品质。试验以4个等级的炒青绿茶为试验对象,对获取的图像特征信息和光谱特征信息,通过主成分分析提取相应的主成分得分向量构成模式识别的输入。利用BP神经网络方法建立茶叶综合品质评判模型。在模型的建立过程中,对各个信息的主成分因子数进行了优化。从试验的结果看,在图像信息主成分因子数等于6,光谱信息主成分因子数等于3时,建立的模型最佳,模型训练时的回判率为99%,预测时的识别率为89%。研究结果表明基于近红外光谱和机器视觉技术的多传感信息融合技术评判茶叶综合品质的方法是可行的,评判结果的准确性和稳定性都较单个信息模型有所提高。

基于多信息融合的全轮独立电驱动车辆车速估计

鉴于用非驱动轮轮速信号来估计车速的方法已不适用于没有非驱动轮的全轮独立电驱动车辆,提出了借融合车载普通传感器信号和驱动电机反馈信号等多信息源,并基于稳态工况下的轮速信号卡尔曼滤波和瞬态工况下的加速度积分的全轮驱动车辆车速估计方法。通过实车试验对该方法的有效性、适用性和精度进行了验证。

多信息块Web页面的信息抽取

提出了一个采用新的抽取规则的包装器 ,结合采用基于文档结构抽取规则和基于特征Pattern匹配抽取规则包装器的优点 ,可以适用于含有多个信息块的Web页面。