基于PSO-CNN-LSTM的短期热负荷预测模型

为提高短期供热负荷预测精度,减少供热不均与供需失调所造成的能源浪费,提出一种基于粒子群(Particle swarm optimization,PSO)、经验模态分解(Empirical Mode Decomposition,EMD)、卷积神经网络(Convolutional Neural Network,CNN)和长短时记忆神经网络(Long Short Term Memory Network,LSTM)的混合预测模型。首先,针对供热负荷呈现非线性、复杂性等特点,采用EMD对供热负荷分解,从而实现弱化供热负荷复杂程度;其次,分别运用CNN与LSTM提取供热负荷空间特征与时域特征;最后,结合PSO算法对LSTM网络的超参数进行调整,寻找出最优参数。实验表明,结合EMD分解的PSOCNN-LSTM网络相比LSTM、CNN-LSTM、EMD-CNN-LSTM平均误差分别降低了44%、34%、24%、21%,拥有更高的预测精度和拟合效果。所提模型为集中供热负荷预测提供了一种新的思路,对于制定集中供热能源分配提供了参考意义。

基于VMD和RDC-Informer的短期供热负荷预测模型

精准的供热负荷预测不仅可以有效降低能源消耗,而且可以提高供热系统效率和用户舒适度。为了提升供热负荷预测的准确性,本文将变分模态分解算法和改进的Informer模型结合应用于供热负荷预测中。首先使用VMD算法分解供热负荷数据,降低数据的非平稳性;然后在Informer模型中引入相对位置编码代替绝对位置编码,以更好地捕捉序列数据中的依赖关系和避免信息泄漏;接着采用膨胀因果卷积代替正则卷积,增加感受野,提升局部信息的提取能力;最后在多个数据集上与主流预测模型(GRU、LSTM、Transformer和Informer)进行对比实验。结果表明,RDC-Informer模型的评价指标R2达到了98.3%,与对比模型相比,分别提高了11.6%、6.3%、4.7%和2.6%。此外,通过增加卷积核以评估膨胀因果卷积的效果,验证了RDC-Informer模型的适用性和准确性,为进一步提高智慧供热的时效性提供了一定参考。

基于遗传粒子群优化的热负荷预测方法

集中供热系统一次网热负荷预测对于换热站能源合理分配具有重大意义,针对换热站之间存在较强的耦合性,如何保证换热站实现节能减排的同时并保证热用户的舒适性是供热行业的首要任务,提出一种基于遗传粒子群的混合神经网络(GAPSO-CNN-BiLSTM)预测模型。首先,利用热负荷历史值、供水流量、供水温度以及回水压力构建模型输入;然后,利用完全噪声辅助聚合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)将供热负荷分解为不同子序列,以弱化供热负荷数据复杂程度,挖掘数据内部潜在特征;其次,为进一步减少模型计算时间,根据样本熵(sample entropy,SE)对子序列进行合并;最后,利用所提模型对不同子序列进行预测重构。实验表明所提模型相比LSTM、CNN-LSTM以及粒子群优化的混合神经网络(PSO-CNN-LSTM)在供热负荷预测中精度分别提高42%,32%,30%拥有更出色的特征提取能力和精度。

基于SVMD-ISSA-CNN-TGLSTM的供热负荷预测模型

针对目前集中供热负荷预测的研究中极少考虑换热站内部因素以及供热负荷预测精准度较低的问题,提出一种基于SVMD-ISSA-CNN-TGLSTM的混合预测模型。首先,利用卷积神经网络和转换门控长短期记忆神经网络构建具有空间提取能力的CNN-TGLSTM模型;其次,考虑到负荷序列的非平稳特征,采用SVMD分解,并引用改进的麻雀搜索算法来优化模型的参数,避免调参陷入局部最优;最后,将不同模型之间的预测效果与经济效益进行对比。结果表明:SVMD-ISSA-CNN-TGLSTM模型经济效益最高,评价指标RMSE、MSE、MAE相比ISSA-CNN-TGLSTM模型分别降低了35.7%、59.0%、32.7%,且均优于其他不同模型,预测效果最佳。

基于RF的并行CNN-TGLSTM热负荷预测模型

精准的热负荷预测不仅可以提高用户舒适度,还可以有效降低能源消耗。为了提升热负荷预测的准确性,本研究提出了一种基于随机森林的并行CNN和TGLSTM的短期热负荷预测模型。首先,采用随机森林算法对特征进行筛选;其次,利用并行网络CNN和改进的LSTM分别提取时空特征;最后,将提取的特征与多头注意力机制动态结合。实验结果表明,并行CNN-TGLSTM-MA相较于传统的串行CNN-TGLSTM模型,在MAE和MSE方面分别降低了16.9%、26.8%,同时提升了3.5%的R2值,证明了所提出的并行CNN-TGLSTM-MA模型在短期热负荷预测方面的有效性和优越性,为热力系统供热负荷的精准调控提供了参考。

基于数据融合和改进MoCo的工业机器人抖动原因识别

实际工程中工业机器人受关节控制参数不佳易引起末端抖动,抖动原因识别有助于定位关节异常及优化控制。而工业机器人抖动原因识别存在周期信号冗余度高、抖动方向多及抖动状态样本标签缺失的问题,故提出基于数据融合和改进动量对比学习(MoCo)的工业机器人抖动原因识别方法。首先,对工业机器人末端各传感器数据依次进行数据降维、数据扩充、水平拼接融合及降维,构建充足且全面反映抖动方向及状态信息的融合样本。其中,数据融合前降维可降低周期样本冗余度及提升样本融合效率,数据融合后降维可避免融合样本过长导致模型训练复杂度增加。其次,在MoCo前标记少量融合样本由正编码器分类通道输出监督信息,引导特征聚类。然后,改进对比学习策略,将正编码器提取的无标签融合数据特征与动量编码器保存的负样本特征的聚类中心进行对比,去除特征相似度最高的聚类中心以降低对比类别错误的假负样本干扰。并通过对称调换两个编码器的输入进行两次对比损失计算,完成编码器训练。最后,在编码器分类通道后添加Softmax分类器完成工业机器人抖动原因识别。实验结果表明,所提方法在不同工况的工业机器人抖动原因识别准确率均在90%以上,证明了该方法的有效性。

变初位数据增强和深度特征提取的工业机器人末端抖动状态识别

针对实际工程中工业机器人末端抖动程度难以通过简单指标进行有效区分,且识别过程存在外部干扰大、抖动位置分布不均的问题,提出了变初位数据增强和深度特征提取的工业机器人末端抖动状态识别方法。利用陷波滤波器滤除工业机器人末端振动信号中的工频干扰,并通过均方根阈值搜索抖动位置及改变搜索初始位置数据增强的方式,获取充足且能展现工业机器人运动状态的末端抖动数据;采用连续小波变换对末端抖动数据进行分解以获得可充分保留末端抖动冲击与震荡特征的时频图;为缓解特征降维及工况变化的影响,运用去除池化层和添加批归一化的卷积神经网络,对时频图进行深度特征提取和分类,从而实现工业机器人末端抖动状态识别。试验结果表明,所提方法在不同传感器采集方向识别准确率均达到90%以上,证明了该方法能够有效识别工业机器人末端抖动状态,并具有较好的泛化性和稳定性。

浅谈中等专业学校数学教学的几点看法

中等职业学校担负着社会主义现代化建设“造就数以亿计的合格劳动者”的艰巨任务,以学生的个性发展为根本,从学生的实际出发,探索适合当前实际的教学模式,是我国中等职业教育面临的紧迫任务.针对当前中专学校数学教学的实际情况,中等专业学校教师在进行数学教学中应注意坚持教学原则,明确教学要求,在加强师生间的了解的基础上,处理好中专数学与初中数学教学的衔接.

肺炎链球菌导致T多凝集红细胞的确认及血浆置换策略

目的 明确T多凝集鉴定方法,并选择配合的冰冻血浆用于血浆置换。方法 通过红细胞与植物血凝素、成人血清和脐带血血清反应结果,加入凝聚胺后是否会红细胞聚集,以及MN抗原表达确定是否存在T多凝集。对确定存在T多凝集的患者,采取盐水介质次侧配血方法选择不含抗-T或者效价低的冰冻血浆进行血浆置换。结果 3例肺炎链球菌肺炎患儿确定出现T多凝集,表现为MN抗原一过性消失,与花生凝集素和大豆凝集素阳性反应,红细胞与成人血清阳性反应,与脐带血血清阴性反应,且在加入凝聚胺试剂后红细胞不出现聚集。结论 严重感染患者可能合并红细胞T多凝集,成人血浆中抗-T含量不同,选择不含有抗-T或者低效价抗-T的冰冻血浆用于血浆置换可以快速缓解患者病情,同时可以避免溶血性输血反应。

多传感器信息深度融合的谐波减速器健康状态评估

工业机器人谐波减速器工况循环往复,仅依靠单一传感器难以刻画其运行状态全貌且会导致健康状态评估结果不确定性高。为此,提出了多传感器信息深度融合的谐波减速器健康状态评估方法。首先对谐波减速器振动信号进行连续小波变换,构造出时频图以描述其运行状态特征;再运用基于小波变换的图像融合方法将多个传感器的时频信息进行融合以全面刻画谐波减速器运行状态。最后利用卷积神经网络对融合后的时频图像进行自动学习获得能准确表征谐波减速器健康状态的深度特征,并通过在卷积神经网络最后添加全连接层实现健康状态评估。通过对不同健康状态以及不同工作节拍下谐波减速器进行健康状态评估试验,证明了所提方法的可行性与有效性,并具有较好的泛化能力和稳健性。

基于电压信号深度特征学习的谐波减速器健康状态识别

目前工业机器人谐波减速器健康状态识别多以振动信号为载体,需要外加测试系统,增加了数据获取难度及成本,且其准确性和有效性受传感器安装位置影响。基于此,提出基于电压信号深度特征学习的谐波减速器健康状态识别方法。利用工业机器人电机电压信号对谐波减速器健康状态进行表征,使用连续小波变换将电压信号转换成时频图以获得谐波减速器不同健康状态下电压信号的时频信息,构建出数据样本集。利用卷积神经网络对电压信号时频信息进行自学习,并有监督调整网络参数,在获得谐波减速器不同健康状态下电压信号深度特征的同时实现对其健康状态的识别。实验结果显示,所提方法识别准确率达到了90%以上,证明了该方法能够有效识别谐波减速器健康状态,并具有较好的泛化能力和稳健性。

基于虚拟现实抗联红色文化展演设计的实现

通过虚拟现实这一当代技术,用展演的方式让用户们浏览,进行基于虚拟现实的抗联红色文化展演设计,主要为弘扬抗联红色文化这种不畏强暴、舍身救国、血战到底的精神。将抗联红色文化与虚拟现实技术结合出来,让用户们得到身临其境的抗联红色文化旅游资源旅游体验。这样做我们丰富了用户们参观抗联红色文化的方式,而且增添了弘扬抗联红色文化的方法,让虚拟现实技术设计了更多的领域,也让更多的领域有了创新的内容。

运用Matlab对主动悬架系统仿真分析

汽车悬架系统是汽车上的重要组成部分,对于汽车行驶过程的舒适性、平顺性以及操作稳定性都有重要的影响,主动悬架逐渐成为汽车行业的发展方向。基于二自由度1/4车体模型符合当代人对汽车性能的基本要求,从而得到了广泛的推广,采用LQG最优调节器理论确定主动悬架的最优控制方法,利用MATLAB软件建立了主动悬架汽车振动分析仿真模型,进行对汽车相关性能作出综合评价。

汽车车身耐撞性和碰撞相容性研究

车身耐撞性和碰撞相容性体现的是汽车的基本安全因素指标,通过对现有汽车碰撞实验所体现出的耐撞性、相容性和吸能性优化建模仿真,提高车内自身安全装置和提升小质量汽车刚度、降低大质量汽车刚度,以达到提高汽车整体安全系数的效果。

中国中生代今鸟型类研究现状

近年来,随着中生代鸟类标本的大量发现,中生代古鸟类的研究有了进一步发展。今鸟型类是中生代鸟类的重要分支之一,也是现生鸟类的祖先。本文统计了迄今为止已报道的中国中生代今鸟型鸟类,共计25属27种。化石主要产自辽宁西部,河北、甘肃和内蒙古地区。本文将从中国中生代今鸟型类的形态特征,食性,生活习性等方面,对中国中生代今鸟型类进行简单的介绍。

对改进中等专业学校数学教学的几点看法

针对当前中专学校数学教学的实际情况,中等专业学校教师在进行数学教学中应注意坚持正确的教学原则,明确教学要求,在加强师生间的了解的基础上,处理好中专数学与初中数学教学的衔接。

劳动教育中抓好“四个结合”的实践研究

习近平总书记提出:“要在学生中弘扬劳动精神,教育引导学生崇尚劳动、尊重劳动,懂得劳动最光荣、劳动最崇高、劳动最伟大、劳动最美丽的道理,长大后能够辛勤劳动、诚实劳动、创造性劳动。”小学劳动教育是素质教育不可缺少的组成部分,实施素质教育必须抓好劳动教育。

浅谈市政给排水管道布置设计及技术措施

随着城市化进程加快,市政给排水,正发挥着越来越重要的作用。然而,新的建筑排水用管道施工的地质地貌复杂性都由市环境影响,使得管道布置设计技术无法满足需求。为此,研究人员应对使用市政供水和排水布局设计技术来分析,以在控制工作明确限制的情况下的方向的基础上进行,以提高供水,安排排水管科学有效的规划。