ODS MA754合金传热界面接触热阻实验研究

鉴于ODS MA754合金传热界面的接触热阻参数对全固态堆芯空间反应堆系统的热量导出具有重要影响,研发和设计了高温高压接触热阻实验装置,测量了不同温度(20~800℃)、压力(0~80 MPa)、气体氛围(He、CO_(2))以及试件表面粗糙度(1.6、3.2μm)下ODS MA754合金传热界面的接触热阻,并基于测试获得的宽量程数据点,建立了ODS MA754合金的接触热阻数据库。实验结果表明:随着接触面温度和压力的升高,界面接触热阻降低,且热阻降低的速率逐渐减小;相较于表面粗糙度为1.6μm的试件,粗糙度为3.2μm试件表面的界面接触热阻明显偏大,实验得到的定量关系可为工程样件的加工粗糙度要求提供依据;He气氛下的接触热阻远小于CO_(2)气氛,在0.1 MPa、100℃工况下,He气氛接触热阻约为CO_(2)气氛接触热阻的1/4。该研究结果可为空间反应堆的热工设计提供数据参考。

基于OD-LTP的振动条件下串联型故障电弧检测方法研究

当三相异步电动机发生机械振动时,主回路中接触不良的电气接触点在振动作用下会产生串联型故障电弧,进而影响电路安全甚至引发电气火灾。而振动条件会加剧了故障电弧信号的复杂性,因此本文以回路电流信号为研究对象,提出了一种振动条件下的高实时性串联型故障电弧检测方法。首先通过构建滑动记忆矩阵对实验电流数据进行动态保存,其次通过正交方向改进局部三值化模式(orthogonality direction local ternary pattern,OD-LTP)提取滑动记忆矩阵的纹理特征,最终将统计的OD-LTP图像的灰度分布直方图幅值作为特征向量,通过基于沙猫群优化(sand cat swarm optimization,SCSO)的支持向量机(support vector machine,SVM)建立振动串联型故障电弧检测模型。本文通过对比不同矩阵参数,得到最佳的滑动记忆矩阵尺寸,最终所提方法对故障电弧识别的准确率达到99.2%。通过对不同工况、不同特征提取方法对比分析,表明本文提出方法不仅适用于不同工况运行的工业电机变频器系统,其相对于其他特征提取方法也具有较高的实时性。

基于乘客OD间路径旅行时间的城市轨道交通客流分布计算模型的适用性研究

[目的]针对目前城市轨道交通(以下简称“城轨”)线网客流分布计算模型的客流计算结果与实际客流存在偏差的现象,需基于OD间路径的实际旅行时间,对基于多路径概率分配的客流分布计算模型的适用性展开研究。[方法]基于乘客OD间路径的实际旅行时间,分析揭示了现有城轨客流分布计算模型存在的主要问题;融合AFC(自动售检票)系统和ATS(列车自动监控)系统两类数据,构建并标定了基于乘客OD间路径旅行时间的城轨客流分布计算模型;对目前国内城轨系统广泛采用的基于多路径概率分配的城轨客流分布计算模型的适用性进行了分析与评价。[结果及结论]现有城轨客流分布计算模型在路径选择集和路径选择比例上存在主要问题。通过基于多路径概率分配的城轨客流分布计算模型获取的路径分配比例,得到的旅行时间分布模拟结果均为单峰,无法重现从AFC票卡提取的实际旅行时间分布的多峰情况。当城轨线网较为简单时,基于多路径概率分配的城轨客流分布计算模型基本适用;当线网规模不断增加,线网结构进一步复杂,列车运行方式的多样性、乘客出行行为的差异性等不断加大的条件下,该模型对于路径阻抗差异小的OD可能适用,而对于路径阻抗差异大的OD不适用。

基于异构数据特征的城市轨道交通OD客流短时预测方法

城市轨道交通起讫点(origin-destination,OD)客流短时预测在智能交通系统中意义重大,它为交通管控策略实施以及出行者出行选择提供了重要的决策依据。卷积神经网络被广泛用于交通数据空间相关性提取,但其平移不变性与局部敏感性导致该方法更重视局部特征而忽视全局特征。本研究构建了基于注意力机制的异构数据特征提取机模型(heterogeneous data feature extraction machine,HDFEM)以实现OD矩阵空间相关性的全局感知。该模型从时空特征和用地属性特征出发,构造异构数据OD时空张量与地理信息张量,依托模型张量编码层对异构数据张量进行分割与编码,通过注意力机制连接各张量块特征,提取OD矩阵中各个部分间的空间相关性。该方法不仅实现了异构数据与OD客流数据的融合,还兼顾了卷积神经网络模型未能处理的OD矩阵远距离特征,进而帮助模型更全面地学习OD客流的空间特征。对于OD时序特性,该模型使用了长短时记忆网络来处理。在杭州地铁自动售检票系统(auto fare collection,AFC)数据集上的实验结果表明:HDFEM模型相对于基于卷积神经网络的预测模型,其均方误差、平均绝对误差与标准均方根误差分别下降了4.1%,2.5%,2%,验证了全局OD特征感知对于城市轨道交通OD客流预测的重要性。

北斗/SINS/OD组合导航定位终端设计

针对常见组合导航系统在隧道、峡谷、森林等卫星信号较弱甚至出现失锁状况的地区,定位精度会迅速下降的问题,设计了北斗/捷联惯导(SINS)/里程计(OD)组合导航定位终端。终端设计以OMAPL137处理器为核心,包括北斗、SINS、里程计、4G通信和电源等模块。数据处理部分以北斗导航接收机和根据SINS/OD推算分别得到的伪距、伪距率之间的差值作为量测值,使用拓展卡尔曼(EKF)滤波算法进行数据融合与误差估计。实验结果表明,北斗/SINS/OD组合导航定位终端在卫星失锁情况下行驶总里程5 km时最大位置误差为46.82 m,误差漂移为0.94%,能够有效解决卫星信号受遮蔽导致定位精度下降的问题,实现平滑载体运行轨迹并提高导航定位精度。

LAMOST的“Unknown”光谱分类研究:ODS-YOLOv7模型

天体识别是天文新发现和深入研究天体的基础。在LAMOST DR8 v1.0发布的低分辨率光谱数据中有约53万条因没有类别标签而被命名为“Unknown”的光谱,其中有88.56%的光谱信噪比在0~10之间,对这批光谱的研究分析将增加LAMOST的有效数据产出。该研究为“Unknown”光谱的分类设计了一种ODS-YOLOv7模型。它是一种端到端的类别预测模型,通过添加一维卷积注意力模块以提高光谱识别能力。在经过一批信噪比在0~10之间的已知类别光谱训练后,ODS-YOLOv7可以学习到低信噪比光谱的有效特征,进而实现对“Unknown”光谱的类别预测。实验表明,该模型在已知类别标记的低信噪比恒星、星系、类星体的光谱识别中,F1-score分别为0.98、0.95、0.95;同时在与传统算法KNN、RF、DT、SVM和深度学习算法1D CNN、1DSSCNN、ResNet、DenseNet、VIT对比实验中取得相对最好的效果。实验结果还给出了ODS-YOLOv7模型对DR8 v1.0中信噪比在0~10的“Unknown”光谱预测置信度分布,在预测类别为恒星、星系、类星体任务中,有92%的分类置信度在60%以上。为保证模型输出质量,本文只选取分类置信度大于99%的光谱类别作为输出结果。以此为依据,在DR8 v1.0和DR9 v0发布的全部“Unknown”光谱中分别有37.19%和47.03%被ODS-YOLOv7模型预测出类别。此外,还增加人工认证以检验该模型预测的正确性。为提升模型的可解释性,参照了二维图像特征可视化的Grad-CAM方法,将其改进为适合于可视化一维光谱数据特征的算法。其结果表明该模型可自动关注到不同的分类特征,使得该模型非常适用于低信噪比“Unknown”光谱的类别预测。

多分辨率多粒度时空特征提取的轨道交通短时OD客流预测方法

面对大规模的路网OD客流分布的“长尾效应”,提出一种多分辨率多粒度时空特征提取的短时客流预测模型,以解决稀疏OD矩阵中不同量级OD客流预测精度不高的问题。将离散小波变换引入OD矩阵特征提取,结合CNN获取多分辨率下空间特征;构建多粒度历史OD客流矩阵序列,利用ConvLSTM网络提取OD矩阵长期的周期依赖性及短时的相邻时段依赖性。以北京地铁为例,分析结果表明:该模型在整体预测精度方面较其他基线模型的均方根误差RMSE提升7.4%以上;模型内部消融实验证明,多分辨率多粒度的结构对高、中、低3种量级的OD预测均有提升作用,且对高量级OD预测的RMSE提升12.5%以上。以杭州地铁为例对模型进行稳定性验证,结果表明:该模型在不同数据集下的预测结果明显优于其他基线模型;在工作日/非工作日、高低峰/平峰等场景下的适用性分析均能取得稳定的预测效果。

粉末冶金制备22Cr-ODS合金的高温氧化行为研究

采用粉末冶金热等静压工艺制备了氧化物弥散强化FeCrAl合金,探究在1000℃空气环境中合金的高温氧化行为。通过X射线衍射、扫描电子显微镜等对合金在1000℃氧化不同时间后的氧化层表面成分、物相及截面成分、厚度等进行研究,结果表明:该工艺制备的22Cr-ODS合金在1000℃空气环境中能够形成完整致密的α-Al_(2)O_(3)表面氧化层,氧化10 h、25 h、50 h、100 h、200 h后氧化层厚度分别为0.52μm、0.91μm、1.42μm、1.47μm和1.76μm,合金内部晶粒未发生明显粗化,表明该合金具有良好的高温抗氧化性能和组织稳定性。

客流OD导向下地铁快车停站方案优化

为精细化确定轨道交通市郊线路快车停站方案,提出一套以市郊线路客流OD为核心导向的快车停站优化方案。首先,构建轨道交通区间选择费用函数,根据路径选择费用分配OD客流;其次,在客流分配的基础上,以乘客出行时间最短与企业运营成本最低为目标函数,以断面满载率、车站客流需求、优化时段发车次数约束等多重客观因素为模型约束,建立快车停站方案优化模型;最后,以S市地铁市郊线路16号线基础数据为实例验证,运用带精英策略的非支配排序的遗传算法和GA混合(GA-NSGA-Ⅱ)对停站方案优化模型求解。优化结果表明,在高峰时段乘客人均出行时间节省1.074 min,每个运营日车底运用数减少6列。

基于POI-OD矩阵与GTWR分析共享单车出行特征与影响因素

共享单车的时空分布特征反映了居民的出行需求,单车出行的流动则体现了居民使用共享单车的目的性。本文基于东芝加哥中心区域11个月的共享单车出行数据的时空分布特征,结合POI分布建立POI-OD矩阵量化OD的流动特征,结合GTWR分析各类型POI与共享单车流入、流出量的相关性。结果表明:1)共享单车工作日呈现早晚高峰趋势,以短距离出行为主;2)交通运输类和餐饮类POI是主要转移热点;3)户外休闲类、餐饮类、娱乐类、工作教育类和交通运输类POI的数量对格网内共享单车的流入、流出量有积极影响,影响程度递减;住宅类和商业金融类POI的数量对格网内共享单车的流入、流出量有消极影响,住宅类影响最显著。

基于DSGAN-OD模型的文物感知数据缺失值插补方法研究

高质量的文物感知数据对文物保护具有重要意义,然而,由于文物所处自然环境条件恶劣,感知数据中不可避免地存在缺失值,同时文物中同一类缺失数据具有样本少的特点.现有的缺失值处理方法没有充分考虑文物数据中的噪声干扰以及小样本数据间的时空关联性,导致缺失值插补的精确度较低.为此,提出了一种基于半监督生成对抗网络的缺失值插补模型(DSGAN-OD).该模型首先通过降噪自编码器(DAE)对多维数据进行降噪与降维预处理,然后针对生成对抗网络的无监督属性导致文物数据当中的分类标签信息不能被充分利用的不足,将DAE获得的低维表达向量作为半监督生成对抗网络(SemiGAN)的学习样本来获得缺失数据集的特征.同时,填充顺序决策(OD)方法根据数据间的时空关联性确定缺失值填充顺序,最后按照该顺序利用SemiGAN生成的完整数据对缺失值依次插补.在UCI标准数据集和文物温湿度数据上的实验结果表明:与现有的基于生成对抗网络的插补方法GAIN、随机森林插补法以及基于链式规则的多次插补法MICE相比,提出的缺失值插补模型DSGAN-OD的精确度分别提升了21%、48.2%及45.1%.

出租车OD序列聚类的城市功能区识别算法研究

提出一种由添加窗口约束的规整路径距离改进的K中心聚类算法(LDTW-K-medoids),通过构造时间序列、动态时间规整、时间序列聚类、聚类结果解读的流程来识别城市功能区。将算法应用在纽约市城市功能区识别中,对50万条出租车OD数据进行处理,将265个交通小区划分为五大功能区,并结合出租车全局流动模式、建筑物面积指数和富集指数来定量识别功能性质。与谷歌地图和卫星影像对比的结果表明,算法能够有效识别城市功能区,总体精度为83.8%。

基于OD的高速公路收费站出入口流量预测方法

目前,高速公路收费站拥堵问题成为影响高速公路通行效率的重要因素,为收费站管理人员提供精准高效的拥堵流量预警具有重要的现实意义。文章基于GC-LSTM模型进行改进,提出了一种称为GC-LSTM-OD的高速公路出入口多步流量预测模型。该模型能够有效预测流量演变趋势,同时具备适应非常态情况的能力。为验证模型性能,文章使用了沿江高速太仓-常州段的现实流量数据,实验结果表明,相较于其他模型,GC-LSTM-OD在多步流量预测方面表现出更加优异的性能。

ODS层数据对智慧运维应用指标支撑的判断方法探索

通过对智慧运维大数据ODS层中表及数据量、字段数据占比、关键字段规则检查分析手段,为快速判断ODS层数据对智慧运维应用指标的支撑进行了探索。首先分析ODS层的数据表,确定哪些表有数据,有数据表的数据量,然后分析有数据表的每个字段的数据占比,最后通过关键字段的规则设定,分析符合规则字段的数据量、数据占比和不符合规则字段的数据量,利用以上分析结果达到智慧运维应用指标支撑的快速判断和优化提升ODS层数据质量的目的。

拥挤网络下OD需求重构的双层规划模型

提出了在拥挤网络下利用密度作为观测变量对Origin-Destination(OD)需求进行重构的双层规划模型。上层目标为极小化各个估计值与观测值之间的误差,下层为用户均衡模型。采用KKT条件法将该双层规划转化为相对容易求解的均衡约束规划模型,再用Scholtes松弛化方法求解转化后模型。数值实验结果表明,在拥挤网络下的OD重构问题中,利用密度作为观测变量优于流量作为观测变量,同时在求解方法上,利用KKT条件转换为单层模型的求解方法优于上下层交替求解法。

基于SINS/OD失准角观测的垂线偏差测量方法

组合导航系统的姿态失准角与垂线偏差(deviation of vertical,DOV)存在对应关系,通过对姿态失准角的观测是实现DOV测量的一种有效手段。本文基于车载捷联惯性导航系统/里程计(strapdown inertial navigation system/odometer,SINS/OD)组合导航姿态失准角观测及失准角误差的递推提出一种DOV测量方法。首先,从组合导航速度误差方程出发,推导出DOV与姿态失准角之间存在复杂的耦合关系。然后,通过沿路径迭代递推的分步计算方法,由导航过程中的姿态失准角直接获取沿线的DOV。最后,仿真结果验证了该算法的有效性,且表明测量精度与行驶路径的长度有关。实验表明,行驶里程35 km的机动路径上DOV误差均值小于0.3″,终点处单点测量误差小于0.7″。

375 g/L联苯菊酯·溴氰虫酰胺OD的高效液相色谱测定

建立了一种可用于测定375 g/L联苯菊酯·溴氰虫酰胺可分散油悬浮剂(OD)中有效成分的高效液相色谱分析方法。采用岛津Inertsil ODS-3 C_(18)柱为固定相,以甲醇+水溶液为流动相,在230 nm的检测波长下,对375 g/L联苯菊酯·溴氰虫酰胺OD试样中联苯菊酯和溴氰虫酰胺进行分离和分析。研究结果表明,在该色谱检测方法下,联苯菌酯和溴氰虫酰胺的线性相关系数均为0.9999,标准偏差分别为0.0957和0.0843,变异系数分别为0.50%和0.52%,平均回收率分别为99.35%和99.48%。说明该方法具有线性相关性好、精密度和准确度高等特点,可用于溴氰虫酰胺·联苯菊酯OD产品的质量分析检测。

一种轨道交通客流OD精准化辨识算法

特大城市的轨道交通承载着城市的交通运输骨干任务,积累了蕴含着乘客出行时空关系、出行规律及出行习惯等的客流票卡数据,具有较高的实践指导价值。首先,设计了轨道交通AFC数据预处理方法,构建了轨道交通客流刚性需求筛选算法;其次,改进FP-Tree算法并用于挖掘刚性需求客流OD,得出精准化的乘客进出站频繁项集;最后,构建基于换乘客流路径选择模型的客流换乘OD挖掘算法,将客流换乘OD转化为线路OD,精准化挖掘客流OD需求,研究成果可为轨道交通市郊线路快车停站方案的制定提供支持和决策指导。

基于优化PSO-BP算法的轨道交通短期OD客流预测研究

城市交通系统要实现更好的管理,需对城市轨道交通进站客流进行准确预测,为达到提高轨道交通运输效率、改善运营服务质量的目的,构建了以反向传播(BP)神经网络对地铁客流进行预测;利用PSO,对BP神经网络进行进一步优化,形成对应的客流预测系统。以地铁数据为基础,对车站OD客流量时空相关性进行定性分析,利用回归分析法对影响客流的因素进行定量分析,筛选出天气、节假日、运营时刻3个时间特征。为提高预测精度,构建不同时间段下的BP神经网络模型,优化了PSO-BP神经网络模型的预测误差,形成了基于PSO-BP神经网络的轨道交通短期OD客流量预测模型,加入时间特征的短期OD客流量预测模型,其换乘站优化后神经网络模型预测值M1平均下降了48.2%,M2下降了37.6%,M3下降了21.9%,该方法和模型为轨道交通运营部门制定列车运行计划提供更准确数据资料。

基于ETC与MTC的高速OD及轨迹获取与应用

随着省界收费站撤消以及ETC的普及,高速OD及轨迹正成为研究热点。为了获得高速OD及轨迹,针对ETC数据,假设路段缺失少,通过路段首尾与最短路连接建立了一种独立于通行时间,且又能补齐缺失路段的轨迹获取方法;针对MTC数据,补齐因为省界收费站撤销而导致的OD缺失。分析了G2安亭收费站与奉贤新城相关的高速OD及轨迹分布,特别是指定区域的内部、到发和途经的高速OD、轨迹与断面流量,能为区域交通规划以及测算区域车辆出行总量与分布提供依据。