支撑新型配电网数字化规划的图形⁃模型⁃数据融合关键技术

配电网规划领域期盼实现智能规划,其愿景在于实现无人或少人干预的全自动规划。在数字化转型的背景下,新型配电网规划将面临图形多样化、场景碎片化、数据规模化三大挑战。文中从图形-模型-数据融合的角度提出三大关键技术:基于电气图纸识别和拓扑智能分析的图形-模型融合技术、基于知识驱动的负荷/新能源推演分析和智能决策的模型-数据融合技术、基于多模态数据融合和多时空数据联动的图形-数据融合技术,尝试打破理论研究与数字化工程的壁垒。最后,对未来新型配电网数字化规划的发展进行思考和展望,为实现“以机为主,人机协同”的大闭环模式提供借鉴。

基于多源数据融合的水利工程测量信息动态更新系统

现有的水利工程测量信息动态更新系统,在传输测量信息时没有最佳的路径概念,采用车轮搜索,导致信息更新所需时间较长,为优化系统运行效率,设计基于多元数据融合设计水利工程测量信息动态更新系统。设计可以增强数据更新速度的芯片作为系统硬件;构造有效路径代价函数,整编水利工程测量多源数据;选择数据传输最短路径;建立最小二乘估计数学模型,引入多元数据融合设计信息更新算法。实验结果显示:在系统更新时间的测试中,面对不同数量的并行服务器,三个对照组用时均高于实验组,可见该系统具备更好的运行效率。

数智时代的信息分析方法:数据驱动、知识驱动及融合驱动

数智时代,面对大数据、大知识所带来的挑战,如何创新发展信息分析方法,关乎新时代信息分析工作的开展,关乎数据资源的开发利用。本文在梳理现有信息分析方法的基础上,提出数据驱动、知识驱动,以及数据与知识融合驱动的三种数智型方法思路。首先,提出基于文本、网络、音频、图像等的数据驱动以及与之相应的文本挖掘、图挖掘、音频挖掘、图像挖掘等信息分析模式;其次,提出基于专家知识库、通用知识库、领域知识图谱、通用知识图谱等的知识驱动信息分析模式;最后,提出基于特征、模型、决策三种层面的数据与知识融合驱动的信息分析模式。通过以上三种方法,构建能够系统融合大数据、大知识的信息分析方法,实现数智融合型信息分析,促进图书情报学科方法论发展,赋能国家决策和社会治理。图3。表1。参考文献59。

基于证据理论的多传感器数据融合水质检测研究

针对多传感器水质监测数据融合中测量数据存在误差的现象,论文提出一种基于DS证据融合理论的多源监测数据融合算法.该算法将影响水质的氨氮含量(NH3-N)、溶解氧(DO)、pH值、电导率(CD)等多环境因子变量作为证据,并赋予可靠性折扣,计算出水质等级的质量函数,然后通过DS方法将其与其他证据结合起来,最后使用融合质量函数值的决策规则确定水质类别.实验证明这种方法适用于具有多源监测数据的水质类别预测,可以从不确定性传感器数据中评估水质,并提高评估性能.

基于面向TTE的新型数据综合系统的设计与实现

针对传统总线无法实时网络传输,新型总线时间触发以太网(TTE)兼容IP协议和IEEE802.3协议,但TT业务和BE业务需设备满足TTE协议,实际工程缺少适用性的问题,设计了一种基于FPGA的时间触发以太网数据综合系统。该数据综合系统以FPGA作为核心控制器,千兆网作为主要通信接口,在满足高速率、高宽带、高灵活的前提下,设计出数据综合模块,将多种传统总线与TTE总线良好兼容。试验结果表明:系统在同步精度高达40 ns、通信抖动仅为392 ns的前提下,数据转换收发无误码现象。同时将多种数据混合编帧,具备极高的稳定性与灵活性,为TTE网络数据服务于实际工程提供了可靠的解决方案。

基于D-S证据理论的农作物气候品质预测方法研究:以晚熟杂交柑橘春见为例

【目的】基于多源气象数据构建果实品质(糖含量等级)预测模型,为科学评价果实气候品质及深入挖掘农产品气候资源提供科学依据。【方法】以晚熟柑橘春见果实为研究对象,利用多源数据融合技术、人工神经网络(BP神经网络、RBF神经网络和Elman神经网络)和D-S证据理论,包括气象数据质量控制、特征选取、特征级融合、决策级融合4个步骤,构建基于多源气象数据的果实品质(糖含量等级)预测模型。【结果】春见果实品质预测模型采用BP神经网络预测结果总体准确率为87.50%,平均绝对误差(MAE)为0.150,均方根误差(RMSE)为0.447;RBF神经网络预测结果总体准确率为85.00%,MAE为0.175,RMSE为0.474;Elman神经网络预测结果总体准确率为87.50%,MAE为0.150,RMSE为0.447;D-S证据理论决策融合总体预测准确率达95.20%,分别较BP神经网络、RBF神经网络和Elman神经网络提升7.7百分点、10.2百分点和7.7百分点,MAE和RMSE分别为0.040和0.214,均明显降低。【结论】D-S证据理论决策融合后的果实品质预测准确率相比单一神经网络预测更高、误差更小。

基于多传感数据融合的变速运行齿轮异常振动故障诊断

变速运行齿轮异常振动故障诊断性能过差会增加汽车维护成本,缩短齿轮使用寿命。为了及时识别齿轮故障,保证汽车变速器总成具有良好的振动特性,提出基于多传感数据融合的变速运行齿轮异常振动故障诊断方法。通过分析多传感器数据融合技术,掌握变速运行齿轮异常振动故障诊断的理论框架,并以此为基础,参考传感器融合模块、特征级并行多神经网络局部诊断模块和终端分类模块,结合变分模态分解、多通道加权融合和单隐层前馈神经网络训练算法,从信号采集、信号特征提取和信号特征分类3个步骤实现变速运行齿轮异常振动故障诊断。实验结果表明:在齿轮发生轻度磨损时,磨损振动信号的幅值在20~40 mV之间,磨损振动信号的频率在0~4000 Hz区间;中度磨损时,信号的幅值在30~55 mV之间,信号频率在3000~7000 Hz区间;重度磨损时,信号幅值在50~70 mV之间,信号频率在6000~12000 Hz区间,且各阶段诊断结果均与故障程度的实际转折点吻合。由此可知在各样本数量均相同的情况下,提出的故障诊断方法预测值与真实值均相同,故障程度和故障类型的诊断性能均较好。

基于EEMD-WPT的温室环境数据优化处理研究

【目的】解决温室系统中的数据采集传感器容易受到多种环境因素的干扰,从而导致数据中存在噪声的问题。【方法】提出一种集合经验模态分解(Ensemble empirical mode decomposition,EEMD)与小波包自适应阈值(Wavelet packet adaptive threshold,WPT)算法联合的数据降噪处理方法,并采用卡尔曼滤波与自适应加权平均算法对降噪后的数据进行融合。【结果】将EEMD-WPT算法应用于含噪温、湿度数据的降噪处理,相较于降噪前的数据,信噪比提升了73.08%。该算法相较于传统WPT算法具有更好的降噪效果,处理后的数据信噪比提升了40.31%,均方根误差降低了84.75%。【结论】该算法能解决数据跳动、冗余和丢失等问题,并为温室控制系统提供了有效的参数,具有较大的实际应用价值。

基于多尺度骨架图和局部视觉上下文融合的驾驶员行为识别方法

识别非驾驶行为是提高驾驶安全性的重要手段之一。目前基于骨架序列和图像的融合识别方法具有计算量大和特征融合困难的问题。针对上述问题,本文提出一种基于多尺度骨架图和局部视觉上下文融合的驾驶员行为识别模型(skeleton-image based behavior recognition network,SIBBR-Net)。SIBBR-Net通过基于多尺度图的图卷积网络和基于局部视觉及注意力机制的卷积神经网络,充分提取运动和外观特征,较好地平衡了模型表征能力和计算量间的关系。基于手部运动的特征双向引导学习策略、自适应特征融合模块和静态特征空间上的辅助损失,使运动和外观特征间互相引导更新并实现自适应融合。最终在Drive&Act数据集进行算法测试,SIBBR-Net在动态标签和静态标签条件下的平均正确率分别为61.78%和80.42%,每秒浮点运算次数为25.92G,较最优方法降低了76.96%。

基于多维动态拓扑学习图卷积的骨架动作识别

图卷积由于其对图数据的强大表示能力被广泛应用于基于骨架的动作识别任务中.但是现有的图卷积方法在所有帧或通道上都使用共享的图拓扑进行特征聚合,这极大限制了图卷积网络的表示能力.为了解决这些问题,本文提出多维动态拓扑学习图卷积用于动态建模具有时序与通道特异性的拓扑结构.多维动态拓扑学习图卷积主要包含三个组成部分:纯粹节点拓扑学习图卷积(pure Joint topology learning Graph Convolution,J-GC)、动态时序特异性拓扑学习图卷积(Dynamic Temporal-Wise topology learning Graph Convolution,DTW-GC)和通道特异性拓扑学习图卷积(Channel-Wise topology learning Graph Convolution,CW-GC).特别地,在DTW-GC中使用了动态骨架拓扑建模方法(Dynamic Skeleton Topology Learning,DSTL),以高效地建模富含全局时空拓扑特征的动态骨架拓扑.将多维动态拓扑学习图卷积与多尺度时间卷积(Multi-Scale Temporal Convolution,MS-TC)相结合,本文构建了具有强大建模能力的图卷积网络.此外,为了对骨架数据的空间信息进行补充,本文额外引入了相对节点数据和相对骨骼数据进行多流网络的融合.本文所提出的方法在NTU-RGB+D与NTU-RGB+D 120数据集上分别取得了92.64%和89.29%的准确率,超过了当前最先进方法.

非结构化数据表征增强的术后风险预测模型

准确的术后风险预测对临床资源的规划、应急方案的准备以及患者术后风险和死亡率的降低具有积极的作用。目前,术后风险预测主要基于患者的基本信息、术前的实验室检查及术中的生命体征等结构化数据,蕴含着丰富语义信息的非结构化术前诊断的价值尚待验证。针对上述问题,该文提出一种非结构化数据表征增强的术后风险预测模型,利用自注意力机制,将结构化数据与术前诊断进行信息加权融合。基于临床数据,该文将所提出的模型与术后风险预测常用的统计机器学习模型以及最新的深度神经网络进行对比,在肺部并发症风险预测、ICU入室风险预测和心血管不良风险预测任务上的F1值平均提升了9.533%,同时预测模型还具有良好的可解释性。

基于扩展卡尔曼滤波与机器视觉融合的道路侧向坡度估计

为解决现有算法难以准确估计前方道路侧向坡度的问题,提出了一种基于扩展卡尔曼滤波(EKF)与机器视觉(VB)融合的道路侧向坡度估计方法。首先,建立含有侧向坡度的车辆2自由度模型,通过EKF估计出侧向坡度与车辆侧倾角的叠加态,由侧向加速度乘以适当增益解耦出车辆侧倾角,得到EKF道路侧向坡度估计值;其次,通过视觉成像原理分析二维图像中道路侧向坡度与图像中相关参数的几何关系,得到VB道路侧向坡度估计值;最后,通过数据融合得到最终的道路侧向坡度估计值,使估计结果冗余互补。仿真和实车试验结果表明,该融合算法能够适用于道路侧向坡度变化的坡道,并显著提高了估计精度。

重磁测量在海岛礁及其邻域中的应用与展望

重磁测量在海岛礁及其邻域的应用与研究中不可或缺。由于海岛礁及邻域重磁场空间分布的梯度和幅度变化较大,又受地理环境与技术的限制,获取该区域高分辨率、高精度的重磁测量信息较为困难,导致测量成果质量不高且产品单一,亟需科技创新来扭转此局面。本文系统分析了海岛礁及其邻域地理环境、重磁特征和相关测量技术方法的发展现状,针对存在的问题,深入探讨了该领域的新技术、新方法及应用研究,并对未来发展方向作出展望:(1)加强重磁测量技术方法的研究,构建高水平的立体观测系统;(2)深化多源数据融合处理技术方法研究,丰富测量成果的输出方式;(3)充分利用海岛礁作为定点的中长期观测平台的天然优势,开展地球物理场的融合研究,拓展其应用与研究领域。

船用承压结构变形场混合数字孪生监测模型方法实现

[目的]旨在为实现船舶的全生命健康监测设计一种面向结构健康监测的混合数字孪生系统。可实时采集及反馈关键舱室结构的变形,从而提升航运的信息化和安全管理能力。[方法]首先,采用奇异值分解法对多组载荷形成的物理场信息进行数据压缩降维得到特定的标准正交基,创建基向量与载荷关系的响应面模型,输出基于实时输入载荷的有限元降阶模型。其次,采用基于地统计学的克里金插值算法,按照特定拓扑结构布点,将实时的传感器数据和降阶模型输出的补充点位数据经由卡尔曼滤波算法进行融合修正,共同计算监测对象的变形情况。最后,通过构建变形监测软硬件系统,实现监测物理特性的采集到可视化的全过程。[结果]该系统在预设的载荷下,硬件采集系统能够稳定进行数据采集,配套的应用程序能够按照预期的要求进行实时可视化采集。[结论]该结构健康混合数字孪生系统满足船舶的健康监测需求,对未来船舶的高度一体化、智能化发展具有一定的参考意义。

双足人形机器人定位及运动规划系统的设计与实现

基于ZigBee技术和多传感器数据融合设计并实现了双足人形机器人的室内定位与运动规划控制系统,并分别对机器人运动过程建立空间模型和姿态模型,以获得机器人实时位置及姿态信息,实现自主运动规划。系统将树莓派4B和32路串口总线舵机控制板结合起来作为核心控制平台,更好地实现了对机器人的方向控制、目标导航等功能。

基于迁移学习的GOCI超分辨率重建与海洋漂浮藻类探测

遥感技术是进行海洋漂浮藻类目标识别与变化监测的重要手段。GOCI遥感卫星影像具有高时间分辨率、低空间分辨率的特点,其低空间分辨率影响了海洋漂浮藻类遥感探测的效果。本研究通过对具有较高空间分辨率的Sentinel-2遥感卫星影像结构特征的迁移学习,应用ESRGAN超分辨率重建技术,将GOCI影像的空间分辨率提升至125 m;在此基础上,构建了基于超分辨率重建GOCI遥感影像的U-Net深度学习语义分割网络,实现了海洋漂浮藻类的较高精度探测。实验结果表明:超分辨率重建的GOCI影像显著提升了影像的空间细节清晰度,基于此实现的海洋漂浮藻类探测结果取得了较高的精度,其中面积相对误差下降了51.87%,F1值提高了2.41%。本研究是应用GOCI遥感影像进行海洋漂浮藻类高精度探测的一次成功实践,为实现海洋目标的动态精细化监测提供有益的参考。

数据融合视域下虚拟知识社区知识推荐模型构建

文章采用扎根理论方法分析虚拟知识社区用户需求,构建虚拟知识社区用户知识需求框架,在此基础上提出虚拟知识社区数据融合方法,进而构建基于数据融合的虚拟知识社区知识推荐模型,并从用户画像、情感感知、社交网络3个角度提出虚拟知识社区知识推荐优化路径。

基于数据融合的城市轨道交通大客流预警研究

为了降低因节假日或突发时间导致的客流拥堵,促进客运部门快速应对客流波动,提出了一种基于数据融合的城市轨道交通大客流预警方法。通过对客流参数预测信息进行融合,获得符合实际客流瓶颈点的参数信息,以完成轨道交通大客流预警。提出的方法利用动态贝叶斯网络,实现了历史数据与运输服务信息的融合。以城市假期期间五条线路每日客流量为例,通过对比实验验证了提出方法的有效性与准确性。

电磁超声与电涡流复合线圈的数据融合及分析

以Q235钢板为研究对象,搭建了带有磁屏蔽结构的、共用螺旋线圈的、分时复用的、二维电磁超声与远场涡流复合仿真模型,分析了电磁超声对近表面缺陷检测的盲区,并从永磁体参数、接收线圈参数对复合远场涡流模型进行优化。针对Q235钢板(5~15)mm电磁超声与远场电涡流共同作用的区域,将电磁超声得到的幅值信号和时间信号,远场涡流得到的线圈感应电压和阻抗参数,利用灰狼优化算法的支持向量机进行数据融合,反演出缺陷的参数,并设计实验验证了仿真模型的准确性。研究表明:所设计的电磁超声与远场复合线圈对缺陷检测的准确率达到百分之96.14%,远场涡流能够很好地弥补电磁超声的检测盲区。

优化的ID3算法在多传感器安防系统中的应用

针对实物保护系统(Physical Protection System,PPSY)中单一传感器报警准确率较低的问题,提出了一种基于改进ID3的CAC-ID3(Confidence And Correlation-ID3)算法在多传感器实物保护系统中数据融合的新方法。与传统的单一传感器数据信息处理相比,多传感器数据融合能够更加准确、全面的得到被测对象的数据信息,有效地利用多传感器资源。CAC-ID3算法首先在ID3的基础上引入属性置信度重新计算期望熵,解决属性和价值不对等的问题,克服多传感器数据分类时多值偏向的缺点,其值由经验和相关领域知识决定。然后通过引入属性间的相关度来调整信息增益值,提高分类精度。实验结果表明:基于CAC-ID3的决策树算法的多传感器PPSY能有效提高报警准确率和可靠性,防止敌对分子入侵,提高传感器对PPSY的检测的效能,且该算法的分类精度高于ID3算法。