数据驱动与物理机制耦合的菜子湖流域水位预报模型研究

菜子湖作为引江济淮工程的关键调蓄湖泊之一,湖泊水位的变化同时受到自然降水和工程调蓄的影响。为了准确模拟及预报菜子湖水位,构建了菜子湖流域四水源新安江模型和菜子湖水位预报的神经网络(LSTM)模型。在此基础上,采用外部耦合的方法,构建了四水源新安江-LSTM耦合模型,进一步将物理机制模型模拟的入湖流量作为补充因子,驱动神经网络(LSTM)模型模拟菜子湖水位,从而实现两种不同模型在湖泊水位预报中的耦合应用。结果得出:直接模拟水位的洪水误差小于0.1 m,耦合模拟水位的洪水误差小于0.02 m,后者相较前者,水位误差精度提升了0.08 m。直接模拟水位验证期的洪水误差在0.02 m之内,纳什系数R^(2)分别为0.89、0.75及0.88,均方根误差RMSE分别为0.034、0.027及0.015;耦合模拟水位验证期的洪水误差在0.015 m之内,纳什系数R^(2)分别为0.91、0.82及0.88,均方根误差RMSE分别为0.019、0.021及0.008。研究结果表明,与单驱动因子得出的结果相比,双驱动因子得出的结果更有效地提高了水位的模拟精度。同时在考虑对应降雨的洪水过程中,数据驱动和物理机制相结合的方法与直接预测水位误差相对比,有效地提高了场次洪水水位预报的精度,得到更精确的模拟结果。为引江济淮工程的调水提供了重要的参考依据,也为相似调水工程的洪水水位预报提供一定的参考。

冗余驱动并联机械手运动精度校准方法研究

针对冗余驱动并联机械手(RAPM)的运动精度,以某三自由度主轴头为例,提出了一种基于最小误差模型的运动精度校准方法。首先通过消除冗余几何源误差,建立包含最少几何源误差的最小误差模型,采用蒙特卡罗模拟进行几何源误差灵敏度分析,研究各几何源误差对终端精度的相对影响。在此基础上提出了粗校准和精校准相结合的分层辨识策略,以实现冗余驱动并联机械手的精度校准。最后通过校准实验测试表明,所提出的校准方法能够大幅降低冗余驱动并联机械手的终端误差,验证了所提校准方法的有效性。

广义二型模糊系统的自组织规则生成方法

针对广义二型模糊系统在复杂情况中因缺乏专家经验而难以构建合适模糊规则的问题,提出了一种基于输入数据的激活强度来生成广义二型模糊集以及模糊规则的方法。通过数据驱动自组织构建广义二型模糊系统模糊规则,并且使用迭代最小二乘法和梯度下降法优化系统前后件参数。最后,分别在无扰动和施加噪声情况下进行了非线性系统的跟踪仿真,实验结果证明了自组织规则生成的广义二型模糊系统的有效性,并能够以较高精度跟踪参考轨迹。

基于关联规则与重构误差的二次系统故障检测方法

二次系统是否可靠直接关系整个变电站乃至系统能否安全可靠运行。随着高比例新能源并网,如何有效检测二次系统故障愈发重要。针对现有逻辑回路的故障方法对数据完备性要求较高而难以实际应用,现有二次设备的故障检测方法难以辨识正常数据和故障数据的微小差异导致计算精度无法保障的问题,提出基于关联规则与重构误差的二次系统故障检测方法。首先,利用Apriori算法求出故障报警信息与逻辑回路中故障装置的关联规则,实现逻辑回路故障快速诊断;然后,利用正常二次设备的运行数据训练个体判别器,通过衡量待判别数据的重构误差来判别二次设备运行状态,并利用集成学习模型量化设备当前故障检测概率;最后,对集成学习模型进行集成优化,以提高二次设备异常预警的可信度。利用河南省某变电站实际运行数据集进行仿真测试,验证了所提方法的有效性和准确性。

基于数据驱动的凸轮磨削轮廓误差补偿

针对数控凸轮磨削机床在加工过程中存在的周期性、重复性轮廓误差和不易建模等问题,提出一种基于数据驱动的轮廓误差补偿策略。在数控凸轮磨削机床的单轴伺服跟踪系统中加入无模型自适应迭代学习控制,该方法沿迭代轴引入伪偏导数,将复杂的非线性系统动态线性化处理。针对两轴之间由于伺服跟踪误差不同导致的滞后量不同,利用交叉耦合迭代学习控制,将补偿量按照交叉耦合系数反馈到单轴伺服控制系统中,实现对凸轮磨削轮廓误差的补偿。最后通过仿真实验验证了提出的轮廓误差补偿策略可以有效减小凸轮的轮廓误差,提高了数控凸轮磨削机床的加工精度。

储罐自动化仪表计量误差在线识别方法研究

针对站场油气储罐计量仪表的检测误差,以现场366座储罐正常计量数据为基础,设置0.5%~2.5%的误差率,构建数据驱动方法数据集,综合考虑误报率和窗口大小(25~125),针对7类算法(WIN-G、WIN-M、WIN-L、RuLSIF、KL-CPD、VAE和LSTM-VAE)进行综合性能评价,用现场检测的误差数据和正常数据进行算法验证,结果表明:在窗口大小100的条件下,LSTM-VAE算法性能最佳,正确报警率高于0.95。

基于等效电路与数据驱动模型的锂离子动力电池SOC估计技术

该文以二阶等效电路模型作为电池工作特性描述模型,分别利用无迹卡尔曼滤波算法、基于Sage-Husa自适应滤波思想的SR-AUKF算法估算锂电池的SOC值,对不同初始值条件下、不同噪声方差下2种算法的SOC估计及绝对误差曲线进行对比分析。而后在数据驱动模型下,在单独利用门控循环单元神经网络算法估算SOC后,再将之与无迹卡尔曼滤波算法组合应用,对不同工况及温度条件下2种算法的SOC估计结果及绝对误差进行比对,得到等效电路模型、数据驱动模型下锂离子动力电池SOC估计的最佳算法。

紧格式无模型自适应控制在四旋翼飞行器中的应用

为解决难以建立自适应离散变结构控制的受控系统数学模型问题,提出一类改进的基于紧格式离散时间非线性系统的无模型自适应控制(ICF-MFAC)方法。首先,在仅有一项时变积分项的CF-MFAC方法中加入误差反馈输出控制项,使得控制器具有在线整定内部参数的优势,提高系统的动态性能。然后,通过严格的数学推导对ICF-MFAC方法进行收敛性证明,理论分析表明,ICF-MFAC方法提高了伪偏导数估计值的利用率,加快了系统的响应速度。最后,在四旋翼飞行器中进行仿真实验,与CF-MFAC方法相比,改进的控制方法控制误差减小6.12%,且无超调、跟踪误差小,始终保持良好的控制效果和鲁棒性。

并联机械手冗余最小误差识别及校准实验验证

针对并联机械手的运动精度,以某三自由度主轴头为例,提出一种基于最小误差模型的运动精度校准方法。通过消除冗余几何源误差,建立包含最少几何源误差的最小误差模型,采用蒙特卡罗法模拟进行几何源误差灵敏度分析,研究各几何源误差对终端精度的相对影响。在此基础上提出粗校准和精校准相结合的分层辨识策略,以实现并联机械手的精度校准。通过校准实验测试表明:所提出的校准方法能够大幅降低并联机械手的终端误差,验证了所提校准方法的有效性。

电离层探测及模化技术研究综述

电离层作为日地空间环境的重要组成部分,会对穿越其中的无线电波产生折射、反射、散射和吸收等效应,从而影响卫星导航、通信、雷达等诸多无线电信息系统的性能.利用各类技术手段来探测电离层的特征参量,揭示其内含的变化规律,并在此基础上构建出满足空间科学研究与系统应用的电离层模型,具有重要的价值.本文首先介绍了现有常用的地基和天基电离层探测手段;其次,调研总结了国内外在经验电离层模型、理论电离层模型、数据驱动电离层模型及机器学习建模方面的发展现状;再次,给出了导航系统电离层单频延迟修正、雷达系统电离层折射误差修正和通信/导航系统信号闪烁中断预警等三个典型应用场景中的电离层模型开发情况;最后,对电离层探测和模化技术的发展趋势进行了分析.

数据驱动风电机组偏航误差在线智能识别研究

针对不同风速下风向仪动态特性、风轮尾流、风向仪安装误差等因素导致的风电机组偏航误差问题,文章采用基于运行数据驱动的风电机组偏航误差方法进行在线智能识别。该方法通过改进DBSCAN聚类方法剔除过度离群数据,采用移动最小二乘法拟合“风速-功率-偏航误差”特性曲面,识别出不同风速下的偏航误差曲线,结合在线运行数据采集,可以实现不同风速下偏航误差的动态识别和持续矫正。算例分析表明,与偏航误差设定值相比,在有限数据下识别的偏航误差的识别结果较为准确,且识别误差在合理范围内。该方法的应用能够更为精确识别不同风速下风电机组偏航误差,进一步提高风电机组发电效率。

基于重构误差计算的数据驱动储能电池热失控预警方法

发展大规模、分布式储能是实现“双碳”目标的重要途径。守住储能电池(battery energy storage,BES)的安全底线关乎人民生命安全和社会经济发展。现有储能电池安全预警方法还面临如下2个方面挑战:机理研究方法考虑的工况单一,难以推广应用;基于有监督学习的数据驱动方法难以有效应对小样本问题。对此,提出基于重构误差计算的数据驱动储能电池热失控预警方法。首先,基于无监督学习思想,建立数据驱动的储能电池热失控预警框架,利用重构误差构建电池间的差异程度,可有效应对小样本场景;利用集成学习思想量化电池热失控概率,可保障算法的稳定性。然后,为有效提取储能电池电压、温度、电流、荷电状态(stateof charge,SOC)等数据的时变特性,高效挖掘热失控前后的时变数据特征差异,进一步提出基于双向长短期记忆(bi-long short-term memory,Bi-LSTM)网络与注意力机制的储能电池数据特征挖掘方法,实现储能电池数据特征的精准学习。最后,通过电动汽车动力电池的真实运行数据,验证了所提方法的有效性。

考虑光伏机理与数据驱动结合的短期功率预测

精确的光伏功率预测对电网的可靠与稳定运行至关重要。现有研究大多数都是将天气条件直接作为数据驱动的输入,未深入分析天气条件与光伏输出功率直接耦合关系,因此将机理模型与数据驱动方法相结合,提出一种新型的光伏功率预测方法。首先,建立光伏系统物理模型,依据建立的物理模型得到不同的辐照度分量以及光伏电池温度。其次,将这些关键的天气特征重新构建数据驱动的输入,实现光伏机理与数据驱动结合的短期功率预测。最后,进行误差修正然后得到最终的光伏功率预测结果。根据光伏系统实测数据集进行仿真分析,结果表明:因为从物理模型得到了关键天气特征,考虑了天气条件与天气因素的耦合关系,预测精度有了明显提升,验证了所提方法的有效性。

计及偏移量的非线性光学显微成像误差校正方法

针对因非线性光学显微成像以客观像素特征为驱动源,一旦出现特征缺失,推断过程很容易形成误差,导致的光学显微图像失真现象严重、清晰度低问题,提出计及偏移量的非线性光学显微成像误差校正方法。利用数据驱动法全面、快速以及敏感地捕捉光学数据,划分光学显微图像的边缘和非边缘区域,设定标准滑动窗口,计算不同区域内像素点在该窗口内的像素灰度值,根据灰度值判定边缘点和非边缘点的误差形成概率。在此基础上,将误差校正看做一种角度或相位偏离补偿问题,设定偏离中心,计算误差概率较大的图像区域内各节点与中心间角度和相位偏移量,根据偏移量给出相应正向和负向补偿,完成有效误差校正。实验数据证明:所提方法误差校正精准度高,校正后成像失真、细节丢失以及分辨率低问题被解决,误差点的分布离散程度降低,算法整体实用性较强。

基于经验模态分解的直驱进给轴热误差组合预测

为对直驱进给轴的热误差进行精确预测,提出一种基于经验模态分解的直驱进给轴热误差组合预测模型。使用经验模态分解,将温升序列重构为波动特征不同的频率项和趋势项。根据重构项的频率特性,分别输入长短期记忆神经网络、支持向量机和自回归滑动平均模型,进行组合训练,以预测直驱进给轴的热误差。试验结果表明,组合预测模型的预测精度达到90.25%以上,最大预测误差控制在1.4μm以内,预测效果优于普通单项预测模型。

基于场景驱动的雷达航迹模拟方法研究与影响因素分析

对空中目标环境进行多元化构建是雷达装备开展日常训练与试验的基础,但空中有效目标数量短缺、目标类型单一、训练效费比较高等依然是目前部队外场训练所面临的主要问题。通过分析新时期雷达装备军事训练的特点及需求,在外场实装训练场景下提出了一种可操作的、基于场景驱动的雷达航迹模拟方法,涵盖基础理论模型、航迹模拟方法等方面,并分析了航迹模拟误差的主要影响因素。最后结合实验对所提方法进行了验证,结果表明,该方法的航迹模拟效果良好,可为新型军事训练方法设计提供参考与建议。

基于依存分析和错误驱动的中文时间表达式识别

时间表达式识别是进行时间表达式归一化的基础,其识别结果的好坏直接影响归一化的效果。本文提出一种基于依存分析和错误驱动识别中文时间表达式的新方法。首先以时间触发词为切入点,据依存关系递归地识别时间表达式,大大地提高了识别效果;然后,采用错误驱动学习来进一步增强识别效果,根据错误识别结果和人工标注的差异自动地获取和改进规则,使系统的性能又提高了近3.5%。最终在封闭测试集和开放测试集上,F1值达到了76.38%和76.57%。

自动构建时间基元规则库的中文时间表达式识别

该文提出一种基于正则文法的时间表达式识别算法:它基于"时间基元"①进行规则构建,提高了时间表达式识别的召回率;同时使用基于错误驱动思想的规则剪枝算法,削减了从训练语料带来的噪声,提高了识别的正确率,两者搭配有效提高了系统整体性能。在ACE07中文语料上的实验结果显著超过了现有水平,F-score达到89.9%。该文提出的算法具有很好的通用性和扩展性,加以改进将可以有更广泛的应用。

汉语文语转换系统中停顿指数的自动标注

本文采用了一个基于C TOBI的停顿指数标注的语料库 ,利用有指导的学习方法对自动停顿指数标注方面做了一些有益的探索。本文共实现了三种方法 :基本的马尔科夫模型 ,引入了词长信息的马尔科夫模型 ,引入词长信息的马尔科夫模型结合基于转换的错误驱动的学习方法。然后通过对 30 0 0句的真实文本进行开放测试 ,以基本的马尔科夫模型的结果作为基准 ,实验结果不断改进 ,最终达到了 78 6 %的准确率 ,错误代价降低了 14 5 %

类别学习的阻碍效应与双机制理论

通过对类别学习中的阻碍效应进行系统研究,尝试性地提出了类别学习的双机制理论。三个实验分别考察:样例特征随机呈现时;定义特征固定呈现在样例首位时;以及刺激材料为知觉图形类别时,类别学习中的阻碍效应。三个实验的研究结果都发现:在类别学习中存在一定程度的阻碍效应,支持类别学习同时存在联结学习机制和认知学习机制的双机制观点。