可变模式分解在炉膛压力管道微弱泄漏信号检测的应用研究

研究了一种新的信号分析方法,可变模态分解(VMD)方法。该方法通过预设尺度的方式将信号进行频率分段然后求中心频率获得模态函数。通过对引起模态混叠的间歇现象(噪声、间断信号等)对VMD方法的影响进行研究,并将VMD结果与总体平均经验模式分解(EEMD)、小波分解结果进行对比。针对电站锅炉炉膛压力管道泄漏信号的特点,提出了基于VMD的炉膛压力管道泄漏检测方法。对炉膛本底噪声与空压机合成信号进行了分析,并将结果与EEMD、小波分解结果进行对比。结果表明:VMD方法能有效的应用于炉膛压力管道泄漏信号检测。

差速器在可变模式驱动系统中应用的可行性研究

为了发挥独立车轮驱动系统的优点并回避其结构缺陷,设计了一种双电机可变模式驱动系统,并对驱动系统中差速器这一关键部件的工作特性进行了理论分析和仿真验证。研究表明,差速器作为一个二自由度机构,除在集中驱动模式下起到差速作用外,在独立车轮驱动模式下,当取消对壳体的约束时,还可以保证两侧半轴齿轮的独立运动。因此,将差速器用于可变模式驱动系统中完全可行。

可变模式数据库系统的构造

本文提出了可变模式数据库系统的思想及其构造方案;用SQL Server+Delphi给出了一个例程,并分析所用的方法和技巧。

计及可变流量调节模式的电热综合能源系统条件分布鲁棒优化调度

电-热综合能源系统(integrated electricity and heat system,IEHS)可以有效促进可再生能源消纳。构建区域供热系统精细化模型与合理的可再生能源不确定性出力模型是调度IEHS的两个难点。该文首先提出计及可变流量调节模式的IEHS条件分布鲁棒优化调度模型,主要有两点改进:通过构建基于修正模糊集的条件分布鲁棒模型建模可再生能源预测误差与其预测出力信息之间的内在依赖性,提升调度结果安全性与最优性;基于流体能量守恒方程与一阶隐式迎风格式建立可变流量调节模式下的IEHS调度模型,以期充分挖掘区域供热系统的灵活性,促进可再生能源消纳。所构建的IEHS调度模型为含有大量非线性约束的条件分布鲁棒模型,难以直接求解。对此,通过对偶理论与条件风险价值近似方法将条件分布鲁棒模型转化为含非线性约束的确定性模型,并提出自适应McCormick算法用以求解非线性约束。通过不同规模案例仿真表明,所提模型能够降低IEHS的调度成本,所提算法在保证可行性的条件下快速求出问题的近似最优解,最优间隙小于千分之一。

基于可变模式分解和NWCSO优化极限学习机的短期风速预测

针对风速时间序列的非线性特征导致其难以准确预测的问题,提出一种基于可变模式分解(variational mode decomposition,VM D)和动态NW小世界纵横交叉算法(dynamic NW small w orld crisscross optimization,NWCSO)优化极限学习机的短期风速组合预测模型。采用一种新型的可变模式分解技术,将原始风速时间序列分解为一系列不同带宽的模式分量以降低其非线性,然后对全部分量分别建立极限学习机模型进行预测,并采用小世界纵横交叉算法对极限学习机的输入权值和隐含层偏置进行优化,以获得最佳的预测效果。实验结果表明,基于VMD的组合预测模型较采用其他常规分解方式时预测精度明显提高。

可变模糊模式识别方法及在水电站地下厂房岩体稳定性评价中的应用

水电站地下厂房设计与施工中,围岩作为主要影响因素,需要对岩体稳定性进行全面、合理的评价。本文根据可变模糊集理论,提出可变模糊模式识别方法,给出了可变模型参数不同组合情况下级别相对隶属度之间的两组联系公式,以及不同参数组合下可变模糊模式识别模型的非线性分析。以水布垭工程水电站地下厂房为例,对其围岩稳定性进行综合评价,取得了合理的评价结果。分析表明,本文方法可用于水电站地下厂房围岩稳定性综合评价。文中最后对可拓学评价成果进行了比较与分析。

肺结核化疗可变式管理模式的研究

目的 :探求一种经济有效、管理方便、医患双方易于接受的肺结核化疗管理模式 ,以促进结核病控制。方法 :从开展“卫生部加强与促进结核病控制项目”县中选择 5个县 ,将这 5个县某个时间段发现的初、复治涂阳病人全部列入可变式化疗管理研究 ,比较可变式管理与全程督导管理的疗效差异。并观察转变管理方式的原因和时间 ,验证转变条件的可行性。结果 :5个县 1998年督导管理涂阳肺结核病人 110 0例 ,其中初治 947例 ,治愈率为 96.96% ,复治 15 3例 ,治愈率 95 .42 %。采用可变式管理 115例 ,其中初治 10 0例 ,治愈率 98% ,复治 15例 ,治愈率 96.72 % ,督导管理与可变式管理治愈率比较 ,差异无显著性。采用可变式管理的病例中 ,有 16例在治疗管理中按照研究设计时所设置的条件转变管理方式 ,未发现既未转变管理方式又不规则治疗的病例。结论 :可变式管理的治管效果与全程督导相似 ,研究设计中设定的转变管理方式的条件是充分可行的。

激光雷达信号的可变间隔阈值经验模式分解去噪法

针对采用经验模式分解直接阈值(EMD-DT)和经验模式分解间隔阈值(EMD-IT)在激光雷达回波信号的去噪应用中会产生的模态混叠现象,采用一种可变间隔阈值的经验模式分解(EMD-SIT)的去噪方法。首先,对信号进行经验模式分解。然后,采用过零率方法将分解出的含有噪声的固有模态函数分离。最后,应用过零点阈值,设立一个新的可变阈值,将EMD-IT和EMD-DT有效融合对信号进行去噪。通过与多种阈值的仿真对比以及激光雷达的回波信号去噪实验,结果表明该方法可以有效地去除噪声,抑制模态混叠,较EMD-IT和EMD-DT更具有优越性,因此有着很好的应用前景。

基于可变局部边缘模式的绿色植物物种识别

绿色植物物种识别在生态环境保护、中药制取、农业与园艺应用等方面有着重要的应用前景和潜在的经济价值。边缘是一种直观、简单、有效的对象识别特征,文中针对传统边缘算子方向少,尺度单一,操作不灵活等缺点,使用一种具有多尺度、多方向属性的圆形局部边缘模式算子(varied local edge pattern,VLEP)提取植物图像的边缘特征,同时考虑阈值细分的思想,在自建的绿色植物物种数据库上进行的实验结果表明,该算法不仅可以弥补传统算子由于边缘方向少、尺度单一导致丢失边缘信息的缺陷,同时可以有效用于绿色植物物种识别。

基于小波和可变局部边缘模式的植物物种识别

绿色植物物种识别在生态环境保护、中药制取、农业与园艺应用等方面有着重要的应用前景和潜在的经济价值。以绿色植物图像为研究对象,提出一种基于小波变换和可变局部边缘模式VLEP(Varied local edge pattern)的图像识别方法。对绿色植物图像进行小波分解;利用可变局部边缘模式提取纹理特征,同时结合分块和多分辨率思想,得到融合后的纹理特征;利用最近邻分类器进行分类。实验结果表明,小波变换和可变局部边缘模式相结合是一种可行的绿色物种识别方法,分块和多分辨率思想能够进一步提高图像识别的准确率。

模式可变M序列码在保密电话中的应用

M序列码是一种具有随机特性和预先可确定性以及可重复实现等优点的伪随机码,由于在一个周期内“1”和“0”出现概率大致相等,因此,具有类似白噪声的统计特性,可以代替白噪声,另外由于是很长伪随机序列,也广泛应用在测量中,可以同时达到精确和无模糊测距双重目的.若用其作密码,加密数据时还具有一定自纠错能力,M序列码虽然其自相关特性不如m序列码,但数目远远大于它,其值为2~2^(n-1)-n如n=5为2048个,n=6多达2^(26)个,M码密钥量如此大,破译困难,因此在保密通信中很适合于用作密码.本文将初步探讨M码在保密电话中用作密码源之原理,以期取得抛砖引玉之效.

水资源效益综合评价的可变模糊决策理论及应用

水资源效益评价体系是一个综合经济效益、生态环境效益和社会效益,既有定量指标又有定性指标的多层次半结构性体系.为提高评价的可靠性,综合考虑了定性指标和定量指标对水资源经济效益、生态环境效益和社会效益的影响,并将两级可变模糊决策模型与可变模糊模式识别模型同时应用于半干旱地区灌区水资源综合效益评价研究中.结果表明,可变模糊模式识别模型优于两级模型,计算结果稳定,不仅能够进行不同方案优选,而且可以对各个方案进行优劣等级评价.

卫星通信系统中编码调制模式分配算法

在编码调制方式动态可变的FDMA卫星通信系统中,通过功率和带宽的均衡利用可提高资源利用效率,并能防止后续用户分配资源时功率或带宽受限而导致的系统容量降低.对卫星链路进行分析,建立基于编码调制模式动态可变的博弈模型,提出一种基于功率和带宽均衡利用的编码调制模式分配算法,提高了系统资源的利用效率.仿真表明,所提出的资源分配算法在资源受限情况下能显著提高系统信道容量.

基于边缘模式和主导学习框架的相似纹理分类

边缘是进行相似纹理图像分类的有效特征之一,为了提高边缘检测精度,使用可变化的局部边缘模式(Varied Local Edge Pattern,VLEP)算法,利用像元及其近邻的灰度变化进行区域统计,同时从多尺度和多方向的角度提取纹理边缘特征。然而,当图像分辨率发生变化,或图像受到光照、反射的影响时,纹理计算可能会出现较大偏差。为此,在VLEP算法的基础上,提出主导学习框架相似纹理分类方法,通过构建全局主导模式集,解决纹理计算偏差导致的类间距离小和类内距离大的问题。实验结果表明,主导边缘模式思想可以有效地提高相似纹理图像的分类准确率。

基于多尺度多分辨率局部边缘模式的边缘检测

由于传统基于梯度的方形边缘检测算子包含边缘方向过少(一般为2个或4个方向),因此无法从多分辨率角度检测边缘,进而会丢失其他方向的边缘信息。针对上述问题,提出一种具有多尺度、多分辨率特性的边缘检测算子,称为可变局部边缘模式(Varied Local Edge Pattern,VLEP)算子,并用来提取图像边缘信息。算法主要思路包括,将图像经过高斯滤波器平滑,使用一组或多组VLEP算子与滤波后的图像进行卷积,得到边缘强度,从而获得边缘梯度值,最后设置适当的梯度阈值,对梯度图像进行二值化处理,完成图像的边缘检测。此外,当多组VLEP算子被同时使用时,考虑结合加权融合思想,以便获得更加丰富的边缘信息。实验结果表明,提出的边缘检测算法比其他经典的方法具有更好的边缘检测效果。

风暴潮漫滩数值预报模式分析与探讨

用Ｆｌａｔｈｅｒ可变边界模式数值模拟黄河三角洲的风暴潮漫滩，比较计算的三种漫滩模式，讨论可变边界条件。

基于结构局部边缘模式的绿色植物物种识别

植物图像的边缘检测是基于图像分析植物物种识别技术的重要环节,利用边缘检测可以增强图像中的轮廓边缘、细节等信息,达到将目标植物从图像中分离出来的目的。因此,为了在绿色植物物种识别中,将图像中的目标植物与背景分离,首先利用可变局部边缘模式算子提取植物图像的边缘特征,再通过结构化局部边缘模式对边缘特征进行编码,来刻画局部边缘。实验结果表明,提出的边缘模式思想在绿色植物物种识别上能得到更高的识别率。

CDMA协议下VBR分组数据模式的实现

研究了利用ＣＤＭＡ实现ＶＢＲ模式的三种协议：时隙随机访问ＣＤＭＡ、可变速率ＣＤＭＡ、多码并发ＣＤＭＡ。对其吞吐量、扩频码利用率进行了分析。分析表明在理想条件下就吞吐率性能和码利用率而言可变速率ＣＤＭＡ和多码并发ＣＤＭＡ比时隙随机访问ＣＤＭＡ要好。

基于VMD-SE和机器学习算法的短期风电功率多层级综合预测模型

针对风电功率受自然环境变化影响,难以建立精确数学模型对其进行预测的问题,采用一种新型的可变模式分解(variational mode decomposition,VMD)技术,将原始风电功率序列分解为一系列有限带宽子模式以降低其不稳定性,根据子模式的样本熵(sample entropy,SE)分析其复杂度并重组得到子序列。在此基础上,结合3种不同的机器学习基模型,提出一种基于VMD-SE和基模型的自适应多层级综合预测模型,并采用一种基于混沌萤火虫结合仿真鸡群优化的智能算法,对其权重矩阵进行实时调整。仿真结果表明,基于VMD的组合模型较采用聚类经验模式分解时预测精度明显提高,且所提综合模型的预测精度较组合模型有了进一步的改善。因此,所提综合模型能有效提高短期风电功率多步预测的准确性。

基于VMD-SE-IPSO-BNN的超短期风电功率预测

准确预测风电功率对风电规模化并网至关重要。为了更精确的对风电功率进行预测,提出一种基于可变模式分解(Variational Mode Decomposition,VMD)-样本熵(Sample Entropy,SE)和改进粒子群算法(Improved Particle Swarm Optimization,IPSO)优化贝叶斯神经网络(Bayesian Neural Network,BNN)的超短期风电功率组合预测模型。首先采用VMD-SE将原始风电功率时间序列分解为一系列不同带宽的模式分量以降低其非线性,然后对全部分量分别建立贝叶斯神经网络模型进行预测,并采用IPSO对神经网络的权值和阈值进行寻优,以求获得最佳的预测效果。实验结果表明,基于VMD-SE的预测模型较采用其他常规分解方式时预测精度明显提高,所提组合预测模型具有较高的预测精度。