基于经验模态分解和优化BiLSTM的短期负荷预测

针对电力负荷数据的非线性和不稳定性问题,提出了一种基于经验模态分解改进麻雀搜索算法双向长短期记忆神经网络相结合的EMD ISSA BiLSTM预测模型。首先采用EMD处理非线性负荷数据,将原始负荷数据分解为多个不同尺度的本征模态函数(IMF),引入反向学习策略和Levy飞行策略分别改进麻雀搜索算法(SSA)的收敛速度慢和容易陷入局部最优问题,利用改进麻雀搜索算法(ISSA)对BiLSTM神经网络进行参数寻优。然后再利用优化后的BiLSTM模型对每个分量进行预测,并将各预测结果叠加组合,得到整个负荷序列的预测结果。最后通过实际算例分析,证明该方法相对于传统的预测方法具有更好的预测精度和稳定性,可作为一种有效的短期负荷预测方法。

基于多模态生物特征识别的高校门禁系统设计与实现

为解决传统门禁系统对实体校园卡的过度依赖、数据应用能力差、无法形成精细化管理等问题,在已有门禁系统架构基础上,基于一卡通专网,采用分布式架构设计了一种基于多模态生物特征识别的高校智慧门禁系统。该系统集采集管理、生物数据库、算法服务、校门口出入管理、访客出入管理、公寓管理、设备管理和出入权限管理等功能于一体,实现了校园出入口的智慧化管理,提升了校园安全管理效率,为下一步的智慧校园建设奠定了应用基础。

并联TBCC排气系统稳态与模态转换实验研究

涡轮基组合循环排气系统在稳态工作与模态转换动态过程中性能参数和流场结构的变化规律会对高超声速飞行器总体性能产生巨大影响。为此开展了稳态与动态风洞模型实验研究,测量了喷管模型的流量、六分量力、壁面压力,并拍摄了典型的流场结构纹影照片。采用核密度估计的方法确定了稳态推力系数的测量结果;采用中值滤波结合平滑函数处理的方法获得了模态转换过程的推力系数和矢量角。稳态实验分别固定涡轮通道和冲压通道压比,调节另一通道压比,由于被调节的通道随压比增大从过膨胀逐渐转变为欠膨胀,所以推力系数呈先增大后减小的趋势;双通道喷流干扰产生的桶型激波撞击在涡轮通道上壁面上,改变了壁面压力分布。模态转换动态实验模拟了冲压发动机点火后双通道共同工作加速爬升的过程。在此期间推力系数逐渐减小,矢量角不断增大,且变化趋势与理论分析结果一致;双通道喷流干扰显著改变了冲压通道射流方向。无论是稳态实验还是动态实验,测力结果、测压结果、流场结构纹影照片以及理论分析结果都能互相印证,佐证了实验结果的准确性和可靠性。

融合多模态信息的电视视频检索系统设计

随着互联网和数字技术的快速发展,视频数据在网络中的重要性日益凸显,用户对视频检索的需求随之增加。针对传统视频检索方法在挖掘视频内容方面的局限性,设计一种融合多模态信息的电视视频检索系统,利用深度学习技术从视频中提取图像和文本信息,并建立检索模型以进行信息融合,最后为融合后的信息建立储存服务器,实现更准确、更全面的视频检索。

数字孪生多模态视觉推理的神经-符号系统

面对数字孪生在多模态视觉数据融合中的异质性和动态性挑战,提出一种结合深度学习与符号智能的方法。该方法通过深度神经网络对视觉数据进行实时解析,并借助符号系统存储的知识和事件响应规则,实现对复杂推理过程的自主管理。为提高系统对物理世界变化的适应性,提出一种融合多模态信息和外部知识的增强推理机制,该机制能有效地整合来自传感器的实时数据和历史知识库中的信息,以支持更加准确和合理的决策制定。以退役锂电池拆解过程为案例验证表明,该方法不仅能够在多模态数据环境中实现高准确率的识别和分析,还能够基于推理机制生成合理且逻辑一致的操作建议,有效提升了拆解效率和安全性。

变分模态分解新能源电力系统低频振荡控制方法

为了提高对高比例新能源电力系统低频振荡能量的计算精度,进而提升低频振荡控制效果,变分模态分解的基础上,研究高比例新能源电力系统低频振荡控制方法。将变分模态分解算法应用于提取电力系统低频振荡信号;使用A3C算法,训练低频振荡能量;通过返回机制和梯度计算获取低频振荡的能量参数,利用这些参数建立二维模糊控制的模糊规则,然后对输出量进行去模糊化处理,从而实现对低频振荡的有效控制。实验结果表明,使用所设计方法对高比例新能源电力系统低频振荡进行控制后,其低频振荡位于0.5 Hz左右,控制效果较好。

基于安全和情感化的汽车辅助驾驶系统多模态交互设计研究综述

汽车作为目前人类最常使用的交通工具之一,其智能驾驶技术大部分处在L2~L3“人机共驾”技术的发展阶段,在L5级自动驾驶技术出现之前,“人机共驾”仍然是目前主流的驾驶方式,其各种车载系统和交互方式正在不断完善。多模态交互作为未来设计的发展趋势,必然将与汽车融合产生新的“火花”。对车载系统中多模态交互设计研究包括疲劳状态预警、碰撞预警、车道偏离预警、智能接管提醒、智能泊车等方向进行梳理总结,对车载AI多模态交互设计包括多屏交互、触控交互、手势交互、语音交互、表情交互、眼动交互等自然交互方式进行分析。采用文献研究及案例分析的方式探究如何在基于安全和情感化的背景下使驾驶员的体验更加舒适,展望了汽车多模态交互设计在车载系统中的应用及未来趋势。恰当而良好的交互方式融合将会提高各种车载系统及应用的安全性和驾驶的舒适度。多模态交互的引入必将是汽车发展的趋势。

基于遗传算法的集中式传动系统齿轮修形及模态优化研究

集中式传动系统布局紧凑,部件间距小,因此对其NVH(noise,vibration,harshness,噪声、振动与声振粗糙度)控制提出了更高要求。以某工程机械的集中式传动系统为研究对象,首先,进行了其振动噪声测试,并分析了齿轮微观修形原理;其次,考虑了系统模态共振与齿轮啮合的相互耦合,建立了该传动系统的有限元模型并进行仿真,结果显示,齿轮副接触斑点和模态的仿真结果与测试结果一致,验证了建模方法的可行性;接着,基于遗传算法求解了齿轮微观修形参数,实现了齿轮微观修形的最优设计,并通过模态优化来避免系统共振;最后,进行实验验证,结果表明,齿轮修形后传动系统的噪声降低至95.2 dB,比修形前下降了4.8 dB。采用基于遗传算法的齿轮微观修形和模态优化方法可以降低传动系统的振动噪声,这为集中式传动系统的NVH控制提供了一定参考。

新型电力负荷管理系统的多模态通信组网研究

针对新型电力系统背景下电力负荷管理通信终端海量接入带来的通信可靠性问题,提出了一种基于多模态智慧网络的通信组网模型及其应用部署方案。首先在分析新型电力负荷管理系统业务通信可靠性需求基础上,构建了基于多模态智慧网络的层次化通信组网模型与部署架构;然后在所提组网模型框架下,针对现阶段新型电力负荷管理系统通信接入网层部署可靠性,设计了适应负控业务场景包含有线专网、无线专网和无线虚拟专网的通信接入网层工程应用部署方案;最后分析了新型电力负荷管理系统通信组网应用过程中尚待解决的关键技术问题,为新型电力负荷管理系统通信通道建设提供技术理论参考。

锅炉燃烧系统变分模态分解建模方法研究

建立准确的燃烧系统模型是实现锅炉燃烧优化的基础。针对现有建模方法多步预测精度不足的问题,提出一种锅炉燃烧系统变分模态分解(VMD)建模方法。该方法将传统单个模型的预测方式转换为基于数据分解的混合模型预测方式。首先,采用VMD将输出信号分解为多个规律变化的平稳序列,以降低数据的复杂度。然后,针对每个模态信号,利用在线最小二乘支持向量机算法和时间序列预测算法分别建立预测模型。最后,通过合成得到最终的预测结果。仿真结果表明,该方法有效提升了燃烧模型的单步和多步预测精度,可以为实现锅炉闭环燃烧优化控制奠定良好基础。该方法有助于解决常规燃烧系统建模方法中只关注单步预测误差而忽视多步预测误差的问题。

一种多模态振动系统的位置控制方法

以多模态柔性系统为研究对象,针对多模态柔性系统在操作时产生振动,影响操作性能和定位精度的问题,提出了一种基于振动叠加原理和位置控制原理对柔性系统进行主动振动抑制的方法。首先利用振动叠加原理,对系统的振动进行分解,讨论了系统的振动状态与能量表达;接着以系统的振动能量为指标,给出了抑制振动的输入位移的一种选择方法;然后为保证多模态系统在减振完成后的定位精度,提出了一种位置控制方法。为了验证所提出的振动抑制方法的有效性,首先在ADAMS中建立了单输入多模态系统的模型,然后导入Simulink中进行联合仿真,讨论此振动抑制方法的有效性以及其抑制特性。仿真结果表明:所提出的方法的减振效果良好,对比传统的控制方法来说,有较高的鲁棒性,有效抑制了系统的振动并且保证了系统的定位精度。

基于多模态数据融合的飞行员生理心理训练管理系统构建

该文针对飞行员生理心理信息如何充分应用于提高飞行训练绩效,结合飞行职业特点,从结构模块、数据融合、效用分析3个方面对飞行员生理心理信息平台进行介绍。飞行员生理心理信息管理系统基于大数据分析融合技术,对不同类型的生理心理数据进行无效/重复数据清洗、数据降噪等处理,形成有效的数据,迭代优化各数据模型,层层追溯和挖掘,构建“用数据说话、用数据决策、用数据管理、用数据创新”飞行员生理心理训练管理系统,有助于快速掌握飞行人员训练情况,智能形成个性化训练方案,为提高飞行员的体能训练效益提供参考。

基于多模态融合的电力智能客服系统情绪识别方法

针对目前方法研究时未能对智能客服系统进行数据去噪,导致该方法在情绪识别时,存在识别效果差、识别时间长以及识别性能低的问题,提出基于多模态融合的电力智能客服系统情绪识别方法。首先使用新型的小波阈值函数对系统数据进行去噪处理;依据GSP方法、颜色直方图提取系统脑电信号特征和颜色特征;最后将多模态融合法与SVM分类器进行结合,通过对特征的融合,实现对情绪的识别。实验结果表明,该方法在识别情绪时,识别效果好、识别耗时低以及识别性能高。

基于多模态融合技术的高校突发安全事件处理VR智慧学习系统设计

文中依托学校“虚拟现实工程技术中心”“国家级职业教育示范性虚拟仿真实训基地培育项目”的技术优势和人才团队,基于多模态融合技术,设计了面向高校师生的突发安全事件处理VR智慧学习系统,构建了VR智慧学习体系。该系统采用先进的系统设计、创新的方法和创新的评估体系,运用多模态识别技术和多模态融合交互技术,可以全面模拟还原疫情防控、火灾逃生、地震灾害、防汛应急、心肺复苏、骨折脱臼、出血处理等7种突发安全事件场景,通过智慧学习、智慧教学、智慧评价等过程以及系统所具有的跨平台、可视化、高仿真等特点,全面提升高校师生应急素养。

多模态教育数据在教育实证研究中的应用——基于国际实证研究的系统性文献综述

多模态教育数据是当前开展教育实证研究的关键支撑,对多模态教育数据的理解需要完成从“认识着什么”到“实现着什么”的转变。为明确多模态教育数据应用的实际进展,文章以在计算机科学领域具有清晰定义的“多模态学习”为切入点,采用系统性文献综述法,总结了教育实证研究中多模态教育数据的应用方法及其关联的研究主题。研究结果显示:教育实证研究中多模态教育数据的应用方法以指向具体教育变量的融合预测为主,关联的实证研究主题主要涉及学习过程测量、学业结果评价、课堂教学分析、知识工程、试题研究、教学管理六个方面。研究建议,应在多模态教育数据的表示、对齐、转译等层面加强通用性的基础研究。

某车型排气系统模态及挂钩性能研究

排气系统的振动通过挂钩和悬架传递到底盘和车身,从而影响汽车的噪声(noise)、振动(vibration)和声振粗糙度(harshness)(统称为汽车的NVH)。因此,对车辆在行驶过程的排气系统进行振动分析十分重要。本文主要对排气系统的约束模态、自由模态下挂钩的1阶模态以及动刚度进行分析。其分析结果是根据某公司所给定估其性能,通过优化前后对比可得出,优化后的挂钩在数值上符合设计要求。

基于集合经验模态分解的增强核岭回归配电系统状态估计

针对配电网量测信息存在强非高斯噪声时会大幅干扰基于深度学习的状态估计模型滤波精度的问题,提出了一种基于集合经验模态分解的增强核岭回归状态估计方法。首先,使用集合经验模态分解筛除量测信息中的多数噪声数据,保障了后续滤波对数据可靠性的要求。然后,通过构建增强核岭回归状态估计模型,建立了量测信息与估计残差之间的映射关系,输入量测信息后可以得到估计结果与估计残差。最后,在标准IEEE 33节点与某市78节点系统上进行数值仿真,结果证明了该方法在强非高斯噪声干扰下具有较高的精确性和鲁棒性。

基于变分模态分解与量子衍生算法的电力系统惯量评估

为消除电力系统扰动下频率变化率不一致对等效惯量评估的影响,提高系统等效惯量的评估精度,提出一种基于变分模态分解和量子衍生优化算法的电力系统等效惯量水平评估方法。通过变分模态分解实现对频率曲线的特征提取,利用各台发电机的惯性时间常数作为决策变量,对其进行实数量子编码,构造以发电机摇摆方程为基础的优化目标函数,采用量子混合更新策略对时间常数进行优化,进而实现电力系统惯量辨识,最后,进行多重指标的惯量水平评估。通过红沿河核电3号机组跳闸事件对辽宁电网实测数据下电网惯量水平进行评估分析,验证了所提方法的有效性。

基于n值关系语义的命题模态逻辑系统研究

传统的多值模态逻辑系统将关系语义中的状态及状态间的关系进行了多值化处理。然而,实际应用中状态间的关系往往是确定的,无需多值化。针对这种情况,基于?ukasiewicz代数系统提出了一种新的命题模态逻辑n值关系语义。在所提出的n值关系语义中,针对状态进行了多值化处理,同时保持了状态间关系的确定性。通过对逻辑公式的形式化定义以及可满足性和有效性的分析,证明了n值关系语义下经典命题模态逻辑系统K,T,S4和S5的正确性。进一步地,给出了极大一致集与典范模型在n值关系语义下的定义,并完成了上述经典命题模态逻辑系统的完备性证明。上述结论表明基于n值关系语义的命题模态逻辑系统能够涵盖并捕捉到经典逻辑系统中的所有有效命题。综上所述,所提出的基于?ukasiewicz代数系统的n值关系语义提供了一种在实际应用中处理多值状态及确定的状态间关系的方法。这种方法在扩展命题模态逻辑系统的形式化定义与关系语义是可行且有效的。

便携式多模态医学影像系统在应急医学救援中的应用

随着精密制造技术的迅速发展,轻便、环境适应性强且性能高的便携式医学影像设备已经取得重要突破,为灾难、灾害现场高质量医学救援提供客观的医学影像依据,在救援领域得到了广泛应用。便携式医学影像设备为救援工作提供了更高效、更准确的诊断和救治参考,尤其是在应急救援领域和战伤救援中效果显著。根据应急救援和战伤救援的特点,结合便携式医学影像设备在应急救援中应用的相关文献,讨论便携式多模态医学影像系统在应急救援中的应用价值。