曲轴疲劳裂纹扩展模式的时序方法预测

在外界载荷和构件内部材料特性的共同作用下,机械构件的疲劳裂纹的扩展行为往往具有阶段性,在不同的阶段内伴随不同的行为特性。为了研究这种阶段性并对这种阶段性进行预测,对曲轴疲劳试验过程中谐振台架的振动加速度进行了测录,并采用经典时序方法对这一监测信号进行建模,计算了其在各个时间段中的异常度曲线。与曲轴疲劳裂纹扩展速率曲线进行对比,结果表明时序方法对裂纹扩展模式具有一定的预测能力。

损伤预警的时序方法及其在Benchmark结构试验中的应用

针对结构健康监测中如何利用在线监测数据进行损伤诊断的问题,基于时间序列分析提出了一种新的损伤预警方法。首先对所有监测数据样本建立ARMA模型,以模型中AR部分参数的主成分矩阵构建Mahalanobis距离判别函数,进而提出了一种新的结构损伤敏感特征指标DSF。然后,采用t检验考察该指标的均值在损伤前后是否存在显著性变化,从而可以实现结构的损伤预警。最后,对Benchmark结构在环境激励下的试验数据进行了损伤预警研究。结果表明:该文基于时序方法提出的DSF对结构的微小损伤具有敏感性,具备在线实时损伤预警的应用价值。

基于混沌时序分析方法与支持向量机的刀具磨损状态识别

为了表征、获取与识别刀具的磨损状态,提出一种基于混沌时序分析方法与支持向量机的刀具磨损状态识别方法。该方法利用混沌时序分析方法重构了刀具声发射信号的相空间,并提取了嵌入维数与Lyapunov系数建立了特征空间。使用支持向量机作为分类器,实现了刀具磨损状态的识别。实验证明,在小样本学习情况下,基于混沌时序分析方法与支持向量机的刀具磨损状态识别方法具有良好的学习能力,获得了较高的识别准确率。

中国房地产周期波动研究——一个基于时序全局主成分方法的分析

在现有的关于我国房地产周期波动的研究中,所使用的研究工具大多都不能深入刻画我国房地产的周期波动规律和影响我国房地产周期波动的主成分。为此,我们利用时序全局主成分这一新方法,研究了自1998年—2008年我国房地产周期波动情况及其主成分。我们发现,自1998年第四季度至2008年第3季度,我国房地产增长周期大概经历了两个完整的周期,他们分别是1999年1季度到2003年4季度,2004年1季度到2007年4季度,2008年开始我国房地产进入了向下调整的过程中。从主成分的综合影响度来看,对房地产业增长率影响较大的因素依次是:完成开发投资额增长率、施工面积增长率、空置面积增长率、人均收入水平增长率、GDP增长率、消费水平增长率、销售价格增长率、建筑贷款增长率、广义货币供应M2增长率。而其他因素的增长率对房地产业的综合影响较小。

静态时序分析方法的基本原理和应用

介绍了用于ASIC设计验证的静态时序分析方法的基本原理,并在此基础上给出了将该方法用于优化和验证可编程逻辑器件的设计实例。

动态电路的混合时序分析方法

本文基于四事件周期波形模型,提出了一般动态门、LO-CMOS、NTP动态门和N-C2MOS锁存器正确工作的时序约束.将混合时序分析方法应用于动态电路的延时计算,提出了动态门延时测试波形的生成算法,能有效处理多个输入同时翻转对延时的影响.本文的研究成果已在SpiceTime中实现,并且应用于一个32位动态加法器的设计,取得了良好效果,如果不考虑伪路径的影响,求值延时和预充延时的最大误差分别为3.62%和8.26%.

一种多CCD系统时序产生方法

本文介绍在亚像元系统中利用CPLD(复杂可编程逻辑器件)为系统提供全部时序的方法。介绍了亚像元系统的原理。重点进行CCD(电荷耦合器件)及信号预处理电路的时序分析,以及如何利用CPLD实现,为读者提供了设计CCD驱动时序和使用CPLD的一个实例。

基于组合注意力模型EAAT的云KPI数据预测方法

为了准确分析云计算集群日常监控中KPI(Key Performance Indicator)数据的动态和变化趋势,并预测后续发展,达到提高云计算集群高可用性的目标,本文提出三分频的基于组合注意力模型的EWT-ARIMA-Auto-TPA (EAAT)云KPI数据预测方法.首先基于经验小波变换(Empirical Wavelet Transform, EWT)得到云KPI数据低中高频的内在模态变量(Intrinsic Mode Functions, IMFs)降低数据预测的复杂程度.其次,根据分解得到的低中高频IMFs信息特征,分别运用ARIMA、Autoformer、TPA-BiLSTM模型对每类IMFs进行预测.最后,将分类预测后结果经过逆变换IEWT加以合并得出预测结果.本文预测方法在谷歌和亚马逊的4个数据集上得到了验证,无论数据是否具有周期性或者稳定性,本文预测方法都有较好的结果,综合效果比对比模型有较大提升.

基于时序鉴别方法的新型单相接地选线装置

提出了一种以自研发的专用集成电路为核心的单相接地选线装置 ,该装置综合运用零序电流和零序电压进行时序鉴别、幅值鉴别和信号连续性鉴别 ,实现 6～ 1 0kV电网单相接地故障的准确选线 ,并通用于中性点不直接接地电网的过补偿、欠补偿和无补偿系统 ,能区分永久性和瞬间性接地故障 ;还具有零序CT断线检验、PT断相鉴别及整机性能自检演示等功能 ,并详细介绍了该选线装置的构成原理。

合成氨装置5分子筛的时序控制设计方法

介绍合成氨装置分子筛的控制过程、控制程序的设计方法、程序的设计思路。

基于执行片段的嵌入式软件时序特性检测方法分析

时间序列是一种重要的高维数据类型,它是由客观对象的某个物理量在不同时间点的采样值按照时间先后次序排列而组成的序列,嵌入式软件运行不仅需要完成执行任务的结果,同时需要根据时间执行任务,执行的任务需要考虑时间的约束。确定和验证约束之间是嵌入式测试软件非常重要的问题。分析的嵌入式软件是利用时序特性检测方法实现的,其中包括自动机扩展性语义接口、目标运行的环境两个部分。实验组检验序列主要是为了确定建立模型是否与各项功能需求相符合。

桥梁健康监测系统多源数据自动化匹配方法

为提升特大桥梁结构营运安全监测系统自动化运维水平,提出了一种采用车辆智能监测系统、ETC门架称重系统和封闭式连通管挠度测量系统的多源数据匹配方法。首先应用相似性度量方法关联车辆到时与车辆载荷数据,再利用时域影响线控制方程分别建立单车荷载和多车荷载特征曲线,最后通过时序分析方法匹配三类数据中同一车辆目标,识别确定性目标在多源数据中唯一的对应时刻。依托国内某特大预应力混凝土连续刚构桥工程项目,介绍了该方法的实践与应用。结果表明:该方法计算结果可反映多系统间由时间偏移和延迟导致的系统误差以及多参数间不同应用场景引起的随机误差,可自动关联对比识别多源目标数据,对提高智慧交通的自动化运维水平具有一定的参考价值。

基于时序路径的FPGA时序分析技术研究

针对于航天高可靠FPGA测试时时序分析技术的重要性,根据多年FPGA设计测试经验对时序分析技术进行深入剖析,提炼出一套切实可行的时序分析技术,阐明了时序分析的分析对象,时序分析技术的主要方法,给出了时序分析时接口信号时序计算法则,以及时序测试结果的分析准则;并把这套分析技术成功的应用到了多个航天高可靠软件的测试中,发现了很多由时序问题引起功能失效的重大问题,对其中常见的时序问题给予归类总结.

交叉耦合绝热动态触发器及同步动态时序电路

本文提出交叉耦合绝热动态触发器及其同步时序电路综合方法。首先利用文献[1]的电路三要素理论定量描述交叉耦合型绝热锁存器。由绝热主锁存器和从锁存器构成一个单相输入的绝热触发器。在交叉耦合型绝热触发器的基础上,本文提出绝热同步动态时序电路综合方法。用此法设计出绝热8421BCD码错码检测电路(仅用50管),总功耗小于三个绝热ADL非门的功耗,计算机模拟验证本文方法的正确性。

结合多尺度注意力机制和双向门控循环网络的视频摘要模型

任务中全局注意力在长距离视频序列上注意力值分布的方差较大,生成关键帧的重要性分数偏差较大,且时间序列节点边界值缺乏长程依赖导致的片段语义连贯性较差等问题,通过改进注意力模块,采用分段局部自注意力和全局自注意力机制相结合来获取局部和全局视频序列关键特征,降低注意力值的方差。同时通过并行地引入双向门控循环网络(bidirectional recurrent neural network,BiGRU),二者的输出分别输入到改进的分类回归模块后再将结果进行加性融合,最后利用非极大值抑制(non-maximum suppression,NMS)和核时序分割方法(kernel temporal segmentation,KTS)筛选片段并分割为高质量代表性镜头,通过背包组合优化算法生成最终摘要,从而提出一种结合多尺度注意力机制和双向门控循环网络的视频摘要模型(local and global attentions combine with the BiGRU,LG-RU)。该模型在TvSum和SumMe的标准和增强数据集上进行了对比试验,结果表明该模型取得了更高的F-score,证实了该视频摘要模型保持高准确率的同时可鲁棒地对视频完成摘要。

数学建模方法对碳排放、碳达峰问题的研究

以河北省碳排放为研究目标,本文基于传统KAYA恒等式和STIRPAT模型,提出了一个改进的STIRPAT模型,并用于预测河北省碳排放以及碳达峰情况。首先使用ARIMA模型、灰色预测方法、长短期记忆(LSTM)网络预测模型分别对改进STIRPAT模型中的驱动指标进行了预测和比较,得到了各指标的最优预测方法。之后,结合时序型预测方法,分别采用BP神经网络回归、Lasso回归和岭回归方法分别对STIRPAT模型种的碳排放进行了预测。结果表明,随着第三产业占比的持续扩大和清洁能源占比的增加,河北省的碳排放总量将呈现下降趋势。其中Lasso回归方法具有最小均方误差和最优拟合优度,这种回归方法预测出河北省的碳排放总量在2035年将达到456.8百万吨,并在2023年左右达到碳排放峰值。河北省的碳排放预测对同类省份的碳排放情况给出了参考,这对于中国全国实现2035年碳达峰目标具有重要意义。

基于抗差估计的灰色模型与时间序列组合模型及其在变形预测中的应用

文章讨论的方法是在时序分析建模的基础上,运用了GM(1,1)来提取趋势项,然后对残差进行时序建模,形成灰色与时序的组合模型,在建模中的参数估计方法,采用抗差估计来取代常规的最小二乘估计法,来达到抵抗粗差的目的,从实例计算来看,效果比较好。

基于短基线差分干涉法的上海地面沉降分析

利用短基线差分干涉时序分析方法获取上海城区的地面形变信息.短基线时序分析方法选择较短的干涉对组合,利用干涉对中的高相干目标的相位和幅度信息在长时间序列中保持稳定的特性,获得高精度的地表形变信息.实验选择上海外环以内的区域,利用2007—2010年间的17景日本ALOS卫星的PALSAR数据,采用短基线时序分析方法提取了相干目标视线向的平均沉降速率.在沉降速率图中,杨浦区与虹口区交界处存在一个明显的漏斗状沉降;闵行区和浦东新区出现了一个较大范围的不规则的沉降条带.

台湾海峡两岸月平均海面高度的变化

本文应用时序分析方法,在频域内讨论了台湾海峡两岸月平均水位的波动,并就其与风、气压、水温及黑潮之间的关系作了简要分析。

全矢-ARMA模型在机械振动强度预测研究的应用

单通道预测方法由于获取振动信息不完善,导致预测结果一致性差,从而不能很好地实现故障的预测.通过全矢谱获得的频谱结构具有唯一性的特点,能够很好地弥补单通道的不足,在此基础上,将时序预测方法 ARMA模型与全矢谱技术相结合,提出了全矢-ARMA模型,并把该方法应用到机械振动强度预测研究中.实验表明,该方法预测结果与实际较吻合.