基于CNN-LSTM的复合神经网络在油田污水系统故障诊断中的应用

为提高油田污水系统故障诊断的智能化水平和准确性,利用卷积神经网络以及长短期记忆网络构建复合神经网络,并采用Adam与随机梯度下降法对结构进行优化,使模型收敛速度以及故障诊断精度得到提升。通过相关实验研究结果表明,采用的优化算法使模型准确度提升至0.87左右,模型诊断损失率降至0.032左右;复合神经网络结构的平均检测精度达到0.888,准确值达到0.883,召回率达到0.789。将复合神经网络应用于油田污水系统故障诊断中,使油田污水系统实现智能故障检测,并能降低经济成本,益于智慧油田建设。

人工神经网络及模拟退火算法应用于原子吸收光谱法同时测定钙、磷

试验发现:原子吸收光谱法(AAS)在442.7 nm波长处测定钙时受到大于0.10 mg·L^(-1)磷共存的干扰,使钙的测定结果偏低,而且此负偏差降低的幅度随磷浓度的增加而增大。试验还发现:当共存磷的量在0.1～6.0mg·L^(-1)之间时,钙测量值的负偏差幅度与磷浓度之间存在明显的相关性。应用反向传播人工神经网络(BP-ANN)及模拟退火两种计算法对上述非线性干扰效应进行了研究,并提出了在单一波长检测的条件下,钙、磷两元素的原子吸收光谱法同时测定,此法应用于循环水中钙、磷的同时测定。两元素的检测范围依次为0.08～10.0 mg·L^(-1)及0.10～6.0mg·L^(-1),测得其回收率分别为100.5%和98.0%。

基于径向基神经网络的谐波叠加法

风荷载的数值模拟在结构设计中起着非常重要的作用。在土木工程脉动风速时程的各种数值模拟方法中,谐波叠加法最为常用。而且,通过引入FFT和不同插值技术可以在不显著地影响模拟精度的情况下,大大地缩短模拟计算所花费的时间。提出使用径向基神经网络(RBF neural network)插值技术来改进传统的谐波叠加法。使用基于径向基神经网络和传统的谐波叠加法(未引入插值技术)来模拟一幢100 m高的高层建筑上10个点的脉动风速时程,通过均方根误差(Root Mean Square Error,RMSE)和相对误差系数(Error factor,E_f)两项指标来评价改进的与传统的谐波叠加法相比较的模拟计算精度,并且记录各自所耗费的时间。结果表明:基于径向基神经网络谐波叠加法的精度令人相当满意,模拟计算效率大大提高。

基于神经网络的结构可靠性优化设计

结合随机摄动技术和随机模拟方法,提出了可靠性优化设计的一种数值逼近法,将服从任意分布的可靠性概率约束等价转化为确定型约束,可以迅速准确地获得优化设计结果。针对具有多失效模式的结构可靠性优化设计,提出了随机模拟-神经网络方法,模拟得到随机设计变量与系统可靠度之间的显性函数表达式,简化了计算过程,同时可以获得较高的计算精度,具有很好的工程实用价值。

基于SGD算法优化的BP神经网络围岩参数反演模型研究

为充分利用现场监测数据所反馈的围岩变形信息,对岩体力学参数进行反演,以贵州省剑河至黎平高速公路TJ-1标段牛练塘隧道为工程背景,选择围岩弹性模量、黏聚力、泊松比及内摩擦角为影响因素,通过设计正交试验及有限元模拟,获取25组围岩物理力学参数组合及其对应的拱顶沉降值和拱腰收敛模拟值。基于随机梯度下降算法(stochastic gradient descent algorithm,简称SGD算法)对传统BP神经网络模型进行改进,建立以拱顶沉降值和拱腰收敛值为输入参数,以围岩弹性模量、黏聚力、泊松比及内摩擦角为输出值的基于SGD算法优化的BP神经网络模型,实现围岩参数的反演分析。将反演所得的围岩参数代入有限元模型,验证优化BP神经网络模型的可行性和准确性。最后,分析围岩变形及初期支护受力特性并给出施工建议。结果表明:1)基于SGD算法优化的BP神经网络模型计算得出的拱顶沉降值、拱腰收敛值、拱肩收敛值与现场实测值的相对误差率在2.50%~24.01%,均低于传统BP神经网络模型计算得出的误差率(11.51%~93.71%),验证优化BP神经网络模型的可行性和优越性;2)上、下台阶拱脚处的喷层和锚杆有应力集中现象,有破坏风险,建议施工中加强拱脚支护,防止发生工程事故。

基于神经网络的机械零部件可靠性优化设计

采用概率约束等价转换的数值逼近法,研究了具有任意分布参数的可靠性优化设计,可以迅速准确地获得优化设计结果。针对具有多失效模式的机械零部件可靠性优化设计,提出了随机模拟神经网络( MCSNN)方法,模拟得到随机设计变量与机械零部件系统可靠度之间的显性函数表达式,简化了计算过程,同时可以获得较高的计算精度。

基于神经网络的冗余信息交通事故再现可靠性分析

针对实际道路交通事故中客观存在的不确定性因素,将可靠性理论和随机摄动法应用于道路交通事故再现分析,给出了相应的交通事故再现可靠性分析方法,提高了再现分析结果的精度。对于同一起事故,由于采用不同的信息和计算模型,得到的分析结果必然会存在不同程度的差异,从而产生冗余信息下的交通事故再现分析问题。针对交通事故中的冗余信息问题,将神经网络技术、可靠性理论、蒙特卡洛模拟法和事故再现分析技术相结合,提出了基于神经网络的冗余信息交通事故再现可靠性分析方法,为问题的解决提供了一种有效途径。

基于AHP与BP神经网络的电机系统节能评价

针对电机系统基本组成特点,应用层次分析(AHP)法确定电机系统节能评价指标体系及其指标权重,建立电机系统节能评价的BP神经网络模型,并采用狼群-模拟退火算法(WP-SAA)对其模型进行优化.仿真实例表明,基于层次分析法和狼群-模拟退火神经网络的电机系统节能评价方法,评价速度快,评价准确率高,评价结果令人满意,对于电机系统节能评价与技术应用具有较好的工程价值.

轨道随机不平顺的谱表示-随机函数模拟及应用

以轨道随机不平顺时域样本数值模拟方法为研究对象,采用谱表示-随机函数法分别由2个随机变量模拟生成轨道高低、水平、方向、轨距不平顺,并利用基于广义概率密度演化理论的非线性车辆-轨道耦合动力学随机分析模型,进行耦合动力系统随机振动分析。结果表明:利用谱表示-随机函数法模拟所得轨道不平顺时域样本集的均值、标准差、轨道谱、各频点谱概率分布均与原轨道谱一致;与三角级数法、傅里叶逆变化法相比,模拟生成轨道不平顺幅值范围误差在5.51%以内;该方法减少了模拟轨道不平顺时域样本所需的随机变量数,提高了基于概率密度演化理论的非线性车辆-轨道耦合系统随机振动计算效率,为随机振动分析中轨道随机不平顺模拟提供了新思路。

含光热-光伏联合发电的电力系统随机生产模拟研究

针对光伏发电出力的随机性和时序性等不确定因素,提出了基于稀疏卷积递推间隔-频率曲线法的电力系统随机生产模拟方法。将间隔-频率曲线法和稀疏卷积递推法相结合,评估光伏发电接入对电力系统经济性和可靠性的影响。首先,利用间隔-频率曲线法对原始负荷和光伏出力的时变特性进行分析,并通过计算获得短时间内的净负荷曲线以及净负荷的累计概率、频率分布;然后,采用稀疏卷积递推法将净负荷曲线与发电机组的故障转移过程相结合,依次控制发电机组的运行,完成相应的卷积运算,并结合计算结果求得光热-光伏联合发电接入后电力系统的可靠性指标和生产成本;最后,基于EPRI 36发电系统的仿真结果,发现光热-光伏联合发电对电力系统有一定的容量可信度,因此可替代一定的常规机组,提高电力系统的可靠性和经济效益,这也验证了文章所提方法的正确性和有效性。

基于混合摄动-伽辽金法的线性随机结构动力响应分析

在已知的Newmark-β法的基础上,将结构的随机运动方程转化为求解时域位移的准静态平衡方程。在蒙特卡罗模拟(MCS)的框架,结合混合摄动-伽辽金法提出了一种随机参数结构的动力分析方法——随机摄动-伽辽金法。然后,将随机摄动-伽辽金有限元法的计算结果与直接蒙特卡罗模拟的结果进行比较。数值算例表明,该方法在复合随机振动分析中具有很高的精度和效率。

基于S-BGD和梯度累积策略的改进深度学习方法及其在光伏出力预测中的应用

为提高光伏出力的预测精度,提出了一种改进深度学习算法的光伏出力预测方法。首先,针对传统的深度学习算法采用批量梯度下降(batch gradient descent,BGD)法训练模型参数速度慢的问题,利用随机梯度下降(stochastic gradient descent,SGD)法训练快的优点,提出了一种改进的随机-批量梯度下降(stochastic-batch gradient descent,S-BGD)搜索方法,该方法兼具SGD和BGD的优点,提高了参数训练的速度。然后,针对参数训练过程中容易陷入局部最优点和鞍点的问题,借鉴运动学理论,提出了一种基于梯度累积(gradient pile,GP)的训练方法。该方法以累积梯度作为参数的修正量,可以有效地避免训练陷入局部点和鞍点,进而提高预测精度。最后,以澳大利亚艾丽斯斯普林光伏电站的数据为样本,将所提方法应用于光伏出力预测中,验证所提方法的有效性。

基于不同优化算法的HT250基体再制造工艺参数优化

目的探讨不同优化算法下HT250基体再制造工艺参数的优化效果。方法利用Taguchi试验设计方法设计4因子3水平共18组试验,通过亚激光瞬间熔技术修复HT250基体的表面缺陷,利用响应曲面法(RSM)和BP神经网络-模拟退火算法(BPNN/SAA)对其修复过程的工艺参数进行优化,分析输入功率P,单次修复时间t,速度v和保护气体流量G等4个因素对修复后试样抗拉强度的影响,并对不同优化算法的优化效果、准确性和稳定性进行探讨。结果 HT250基体修复过程中最优工艺参数为:输入功率2960 W,持续时间0.62 s,速度6 mm/s,气体流量3 L/min。在此参数下所获取的修复试样最大抗拉强度为230.52 MPa。结论抗拉强度受输入功率P和单次修复时间t影响显著,对其他元素呈弱依赖性。BP神经网络-模拟退火算法较响应曲面法更适合对亚激光瞬间熔的工艺参数进行优化。

地震波激励下土与结构的动力边界单元法分析

以连续介质力学和弹性波动理论为基础，在Ｌａｐｌａｃｅ积分变换域内推导了地震波激励下土与结构的多子域边界积分－边界单元方程，采用了一系列特殊的数值积分处理技术；根据随机过程原理以及基于基岩面运动的地震力理论建立了随机地震波数学模型；提出了一种新的Ｌａｐｌａｃｅ数值反演变换方法，并引入了最小标准误差原理，实现了Ｌａｐｌａｃｅ 反演变换中各控制参数的最优化关联取值，使计算精度与计算速度均有较大的改进和提高；编制了相应的计算机程序，并通过几个土－结构的地震响应算例分析。

基于CNN-STA-DLSTM模型的间歇过程质量预测

对于间歇过程变量深层特征提取困难,以及变量的时序性、非线性、动态特性所导致质量预测精度不高的问题,提出了一种基于卷积-时空注意力的双层长短期神经网络(convolutional neural networks spatial and temporal attention with double long short term memory networks,CNN-STA-DLSTM)的间歇过程质量预测模型。首先,对间歇过程数据沿着变量的方向展开成二维矩阵,对二维数据采用Max-Min法归一化,接着,使用PLS对原始数据降维,保留与质量变量相关性较强的变量,使用CNN挖掘过程数据的潜在特征,提高质量相关特征信息的关注;其次,引入时间注意力机制和空间注意力机制构建双层LSTM的编码器-解码器结构网络,利用注意力机制自适应地学习时间步长的相关历史信息,以提高模型的长期记忆能力,并加强过程变量与质量变量之间的时空相关性;然后,采用随机-网格搜索法寻找预测模型合适的超参数,并构建了预测模型;最后,使用青霉素发酵仿真平台和带钢热连轧生产过程数据进行实验验证,结果表明所提模型具有更精准的预测效果。

大涡模拟模型燃烧室燃烧性能计算

对带双级扩压器的模型燃烧室气液两相瞬态喷雾燃烧过程,在三维贴体坐标系下采用欧拉-拉格朗日两相大涡模拟方法进行数值研究,同时采用多维经验分析法预估燃烧性能.采用k方程亚网格尺度模型模拟亚网格湍流黏性;亚网格EBU(eddy-break-up)燃烧模型预估化学反应速率;多维经验分析法计算燃烧性能;并在非交错网格体系下气相采用SIMPLE(semi-implicit method for pressure-linked equations)算法对控制方程进行求解,液相采用随机离散模型,两相之间的耦合采用PSIC(particle-source-in-cell)算法.通过大涡模拟瞬态及时均计算结果表明:与粒子图像测速仪(PIV)测量的瞬态速度场、出口温度分布试验数据吻合,表明在三维贴体坐标系下采用欧拉-拉格朗日两相大涡模拟方法,数值模拟模型燃烧室两相喷雾燃烧流场,所采用的亚网格模型可以用于燃烧室气液两相喷雾燃烧流场的大涡模拟;燃烧性能计算结果与试验测量结果基本一致,说明所采用多维经验分析法可以用来数值模拟航空发动机燃烧室燃烧性能的计算,特别是污染物的预估,为设计低污染高性能航空发动机燃烧室提供有用的设计依据.