基于混合蒙特卡洛/多项式混沌展开方法的多参数随机等离子体不确定性分析

多项式混沌展开(polynomial chaos expansion, PCE)方法对于分析随机等离子体电磁传播不确定性已经展示出了相当大的潜力。然而,由于构建多项式混沌模型的计算量随着不确定性输入维数的增加呈指数增长,数值模拟耗时长,导致“维数灾难”问题。因此,本文基于非侵入式多项式混沌(non-intrusive polynomial chaos,NIPC)方法,采用混合蒙特卡洛(Monte Carlo, MC)/PCE方法研究了多层等离子体平板电子密度不确定性对透射系数的影响,并验证了所提出方法的实用性。与MC方法相比,本文方法可以大大加快仿真的速度,有效缓解了多项式展开项的数量随着随机变量维数的增加而快速增加的缺点,同时大大降低了MC方法的仿真次数,有利于电磁模型的多参数不确定性分析。

非嵌入式多项式混沌法在爆轰产物JWL参数评估中的应用

介绍了非嵌入多项式混沌法的数学模型,给出了非嵌入式多项式混沌法进行不确定度量化的主要步骤。采用此方法研究了平面、散心爆轰问题数值模拟中,JWL模型参数R1、R2服从均匀分布的随机变量时所引起的爆轰过程计算结果的不确度性,着重分析了爆轰传播过程中压力与密度的统计特性。研究结果表明,非嵌入式多项式混沌法可以为模型输入参数不确定性的传播对输出结果响应量的影响建立一种有效不确定度评估方法,为使用JWL模型时选取参数提供参考。

参数随机Lamb波频散特性的非嵌入式多项式混沌方法

Lamb波频散特性理论分析是板状结构开展导波无损检测的基础,传统的参数确定Lamb波频散特性分析方法往往忽略名义参数与实际参数之间存在的误差,而这种忽略已逐渐不能适应Lamb波高精度高效率无损检测的需求.提出一种融合谱配置方法的非嵌入式多项式混沌分析方法,利用Galerkin映射将频散特性进行正交多项式混沌展开,得到参数随机Lamb波频散的统计特性,并与蒙特卡洛随机模拟方法进行对比,两种方法获取结果一致,而此方法具有明显的分析效率优势&研究有助于完善板状结构Lamb波传播与无损检测分析理论.

边坡可靠度分析的非侵入式随机有限元法

提出基于非侵入式随机有限元法的边坡可靠度分析方法,并编写计算程序NISFEM。采用有限元滑面应力法计算边坡安全系数,将Hermite随机多项式展开与SIGMA/W和SLOPE/W模块有机结合实现边坡可靠度非侵入式随机分析。根据随机多项式展开系数,给出边坡安全系数前4阶统计矩(均值、标准差、偏度和峰度)和Sobol指标解析表达式,并采用Sobol指标进行边坡可靠度参数敏感性分析。最后,以均质土坡可靠度问题为例,证明该方法在边坡可靠度分析中的有效性。结果表明,边坡可靠度分析的非侵入式随机有限元法能够有效地考虑边坡变形对边坡可靠度的影响,计算效率远远高于蒙特卡罗模拟方法(MCS),是解决复杂边坡可靠度问题一种有效地分析手段;黏聚力和内摩擦角变异性对边坡安全系数前四阶统计矩具有明显的影响,重度变异性对安全系数前4阶统计矩几乎没有影响;抗剪强度参数间负相关性对边坡安全系数均值几乎没有影响,但对安全系数标准差、偏度和峰度均有明显的影响。此外,随着抗剪强度参数间负相关性的增加,边坡安全系数由近似正态分布逐渐变为明显的非正态分布。

基于非侵入式随机有限元法的地下洞室可靠度分析

提出了地下洞室变形可靠度分析的非侵入式随机有限元法。介绍了随机多项式展开的基本原理,采用GEOSLOPE的SIGMA/W模块进行确定性有限元分析。提出了随机多项式展开与SIGMA/W模块接口方法及其流程图,从而实现了确定性有限元分析和随机分析一体化。最后研究了非侵入式随机有限元法在地下洞室变形可靠度分析中的应用。结果表明:非侵入式随机有限元法使得随机分析与确定性有限元分析互不耦合,其计算效率是传统的蒙特卡罗模拟方法无可比拟的,它是地下洞室变形可靠度问题分析一种有效的方法。采用二次衬砌支护是提高地下洞室可靠度有效的方法。此外,岩体变形模量的变异性对地下洞室变形可靠度有非常明显的影响,而岩体重度的变异性对可靠度基本上没有影响。因此,在地质勘查中要尽可能准确地确定岩体的变形模量,从而有效地提高地下洞室变形可靠度。

基于结构熵权法的非侵入式家电识别研究

单一特征所得到的识别结果可能会与实际用电情况不一致,并且居民用电行为是影响负荷识别的重要因素之一,为了更可靠地提升非侵入式电力负荷的分解能力,提出将居民用电行为作为负荷识别的特征之一,并通过结构熵权法将居民用电行为与有功功率、无功功率和电流谐波特征相结合的多特征识别算法,即将定量分析的熵值法和定性分析的主观赋值法相结合,确定最终权值,获得负荷识别结果。最后,采用案例分析,对采用结构熵权法的多特征识别算法与单一特征以及未考虑居民用电行为的负荷识别方式进行对比。结果证明,考虑居民用电行为的多特征识别算法可以有效地提高负荷识别的准确率。

基于事件检测的非侵入式负荷识别方法研究

提出一种基于事件检测的住宅用电负荷非侵入式识别方法。改进滑动窗双边累计和事件检测方法中确定事件发生阈值的设定措施,并在程序能够检测事件发生时刻的基础上,进一步提出事件发生后进入稳态时刻的检测方法。在负荷识别问题中,提出采用C4.5决策树算法和最近邻法结合的分类分层负荷识别算法。经过试验验证,事件检测算法和负荷识别算法均取得良好的负荷识别效果。

基于三维特征向量的非侵入式电热负荷细分算法

非侵入式负荷监测分解(NILMD)技术是当前居民用能服务深化提升和电力供需互动的重要数据获取手段,然而当前工程上应用广泛的事件驱动型NILMD技术一直无法准确细化分解电热负荷。针对这一问题,文中提出了一种基于三维特征向量的典型电热负荷细化分解算法。首先,基于有功、无功功率和电流谐波等电气负荷特征采用事件检测方法提取电热事件,在有功功率的基础上,引入运行时长、频繁启停次数等非电气负荷特征共同构建三维特征向量电器模型。然后,采用序贯覆盖法设计典型电热负荷细化分解命题学习规则和细化分解算法。最后,基于实证实验数据进行分解验证,发现4种典型电热负荷的细化分解准确率超过85%。实验结果表明,文中所提典型电热负荷细化分解算法有效地提高了4种典型电热负荷分解的准确率。

基于PCA-SSA-ELM的非侵入式负荷识别方法

针对目前非侵入式负荷监测方法对电气量特征相近的电器识别准确率不高的问题,提出了一种基于主成分分析法和麻雀搜索算法优化极限学习机的负荷识别方法。该方法在传统的电气量特征基础上,引入了一种融合电器投切时间、电器运行时长、电器运行周期等非电气量的新特征,利用主成分分析法对多维特征进行降维得到综合变量,然后使用麻雀搜索算法对极限学习机的权值和偏置进行优化,建立负荷识别模型。最后采用AMPds数据集对算法进行测试,通过对比分析验证该方法具有良好的辨识效果。

基于LHS-CPSE的非侵入式边坡可靠性分析方法及其应用

边坡可靠性分析大多以侵入式随机有限元法为主,具有抽样次数多、耗时长、通用性差等缺点,而非侵入式可靠度分析方法能够很好地解决上述问题。提出一种基于拉丁超立方抽样-切比雪夫多项式随机展开模型(Latin hypercube sampling-Chebyshev polynomial stochastic expansion, LHS-CPSE)的非侵入式边坡可靠性分析方法(简称LHS-CPSE法),并以兰州市盐什公路一段边坡为案例验证LHS-CPSE法的可靠性,同时将其应用在坡体开挖方案决策中。研究结果表明:LHS-CPSE法与直接蒙特卡洛法结果非常接近,验证了该方法的准确性和可靠性;3阶CPSE随机展开模型较2阶CPSE随机展开模型计算精度略高0.23%,但前者的计算效率是后者的1/3,兼顾精度和效率推荐采用2阶CPSE随机展开模型;随着Ⅰ级边坡平台宽度的增加,开挖量与边坡平均安全系数呈递增趋势,但可靠度呈“先急剧增大,再趋于稳定”的态势,兼顾工程造价与安全考虑,其边坡平台按照4.5 m设计较为合理;LHS-CPSE法能够快速准确地计算边坡的可靠度,可以为边坡设计和决策提供技术支撑。

不确定水声场随机多项式系数解法

基于非嵌入式随机多项式展开法求解了含不确定海洋环境参数的波动方程,推导了数值积分法求解多项式系数的过程.针对常规概率配点法不能准确计算随不确定输入量剧烈变化的传播损失,提出了分段概率配点法,将输入变量区间进行合理分段,基于非嵌入式随机多项式展开法获得每段的随机多项式,继而得到整个输入变量区间对应的传播损失表达式.结果表明,数值积分法仅适合于计算随单个不确定海洋环境参数不剧烈变化的传播损失,分段概率配点法可高精度计算随不确定输入量剧烈变化的传播损失.

基于Seq2point和SERNet的非侵入式负荷分解及识别

为了提高负荷的分解及识别准确度,提出基于序列到点(sequence-to-point,简称Seq2point)和挤压与激励的残差网络(squeeze-and-excitation residual network,简称SERNet)的非侵入式负荷分解和识别方法.使用残差网络提取信息,引入注意力机制挤压和激励网络,对提取的信息进行自适应校准.通过全连接网络映射得到负荷分解结果,进而识别负荷.算例分析结果表明:与其他4种方法比较,该方法有更高的分解及识别准确度.

基于数据流的非侵入式负荷识别与分类

为了配合非侵入式系统对于负荷的监测、识别和分类,提高识别功能的可靠性和准确度,提出了新的典型负荷投切检测方法。该方法基于改进滑动双边窗法对于暂态过程的起始和终点确定,运用相关函数法和暂态能量算法。对比运用暂态能量法确定最具区分度的计算结束点,引入基于信息融合理论的判定结果作为判据,确定数据融合误差率阈值进行判定。应用相关函数法进行校验。算例中通过MATLAB仿真验证了该系统对于区分不同负荷投切事件的有效性。

基于隧穿磁阻效应的非侵入式高灵敏度电流传感器研究

隧穿磁阻器件是新一代磁半导体传感器,其具有高灵敏度、可实现交直流混合测量的特点。该研究介绍一种基于隧穿磁阻器件的高灵敏度非侵入式表贴电流传感器设计方法。该传感器可非侵入式安装在铜排表面实现毫安级微弱电流的测量。计算毫安级电流在铜排表面产生的感应磁场大小并提出了隧穿磁阻器件的参数选型依据。进一步设计信号调理电路并提出利用分段拟合算法弥补高灵敏度隧穿磁阻器件线性范围较小的缺陷。最后,搭建测试验证平台验证传感器设计方法。结果表明,所设计的传感器可覆盖毫安至1A的测量范围,在百毫安范围内,绝对误差小于1mA,在百毫安至1A范围内,传感器的相对误差小于2%。

非侵入式体外压力感受康复对产后盆底功能障碍患者盆底肌力及盆底功能状态的影响

目的:探讨非侵入式体外压力感受康复对产后盆底功能障碍患者盆底肌力及盆底功能状态的影响。方法:采用前瞻性随机试验方法,将2018年1~12月本院收治的实施凯格尔锻炼法的60例产后盆底功能障碍患者纳入对照组,将2019年1~12月本院收治的实施非侵入式体外压力感受康复的60例产后盆底功能障碍患者纳入观察组。两组均干预1个月。比较两组患者干预前及干预1个月后的盆底功能障碍评分及干预1个月后的盆底肌力情况。结果:干预1个月后,观察组盆底肌力情况优于对照组,差异有统计学意义(P<0.05);干预1个月,两组盆底功能障碍评分均低于干预前,且观察组低于对照组,差异有统计学意义(P<0.05)。结论:将非侵入式体外压力感受康复训练用于产后盆底功能障碍患者中,利于改善患者的盆底肌力及盆底功能状态。

微板式磁化学发光酶免疫分析法对人绒毛膜促性腺激素(HCG)的灵敏快速测定

以磁性酶免疫测量分析为模型 ,建立了微板式磁化学发光酶免疫分析法 .利用 3 (2′ 螺旋金刚烷 ) 4 甲氧基 4 (3″ 磷酰氧基 )苯 1,2 二氧杂环丁烷 (AMPPD) 碱性磷酸酶 (ALP)化学发光体系对人绒毛膜促性腺激素 (HCG)进行测定 ,测量的灵敏度较分光光度法提高了 13倍 .测定的线性范围为 0 15～ 5 0 0mIU/mL ;批内变异系数 (C .V .% )和批间变异系数 (C .V .% )均在 18%之内 ;回收率在 80 %～ 116%之间 ;利用本法对血清样品进行了测定 ,并与其它化学发光免疫分析方法进行了比较 ,其相关系数为 0 965 .首次将酶免疫分析方法用于唾液中人绒毛膜促性腺激素 (HCG)的测定 ,为建立非侵入式样品测定方法打下了基础 .

混合不确定度量化方法及其在计算流体动力学迎风格式中的应用

针对流体力学数值求解间断问题时,初始状态含有偶然和认知混合型的不确定性,将认知不确定度作为外层,偶然不确定度作为内层,分别使用非嵌入多项式混沌方法(non-intrusive polynomial chaos,NIPC)和概率盒(P-box)理论处理偶然不确定度和认知不确定度,发展了流体力学数值求解过程中,初始状态含有混合不确定度传播量化的一种方法。以迎风格式和黎曼解法器求解Sod问题为例,评估了左状态密度(偶然不确定度)和理想气体多方指数(认知不确定度)对模型输出结果的影响,有效验证了该方法的可行性。

基于NIPCE和MEM的交直流电网概率潮流算法

针对非侵入式混沌多项式扩展法(Non-Intrusive Polynomial Chaos Expansions,NIPCE)难以处理实际电网中随机变量服从任意概率分布的问题,提出了一种基于最大熵模型(Maximum Entropy Model,MEM)和NIPCE的交直流混联电网概率潮流算法。利用MEM直接处理历史数据,并建立输入概率模型,通过NIPCE建立交直流混联电网潮流计算的替代模型以提升概率潮流分析的效率。运用经过修改的IEEE118节点系统,结合实际电网中风速和负荷数据,对所提算法的有效性进行了验证。仿真结果表明,所提算法是有效的,其不仅能处理随机变量服从任意分布的情形,而且具有计算速度快、精度高的优点。

面向家庭用户的用电负荷分解方法

针对现有非侵入式负荷分解方法存在的问题,结合家用电器的负荷曲线特点,提出一种基于进制拟合算法的非侵入式负荷分解方法.该方法较好地解决了现有方法对负荷采集设备精度要求高和无法有效处理同种电器不同工作模式下的负荷分解问题.实验表明,该方法可准确判断出电器的开启时间、已运行时间和电器的工作模式,并很好地处理了同种电器投入使用的情况.同时,采用低速率采样,所需数据可直接由通用智能电表获得,减小了成本投入,提高了用户参与智能用电的积极性.

复合随机振动分析的自适应回归算法

基于虚拟激励法(PEM)和广义多项式混沌展开(g PC)提出一种求解复合随机振动问题的自适应回归算法。通过求解随机系统在虚拟激励下的运动方程得到本文所关注的随机物理响应,并将其在以不确定参数为自变量的正交多项式函数空间内展开,应用自适应采样与自适应基函数筛选相结合的回归算法确定多项式基函数系数,进而给出随机响应的概率特征。本文方法是一种非介入算法,不需要改变控制方程的求解维度,便于使用既有的求解程序进行分析。数值算例中,对具有不确定参数的车轨耦合系统在随机轨道不平顺激励下的随机振动响应进行分析,将计算结果与50000样本Monte Carlo法进行了比对验证,相对误差不足1%,表明了本文方法具有很好的工程应用前景。