基于Sage-Husa-AUKF的AIC多模型优化的锂离子SOC估计

随着新能源技术异军突起,从发电端到受电端能源存储与并网问题研究不断深入,锂离子电池SOC充放问题也得到关注。其中EKF算法对锂离子能源模块改进时,存在阶段性波动及噪声问题会引起输出数值范围较大,并且一般能源模块采用单一阶梯的Thevenin/RC模型,模型初始化存在自适应问题。对此本文通过Sage-Husa-AUKF改进策略优化EKF算法,并且引入AIC多阶可调模块解决单一阶梯模式固化问题。通过这种融合模式改进算法,一方面使得锂离子模块自身物理结构具有可调性和自适应性,另一方面改进型算法使得系统输出平稳、启动性稳定。通过多次实验数据论证,本方法可以将锂离子能源系统输出波动降低到1%范围,对模块误差和精确度进行了有效改进,系统开启阶段到充放电完成,全过程平滑、无发散,可以用在供电端电能质量差、高次谐波多的锂离子模块SOC估计,可以有效弥补电力能源系统的稳定性。

异构人工智能加速器统一接口(AICL)标准正式启动实施 试验验证单位持续征集中

1月17日,新一代人工智能标准与应用工信部重点实验室学术委员会会议在北京成功召开。会上,凝聚人工智能计算产业共识《异构人工智能加速器统一接口AICL》课题通过评审。该课题将推动异构人工智能加速器互联互通,提升异构智算系统的集成部署效率,目前已取得显著成效。同时,T/CESA 1303—2023《人工智能异构人工智能加速器统一接口》AICL团体标准正式发布并启动实施,试验验证单位持续征集中。AICL(全称AI Computing Library,人工智能计算库),是基于《人工智能异构人工智能加速器统一接口》等国家标准的跨架构.

基于AIC准则的煤矿区单点动态沉降时间函数优化选取

时间函数法是最常用的煤矿区地表动态形变预测方法之一。其中,描述地表单点“S”型沉降过程的数学模型选取直接影响时间函数法的形变预测精度和可靠性。现有研究大都以拟合残差最小化为目标,通过修正或引入“S”型增长数学模型提高时间函数法的预测精度。然而,该方式容易导致“过拟合”现象,增加模型复杂度和参数反演难度。为克服该问题,引入了拟合残差和模型复杂度2个关键的优化选取指标,以来自7个不同地质采矿条件矿区的103个观测点时序沉降值为样本,采用理论分析与赤池信息量准则探讨了12种常见“S”型增长模型在煤矿区地表单点沉降过程描述中的优化选取。结果表明:①12种模型中,5个四参数模型的平均拟合残差为3.51 cm,明显优于二参数Knothe模型(14.10 cm),但仅略优于6个三参数模型(4.78 cm);②在兼顾拟合残差和模型复杂度的准则下,三参数模型普遍优于四参数和二参数,说明三参数模型比较适合描述矿区地表单点动态沉降过程,而四参数和二参数模型则分别存在“过拟合”(过度参数化)和“欠拟合”现象;③在6个三参数模型中,模型的优化选取与覆岩岩性有关。其中,软和中硬覆岩条件下,目前尚未被引入时间函数法的三参数Hossfeld模型能够较好地兼顾拟合残差小和模型复杂度低2个关键指标,但在坚硬覆岩条件下,Weibull模型表现则优于Hossfeld模型。

基于SAIC方法的纵向数据模型平均

传统的SAIC模型平均所需运行时间随数据维数而呈现出阶乘级的增长,其预测精度也随之下降.本文基于传统SAIC模型平均法进行了改进,提出一类基于SAIC加权法的纵向数据模型平均法,使运算效率大幅提升,并且使预测效果拥有良好的稳定性.模拟实验结果表明,与传统方法相比,在预测残差平方和层面,本文提出的新模型在稳定性、精准性和运行速度方面均优于传统方法.

有序标签噪声的鲁棒估计与过滤方法

较大规模的标注数据集中难免会存在标签噪声,这在一定程度上限制了模型的泛化性能。有序回归数据集的标签是离散值,但不同标签之间又有一定次序关系。虽然有序回归的标签兼有分类和回归标签的特征,但面向分类和回归任务的标签噪声过滤算法对有序标签噪声并不完全适用。针对此问题,提出了标签含噪时回归模型的Akaike泛化误差估计,在此基础上设计了面向有序回归任务的标签噪声过滤框架。此外,提出了一种鲁棒的有序标签噪声估计方法,其采用基于中位数的融合策略以降低异常估计分量的干扰。最后,该方法与所提框架结合形成了噪声鲁棒融合过滤(Robust Fusion Filtering,RFF)算法。在标准数据集和真实年龄估计数据集上均验证了算法的有效性。实验结果表明,在有序回归任务中,RFF算法性能优于其他分类和回归过滤算法,能够适应不同类型的噪声数据,并有效提升数据质量和模型泛化性能。

改进BIC的GNSS站坐标时序有色噪声特性分析

为了有效解决传统的极大似然估计方法存在的未知数多导致结果不准确的问题,提出一种改进BIC的GNSS站坐标时序有色噪声特性分析方法:选取全球范围内100个基准站2008—2022年坐标时序及仿真的100组坐标时序,采用赤池信息准则(AIC)、贝叶斯信息准则(BIC)、改进的贝叶斯信息准则(BIC_tp)对不同有色噪声模型进行噪声特性分析,获取基准站坐标序列的最优噪声模型及速度参数;探讨BIC_tp对噪声模型及速度估计的影响。结果表明,基准站坐标序列噪声模型呈现出多样性特征,在北(N)和东(E)方向主要表现为闪烁噪声+白噪声(FNWN)模型,天顶(U)方向主要表现为幂律噪声+白噪声(PLWN)模型;相比于AIC和BIC噪声模型估计准则,BIC_tp方法对有色噪声模型估计具有较高的准确性,尤其是闪烁噪声+随机游走噪声(RW)+白噪声(FNRWWN)模型对全球卫星导航系统(GNSS)站速度不确定度的影响在N与E方向远大于U方向;正确获取模型参数估计的实际不确定度及改正噪声分量对于合理应用GNSS坐标时间序列数据具有重要意义。

基于分形维数的高速铁路地震预警系统地震P波震相识别方法

为更好保障高速铁路的运营安全,高速铁路地震预警系统的实施十分必要。5级以下的小震事件占据地震事件的95%以上,提高高速铁路预警系统在小震震相识别的速度与精度能有效保障高铁安全运营。提出一种基于分形维数的地震震相识别算法,优化传统分形维数的计算方法,提高分形维数的计算速度。引入分形斜率曲线并划分为4个阶段,分析临界点的分形斜率特征,通过识别分形斜率极值时刻判断地震波精准到达时刻。提出的算法平均误差达到0.006 3 s,标准差达到0.043 8 s,满足高速铁路地震预警系统的时效性和准确度要求。

利用聚类算法提高微地震初至拾取的稳定性

高效且准确地拾取有效信号的初至是微地震监测技术的关键。目前常用的微地震初至拾取算法是能量比算法,该算法应用简单且拾取效率高。但是能量比算法存在的主要问题是算法的抗噪性较差,拾取误差较大。为此,将聚类算法应用于微地震信号初至拾取,改进现有拾取算法。首先通过能量比算法对微地震初至进行一次拾取;然后通过聚类算法对一次拾取结果进行优化,提取其中的小误差初至;再对提取出的小误差初至的分布进行拟合,根据分布规律校正误差较大的初至;最后以优化后的初至为中心开时窗并利用AIC(Akaike Infor⁃mation Criteria)算法对微地震信号进行精细拾取。该算法结合了能量比算法和AIC算法的优点。实际数据测试结果表明,与传统算法相比该算法具有较高的拾取精度和抗噪性,而且可以有效识别多震相初至。此外,该算法的运算效率很高,适用于现场实时处理。

AIC与BIC在亲体-补充量模型选择中的应用及比较

由于渔业资源评估中补充量的剧烈变动、亲体量的测量误差以及时间序列的偏差常常使亲体 补充量(SR)关系模型的确定存在很大偏差问题。本文以7种SR(Stock Recruitment)模型的模拟数据作为观测数据,研究了AIC(AkaikeInfor mationCriterion)与BIC(BayesianInformationCriterion)在SR模型选择中的应用。作为例证,文中采用AIC和BIC对8组实际的SR数据进行了SR模型的选择,并对其结果进行了比较。参数的估计方法为最大似然法(Maximumlikelihoodmethod)。结果表明,AIC和BIC在SR模型选择中是有效的。但是,对于嵌套模型,BIC可能比AIC更有效。

基于AIC准则的锂离子电池变阶RC等效电路模型研究

提出一种变阶RC等效电路模型,并基于赤池信息量准则(AIC)辨识不同SOC处RC模型的最优阶数,兼顾了模型的准确度和实用性。通过脉冲充放电、恒流充放电以及自定义UDDS循环工况实验验证了该模型的有效性。变阶RC模型通过略增加模型的复杂度,能更加准确地描述锂离子电池两端陡、中间平的非线性电压特性,相对误差在1%以内,具有较高的实用价值。

模型选择信息量准则AIC及其在方差分析中的应用

【目的】探讨模型选择信息量准则AIC在方差分析模型选择中的必要性和意义。【方法】简要介绍了模型选择信息量准则AIC的概念,推导了AIC在方差分析模型选择的公式,并运用AIC对水稻品种比较试验数据进行了最佳ANOVA模型选择分析。【结果】对5个水稻品种比较试验进行方差分析模型的选择是必要的;AIC准则在方差分析模型选择中是一种简单有效的方法。【结论】AIC可用于方差分析模型的选择,以改进方差分析结论的可靠性。

基于小波分解与Akaike信息准则的微地震初至拾取方法

微地震震源的定位要求精确确定初至,人工拾取微地震有效事件需要很大的工作量。首先讨论了Akaike信息准则(AIC)初至拾取方法;然后根据微地震信号在相邻小波尺度上连续的特点,将基于AIC的初至拾取方法与小波多尺度分析方法相结合,对微地震资料进行多尺度分析;最后利用AIC拾取初至,并根据初至的分布特点确定地震记录中是否存在有效的微地震事件。克服了传统AIC法由于噪声影响使初至点模糊而难以准确拾取的缺点。模型与实际资料的应用表明,基于小波分解与AIC相结合的初至拾取方法能够从信噪比低的资料中较准确地识别出有效微地震事件。

基于时窗能量比和AIC的两步法微震初至自动拾取

传统的微地震数据震源定位算法依赖于波至时间的拾取。由于微地震数据量较大且信噪比较低,手动拾取纵波和横波的波至时间很耗时,且引入的人为误差不易控制。笔者在分析已有方法特点的基础上,给出一种较快捷、准确的两步法微地震初至自动拾取方法。该方法首先使用时窗能量比法识别微震事件并大致确定波至时间,然后使用局部AIC精确拾取波至时间。与常规时窗能量比法相比,该方法减弱了时窗大小对拾取精度的影响;与常规的AIC法相比,由于只在局部使用AIC,避免了在低信噪比情况下AIC会出现多个局部极小从而难以准确拾取的问题,同时也提高了拾取效率。最后通过野外实际微地震数据进行了测试,分析了该方法的性能,验证了该方法的有效性和实用性。

基于AIC准则的回归方法在建筑物变形分析中的应用

鉴于引起建筑物变形的地质、水文、气候、附近开挖等原因的不确定性和各种因素影响度的不确定性,本文提出将基于AIC准则的回归理论应用到变形分析中,实现了多项式回归系数和幂次方的自适应处理,并实现了建筑物变形分析中变形因子和回归函数的自动确定。在MATLAB下编写了算法,并提出了优化方案。实践证明,这一理论很适合于变形分析。

基于AIC准则和时窗能量比的电缆局部放电在线检测与定位

在利用多高频电流传感器进行电缆局部放电在线检测与定位时,针对局放信号初至时刻拾取精度不高影响定位精度的问题,提出一种基于AIC(Akaike’s Information Criterion)准则和时窗能量比的局放故障在线检测与精确定位方法。首先利用时窗能量比检测出局部放电发生的时窗,然后求取确定时窗的局部AIC特征曲线,并基于AIC准则精确拾取局放信号初至时刻。最后,运用到达时间法对局放源进行定位。仿真结果表明,该方法定位精度高,抗噪声干扰能力强,在-2 d B的噪声环境下可实现99.85%的定位准确率,具备工程实用价值。

极大似然估计与AIC准则联合建模

将极大似然估计与ＡＩＣ准则有机结合进行回归模型建模。这样不仅可省去一般回归模型建模时繁杂的模型检验工作，而且还可快速有效地同时估计模型参数和确定模型阶数。最后用实例验证本方法的实用性和正确性。

基于AIC信息准则法的摆式列车倾摆伺服系统建模研究

通过对摆式列车倾摆控制系统输入、输出数据的研究,建立一个来自实验数据的倾摆控制系统模型。基于AIC信息准则法极大似然参数估计建模的基本思想和理论,分析摆式列车倾摆伺服系统的结构、作动原理及控制输入参考信号的特点,通过仿真获取摆式列车倾摆控制系统的输入、输出数据,用极大似然函数法对同类模型的不同模型结构进行参数估计,并以得到的估计参数计算出相应的似然函数值及AIC信息距离值,选取AIC信息距离最小的模型为倾摆伺服系统的模型。实验仿真结果表明:基于AIC信息准则的极大似然参数估计方法能够对系统模型进行建模估计,该模型不仅是同类模型中与实际系统误差最小的而且是最佳的。

基于AIC准则的脉动风速时程模拟

阐述脉动风速时程模拟的方法和AIC准则。采用线性滤波器中的AR模型,结合AIC准则进行模型阶数选择,用MATLAB编程模拟脉动风速时程,并与目标功率谱进行比较,模拟效果较好,可以满足工程精度的要求。

混料试验设计变量选择AIC准则研究

在回归分析建模中,变量选择是重要的热点研究问题,在回归模型中应该保留对响应的影响最显著的变量.变量选择在分析实际经济问题中得到广泛的应用.文章以混料模型为基础,主要研究混料模型中的变量选择问题.

基于AIC-K-means的载荷分段混合分布估计

针对工程机械作业载荷分布估计的问题,基于AIC准则及K-means算法,提出了一种载荷分段混合分布估计方法。根据Luise分组方法,得到正态分布、对数正态分布及威布尔分布的卡方检验值。选取最小卡方检验值对应的分布函数作为分段混合分布各段的拟合函数,通过极大似然估计算法获得分段混合分布的表达式。结合挖掘机土石挖掘工况,将本文方法应用到主泵出口压力载荷数据中,并与现有方法进行对比分析,本文方法得到的结果通过了卡方检验。同时,用1000组仿真数据来验证方法的可行性,得到了参数估计的误差仅为0~18%。