基于时间序列压缩分割的监测数据异常识别算法研究

为有效识别桥梁健康监测数据的异常,减少误预警、漏预警现象,保障桥梁监测数据的质量和有效性,针对大跨度斜拉桥长期监测数据的缺失、离群和漂移3类异常数据,提出基于时间序列压缩分割的监测数据异常识别算法。该算法将原始监测数据时间序列通过基于序列重要点(Series Importance Point, SIP)的时间序列线性分段(Piecewise Linear Represent, PLR)算法(PLR_SIP)得到数条时间子序列;然后采用欧氏距离进行时间子序列的相似性分析,并基于改进的局部离群因子(Local Outlier Factor, LOF)算法计算每条时间子序列的局部离群因子;最后将其与设定的阈值相比较,从而识别出监测数据的异常。为验证该算法的准确性与工程实用性,对某公路大跨度斜拉桥健康监测数据进行异常识别。结果表明:采用PLR_SIP算法对原始时间序列压缩分割得到的时间子序列能够准确地反映原序列的变化趋势和范围;改进的LOF算法突破了传统LOF算法仅能识别离群值这类无持续时间异常的局限性,能够排除噪声的干扰,实现对离群、缺失和漂移3种异常的识别。该算法无需定义训练集,直接以原始监测数据作为算法的输入,同时能够自适应调整阈值参数,具有良好的可扩展性、实时性、准确性和高效性,适用于处理实时、大量的桥梁健康监测数据。

联合训练下融合编解码器的序列推荐算法

现有基于Transformer的推荐算法通常仅考虑使用编码器来进行推荐预测,缺乏利用解码器去“解码”用户行为序列的能力,不能较为准确预测用户下一次的交互行为。为解决此问题,基于阿里巴巴电子商务推荐的行为序列模型(BST)提出联合训练下融合编解码器的序列推荐算法模型BSTEAD。通过采用联合训练机制,设置Transformer预测任务和BST预测任务。将两条预测任务的损失进行加权求和,得到最终的损失函数。在MovieLens和Goodbooks两个公共数据集上的实验结果表明,BSTEAD推荐算法与5个对比模型相比性能具有显著提升,验证了联合训练机制下解码器对推荐任务的有效性。

融合时间和知识信息的生成对抗网络序列推荐算法

序列推荐作为一种常用的推荐系统技术,通过对用户的历史交互序列进行建模来预测下一个可能交互的项目。现有的序列推荐方法主要利用用户交互序列和上下文信息进行推荐,忽略了序列中交互项目之间的时间间隔信息,交互项目之间的组合依赖以及上下文信息中存在噪声的问题,导致推荐结果受限。针对以上问题,提出一种基于生成对抗网络的序列推荐模型TKWGAN,该模型包含一个生成器和一个判别器。生成器结合了用户历史交互序列和各项目之间的时间间隔信息对用户偏好进行建模并生成预测,判别器则引入了知识图谱信息对项目进行语义扩充,从而能更准确地对生成器的预测进行合理性判断。针对用户交互序列和知识图谱信息中可能存在噪声的问题,提出一种基于小波变换的多核卷积神经网络来构造判别器,以更全面、准确地捕获用户的潜在兴趣,提高推荐的准确性。在MovieLens-1M、Amazon Books和Yelp2018这3个公开数据集上的实验结果表明,与8个序列化推荐算法相比,提出的TKWGAN模型在命中率(HR@N)和归一化折损累计增益(NDCG@N)指标上均有显著提升。

改进布谷鸟算法在装配序列规划中的应用研究

针对装配序列规划问题,建立考虑装配序列的几何可行性、稳定性、聚合性、重定向性的装配关系模型以及基于适应度函数的装配序列优化数学模型。提出一种改进布谷鸟算法对装配序列规划问题进行求解,采用随机键和最小位置规则的方法设计基于零件编号、装配方向、装配工具的3层编码方案;设计基于最小装配成本的初始化策略与随机初始化策略相结合的混合种群初始化策略,提高种群质量;改进种群进化和搜索方式,将种群分为3个子群,并分别采用自适应步长飞行、标准步长飞行和交叉、变异的方式进行种群更新,提高算法的收敛速度和求解精度。最后通过实例应用及与其他算法的比较,验证了所提出的改进布谷鸟算法在求解装配序列规划问题上的有效性和优越性。

基于序列二次规划算法的双有源桥变换器优化控制策略

针对双有源桥变换器在充电领域电路损耗大、传输效率低的问题,提出一种结合序列二次规划算法与双重移相控制实现回流功率优化的控制策略。首先,建立双有源桥变换器在双重移相控制时以回流功率最小值为目标函数的二次规划问题数学模型;然后,提出一种采用序列二次规划算法求解上述多约束、非线性的数学模型,在算法中输入目标、约束函数的雅可比矩阵和变换器的相关参数,通过迭代求解出满足双有源桥电路在双重移相控制下最优工况的目标参数;最后,通过仿真验证所提控制策略的有效性。

基于混沌序列和AES算法的数据库外层数据传输同步加密方法

为保障数据库外层数据的安全传输,提出一种基于混沌序列和AES算法的数据库外层数据传输同步加密方法。该方法结合AES算法的加密安全性和混沌序列的加密速度优势,通过加密代理服务器和应用服务器对数据库外层数据进行处理,利用混沌序列logistic映射参数初始化、混沌序列二进制量化、AES动态加密和尾端处理实现数据库外层数据传输同步加密。实验结果表明,该方法能够成功地对文本和图像数据进行加密和隐藏,同时提高加密效率,并兼顾了数据的安全性和传输效率。

融合图神经网络与长短期偏好的序列推荐算法

针对序列推荐在捕获用户动态偏好方面存在明显不足,而且难以捕获用户复杂的长期依赖关系等问题。提出了一种融合图神经网络与长短期偏好的序列推荐算法。算法主要包含短期偏好学习和长期偏好学习。首先基于图神经网络进行短期偏好学习,图神经网络具有强大的图数据拟合能力,用图神经网络捕获用户兴趣点的联系并准确生成短期偏好表示。历史长期偏好具有全局性,波动较小,利用双向LSTM进行长期偏好兴趣学习,获得用户长期偏好表示。实验结果表明,融合图神经网络与长短期偏好的序列推荐算法显著优于其他先进的序列推荐方法。

基于遗传算法-序列二次规划的磁共振被动匀场优化方法

为了解决磁共振成像(MRI)系统中固有的主磁场(B0)不均匀的问题,提出遗传算法-序列二次规划(GASQP)算法,以提高7 T磁共振的主磁场均匀性.从被动匀场数学模型的角度出发,该混合算法利用GA算法获得稳定的初始解,实现主磁场的第1次优化,再通过SQP算法的快速求解,在较少的时间内实现主磁场的第2次优化,同时提高磁共振主磁场的均匀性.采用正则化方法减少磁场均匀所需的铁片质量,并且获得稀疏的铁片分布.在仿真建模的案例研究中,7 T磁共振裸磁场均匀度可以从462×10-6优化到4.5×10-6,并且在匀场空间上仅消耗0.8 kg的铁片.相比于传统的GA优化方法,新方案的磁场均匀性提高了96.7%,总铁片消耗质量减少了85.7%.实验结果表明,GA-SQP算法比其他优化算法具有更强的鲁棒性和竞争力.

基于布谷鸟算法的风电机组装配序列优化

装配序列规划(ASP)是风电机组制造的重要技术。ASP是一个组合优化问题,风电机组最优装配序列的搜索空间和计算量均很大。提出基于布谷鸟算法的风电机组装配序列优化方法。首先,从三维装配体模型中提取多种装配约束信息并表示成装配约束矩阵,以降低最优装配序列的搜索空间;继而构造装配序列目标函数,建立装配序列规划模型,方便算法计算出最优装配序列;对离散布谷鸟算法(DCA)改进,求解ASP模型,获得风电机组产品的最优装配序列。最后通过实验验证了ASP模型的有效性和DCA的优良性能。

基于GWO-IWD算法的装配序列规划研究

针对复杂装配体装配序列规划问题,提出一种基于灰狼优化的智能水滴算法。综合考虑零件的属性特征及几何约束,构建装配体的装配信息模型,将装配成本作为优化的目标函数,以装配序列的几何可行性、装配方向改变次数以及装配工具改变次数为约束条件,建立面向装配体的优化模型。采用智能水滴算法对装配体优化模型进行求解,并利用灰狼优化算法来改善智能水滴算法的搜索能力,提高算法求解精度。以柱塞泵装配体单元为例,验证了该算法的可行性及有效性。

医学CT序列图像的混合去噪算法

医学CT(computer tomography)序列图像会因为各种原因而掺杂噪声,去噪能够有效地提高图像的质量.常见的去噪算法都是针对单张图像进行,考虑到CT序列图像之间具有很高的相似性,本文提出一种基于相邻图像结构相似性的混合去噪算法.该算法首先计算序列图像的最大和最小灰度值,根据灰度值绘制直方图,设定相关阈值参数,根据筛选之后的直方图计算窗宽窗位,然后进行调窗处理.之后计算目标图像与其前后相邻图像之间的结构相似性,最后根据结构相似性对3张图片混合使用BM3D和高斯滤波2种去噪算法.通过对比实验表明,该算法在均方误差、峰值信噪比和结构相似性三方面都有所提高,能够有效地提高图像质量.

基于Halton序列WOA-GWO算法的WSN覆盖研究

为解决无线传感器网络(WSN)随机部署时存在分布不均而导致覆盖率低的问题,提出一种基于Halton序列且结合鲸鱼优化算法与灰狼优化算法(WOA-GWO)的WSN覆盖优化方法。首先,将WOA算法与GWO算法融合,WOA算法在迭代前期有着更快的收敛速度,可在前期使WSN部署快速趋于成熟,而GWO算法能够实现局部寻优与全局寻优的平衡,将其用于算法迭代的中后期可保证WSN覆盖优化的整体性能;其次,使用融合随机因子的Halton序列方法对种群进行初始化,使传感器节点在初始化时的分布更加均匀,提升初始化种群质量;最后,将基于WOA的WSN覆盖优化、GWO的WSN覆盖优化、基于Halton序列WOA-GWO的WSN覆盖优化效果进行对比,验证本文所提方法的有效性。

基于增强型龙格库塔优化算法的跳频序列设计

跳频技术具有优秀的抗干扰性能和多址组网性能,跳频序列(FHS)作为其关键,在设计时面临性能指标差、难以兼顾多指标的问题。提出一种基于增强型龙格库塔优化算法(ERUN)的跳频序列设计方法。利用跳频序列的汉明相关性、复杂度、均匀性和平均跳频间隔构建目标函数,建立适用于启发式优化算法的跳频序列设计模型。针对龙格库塔优化算法(RUN)在复杂优化问题上收敛速度慢、寻优精度差的问题,提出增强型龙格库塔优化算法。利用混沌反向学习机制提高初始种群质量,基于二次插值法得到更好的个体更新方向,并根据自适应t分布扰动帮助种群跳出局部最优。在6个基准测试函数和目标函数上的测试结果表明,与RUN的3个最新变体相比,ERUN具有更快的收敛速度和更高的解精度。将得到的跳频序列应用于跳频系统中,实验结果表明,该方法在固定干扰环境下误码率为4%左右,在变化干扰环境下误码率没有明显上升,展现出了较强的抗干扰能力和复杂环境适应能力。

基于改进人工蜂群算法的装配序列规划技术研究

针对复杂产品装配序列规划耗时、效率低且错误率高等问题,提出了一种基于改进人工蜂群算法的装配序列规划解决方案。首先,综合考虑装配序列的可行性、复杂性、稳定性、重定向性、聚合性等多个因素,构建基于矩阵的装配关系模型及适应性评价函数;其次,通过调用SolidWorks中的应用程序接口(application program interface, API)获取装配对象的相关数据,生成装配关系矩阵,以求装配序列规划问题;最后,以冷藏车的典型零件为对象,验证该方法的可行性。该技术显著缩短了检查时间和减小了错误率,同时提高了效率。

基于时间序列的局部离群数据挖掘优化算法

针对数据量较大和数据维度较高导致离群数据挖掘困难的问题,提出基于时间序列的局部离群数据挖掘优化算法。将角度优化的全局嵌入算法和共同核主成分分析法相结合构建AOCKPCA降维算法,对海量高维时间序列降维处理;在蚁群算法中引入K-means算法,提升蚁群算法运算效率,降低不稳定性;将降维后的时间序列输入到优化后算法中,实现局部离群数据挖掘。实验结果表明,采用所提方法挖掘离群数据的准确率较高,误判的离群点个数较少,说明其挖掘效果较好。

信号序列预测和缓冲区算法下光纤通信网络时延自动控制

常规的光纤通信网络时延自动控制方法对通信干扰的抑制效果不佳,因此提出信号序列预测和缓冲区算法下光纤通信网络时延自动控制方法。建立预测目标函数,采用负载自适应调度方法对通信信号序列进行预测;基于缓冲区算法对光纤网络通信的密度进行计算;按照编码形式对通信密度进行分配;根据分配参数对通信干扰进行抑制;设置采样时间间隔对通信数据包进行分配,实现光纤通信网络时延控制。实验结果表明,本文设计的方法能够将光纤通信时延控制在0.89 ns之内,控制效果较好。

基于改进Fast-DTW的多维地磁序列匹配算法研究

传统单点的地磁匹配定位算法运算量大,且定位时效性及定位精度较差。针对该问题,采用基于序列的快速动态时间规整算法Fast-DTW实现多维的地磁序列匹配,并利用最长公共子序列LCS的有序聚类进行优化。离线阶段通过坐标转换法构建四维地磁指纹库,在线阶段进行实时地磁序列匹配,获得定位结果。实验结果表明,该算法的定位时效性及精度均有提升。

基于蚁群算法的立式行星齿轮传动装置并行装配序列规划研究

装配体中零部件的增加导致装配流程与工艺趋向于复杂化,装配序列的规划需要更加严谨,计算机辅助装配序列规划成为虚拟装配的重要方向。以复杂立式人字齿行星齿轮传动装置为例,通过子装配体和聚族零固件的识别,采用装配连接无向关系图确定装配连接关系,将装配关联矩阵转化成数学信息,采用蚁群算法进行了装配路线规划。结果表明,立式行星齿轮传动装置的装配时间减少了约20%,人力资源节省1/3。

融入过滤算法的概率自注意力序列推荐模型

序列推荐旨在通过对用户的历史交互序列建模,以预测该用户的下一项交互。目前,基于Transformer改进的序列推荐模型利用点积自注意力来衡量序列中的关系,拥有卓越的性能。然而,由于用户交互数据中夹杂一定的噪声,模型在训练时很容易拟合到噪声数据,导致过拟合。另外,传统自注意力机制中还天然存在高内存占用以及二次计算复杂度的问题。为了解决上述两个问题,针对性提出了一种融入过滤算法的概率自注意力序列推荐模型FPA-Rec(Filter ProbAttention Recommendation)。输入序列在经过嵌入矩阵映射之后,先经过一层可学习的过滤器结构来对序列中的噪声信号进行抑制,得到更加纯净的序列输入。之后使用概率自注意力代替传统的自注意力,来解决传统自注意力机制中存在的高内存占用和二次计算复杂度问题。实验验证结果表明,FPA-Rec模型达到了最优的推荐效果。在以Beauty、Yelp为代表的两个数据集上,评价指标Hit@10较最优模型提升1.2%、1.7%,评价指标NDCG@10较最优模型提升2.4%、2.0%。

基于改进蝙蝠算法的再制造装配体拆卸序列规划研究

针对再制造装配体人工拆卸比重较高,自动化拆卸使用率低等问题,提出了一种基于改进蝙蝠算法的方法来研究拆卸序列规划问题。在传统蝙蝠算法的基础上,引入罗盘算子改进蝙蝠算法,选择拆卸方向变化数量,拆卸工具更换次数和拆卸操作位置变更数作为评价指标,建立适应度函数模型。通过一个应用案例,对改进蝙蝠算法的优化性能进行了测试和验证,并将改进的蝙蝠算法与GA、PSO和差分蝙蝠算法进行了对比。数值结果表明,该算法相较其他三种算法具有更好的优化性能和更精确的解,采用该方法能获得具有高度自动化的再制造装配体拆卸序列且能够指导操作者高效完成拆卸工序。