基于改进变分模态分解和优化堆叠降噪自编码器的轴承故障诊断

针对滚动轴承在噪声干扰下故障特征难以提取的问题,提出一种改进变分模态分解(VMD)和复合缩放排列熵(CZPE)的特征提取新方法,并利用优化堆叠降噪自编码器(SDAE)进行故障分类。首先,提出由“余弦相似度—峭度—包络熵”新综合评价指标自适应优化分解参数的改进VMD方法,并通过该指标筛选分解后的本征模态函数(IMF)分量;然后,为提取更全面的故障特征,引入新的复合缩放排列熵对各有效IMF的故障特征进行量化;最后,提出一种基于鼠群优化算法(RSO)与麻雀搜索算法(SSA)的混合算法优化SDAE网络超参数,将故障特征输入优化后SDAE网络中得到分类结果。采用美国CWRU轴承数据集进行验证,实验结果表明该方法能全面稳定地提取背景噪声下的故障特征,且与其他方法相比具有更好的抗噪性能和更高的故障诊断准确率。

CMA-MESO千米尺度变分同化系统中极小化控制变量的重构

重构GRAPES(Global/Regional Assimilation and Prediction System)全球、区域一体化变分同化系统中的极小化控制变量,提升中、小尺度同化分析能力,为中国气象局业务区域数值预报系统CMA-MESO提供千米尺度适用的同化方案。新方案用纬向风速(u)和经向风速(v)替代原有流函数和势函数作为新的风场控制变量,采用温度和地面气压(T,ps)替代原有非平衡无量纲气压作为新的质量场控制变量,同时不再考虑准地转平衡约束,而是采用连续方程弱约束保证分析平衡。背景误差参数统计和数值试验结果表明,采用重构后的极小化控制变量,观测信息传播更加局地,分析结构更加合理,避免了原方案在中、小尺度应用时存在的虚假相关问题。连续方程弱约束的引入,限制了同化分析中辐合、辐散的不合理增长,帮助新方案在分析更加局地的同时保证分析平衡。为期1个月的连续同化循环和预报试验结果表明,新方案可以减小风场和质量场分析误差,CMAMESO系统地面降水和10 m风场的预报评分显著提升。

混凝土缺陷信号变分模态分解与超声成像方法

混凝土的强散射特性限制了其中缺陷声波成像的分辨率。该文采用一种依据变分模态分解与全聚焦成像相结合的方法,将接收信号分解成多个本征模态函数,计算各本征模态函数与激励信号的相关系数,对信号加权重构以实现对特征信号的提取,从而提高成像算法对混凝土缺陷间散射波互干扰的鲁棒性。通过设置对比试验,研究了不同缺陷混凝土结构中该信号处理方式对于成像结果的影响。试验结果表明,该方法对于弱散射及散射干扰具有更好的鲁棒性,相比基于原始数据的成像方法能够更好地还原混凝土内部结构。

基于条件变分推断与内省对抗学习的多样化图像描述生成

现有多样化图像描述生成方法受到隐空间表示能力和评价指标制约,很难同时兼顾描述生成的多样性和准确性.为此,本文提出了一种新的多样化图像描述生成模型,该模型由一个条件变分推断编码器和一个生成器组成.编码器利用全局注意力学习每个单词的隐向量空间,以提升模型对描述多样化的建模能力.生成器根据给定图像和序列隐向量生成多样化的描述语句.同时,引入内省对抗学习的思想,条件变分推断编码器同时作为鉴别器来区分真实描述和生成的描述,赋予模型自我评价生成的描述语句的能力,克服预定义评价指标的局限性.在MSCOCO数据集上的实验表明,与传统方法相比,在随机生成100个描述语句时,多样性指标mBLEU(mutual overlap-BiLingual Evaluation Understudy)提升了1.9%,同时准确性指标CIDEr(Consensus-based Image Description Evaluation)显著提升了7.5%.与典型多模态大模型相比,所提出方法在较小参数量的条件下更适用于生成多样化的陈述性描述语句.

基于全局与序列混合变分Transformer的多样化图像描述生成方法

多样化图像描述生成已成为图像描述领域研究热点.然而,现有方法忽视了全局和序列隐向量之间的依赖关系,严重限制了图像描述性能的提升.针对该问题,本文提出了基于混合变分Transformer的多样化图像描述生成框架.具体地,首先构建全局与序列混合条件变分自编码模型,解决全局与序列隐向量之间依赖关系表示的问题.其次,通过最大化条件似然推导混合模型的变分证据下界,解决多样化图像描述目标函数设计问题.最后,无缝融合Transformer和混合变分自编码模型,通过联合优化提升多样化图像描述的泛化性能.在MSCOCO数据集上实验结果表明,与当前最优基准方法相比,在随机生成20和100个描述语句时,多样性指标m-BLEU(mutual overlap-BiLingual Evaluation Understudy)分别提升了4.2%和4.7%,同时准确性指标CIDEr(Consensus-based Image Description Evaluation)分别提升了4.4%和15.2%.

往返平飘式探空在CMA-MESO三维变分中的同化及对模式预报的影响

往返平飘式探空通过一次探空气球施放实现“上升段-平飘段-下降段”三段观测,其下降段能实现在06时(世界时,下同)和18时自动垂直加密观测大气,具备提升区域高分辨率快速同化循环预报系统在06时和18时的预报技巧潜力。为了实现往返平飘式探空在区域高分辨率模式中的同化,分析其对预报的影响,初步提出了“选取模式层最接近观测”的垂直稀疏化方法来预处理资料,深入分析了稀疏化对同化效果的影响,论证了资料垂直稀疏化对于同化应用的必要性;在此基础上,开展了为期1个月的批量同化影响试验,着重分析了往返平飘式探空在长江中下游区域的组网观测对CMA-MESO模式预报技巧的影响。稀疏化敏感性试验结果表明,同化不稀疏化的往返平飘式探空相比同化传统业务探空,分析和预报误差显著增加,降水预报评分也显著降低,相反,“选取最接近模式层”数据的垂直稀疏化方案能提高模式的分析和预报技巧,表明往返平飘式探空同化前必须进行垂直稀疏化。批量同化试验结果表明,在冷启动时刻(00时和12时,为常规探空释放时刻),同化往返平飘式探空(上升段)相对同化传统业务探空,分析误差和预报误差变化较小。但在暖启动时刻(03、06、09、15、18、21时,无常规探空释放时刻),增加往返平飘式探空下降段数据,相比控制试验,分析场精度提高了约0.4%。此外,0~12 h累计降水预报的ETS评分变化较小,但12~24 h累计降水预报在0.1、1.0、5.0、10.0、25.0 mm量级降水ETS评分提高了约0.5%,在50.0 mm量级的降水ETS评分提高了约2.3%。总体而言,同化往返平飘式探空对于区域高分辨率快速同化循环预报系统在暖启动时刻的降水预报技巧有正贡献。

基于变分模态分解与鲸鱼算法优化回声状态网络的风速预测模型

风速受多种因素影响常伴随着随机性和非平稳性,给风电接入电网造成了相当大的困难,准确的风速预测对风力发电有着极大的研究意义。将变分模态分解算法与鲸鱼算法优化回声状态网络模型相结合,提出了一种风速预测模型。首先通过变分模态分解算法将风速序列分解成多个分量以减少风速内部信号间的耦合性,降低建模难度。然后对这些分量分别建立对应的回声状态网络预测模型。针对回声状态网络模型性能受储备池参数影响较大的问题,采用鲸鱼优化算法对储备池参数进行优化。风速的最终预测值由分解后各分量预测值相加得到。最后,将实际采集的短期风速数据作为研究对象,通过与其他4种预测模型的对比分析表明提出的风速预测模型具有更高的预测精度,能够更好地对风速的变化趋势进行预测。

GPR信号去噪的变分模态分解

为了进一步提高探地雷达(ground penetrating radar,GPR)数据的信噪比,压制由随机扰动引起的随机绕射能量,将二维变分模态分解(two-dimensional variational mode decomposition,2D-VMD)引入二维GPR数据的噪声压制处理中。首先,对GPR数据进行2D-VMD处理,并分析各阶本征模态函数(intrinsic mode function,IMF)分量及其对应的频率-波数域谱来确定雷达剖面中的各回波类型。然后,计算IMF分量与原始数据的互相关系数来确定信号模态和噪声模态,并对信号模态进行重构得到降噪后的数据。理论数据和实测数据测试表明,相比于传统的1D-VMD法,2D-VMD滤波后的含噪正演记录峰值信噪比由6.44 dB增加到7.72 dB;经2D-VMD降噪处理后的雷达剖面在保留有效信号的基础上,可以有效压制随机扰动带来的噪声,并且得到的雷达剖面同相轴连续性更好。

基于分数阶全变分和低秩正则化的彩色图像去模糊方法

针对现有的彩色图像去模糊过程中存在色彩失衡、阶梯效应和伪影等现象,提出了一种基于分数阶全变分和低秩正则的图像去模糊优化方法。首先,将传统的RGB彩色图像转换到YCbCr颜色空间,利用其亮度通道特征解决色彩失衡问题;其次,利用分数阶全变分的特征消除图像恢复任务中出现的阶梯效应,并且引入加权核范数低秩正则进一步抑制伪影及噪声;最后,利用交替方向乘子法设计出高效的求解方法,通过迭代优化得到纯净图像的最优估计。对彩色图像测试的实验结果表明,所提出的方法对图像去模糊任务取得较好的视觉恢复效果,客观评价指标良好。

基于变分立体匹配算法的GMAW熔池形貌三维重建

为实现完整熔池表面形貌三维传感,构建了双棱镜单摄像机立体视觉传感系统.针对熔池图像纹理缺乏造成的立体匹配困难的问题,引入了全局优化的变分立体匹配算法,通过建立包含灰度差异数据项和空间连续性约束项的能量函数的可行性泛函,经过迭代求解获得具有丰富细节的熔池表面稠密视差图.对自制非标准凹面形状进行立体匹配和三维重建,结果表明,宽度误差小于3.16%,深度误差小于4.82%.基于该算法实现了熔化极气体保护焊(gas metal arc welding,GMAW)的堆焊及V形坡口对焊条件下,不同熔透状态熔池稠密视差图计算和表面形貌的三维重建.

基于优化变分模态分解的混凝土浅层空洞病害识别

针对开放环境下混凝土空洞病害检测的病害特征识别中噪声干扰、成分识别问题进行了研究,提出了基于优化变分模态分解(improved variational mode decomposition,IVMD)与自由振动衰减速度的混凝土浅层病害声振信号识别方法。该研究建立了混凝土浅层空洞病害的理论模型,仿真了不同工况下的病害特征频率及其变化规律;提出了基于IVMD的信号分解方法,设计了基于Tent混沌与柯西变异优化的麻雀搜索算法联合搜索变分模态分解的关键参数k和α,在最佳分解的基础上提出了基于自相关函数图形、相关系数、衰减系数与频域分布情况的浅层空洞病害本征模态函数(intrinsic mode function,IMF)识别方法;选取幅值衰减评估了特征IMF的衰减速度,得出了基于振动衰减特征的空洞病害识别方法;通过预埋病害模型试验对比分析,验证了所提方法的有效性。研究结果表明,基于IVMD的分解方法能够有效降低噪声及其他成分的干扰,提高空洞病害识别精度和准确度。

基于非凸低秩张量分解和群稀疏总变分的高光谱混合噪声图像恢复

高光谱图像(Hyperspectral Image,HSI)在采集的过程中会被大量混合噪声污染,会影响遥感图像后续应用的性能,因此从混合噪声中恢复干净的HSI成为了重要的预处理过程。在本文中,提出了一种基于非凸低秩张量分解和群稀疏总变分正则化的高光谱混合噪声图像恢复模型;一方面,采用对数张量核范数来逼近HSI的低秩特性,可以利用高光谱数据固有的张量结构,同时减少对较大奇异值的收缩以保留图像更多细节特征;另一方面,采用群稀疏总变分正则化来增强HSI的空间稀疏性和相邻光谱间的相关性。并采用ADMM(Alternating Direction Multiplier Method)算法求解,实验证明该算法易于收敛。在模拟和真实的高光谱图像实验中,与其他方法相比,该方法在去除HSI混合噪声方面具有更好的性能。

参变量变分原理的提出、发展与应用

参变量变分原理及其参数二次规划算法是由钟万勰院士1985年针对弹性接触边界非线性问题首次提出来的,经过将近40年的不断发展,目前参变量变分原理已经成功应用于各个领域,其中包括弹塑性分析、接触问题、润滑力学、岩土力学、变刚度杆系结构、先进材料性能分析、材料的蠕变与损伤、柔性结构力学和LQ最优控制等各个工程领域.本文首先回顾了参变量变分原理的起源,介绍了参变量变分原理的基本概念,然后以弹塑性分析问题为例,阐明建立参变量变分原理的理论模型以及实现数值参数二次规划求解原理,最后详细回顾了参变量变分原理的基本理论与相应数值算法在各个领域的发展及其工程应用,展示了参变量变分原理在求解各类非线性问题的特色与优势.

基于VMD和时空网络变分自编码器的负荷聚类

为了解决用户用电负荷曲线数据维度高、特征提取困难以及序列存在信号模态混叠的问题,提出了使用变分模态分解(variational modal decomposition,VMD)和改进基于时空网络的变分自编码器(variational auto-encoder,VAE)对电力负荷曲线进行特征提取。通过模态分解得到信号的固有模态,对模态重构得到时序特征较明显的序列信号。再通过长短期记忆网络(long short-term memory network,LSTM)和卷积网络(convolutional neural network,CNN)组成的时空变分自编码器进行潜在特征提取,并构建网络分类器来联合损失优化自编码器模型。最后使用Minibatchkmeans算法聚类并计算聚类中心。使用UCI数据集中葡萄牙居民用电量作为实验数据,通过实验结果表明经模态分解后通过降维再聚类的算法在戴维斯丁堡指数(Davies-Bouldin index,DBI)和轮廓系数(silhouette coefficient,SC)上表现出较好效果。

基于特征蒸馏的变分编码器交通流预测模型

针对交通流数据高维非线性和时空依赖性复杂,本文构建了基于特征蒸馏的变分贝叶斯编码器交通流预测模型.对每段时间序列对应的时间窗口特征,构建了基于多模态时间槽和空间槽的交通流特征提取模型.以时空槽特征提取模型作为特征知识蒸馏架构的输入.通过知识蒸馏结构提取的时空特征结晶体,利用教师模型指导学生模型的学习过程,从而提高学生模型的泛化能力.变分贝叶斯编码器对交通流时空特征结晶编码获取交通流数据的隐变量,根据隐变量的生成采样,利用解码器将其解码重构成新的预测值.实验结果表明,本文提出的模型预测性能显著提升,且中长期预测中鲁棒性更优.

连续非单调变分不等式的一种惯性投影算法

一种求解非单调变分不等式问题的投影算法(IPA)由Ye (2022)提出。IPA无需变分不等式的映射具有任何的单调性,仅在映射连续且对偶变分不等式解集非空的条件下得到了算法的全局收敛性。本文提出了惯性的IPA算法,并在相同的假设下证明了新算法的全局收敛性。数值实验表明,惯性方法能加速IPA。

Copula层次化变分推理

为提高Copula变分推理(CVI:Copula Variational Inference)的近似性能,提出了一种Copula层次化变分推理方法(CHVI:Copula Hierarchical Variational Inference)。该方法的主要思想是将CVI方法中的Copula函数与层次化变分模型(HVM:Hierarchical Variational Model)特殊的层次变分结构相结合,使HVM的变分先验服从CVI方法中的Copula函数。CHVI不但继承了CVI中的Copula函数较强的捕获变量相关性的能力,而且还继承了HVM的变分先验结构能获取模型隐变量依赖关系的优势,使CHVI可以更好地捕获隐变量之间的相关性,提高近似精度。利用基于经典的高斯混合模型验证CHVI方法,在合成数据集和实际应用数据集上的实验结果表明,CHVI方法的近似精度相较于CVI有较大提升。

基于逐次变分模态分解的飞轮-火电一次调频控制策略

随着新型电力系统的大力建设与推广,火电机组面临的调频压力增大,提出一种逐次变分模态分解的飞轮-火电一次调频控制策略。首先,以飞轮储能和火电机组为研究对象,建立考虑新能源占比的飞轮-火电一次调频模型;其次,将一次调频功率指令利用逐次变分模态方法分解,由火电机组响应分解后的低频功率指令,同时设计飞轮储能下垂优化控制方法,实现飞轮储能与火电机组响应频率变化的协同控制;最后在不同工况下仿真验证,结果表明所提策略可有效避免火电机组一次调频时的频繁出力,减小火电机组响应频率变化时的调控要求,同时可最大限度地利用飞轮储能调频容量并保证飞轮储能调频期间的运行安全,进一步提升了系统的频率响应能力。

变分不等式解集和半压缩映射有限族公共不动点集的公共元的强收敛定理

在Hilbert空间中,针对变分不等式问题和不动点问题的公共元,构造了一种惯性黏性迭代算法。在适当条件下,采用映射半闭定义和投影算子技巧,证明了所构造算法产生的迭代序列强收敛于伪单调变分不等式解集和半压缩映射有限族公共不动点集的公共元。数值实验结果说明了该算法的有效性。所得结果改进和推广了已有文献的一些结果。

基于矢量量化变分自编码器的混凝土表观裂缝检测算法

提出了一种基于第2代矢量量化变分自编码器(VQ-VAE-2)的自监督混凝土表观裂缝检测算法,可以在缺少裂缝样本的条件下实现高效检测。以重建误差为检测指标,利用无裂缝图片训练VQ-VAE-2,使其在重建裂缝图片时产生更大的重建误差;在计算重建误差时将原图和重建图片均分割成若干图块,取对应图块间重建误差最大值作为图片的重建误差,以增大2类图片的重建误差差异。结果表明,该算法的精确率为0.954,召回率为0.959,准确率为0.956,F1分数为0.957。在无裂缝样本作为训练集的情况下,该算法能较好地完成混凝土表观裂缝检测任务。