多尺度卷积神经网络的电阻层析成像算法

针对电阻层析成像(ERT)经典算法(LBP、Landweber等)在复杂流型情况下成像精度低的问题,提出一种基于多尺度卷积神经网络(Multi-scale Convolutional Neural Network, MS-CNN)的电阻层析成像图像重建算法。根据气液两相流流型特点,构建有限元模型得到20 000组包含“边界电压向量-电导率分布”的数据集。在典型卷积神经网络Resnet50和Vgg16的基础上,构建针对ERT图像重建问题的MS-CNN。仿真实验结果表明,与Landweber迭代算法和单尺度卷积神经网络算法相比,MS-CNN算法的ICC分别提升了0.715和0.023,RIE分别降低了0.812和0.057。抗噪性测试与静态测试结果表明,MS-CNN算法具有良好的图像重建结果和鲁棒性。

基于相关性分析和SSA-BP神经网络的铝合金电阻点焊质量预测

基于电阻点焊过程中工艺信号特征,在不同间距、不同间隙和不同间距与间隙3种条件下,引入相关性分析方法分析工艺信号与熔核直径之间的相关性,并建立基于麻雀搜索算法-BP神经网络(sparrow search algorithmback propagation neural network,SSA-BP)的电阻点焊质量预测模型,将功率、焊接电流、焊接电压和动态电阻作为预测模型输入特征.结果表明,经麻雀搜索算法优化后的BP神经网络在测试集上的决定系数R2、均方误差(meansquare error,MSE)、均方根误差(root mean square error,RMSE)和平均绝对误差(mean absolute error,MAE)分别为0.95,1.55,1.24和0.90,均优于BP模型.获得了功率、焊接电流、焊接电压和动态电阻与熔核直径的映射关系,可为焊接的工艺参数设计提供依据.

含反馈电路的n阶电阻网络的新理论

研究了一类含有外接电阻的n阶电阻网络模型,给出了一个任意2节点间的等效电阻解析式,解决了一个电阻网络难题.文章研究所采用的方法主要是利用支路电流建立差分方程模型以及边界条件约束方程模型,然后求解差分方程组,由此导出等效电阻解析式.文章最后讨论了一些特殊情形的问题,并且将特殊情形的结论与其他相关结果进行了比较与验证.本文的研究工作对物理教育工作者开展实践创新研究具有比较好的示范作用.

基于神经网络纳米海工混凝土电阻率预测

为探究神经网络对混凝土电阻率预测的可行性,文中通过wenner四电极法测量Cl-侵蚀和干湿循环耦合作用下纳米混凝土的电阻率,利用BP神经网络和Elman神经网络对电阻率测量结果进行预测。预测结果表明,BP神经网络的预测效果要优于Elman神经网络,BP神经网络的预测误差更低,其输入和输出变量之间的相关性更强,在混凝土相关研究中利用神经网络具有一定的实用性。

局部二维硅酸盐网络的电阻距离和基尔霍夫指数

图N中u、v两点之间的电阻距离R_(N)(u,v)是指将N中的每条边用单位电阻代替后,点u和v在对应电网络中的有效电阻。本文利用电网络中的串并联原理、消去原理、Y-Δ变换和电阻距离局部规则给出了局部二维硅酸盐网络任意顶点对的电阻距离及其基尔霍夫指数。

基于电阻距离的图和复杂网络的相似度问题研究

本文基于电阻距离提出了一种能有效衡量图和复杂网络相似性的度量指标,可适用于连通图和非连通图,并反映了网络动力系统的相互作用和动态特性。同时,还提出了一种高效的快速近似算法,用于计算动态图之间的相似性。动态网络模拟实验结果表明,相较于其他度量指标,该方法对检测网络内在结构变化具有较好的灵敏度,表现出更优的相似图的聚类识别能力。

基于先验知识的弓网接触电阻预测模型精度提升方法

高速列车的运行实践表明,随着运行速度提高,受电弓与接触导线分离的可能性越大,越容易产生弓网电弧。导致电弧产生的因素很多,但最终都归结到滑板与接触网的接触电阻上。首先利用滑动电接触实验机,研究了波动载荷、滑动速度和接触电流对接触电阻的影响,并进一步结合表面形貌特征,分析了磨损机制、电弧放电与接触电阻演变规律之间的关系。其次为了预测不同工况下的接触电阻,建立了径向基(RBF)神经网络回归模型,通过在模型训练中融入先验知识和采用改进的食肉植物优化算法(ICPA)优化RBF神经网络超参数,提升弓网接触电阻预测模型的精度。有、无先验知识的ICPA-RBF模型预测性能对比仿真结果表明,两类先验知识分别有助于提高模型的收敛速度和预测精度。最后采用假设检验验证了模型的有效性。

基于改进麻雀搜索算法优化BPNN的电阻点焊质量预测

电阻点焊技术由于具有高效、自动化程度高等焊接特点,被广泛应用于汽车、航空航天和公共交通等制造领域,由于焊点在封闭状态下进行,焊接过程存在诸多影响因素且无法直接检测,因此,准确预测电阻点焊质量是生产过程中必不可少的环节.本文以2219/5A06铝合金为研究对象,在3种不同的装配条件(包括间隙和间距)下进行电阻点焊工艺信号的分析,并进行人工智能建模.为了提高电阻点焊质量评价的性能和效率,本文采用Logistic-Tent(LT)复合映射改进麻雀搜索算法(SSA)对反向传播神经网络(LT-SSA-BPNN)模型进行优化,模型的输入和输出分别为多信号融合后的变量和熔核直径.实验结果表明,与传统的标准反向传播神经网络(BPNN)模型相比,经过LT-SSA-BP模型优化后,预测结果的平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)分别降低了36.17%、17.55%和51.75%.同时,LT-SSA-BP神经网络在添加了不同间隙和间距条件作为训练集后,其预测稳定性明显提高,可以成功预测电阻点焊质量.

基于物理信息神经网络的随钻电磁波电阻率测井响应模拟

为实现复杂介质中随钻电磁波电阻率测井响应的快速模拟,加速随钻电磁波电阻率测井数据反演,基于物理信息神经网络(Physics-Informed Neural Network,PINN)模拟了随钻电磁波电阻率测井响应。PINN将控制方程纳入损失函数,将偏微分方程求解问题转化为最优化问题,实现偏微分方程的求解。在数值算例中通过PINN方法得到了电场散射场,研究了采样方式、激活函数、网络结构对PINN结果精度的影响。在高电阻率地层和侵入地层模型中,使用PINN方法计算了随钻电磁波电阻率测井响应。数值算例结果表明,基于PINN模拟的随钻电磁波测井响应与有限元方法结果一致,利用该方法可以实现随钻电磁波电阻率测井响应的精确求解。

基于虚拟电阻的复杂直流网络P-V下垂控制方法

对于复杂直流网络控制困难的问题,现有研究很少有基于虚拟电阻的下垂系数计算方法,设计了一种将复杂电网等效为简单放射状网络的方法,并提出一种基于虚拟电阻的功率-电压(P-V)下垂控制方法。首先,定义虚拟母线及虚拟节点,将节点分为3类并分别处理,得到一个等效的放射状电网拓扑结构。然后,根据简化结果推导出P-V下垂系数的计算公式,得出控制策略。仿真结果表明了所提电网等效方法和基于虚拟电阻的P-V下垂控制策略的有效性和可行性。

电阻点焊质量Hopfield神经网络在线评估方法

目的电阻点焊广泛应用于汽车、家电等领域,但目前少有准确的无损质量评价方法。为此,研究一种基于低碳钢板焊接功率信号的焊接质量在线评估方法,并探索利用该信号来评价电阻点焊焊点质量的可能性。方法对焊接电流、电压信号进行测量和分析,研究功率信号表征焊接质量的可靠性,提出一种有效的模式特征提取方法,将动态功率信号转换为二值图像并用二值矩阵表征,该方法避免特征提取和选择,且尽可能保留焊点质量信息。通过拉剪试验将焊接样本分为6种不同的焊接等级,利用Hopfield关联记忆神经网络建立焊接质量分类器,将具有不同焊接质量水平的焊接样本模式特征矩阵记忆为稳定状态。结果将焊接样本的模式特征矩阵输入分类器,通过Hopfield网络关联记忆将其收敛到最相似的稳定状态,最终锁定了稳定状态对应的焊接质量。60个测试样本中59个样本都可以被正确分类,该分类器的分类准确率达到98%。结论分类性能试验结果表明,所提出的模式特征提取方法快速、有效,并能可靠地在线评估低碳钢板的焊接质量。

饱和土一维固结的电阻网络模拟

基于Liebmann电阻网络模拟原理,研究了饱和土体的一维固结问题,编制相应的Matlab程序进行一维固结计算分析。给出了电阻网络模拟中电压与固结过程中超静孔隙水压力的对应关系以及模型建立和程序编制的完整过程,并模拟了单、双面排水情形下的一维Terzaghi固结问题。模拟过程表明,利用Liebmann电阻网络模拟结果与解析解吻合得较好。分析了时间步距Δt改变以及网格Δz划分精细程度影响因素作用下,亦即收敛系数β值改变时的模拟结果与解析解的差异;探讨了Liebmann电阻网络模拟在固结问题中的进一步推广应用。

一种用于预放大器的平均电阻网络设计

基于预放大器阵列,设计了一种用于解决电压失调的平均电阻网络。分析了电阻网络边界效应产生的原因。采用冗余预放大器设计、环形平均网络设计,并提出非等值终端电阻设计缓解边界效应。提出节点矩阵电流方程,为平均电阻网络的设计提供优化方向。在采用节点矩阵电流方程改善边界效应后,将该预放大器阵列用于12 bit的折叠插值ADC中,在2.5 GSPS采样频率、1.242 GHz的0.8 V正弦输入下,得到ADC的ENOB为10.32 bits,SFDR为74.3 dB。

基于深度神经网络的电阻层析成像重建方法

电阻层析成像技术因其非侵入式测量特点、结果可视化的直观性和测量方法便捷性,被广泛用于医学造像,两相流工业检测和特殊材料检测。但其图像重建的逆过程由于固有的欠定性、病态特点,使得结果有一定偏差。针对该情况,设计了基于Resnet34改进的深度神经网络来求解电阻抗层析成像逆问题。通过设置场域内以像素点为中心,小范围内随机半径与电阻率分布变化强度,正向计算仿真32电极情况下各电极处边界电压,以此建立训练与测试数据集。经调参、训练后,该方法能较快收敛,并和高斯-牛顿法、全变差法以及Tikhonov正则化算法相比较,得到较好的判定性能。

基于LSTM⁃MIV神经网络的SF_(6)断路器触头电寿命预测

文中基于LW30⁃40.5型SF_(6)断路器全寿命烧蚀试验数据,采用归一化异常指数F反映断路器触头剩余电寿命,0表示电寿命完备,1表示电寿命耗尽。根据断路器分闸动态电阻—行程曲线,提出了将动态电阻—行程曲线上行程大于8 mm且电阻值大于500μΩ的第一个峰值点作为断路器主触头接触阶段与弧触头接触阶段分界点。据此得到反映断路器触头异常指数F的5个特征参数,采用皮尔逊相关系数法对特征参数进行独立性分析。通过LSTM神经网络建立了基于特征参数与异常指数F之间的回归预测模型,F回归预测均方差和绝对平均误差分别为0.014921和0.013053,采用MIV方法确定了各特征参数对异常指数F影响权重。

基于人工神经网络的矿井直流电阻率法超前预测方法

矿井直流电阻率法具有施工效率高、成本低的特点,广泛应用于煤矿掘进工作面水害超前探测。随着应用的不断深入,对矿井直流电阻率法超前探测信号处理方法提出了更高的要求。基于有限元方法和数据重构所得响应信息库,采用Levenberg-Marquardt人工神经网络方法实现了矿井直流电阻率法超前预测。首先采用非结构网格剖分和BiCGSTAB迭代有限元法建立了直流电阻率法超前探测模型,基于EMD方法实现数值计算响应与实测响应匹配,并提出了基于异常体超前距离与其异常率的预测机制,得到3000组23维重构响应;然后,采用L-M算法构建了人工神经网络模型;最后,基于训练好的网络对数值计算响应和实测数据进行预测分析。研究表明:针对数值模拟响应,基于L-M人工神经网络的矿井直流电阻率法超前预测方法可有效预测100 m范围内的水害异常,预测网络均方误差为0.00247,测试样本显示最大距离误差小于0.6 m;针对实测数据发现,该神经网络在全区段预测准确率为67%,当预测异常位置在15~80 m时预测准确率超过85%,基于L-M算法的人工神经网络可应用于直流电阻率法超前预测。研究成果对煤矿井下掘进工作面直流电阻率法超前探测方法的完善与推广应用有重要意义。

基于槽电阻的稀土熔盐电解过程氧化物浓度预测研究

氧化物浓度是稀土熔盐电解的一个重要参数,直接影响电解的效率和产品质量。本文提出一种稀土熔盐电解过程中氧化物浓度的软测量方法,基于槽电阻与氧化稀土浓度间的关系曲线,通过跟踪槽电阻变化间接测量氧化物的浓度。对电解槽内电阻进行采样,根据不同时刻的槽电阻、槽电阻斜率、槽电阻累积斜率以及是否添加物料,构建基于BP神经网络的槽电阻预测模型,进而对稀土熔盐电解过程中氧化物浓度做出预测。仿真结果表明,使用BP神经网络可以对槽电阻进行有效预测,实时获得氧化稀土浓度状态。研究结果可为实现稀土熔盐电解智能化升级改造提供一定的理论依据。

新时代电子工程中的网络通信技术分析

随着信息技术的不断发展,网络通信技术已经成为电子工程中不可或缺的一部分。网络通信技术的发展不仅改变了人们的生活方式,而且对电子工程的发展产生了深远的影响。为此,本文旨在通过对网络通信技术的分析,探讨其在电子工程中的应用和未来发展。一、电子工程简介电子工程是一门研究电子器件和电路的学科,广泛应用于各个领域。本文将介绍电子工程的基础知识,包括电子器件、电路和信号处理等内容,为后续网络通信技术的分析和比较打下基础。(一)电子器件电子器件是电子工程的基础组成部分,包括主动器件和被动器件两大类。主动器件是指能够进行电子信号放大或控制其流动的器件,如晶体管和二极管,而被动器件是指不具备放大功能,只用于分配、存储或调整电能的器件,如电阻器和电容器。电子器件的物理特性和参数对电子工程的设计和实现起着重要的作用。

考虑地质分层约束的长短期记忆循环神经网络测井曲线重构

延长油田东部裸眼井区早期测井资料普遍只有自然电位(SP)、自然伽马(GR)及梯度电阻率(R2.5)三条曲线,因缺失声波(AC)、地层电阻率(RT)等测井曲线,难以满足精细油藏地质研究需求。东部裸眼井区开发时间长、单井产量低,重新测井缺乏可行性及经济性。采用长短期记忆循环神经网络(long short-term memory,LSTM)模型进行缺失测井曲线重构是一种经济有效方法,适用于地层测井序列数据。然而延长油田东部浅层油藏上覆黄土层段测井数据信号干扰大,直接应用模型精度较差。针对此问题,采用考虑地质分层约束的LSTM模型进行缺失测井曲线的重构,通过分层数据截取每口井长6层段测井数据作为样本数据,既保留了LSTM模型处理序列数据的优势,同时又避免了上覆黄土层测井数据对模型的干扰。利用裸眼井区完整测井数据进行模型训练优化和验证,讨论了考虑地质分层约束的LSTM测井曲线重构精度,结果表明通过引入地质分层约束,模型重构测井曲线精度更高。应用优化后模型实现裸眼井区50口仅有GR、SP、R2.5三条曲线数据井的AC、RT曲线重构,对50口井的142个射孔段进行二次解释,对比试油解释结论符合率达到89.4%,验证了该方法对测井曲线重构的实用性和有效性。

一种异步电机转子电阻在线识别技术

针对异步电机转子电阻识别结果偏差较大的问题,文中提出了一种基于融合神经网络的异步电机转子电阻在线识别技术。该技术方案以模型参考自适应识别技术作为基础框架,采用电压模型磁链观测系统作为参考单元,用电流模型磁链观测系统作为调控单元,设计了基电压和电流模型的转子电阻识别方法。并进一步通过卷积神经网络对参考单元系统模型进行训练优化,实现对异步电机转子电阻在线的精确识别。实验测试结果表明,该技术方案的可行性较高,比同类方法的转子电阻识别响应速度提升了约25%,识别精度也达到了较高水平,且具有较强的抗扰动稳定性,为异步电机矢量控制的策略设计提供了一种新思路。