T-Networks推出40Gb／s密集波分复用激光器

T-Networks公司宣布推出其40Gb／s DWDM LIM400L系列激光器。

基于改进混合密度网络的毁伤效应预测方法

提出一种基于改进混合密度神经网络的毁伤效应预测方法,解决了现有智能毁伤效应预测方法中仅能输出点预测结果,但难以量化毁伤效应预测结果的不确定性问题。采用鲁棒性更好的t分布作为混合分量,利用混合密度网络生成概率密度函数,以反映毁伤效应预测中的不确定性,并根据给定置信水平获得区间预测结果。仿真实验表明,获得的概率密度函数可以较为准确地拟合蒙特卡洛仿真模拟结果,与现有的毁伤效应预测方法相比,可以更好地指导作战筹划。

概率融合的抗侧翻智能主动悬架控制研究

为了提升高质心车辆的侧倾稳定性和平顺性,降低车辆侧翻事故造成的伤亡率,提出一种基于概率融合隶属度函数构建理论的侧翻工况预测和控制方法。首先,通过采集车辆侧翻工况数据,选取车辆状态变量,基于影响权重确定与车辆侧翻相关的关键影响因子。其次,根据时间序列对数据进行时间片段划分,设计动态贝叶斯预测网络,对下一时间片段内车辆侧翻概率进行预测。最后,根据车辆性能参数与控制器参数的映射规则,建立概率融合的Takagi-Sugeno(T-S)模糊隶属度函数,设计车辆主动悬架抗侧翻鲁棒控制器。CARSIM/Simulink联合仿真结果表明,与被动悬架、半主动悬架、多目标控制主动悬架相比,所提方法可以平稳且高效地防止车辆侧翻,提升车辆行驶的安全性。

融合CNN和ViT的声信号轴承故障诊断方法

针对轴承故障诊断任务数据量少、故障信号非平稳等特点,提出一种短时傅里叶变换、卷积神经网络和视觉转换器相结合的轴承故障诊断方法。首先,利用短时傅里叶变换将原始声信号转换为包含时序信息和频率信息的时频图像。其次,将时频图像作为卷积神经网络的输入,用于隐式提取图像的深层特征,其输出作为视觉转换器的输入。视觉转换器用于提取信号的时间序列信息。并在输出层利用Softmax函数实现故障模式的识别。试验结果表明,该方法对于轴承故障诊断准确率较高。为了更好解释和优化提出的轴承故障诊断方法,利用t-分布领域嵌入算法对分类特征进行了可视化展示。

基于t检验和逐步网络搜索的有向基因调控网络推断算法

为了克服基于条件互信息的路径一致算法(PCA-CMI)无法识别调控方向的缺陷,并进一步提高网络推断准确率,提出了一种基于t检验和逐步网络搜索的有向网络推断算法(DNI-T-SRS)。首先,对不同实验条件下的表达数据进行t检验以辨别基因调控的上下游关系,指导路径一致(Path Consensus)算法中条件基因的选取,根据CMI2(Conditional Mutual Inclusive Information)剔除网络中的冗余边,得到了基于t检验的有向调控关系推断算法CMI2NI-T(CMI2-based Network Inference guided by t-Test);然后,建立有向调控关系对应的米氏微分方程模型对数据进行拟合,根据贝叶斯信息准则进行逐步网络搜索以修正网络推断结果。利用CMI2NI-T推断DREAM6挑战中的两个测试网络,所得到的曲线下面积(AUC)分别为0.7679和0.9796,相较于PCA-CMI分别提高了16.23%和11.62%;通过进一步的数据拟合后DNI-T-SRS的推断准确率分别达到了86.67%和100.00%,相较于PCA-CMI分别提高了18.19%和10.52%。实验结果表明,所提DNI-T-SRS算法能够有效剔除间接调控关系并保留直接调控连接,得到精确的基因调控网络推断结果。

具有可变增益恒压特性的双线圈无线电能传输系统补偿网络设计与分析

为了实现具有恒压特性的双线圈无线电能传输(WPT)系统中补偿网络的优化设计,该文在变压器T网络模型基础上定义等效耦合系数kr与等效变比n1,为双线圈WPT系统的高阶补偿网络设计与分析提供一种新方法。首先建立变压器T网络等效模型,给出具有恒压特性的串联-串联(S-S)型双线圈WPT系统元件参数表达式。其次结合等效耦合系数与等效变比,提出具有可变增益恒压特性的串联/并联-串联(SP-S)型与串联/并联-串联/并联(SP-PS)型双线圈WPT系统的补偿网络参数确定的新方法。在此基础上,考虑寄生电阻对系统传输特性的直接影响,以WPT系统的电压增益稳定性与传输效率为指标,得出不同等效参数下传输特性表达式,推导出在线圈偏移情况下最佳等效参数kr与n1的表达式,为WPT系统的补偿网络的优化设计提供理论依据。最终通过实物实验验证所提系统的恒压输出特性及其参数设计方法的正确性和有效性。

采用电流增量关联度的柔直配电线路双端量保护

针对有效提升多端柔性直流配电线路双端量保护动作速度以及抗干扰能力的问题,提出一种基于故障电流增量关联度比较的直流线路双端量快速保护方法。该方法利用直流线路两侧故障电流增量的变化特性,利用灰色T型关联度算法对故障电流增量的变化态势实测数据求解关联度,分别对正负极线路首末端电流增量序列的灰色T型关联度进行比较,实现线路故障的快速切除。通过在PSCAD/EMTDC平台搭建±10 kV多端柔性直流配电系统进行算例仿真分析,结果表明该保护方法可以准确判别区内外故障,保护实现流程原理简单,动作快速可靠,具有良好的适用性。

应用PSO-RBF神经网络预测太阳能PV/T系统的热、电性能

为准确预测太阳能光伏光热(Solar Photovoltaic/Thermal,PV/T)系统的热、电性能,文章利用PSO(Particle Swarm Optimization)算法优化了RBF(Radial Basis Function)神经网络,并基于此方法建立了太阳能PV/T系统性能的仿真预测模型,与基于未优化RBF神经网络建立的预测模型进行了对比分析。同时,搭建了太阳能PV/T实验平台,通过云平台采集实验数据用于上述模型。研究结果表明:使用PSO算法优化后的RBF神经网络模型相较于未优化模型预测精度提高了20%,预测稳定性提高了30%,拟合优度R值有所提升。基于PSO-RBF神经网络建立的预测模型可精确预测太阳能PV/T系统的热、电性能。

基于人工神经网络的PV/T热电联供系统性能预测

为研究太阳能PV/T热电联供系统的性能和针对太阳能PV/T系统复杂的能量平衡方程,搭建了太阳能PV/T系统试验台,同时建立了基于改进灰狼优化的BP神经网络(back propagation neural network model based on improved grey wolf algorithm,IGWO-BP)预测模型,在晴朗天气下进行试验,并采用该模型对系统电功率以及蓄热水箱内水温进行预测。结果显示,晴朗日系统的电效率8.7%~12.2%、热效率51.7%;预测结果与BP神经网络预测模型、基于粒子群优化的BP神经网络(back propagation neural network based on particle swarm optimization,PSO-BP)预测模型和卷积神经网络(convolutional neural network,CNN)预测模型预测结果进行比较,结果显示IGWO-BP预测模型电效率预测模型的绝对百分比误差(mean absolute percentage error,MAPE)、决定系数(determination coefficient,R^(2))、均方根误差(root mean square error,RMSE)、效率因子(efficient factor,EF)和Pearson相关系数(pearson related coefficient,r)分别为4.5E-05、0.99、0.24、0.99和1.00,在储热罐温度预测中,上述指标分别为8.90E-04、0.98、0.07、0.98、0.99,均优于其他预测模型,IGWO-BP神经网络预测模型具有更好的预测性能。研究结果可为太阳能PV/T热电联供系统性能预测与优化控制提供参考。

基于前后逐段逼近的含多分支配电网单相接地故障测距方法

随着配电网的发展,T接分支的大量接入使得配电网结构复杂,传统测距算法通常忽略分支,测距精度变低,研究含多分支配电网单相接地故障测距具有重要意义。为此,提出一种基于前后逐段逼近的含多分支配电网单相接地故障精确测距方法。首先,分析分布参数模型,根据零序电压、电流关系,提出故障区段判别系数,判别最小故障区段。其次,利用最小故障区段两端的零序电压、电流建立故障测距函数,采用梯度下降法求解精确故障点。最后,在PSCAD仿真平台上对所述方法进行验证。结果表明,所提方法可确定故障最小区段,精确计算出故障点,并具有较强的耐受过渡电阻能力,能较好适应高渗透率分布式电源的接入。

基于最弱t-norm算法模糊贝叶斯网络土石坝渗漏风险分析

针对土石坝工程渗漏影响要素多,风险评估体系不完善的问题,提出一种基于最弱t-norm算法模糊贝叶斯网络的土石坝渗漏风险分析模型。首先基于土石坝渗漏破坏成因构建土石坝渗漏风险分析网络,再基于层次分析法和最弱t-norm聚合算法求解不同专家判断的相似性结果,最后将相似性结果转化为概率后代入贝叶斯理论计算水库渗漏破坏风险。以2005年英德尔水库渗漏破坏事件为例,计算得到该库渗漏破坏概率为0.08,属于不可接受风险,并通过反向诊断验证了该模型的可靠性与灵敏性优于传统算法。研究结果可为土石坝渗流风险分析与处置决策提供参考。

考虑不可测T接负荷的配电网虚拟三端电流差动保护

采用电流差动保护可解决高比例分布式电源接入配电网引起的馈线保护问题。然而当馈线内存在不可测T接负荷分支时,差动保护只能利用被保护线路两端的数据构造判据,性能受到影响。为解决该问题,首先分析了不可测T接负荷对传统两端电流差动保护的影响。在此基础上,提出了一种虚拟三端电流差动保护方法。该方法将被保护线路内部的不可测T接分支等效为一个虚拟支路,利用故障前后线路两端的电压、电流数据估算该虚拟支路的电流相量,并与馈线两端的电流相量一起构成三端电流差动保护判据。仿真结果表明,该方法在无需T接负荷测量数据的前提下能够满足配电网在不同场景下的保护需求,相比传统的电流差动保护具有更高的可靠性与灵敏性。

基于改进INFO-Bi-LSTM模型的SO_(2)排放质量浓度预测

针对火电机组SO_(2)排放质量浓度的影响因素众多,难以准确预测的问题,提出一种改进向量加权平均(weighted mean of vectors,INFO)算法与双向长短期记忆(bi-directional long short term memory,Bi-LSTM)神经网络相结合的预测模型(改进INFO-Bi-LSTM模型)。采用Circle混沌映射和反向学习产生高质量初始化种群,引入自适应t分布提升INFO算法跳出局部最优解和全局搜索的能力。选取改进INFO-Bi-LSTM模型和多种预测模型对炉内外联合脱硫过程中4种典型工况下的SO_(2)排放质量浓度进行预测,将预测结果进行验证对比。结果表明:改进INFO算法的寻优能力得到提升,并且改进INFO-Bi-LSTM模型精度更高,更加适用于SO_(2)排放质量浓度的预测,可为变工况下的脱硫控制提供控制理论支撑。

基于TS-DBN的地铁牵引系统可靠性分析

论文提出一种结合连续时间T-S动态故障树和贝叶斯网络(TS-DBN)的可靠性评估方法来模拟实际运营过程中牵引系统的动静态失效行为。首先,构建基于牵引系统单元结构的故障树模型;然后,通过应用T-S动态门的时序规则,给出T-S门的逻辑定义,进而计算子节点后验概率及重要度参数;将敏感节点进行排序,建立系统连续时间状态下的稳定度函数数学模型。该方法能够直观地反映牵引系统结构单元的敏感薄弱环节,可以为后续维修策略优化提供理论参考。

考虑施工时序的隧道工作面坍塌风险分析方法与验证

岩石隧道钻爆法开挖过程中存在多工序交叉作业,且频繁遭遇复杂的地质环境,导致工作面坍塌事故时有发生。为分析隧道施工中工作面坍塌风险,结合T-S(Takagi-Sugeno)模糊事故树与贝叶斯网络,提出了一种考虑岩石隧道施工基本事件时序性的工作面坍塌风险分析方法。广泛调研了46起钻爆法岩石隧道工作面坍塌事故,筛选辨识出影响工作面稳定性的30项致险因子与孕险环境作为基本事件,基于统计数据量化计算各基本事件的发生概率模糊子集与各节点间条件概率,构建了隧道工作面坍塌T-S模糊事故树并映射为贝叶斯网络,运用贝叶斯网络的双向推理功能,计算得到各基本事件的后验概率与重要度,筛选出部分对隧道工作面坍塌影响较大的关键基本事件。随后结合隧道施工过程中各基本事件发生的时序性,通过在贝叶斯网络中逐次更新对应事件的风险状态,得到工作面坍塌风险发生概率的时序性变化。以油坊坪隧道坍塌事故为工程实例,讨论了隧道建设中考虑施工时序的工作面坍塌风险分析的可行性与挑战,给出了岩石隧道不同施工阶段的风险管控方案与重点,为岩石隧道施工安全风险分析与管控提供了新的理论基础与技术手段。

基于CNN特征的RGB-T目标跟踪算法

针对单一图像源下目标跟踪鲁棒性差和跟踪精度低的问题,论文提出一种基于卷积神经网络(CNN)特征的RGB-T目标鲁棒性跟踪算法。首先,采用分层CNN特征对RGB图像和热红外图像进行编码。其次,基于SiamDW跟踪框架对目标进行跟踪。然后根据短时间内的跟踪结果对每个CNN特征的结果进行自适应融合并定位。最后,将RGB图像和热红外图像的结果进行融合并定位。实验表明,与现有的孪生跟踪算法相比,该算法在中心位置偏差和重叠率上表现更优,且在复杂情况下鲁棒性更好。

网络安全态势感知国家标准应用实践

围绕态势感知在网络安全领域的应用,介绍GB/T 42453—2023《信息安全技术网络安全态势感知通用技术要求》标准内容,分析该标准在通用产品合规性设计与改造、某项目平台适应性优化完善、某领域工程标准体系制定等3个方面的标准应用,阐述标准实践成效并提出了标准实施经验和建议。

T接牵引网的故障测距算法

在复杂铁路线路或枢纽地区,牵引网有时采用T接方式。通过对T接牵引网回路的研究,提出了T接全并联AT供电牵引故障时,采用横联电流比原理计算故障距离的修正方法。

基于模糊神经网络的一体化监测设备可靠性评价

为了实现对一体化监测设备的可靠性综合评价,基于T-S模糊神经网络的方法,以时效性、粗差占比、采样间隔、误报次数4个指标作为输入向量,利用T-S模糊系统的数据处理能力、神经网络的非线性拟合能力及MATLAB软件编程,构建一体化监测设备的综合评价模型。将训练好的T-S模糊神经网络模型与BP神经网络模型同时用于6组监测设备的预测,从数值模拟与应用的情况可以看出,普适型设备略强于一体化监测设备,与实际情况相符。该方法在一体化监测设备的评价方面具有可行性和实用性,可以作为该设备在实践应用过程中可靠性的依据。

基于T-S模糊神经网络的光伏发电机组自动控制

光照情况变化会使光伏发电机组功率呈现不稳定性,加大光伏发电机组控制难度,为此,设计了基于T-S模糊神经网络的光伏发电机组自动控制方法。构建光伏阵列数学模型,分析在均匀和不均匀2种光照情况下光伏发电机组特性曲线。以分析结果为依据,采用T-S模糊神经网络构建光伏发电机组自动控制模型。为保证良好的控制效果,引入定比因子优化隶属度函数,输出最佳跟踪结果,结合最佳跟踪结果和自动控制模型实现光伏发电机组自动控制。测试结果显示,该方法能够完成光伏阵列特性分析,控制效果好。