Cyclic Reconfigurable Flow Shop under Different Configurations Modeling and Optimization Based on Timed Event Graph

Based on the idea that modules are independent of machines, different combinations of modules and machines result in different configurations and the system performances differ under different configurations, a kind of cyclic reconfigurable flow shops are proposed for the new manufacturing paradigm-reconfigurable manufacturing system. The cyclic reconfigurable flow shop is modeled as a timed event graph. The optimal configuration is defined as the one under which the cyclic reconfigurable flow shop functions with the minimum cycle time and the minimum number of pallets. The optimal configuration, the minimum cycle time and the minimum number of pallets can be obtained in two steps.

应用图论建模输电网的电力现货市场出清模型

电力现货市场优化出清模型的难点是考虑安全约束的机组组合(security constrained unit commitment,SCUC)模型。构建一个好的SCUC模型以提升求解速度是长期以来的研究热点。随着省电力系统规模的不断发展,以及国内省间电力现货市场的运行,现货市场对于出清模型的求解效率需求更为突出。该文对机组组合模型的研究历程进行详细综述,总结提出机组运行出力约束、出力上限约束、爬坡约束强化建模的机组运行模型;基于图论在线性最优潮流计算中的应用,构建输电网的环流潮流计算模型并引入SCUC模型,最终构建了一套可进一步提升求解效率的电力现货市场出清模型。最后通过多个大规模算例的计算分析表明,所提模型在保证不损失求解精度的同时,可有效提升求解效率,且对于阻塞频发的电力系统,优越性更为明显。

基于图提示微调的交通流量预测

交通流量预测是建设智慧城市重要的基础功能,对城市的交通管理和用户出行规划具有重要意义.由于时间维度和空间维度的扩展,交通流量的数据具有规模大、增长快速、实时更新等特征,传统的训练模型通常需要将大量的历史数据进行训练预测,导致较长的计算时间和较高的算力成本,因此,如何使用低计算成本的预测模型来满足广泛的流量预测需求是重要的技术挑战.近年来兴起的提示微调范式在自然语言处理的下游任务推广中取得了较好的效果,受其启发,提出利用少量的实时数据来微调优化大规模历史数据预训练的模型,为交通流量模型预测的优化应用提出了一种新的思路.通过引入图提示微调的交通流量预测(traffic flow prediction based on graph prompt-finetuning,TPGPF)模型的泛化能力,在时空多维度下的交通流量图预测模型中,基于历史数据集进行预测模型的预训练,并引入可学习的提示向量,在预训练模型固化的情况下指导预训练的自监督学习模型,以适应新的数据预测任务,提升交通流量预测模型的通用性和有效性.通过在5个公开数据集上进行了大量的实验,证明了TPGPF的有效性.

自适应多视图融合图神经网络地铁客流预测模型

针对传统方法对地铁车站的多视角空间交互建模不足的问题,本文提出自适应多视图融合图神经网络模型(Adaptive Multi-view Fusion Graph Neural Network Model, AMFGNN)进行地铁车站短时客流预测。在空间维度,模型包括了物理拓扑图、线路可达性图、空间距离图等多个局部视图,并使用图注意力网络(Graph Attention Networks, GAT)学习每个视图内车站间的动态空间交互;以单视图车站为中心节点,结合其他视图中该车站作为邻居节点构建融合视图,并使用GAT学习多视图间动态交互;在时间维度,使用门控循环单元神经网络学习车站客流的时变特征。以重庆市地铁网络为例,全网出站客流的预测实验结果表明:相较于基线中的物理虚拟结合图网络模型(PVCGN),AMFGNN的平均绝对误差和均方根误差分别降低3.06%和2.49%。多视图内节点间注意力分数可视化结果表明,基于GAT的多视图建模思路能够自适应地融合不同视图中提取到的车站空间信息。此外,AMFGNN模型性能影响因素分析结果表明,以物理拓扑、线路可达性等结构稳定的视图作为中心节点构建融合视图能够获得更准确、稳定的预测模型。

基于动态图神经常微分方程的地铁短时客流预测方法

随着城市轨道交通的快速发展,客流量的准确预测对于改善运营服务至关重要。为了解决当前地铁客流预测存在的时空特性挖掘不充分等问题,进一步提高预测的精度与效率,研究了基于动态图神经常微分方程模型(multivariate time series with dynamic graph neural ordinary differential equations,MTGODE)的地铁短时客流预测方法。该方法通彭颢1贺玉过学习地铁站点间的动态关联强度构建动态拓扑图结构,基于学习得到的动态图进行连续图传播以传递时空信息、挖掘客流的依赖关系,并采用残差卷积提取多时间尺度下的周期性模式,实现了对站点间时空动态的连续表征,克服了传统图卷积网络模型难以刻画动态空间依赖的局限性。此外,为了充分挖掘不同站点间客流分布的时空规律,综合利用北京地铁自动售检票系统(auto fare collection,AFC)刷卡数据、天气数据、空气质量数据以及车站周边用地属性数据构建多源融合的客流预测模型。通过选取地铁北京站和积水潭站-东直门站的历史数据开展进站客流和OD客流预测实验,结果表明:与多个基准模型相比,该模型在平均绝对误差、均方根误差和平均百分比误差这3个指标中均取得了更优的预测效果,相较最优基准模型扩散卷积循环神经网络(diffusion convolutional recurrent neural network,DCRNN)分别降低了9.93%,12.30%,9.23%,对地铁客流时空分布的拟合程度更好,模型具有更好的预测精度、稳定性和拟合能力。

基于多源监测数据的城市轨道交通车站客流解析方法

针对目前城市轨道交通车站内混合交叉流线条件下,不同流向的客流难以实时观测的问题,提出基于多源监测数据的车站客流解析方法。首先,利用来源于自动售检票系统、智能视频、列车称重系统的客流监测数据,基于客流特性与客流时空关联关系,构建车站分向客流估计模型;进一步,运用计算图结构将模型抽象成一种具有时空维度的多层次客流网络,并提出基于前向传播和反向传播技术的模型循环迭代求解算法。最后,针对G市某换乘站进行案例研究。结果表明:所提出的方法可以自多源监测数据中逐时段解析车站分向客流;全天72个时段客流估计结果与实际监测情况的平均绝对百分比误差不超过10.24%,平均值在0.41%左右。

融合视网膜运动感知的视频目标分割

视频目标分割容易受到目标快速运动、目标遮挡等情形的影响,因此高精度的视频目标分割是极具挑战性的任务。利用光流可以促进物体的分割,但运动边界附近区域的光流往往计算得不准确,从而间接影响了基于光流的视频目标分割性能的提升。为突破上述局限,结合生物视网膜大细胞通路模型所提取的运动轮廓信息,来辅助计算运动边界区域的光流,并与传统视频目标分割方法前景-背景分割结合,交替更新光流和分割。所提方法在公开数据集DAVIS-2016、SegTrack-v2、YouTube-Objects上的实验结果表明,该方法相比于基线方法其平均分割精度分别提升了2.2百分点、1.3百分点、1.9百分点。

变电工程项目图结构数据模型研究

[目的]为打通变电工程全生命周期各阶段之间的数据隔阂,实现几何模型和工程信息的流转,提出了基于图结构的变电工程数据模型构建方法。[方法]首先分析模型几何信息和工程数据信息在变电工程各阶段的流转,将数据模型分为核心模型与场景模型,其次按照变电工程的土建部分和电气设备来组织图的拓扑结构,然后将具有树形结构的IFC模型之中的部件之间的关系转换为“边”的形式,模型部件转为“节点”的形式,构建图结构并导入图数据库,最后设计电气设备部件级别的变电工程数据模型结构,并将该模型与核心模型的部件建立关联关系,形成变电工程图结构数据模型。[结果]测试结果表明变电工程图结构数据模型导入图数据库后可以实现几何模型与工程信息模型的灵活组合和分解,并可在面对大量几何结构和属性信息的复杂关联关系时实现高效的模型组件信息的修改和查询。[结论]基于图结构的数据模型可以同时承载几何信息和工程信息场景模型。它实现了各阶段对于模型颗粒度调整和工程信息增补和移除的需求,相比于基于表单管理的COBie(Construction Operations Building information exchange)标准可以为用户提供更容易理解的数据流转路径。

基于图模型的电力系统碳流计算模式优化分析

针对传统碳流计算方法在处理电力系统复杂性方面的局限性,提出了一种基于图模型和图神经网络的电力系统碳流计算模式优化分析方法。该方法将电力系统表示为图结构,充分考虑节点之间的关联关系,更准确地描述碳流分布特征。在此基础上,引入图神经网络优化计算模式,利用其强大的特征提取和关联建模能力,自动学习电力系统中复杂的碳流分布模式。结果表明,所提优化方法在计算精度和效率上具有显著提升,为实现低碳电力系统提供了有力的技术支持。

Detecting Data-flow Errors Based on Petri Nets With Data Operations

In order to guarantee the correctness of business processes, not only control-flow errors but also data-flow errors should be considered. The control-flow errors mainly focus on deadlock, livelock, soundness, and so on. However, there are not too many methods for detecting data-flow errors. This paper defines Petri nets with data operations(PN-DO) that can model the operations on data such as read, write and delete. Based on PN-DO, we define some data-flow errors in this paper. We construct a reachability graph with data operations for each PN-DO, and then propose a method to reduce the reachability graph. Based on the reduced reachability graph, data-flow errors can be detected rapidly. A case study is given to illustrate the effectiveness of our methods.

基于开关流图法Cuk型DC/DC变换器小信号建模

Cuk变换器具有输入与输出电流纹波低、能量双向流动等优点,在新能源发电和直流微网中具有良好的应用前景。在分析变换器工作原理的基础上,分别建立导通和截止状态的开关流图;引入以乘法器描述的开关支路模型,推导变换器在整个开关周期的开关流图;对开关支路施加扰动,提取变换器的小信号模型,并应用梅森公式计算变换器的传递函数。采用PSIM软件对变换器小信号模型进行仿真,结果证明了模型的正确性,本文方法对高阶开关变换器建模具有较高的参考价值。

顾及地理要素的生态流量预警知识图谱构建及应用

在数字孪生流域建设背景下,建立水利要素之间的关系离不开知识图谱技术的支持。然而,传统的知识图谱通常只表达语义关系,忽略了水利要素之间的空间位置关系。以流域生态流量预警问题为背景,在知识图谱的基础上融合地理要素,通过九交模型算法构建地理要素间的空间关系,提出了顾及地理要素的流域生态流量预警知识图谱的自动构建及其分析方法,并以汉江流域为例,建立了汉江流域生态流量预警知识图谱。应用结果表明,顾及地理要素的知识图谱能够实现流域生态流量预警知识图谱的自动建模,同时可以对预警成因以及管控措施进行分析和评价。

舰船显控设备测试性建模与应用研究

为了实现舰船显控设备快速准确的故障定位,从实际装备中获取设备构成信息和故障模式信息,提出了基于相关矩阵的多信号流图的测试性建模方法,分析了显控设备四类典型全局故障模式,建立了多信号流图模型、故障-测试相关矩阵及故障诊断树,对测试性模型进行了定性评价分析,并建立了基于故障树模型的显控设备诊断软件架构及诊断策略,为显控设备的故障诊断和健康管理软硬件设计提供了有益指导。

网格化分布式新安江模型并行计算算法

近年来,网格化分布式新安江模型(GXM)在洪水预报中发挥了重大作用,但在进行洪水过程模拟时,模型数据量与计算量巨大,GXM的计算时间随着模型预热期的增加呈指数增长,严重影响GXM的计算效率。因此,提出一种基于网格流向划分与动态优先级有向无环图(DAG)调度的GXM并行算法。首先,对模型参数、模型构件、模型计算过程进行分析;其次,从空间并行性的角度提出了基于网格流向划分的GXM并行算法以提高模型的计算效率;最后,提出一种基于动态优先级的DAG任务调度算法,通过构建网格计算节点的DAG并动态更新计算节点的优先级以实现GXM计算过程中的任务调度,减少模型计算中数据倾斜现象的产生。在陕西省大理河流域与安徽省屯溪流域对提出的算法进行实验,在预热期为30 d、数据分辨率为1 km的情况下,相较于传统的串行算法,所提算法的最大加速比分别达到了4.03和4.11,有效提升了GXM的计算速度与资源利用率。

基于图注意力机制的交通流预测模型

针对现有交通流预测模型在预测精度上的不足,提出一种基于注意力机制的图模型。首先,利用多头注意力机制在交通图中编码高阶邻域结构,提取交通网络中的高阶空间特征。然后,嵌入长距离时间结构注意力机制提取长期性的历史周期信息。模型采用注意力机制替代传统的局部卷积核结构,可以有效提取长距离时空依赖关系。在METR-LA(洛杉矶路网)、PeMS-BAY(加州湾区路网)、PeMS-S(加州小型路网)三个真实的交通数据集上进行实验证明,模型在预测未来60 min的交通流精度上较传统深度学习方法,RMSE(均方根误差)平均降低3.1%、3.9%和1.8%,表明所提模型的长时间预测能力优势明显。

基于图卷积和注意力机制的高速公路交通流预测

为了精确取得高速公路各断面交通流参数预测值,为交通管理控制提供依据,基于注意力机制的Seq2Seq模型提出了一种考虑时空分布的高速公路短时交通流多步预测方法。将预测断面和可能影响上下游路段的历史和当前时间序列数据作为输入,建立了基于“注意力机制-双向门控循环单元-序列对序列”和图卷积神经网络的高速公路交通流多步预测模型。采用图卷积提取了道路上下游对预测路段影响因素的空间特征,采用双向门控循环单元模型提取了时间临近性、日周期性、周周期性的时序特征。将提取的空间和时间特征加权融合值输入到门控循环单元模型,采用注意力机制获取了各特征值的权重,计算得到交通流参数多步预测值。以均方误差最小化为目标,采用Adam优化器梯度下降法进行迭代训练取得并更新了模型参数,以京港澳高速高碑店—定州南段为例进行试验分析。结果表明:预测精度随步数的增加而减少,但减少趋势缓慢,且3步内的精度均在合理范围内;预测精度随时间粒度的增加而减小,5~10 min时最佳;自由流状态指标值小于拥堵交通状态下指标值;与不考虑空间特征方法、图卷积注意力模型方法、Seq2Seq模型方法相比,本交通流多步预测方法预测精度最高,进一步证明了本预测模型更好地映射了内部的非线性关系,能够满足实时交通控制需要。

测试不可靠条件下多故障诊断方法

针对部队复杂系统故障诊断中存在的诊断精度低,虚警率高等问题,提出一种测试不可靠条件下多故障诊断方法.为解决系统诊断贝叶斯网络结构和概率映射表建立困难的问题,通过建立系统的多信号流图模型,从而获得系统诊断贝叶斯网络.将测试不可靠度引入概率映射表,增加了算法工程应用中的鲁棒性.利用后验概率诊断推理将问题归结为不等式约束极值问题,采用0-1规划隐数法对不等式极值问题求解,从而获得最优解.以某型导弹制导系统电子部件为例,验证了该方法对复杂系统多故障诊断的有效性.

采用多信号流图模型的雷达接收机故障诊断方法

介绍了多信号流图模型建模的基本方法。利用多信号流图模型建立了雷达接收机的故障诊断模型,得到了反映故障源和测试结果之间对应关系的故障依赖矩阵。在此基础之上结合故障源先验故障概率信息推导了一种计算故障源贝叶斯最大后验概率的算法。将该算法应用于某型雷达接收机故障诊断中,以故障后验概率最大为判断准则,实现了对雷达接收机系统的在线多故障实时诊断。

基于多功能故障模型的多信号流图建模及分析方法

多信号流图是在系统功能分析的基础上,利用有向图表征系统故障和测试依赖关系的一种建模方法.基于传统故障模型的多信号流图建模方法需要确切得知组元各功能间的传播关系,因而给模型的建立带来了不便.介绍了组元的一种多功能故障模型,通过将组元的功能故障进一步细化,允许建模人员可以不考虑组元各功能间的传播关系,自顶向下、逐步细化的进行建模.进一步,给出了基于多功能故障模型的相关矩阵的实现算法及测试性分析方法.最后以一个实例对建模和分析的整个流程进行了说明.这种基于多故障模型的多信号流图建模方法已经在装备测试性分析软件平台TADS上得到应用.