证据实时更新的海上平台采油树系统动态风险评估方法研究

海上平台采油树系统是油气生产的重要设备之一。为研究证据实时更新的采油树系统动态风险评估问题,提出了基于动态贝叶斯网络、物元理论和证据理论的海上平台采油树系统动态风险评估方法。首先,根据采油树结构组成和故障率等,建立动态贝叶斯网络结构模型和参数模型;其次,依据物元理论对各故障模式的失效后果进行量化分析;最后,将新加入的证据转化为风险区间,计算采油树系统的风险区间,并对风险进行预测。以某采油树为例,对构建的模型进行了实证研究。结果表明:失效后果最严重的关键部件是采油树本体;对于采油树系统的各类阀门,最主要的故障模式是开关故障和阀门外漏;随着新证据的增加,风险区间的不确定性减小;采油树系统的套管翼阀、节流阀和地面安全阀风险偏高,需要采取相应的预防措施,以保证采油树系统的安全可靠运行。

漏磁检测中的缺陷重构方法

漏磁检测技术中的缺陷重构方法是目前漏磁检测缺陷评估的研究热点与难点。在对漏磁检测缺陷重构进行概述的基础上,综述了现有的缺陷重构方法:开环逆向重构法和闭环伪逆重构法,并对这两类方法中常用的逆向模型、前向模型、优化算法及其特点进行了较为详细的介绍。指出了基于数据融合技术、图像处理技术和多缺陷综合评估的缺陷重构方法的研究发展方向。

基于面向元件神经网络与模糊积分融合技术的电网故障智能诊断

该文提出了基于面向元件神经网络与模糊积分信息融合技术的电网故障诊断方法,首先针对单个线路、母线、变压器设备分别建立面向元件的神经网络模型,以面向元件神经网络作初步诊断,在初级诊断的基础上,结合电网拓扑关系,应用模糊积分信息融合技术进行综合诊断。最后通过算例测试验证了其有效性。该方法克服了获取训练样本和适应拓扑变化的问题,提高了诊断准确率,对电网复杂故障有较好的诊断能力。

批量放号阶段VoLTE网络容量瓶颈的解决方案

VoLTE批量放号之后,CS域和IMS域的互通话务越来越多。导致GMSC和MGCF的容量利用率激增,成为放号阶段最严重的网络容量瓶颈。根据历史统计数据,得出有效VoLTE用户转化率。然后根据转化率、本地话务模型、设备软硬件License特性,精确分析批开过程中的网络资源状况。当GMSC和MGCF设备容量利用率过高、可能影响业务时,采用紧急分流方案,把业务临时疏通到同一个GMSC Server或者MGCF下面的其它MGW。通过MGCF和GMSC网元融合可以更彻底的解决这个问题。本文结合实际工作介绍了两种比较常用的融合方案:仅GMSC Server替换、GMSC Server和GMGW升级。前者主要用于华为关口局。后者主要用于爱立信关口局。

数据融合在现场X射线荧光分析中的应用

现场X射线荧光分析中,在样品测量面形状、湿度、密度和矿物颗粒度等差异对特征X射线照射量率影响的基础上,阐述了数据融合和模块化神经网络的基本思想,结合两者建立描述和校正上述干扰因素的神经网络融合模型、算法及学习方式。以该校正模型对试验数据计算和仿真,将测量面形状、湿度、颗粒度干扰造成的误差降低到小于10%;实验结果表明建立的校正模型有较好精度,基于模块化神经网络的数据融合技术能运用在现场荧光分析的干扰校正中。

基于证据理论的产品情报知识元多属性融合方法研究

[目的/意义]产品情报的有效获取能够帮助企业及时掌握市场动态及竞争态势,并有利于提升产品竞争力。对产品情报及其知识需求呈现跨领域、跨行业、多主体的综合性及深度挖掘商业价值的迫切性。[方法/过程]构建细粒度的产品情报知识元模型,通过基于证据理论的多属性融合过程,实现产品情报知识元属性集与关系集描述空间的扩展以及知识元属性关系网络的生成。[结果/结论]实例研究从业务和竞争力两个视角,实现产品情报知识元属性集的融合与深加工,为产品情报的隐性关联知识发现提供相对完备的知识基础。证明了基于证据理论的多属性融合方法对产品情报知识元融合的可行性和有效性。

基于注意力机制及多尺度特征融合的番茄叶片缺素图像分类方法

针对番茄早期缺素性状不明显及各生长期特征差异较大所导致的特征区域尺寸不一致、难提取、难辩别等问题,提出了一种基于注意力机制及多尺度特征融合卷积神经网络(Multi-Scale Feature Fusion Convolutional Neural Networks based on Attention Mechanism,MSFF-AM-CNNs)的番茄叶片缺素图像分类方法。首先根据番茄叶片缺素特点提出了多尺度特征融合结构(Multi-Scale Feature Fusion Module,MSFF Module);其次在DenseNet基础上,结合浅层网络主要提取纹理、细节特征,深层网络主要提取轮廓、形状特征的特点分别提出具有针对性的特征提取方法,通过不同形式引入注意力机制及多尺度特征融合结构,使全局多尺度信息融合多个特征通道、选择性地强调信息特征并达到对特征精准定位的功能;同时引入Focal Loss函数以减少易分类样本的权重。试验结果表明,MSFF-AM-CNNs的平均召回率、平均F1得分、平均准确率较原模型DenseNet-121均大幅提升,其中缺氮和缺钾叶片的准确率分别提高了8.06和6.14个百分点,召回率分别提高了6.31和5.00个百分点,F1得分分别提高了7.25和5.55个百分点,平均识别准确率可达95.92%,具有较高的识别准确率及广泛的适用性,能够满足番茄叶片缺素图像的高精度分类需求,可为植物叶片缺素识别提供参考。

新形势下铁路网络安全防御机制研究

根据新形势下网络安全防御的特征及铁路网络安全的防御需求,围绕整体防御、防御执行、技术研究和协作防御4个方向,提出了新形势下的铁路网络安全防御机制。该机制基于入侵检测、拟态防御及威胁事件分析等关键技术,以防御框架为主导,纵深技术攻关及协作防御,以期实现铁路网络安全防御的快速响应和连贯执行,进一步提升铁路网络安全防御能力。