基于动态TDFP模型与Wasserstein距离的滚动轴承运行状态评估

针对滚动轴承运行状态评估问题,提出一种基于动态二维特征概率(TDFP)模型与Wasserstein距离的评估方法。首先通过滚动轴承健康数据样本的均方根和线性峭度指标构建二维性能指标序列,利用多元核密度估计构建TDFP基准模型;然后通过不断累积的监测数据样本对TDFP模型进行动态更新,并计算Wasserstein距离测度获取基准模型与更新模型之间的量化差异;最后结合自适应健康阈值策略实现对滚动轴承运行状态的动态评估。滚动轴承全寿命周期实验数据验证结果表明:该评估方法能够准确跟踪轴承的退化过程,并及时捕捉到轴承初始退化时刻,对实际工程应用具有一定参考及借鉴价值。

基于Wasserstein距离和相关对齐迁移学习的野生动物图像识别方法

【目的】为解决光照、背景和拍摄尺度等复杂因素对野生动物图像识别准确性的影响。【方法】以野外红外触发相机采集的野生动物图像为对象:1)利用ENA24和NACTI两个公开的野生动物数据集构建包含不相交领域数据集S1和S2,共11个动物类别,包含25591幅图像;2)针对领域偏移问题,采用ResNet50网络作为特征提取模块构建领域对抗网络,有效减轻了领域偏移;3)引入Wasserstein距离和相关对齐的表征学习网络,建立了基于Wasserstein距离和相关对齐的迁移学习网络,用于特征提取和识别,挖掘迁移性的特征。【结果】采用平均准确率作为评价指标,ResNet50、DDC、DCORAL、DAN、DANN、CDAN、HAN和JTN这8个模型在11种野生动物上的识别表现分别为48.4%、51.6%、49.6%、52.6%、45.2%、50.9%、54.6%和53.5%;在改进残差模块的ResNet50基础上,并引入Wasserstein距离和相关对齐的表征学习网络后,与现有最佳方法相比,11种(类)野生动物的平均准确率提高了2.7%。【结论】基于Wasserstein距离和相关对齐的迁移学习方法在野生动物识别方面的平均准确率达到57.3%;引入Wasserstein距离和相关对齐的表征学习可有效提高野生动物识别模型的准确性。

基于Wasserstein距离分布鲁棒的电解铝负荷协同火储深度调峰方法研究

大规模的风电并网致使现有系统调峰资源难以为继,风电消纳受阻。为此,文中综合考虑风电出力与电价的不确定性,提出一种基于Wasserstein距离的电解铝负荷协同火储深度调峰分布鲁棒优化方法。首先,结合电解铝的负荷特性,计及储能辅助火电机组优化深度调峰容量,建立了电解铝负荷协同火储深度调峰的电力系统优化框架;其次,借鉴Wasserstein距离的分布鲁棒模型的思想,构建了上级电网购售电价与可再生能源出力的Wasserstein模糊集约束,设计了电解铝负荷协同火储深度调峰的分布鲁棒优化模型;最后,通过仿真分析验证了所提方法可有效降低系统运行成本,改善系统调峰压力,促进风电消纳,通过对比分析验证了其方法的经济性和鲁棒性。

基于分数阶矩和分片Wasserstein距离的鲁棒风险度量优化模型

鲁棒风险度量优化是一类随机风险分析度量的重要问题,其对不确定分布信息的捕捉需依赖不完善的假设和估计,分布尾部的反映直接影响分布预测的精准性,尾部模型误差在实际风险管理决策中会造成严重的后果。文章以一种对尾部模型误差具有稳健性的方式建立鲁棒风险度量优化模型。在构造模型不确定集时,提出基于Wasserstein距离的分布估计方法,克服了已有参数分布无法反映真实分布尾部行为的限制。鉴于分数阶矩对分布尾部信息具有精准刻画的能力,在解析分布估计的基础上,建立分数阶矩约束的鲁棒风险度量模型。为优化Wasserstein距离忽略分布几何结构造成的尾部模型误差,基于纤维丛理论思想,提出分片Was⁃serstein距离解析约束的分片鲁棒风险度量模型。最后,通过规范数据进行仿真分析,数值实验结果显示,该模型能够精准量化突发性极端损失风险。

基于有限关键节点及Wasserstein距离的配网拓扑识别

明确配电网结构是配电网最优潮流、安全评估、网络重建、故障定位的基础。针对现有配电网拓扑识别方法缺乏结合现有网络结构参数和潮流信息,仅通过量测数据来进行拓扑识别效率低的问题,提出一种基于有限关键节点及Wasserstein距离的配电网拓扑识别方法。首先,利用子空间扰动模型证明配网拓扑变化时,可以利用有限的关键节点来进行拓扑识别,基于熵值法的混合K-Shell算法引入影响度概念,通过影响度与节点电气距离得出节点的重要度,确定配电网拓扑结构中的关键节点。其次,基于密度的噪声应用聚类算法通过电压、电流、有功、无功等4个特征来进行节点的聚类,将其他节点与关键节点进行类别归属,再结合Wasserstein距离得出节点间的连接关系从而得出配电网的拓扑结构。最后,通过IEEE 33节点算例和某小区实例,验证该方法的有效性。该方法极大地提高配电网拓扑识别效率与正确率,实现了配网拓扑结构的动态识别。

高斯Wasserstein距离改进轻量YOLOv7模型的遥感影像道路交叉口检测

YOLOv7是目前目标检测任务中性能较优的模型,但在处理遥感影像中的道路交叉口时,出现目标背景复杂、先验框定位误差以及模型训练参数量增多的问题。针对复杂场景的道路交叉口提出一种结合归一化高斯Wasserstein距离与轻量级YOLOv7的遥感影像道路交叉口检测模型。首先,使用归一化高斯Wasserstein距离与CIoU(complete-IoU)进行先验框定位损失函数的改进,以提高网络模型对于目标尺寸的鲁棒性;其次,在加强网络特征提取模块中加入三维注意力机制,实现网络处理的特征优化;最后,在主干特征提取网络与加强特征提取网络中加入改进的FasterNet模块,提升网络模型的训练速度,减少了模型训练的参数。实验结果表明,改进后的YOLOv7网络模型相比原网络模型,漏检测情况得到明显改善,准确率(precision,P)、召回率(recall,R)、平均准确率(average precision,AP)和F_(1)分别提升了6.2%、4.9%、6.7%、6.5%,对道路交叉口的检测效果优于原网络模型。其成果对不同环境的影像具有较强适应能力,为道路交叉口检测的发展提供了参考。

基于Wasserstein距离的局部能量分割模型

提出了一种基于Wasserstein距离和图像局部区域直方图信息的非参数活动轮廓分割模型.用该距离对图像中不同区域的直方图进行比较,提高了相似性衡量的准确性;引入高斯内核函数来获取图像局部区域直方图信息,并将信息嵌入模型指导轮廓演化,以克服由于亮度不均造成的图像分割困难;通过水平集规范项提高计算精度并避免水平集演化的重新初始化.实验结果表明,本模型能够对亮度不均的无序特征图像进行有效准确的分割.

基于Wasserstein距离的多电压暂降事件同源检测方法

一次电网故障会触发多个变电站的电能质量监测装置,记录多条电压暂降事件。同源多数据的冗余信息,极大地增加了电压暂降监测数据处理的计算量和复杂度。提出多电压暂降事件同源检测概念和基于Wasserstein距离的多电压暂降事件同源检测方法。提出电压暂降经单台或多台变压器的传播规律,基于Wasserstein距离度量,构建可能性矩阵,度量多电压暂降波形数据间的相似程度。在缺失电压暂降源数量信息的前提下,采用基于密度的DBSCAN聚类方法对度量结果进行聚类分析,得到多电压暂降事件同源检测结果。在PASCD/EMTDC平台搭建IEEE14节点仿真,生成多电压暂降事件,应用仿真数据和广东电网某市实测数据验证所提方法。结果表明所提方法能够准确实现多电压暂降事件的同源检测,并对实测数据中的坏数据、仅被一个监测装置记录的事件具有一定的识别效果,证明了所提方法的可行性与正确性。

基于XGBoost和Wasserstein距离的风电机组塔架振动监测研究

针对风电机组塔架振动监测问题,考虑到风能脉动与机组控制动作等激励对塔架振动的影响,提出一种基于数据驱动的塔架振动监测方法。首先基于K-均值算法对风电机组工况进行辨识,分析各状态参量、机组工况对塔架振动的影响;其次基于极限梯度提升(XGBoost)算法对不同工况下的塔架振动趋势进行建模预测,针对同一风电场不同塔架振动预测残差的差异,提出一种基于Wasserstein距离的塔架振动监测方法;最后使用风电场实际数据验证,以误差平方和为评价指标,考虑机组工况条件的XGBoost预测精度提高了34.6%。基于数据驱动的方法能有效识别风电场中异常振动较频繁的塔架,提升了运维效率。

基于Wasserstein距离的双向学习推理

基于Wasserstein距离的生成对抗网络(WGAN)将编码器和生成器双向集成于其模型中,从而增强了生成模型的学习能力,但其在优化目标中使用KL散度度量分布间的差异,会导致学习训练过程中出现梯度消失或梯度爆炸问题,降低模型鲁棒性.为克服这一问题,提出了一种基于Wasserstein距离的双向学习推理(WBLI)模型.文章首先建立了真实数据分布与隐数据分布双向学习网络,然后引入Wasserstein距离度量联合概率分布的差异性,并据此推导了可解的损失代价函数,给出了完整的网络学习模型和迭代算法.实验结果表明,WBLI模型有效缓解了传统GAN及其变种的模式坍塌问题,增强了训练学习的鲁棒性,可生产辨识度更高的样本.

基于Wasserstein距离和分裂Bregman方法的图像分割算法

针对基于C-V模型的活动轮廓分割算法无法应用于灰度非均匀图像分割的问题。采用Wasserstein距离作为区域直方图相似性测度,提出基于该测度的非参数活动轮廓分割模型。在模型求解时引入全局凸分割和分裂Bregman方法,减少了计算量。大量实验结果表明该模型不依赖初始轮廓曲线的位置,能够对灰度非均匀图像进行较准确的分割,具有较快的运算速度。

Wasserstein距离在液体火箭发动机故障检测中的应用

健康监控技术能够切实提高液体火箭发动机的可靠性,针对液体火箭发动机健康监控中的故障检测问题,提出基于Wasserstein距离的方法,利用液氢液氧火箭发动机地面热试车数据进行验证。该方法的核心思想是利用Wasserstein生成对抗网络模拟正常数据的样本分布,利用其判别器计算测试样本与模拟分布间的Wasserstein距离,进而实现故障检测。结果表明:该方法能够克服故障数据不足的困难,有效检测稳态过程中的故障,没有发生误报警,且对早期异常有较高敏感性;在训练样本较少的情况下,当Wasserstein距离阈值为3σ时对启动过程的早期异常有较高敏感性,取5σ时仍可有效检测启动过程中的故障,误报警率为12.5%。

基于Wasserstein距离和SBGFRLS方法的活动轮廓模型图像分割算法

提出一种结合Wasserstein距离和SBGFRLS方法的非参数化活动轮廓图像分割算法。该算法采用二值函数作为水平集函数并利用高斯核函数对其正则化,有效避免水平集演化中的重新初始化过程,提高分割速度。算法本身具有选择局部和全局分割的属性。利用Wasserstein距离作为区域相似性测度使图像分割不依赖于图像数据的具体分布模型,扩大了传统水平集算法的应用范围。实验结果表明,该算法能够对图像进行有效准确地分割且具有较快的速度。

基于LBP特征和熵正则化Wasserstein距离的人脸表情识别

针对K最近邻分类中相似度量的量化问题,结合最优传输理论中Wasserstein距离数学特性,提出一种基于LBP特征和熵正则化Wasserstein距离的K近邻分类方法。首先对人脸表情图像进行预处理,然后使用LBP算子对图像进行特征提取获得LBP特征直方图,最后使用熵正则化的Wasserstein距离作为特征直方图之间的相似性度量的K最近邻分类方法进行人脸表情识别分类。实验结果表明该方法相较于单纯基于LBP的方法识别率有较大提高。

基于Wasserstein距离概率分布模型的非线性降维

降维是大数据分析和可视化领域中的核心问题,其中基于概率分布模型的降维算法通过最优化高维数据模型和低维数据模型之间的代价函数来实现降维。这种策略的核心在于构建最能体现数据特征的概率分布模型。基于此,将Wasserstein距离引入降维,提出一个基于Wasserstein距离概率分布模型的非线性降维算法W-map。Wmap模型在高维数据空间和其相关对应的低维数据空间建立相似的Wasserstein流,将降维转化为最小运输问题。在解决Wasserstein距离最小化的问题同时,依据数据的Wasserstein流模型在高维空间与其在低维空间相同的原则,寻找最匹配的低维数据投射。三组针对不同数据集的实验结果表明W-map相对传统概率分布模型可以产生正确性高且鲁棒性好的高维数据降维可视化结果。

基于Wasserstein距离和改进K-medoids聚类的风电/光伏经典场景集生成算法

随着风电、光伏等可再生能源发电渗透率的增加,电力系统运行需要考虑随之而来的不确定性。场景分析法因为可明确体现不确定性因素的概率特征而被广泛采用,但是由于大规模场景会降低随机规划的求解效率,实用性受到限制。针对该问题,提出一种经典场景集生成算法。该算法首先利用Wasserstein概率距离指标,将单一时刻的风/光出力连续分布概率函数转化为含精确概率信息的最优分位点,随后综合考虑计算规模和概率信息损失,对整个调度区间进行合理划分,段内采用基于改进的K-medoids并行聚类算法进行消减,段间进行场景融合,通过迭代消减、融合运算,形成覆盖整个调度区间的经典场景集。算例中采用国电云南分布式发电示范工程实际数据,结果显示所提出的经典场景集生成算法具有概率信息准确、求解效率高等特点。

融合超像素与Wasserstein距离的遥感影像分割方法

图像分割技术是图像处理和计算机视觉领域中的关键技术之一。随着近年来遥感成像技术的迅猛发展,传统基于像素的影像处理方法不再适用于高分辨率遥感影像。针对传统图像分割方法在分割准确性以及分割效率等问题上存在的不足,提出了一种融合超像素与Wasserstein距离的遥感影像分割方法。首先,对遥感影像进行SLIC(simple linear iterative clustering)算法预分割,生成超像素;然后,将超像素作为K-means算法的聚类中心,利用Wasserstein距离替代传统欧氏距离计算超像素之间的距离,完成聚类。理论和实验结果表明,新方法具有收敛性,在一定程度上提高了超像素预分割后的完整性,并且Wasserstein距离能够准确计算分布之间的差异性,在超像素距离计算上表现突出。

基于Gromov-Wasserstein距离的3D图形匹配方法

为提高图形匹配的匹配率和精确率,提出一种基于Gromov-Wasserstein(G-W)距离的3D图形匹配方法.首先将2个图形嵌入到度量测度空间中,通过最远采样法进行采样;然后采用G-W距离表示2个图形之间的差异性,构造出目标函数和约束条件,得到一个难于求解的二次分配问题;为了易于求解,提出一种约束条件松弛策略,只需满足行和(列和)约束即可,获得一组相互独立的线性约束;最后采用投影梯度算法求解,得到了更接近于理论值的解.在SHREC’10标准数据库上进行了多种非刚性变换的图形匹配的数值实验,并与已有的方法进行比较,结果表明,该方法在保证精确率的前提下大大提高了匹配率,并在一定程度上提高了实验结果的稳定性.

基于Wasserstein距离分层注意力模型的跨域情感分类

跨领域情感分类任务旨在利用已知情感标签的源域数据对缺乏标记数据的目标域进行情感倾向性分析.文中提出基于Wasserstein距离的分层注意力模型,结合Attention机制,采用分层模型进行特征提取,将Wasserstein距离作为域差异度量方式,通过对抗式训练自动捕获领域共享特征.进一步构造辅助任务捕获与共享特征共现的领域独有特征,结合两种特征表示完成跨域情感分类任务.在亚马逊评论等数据集上的实验表明,文中模型仅利用领域共享特征就达到较高的正确率,在不同的跨领域对之间具有较好的稳定性.

基于L_(2) Wasserstein距离的正态性检验的Bootstrap方法

目前有很多检验正态性假设的方法.这些方法主要分为两种类型:一种是基于经验分布函数的检验,另一种是基于相关性和回归的检验.在本文中,我们提出了一种新的基于L_(2) Wasserstein距离和第i个样本顺序统计量近似分布的两步检验方法.我们讨论在零假设下新检验方法的特性,并与最常用的几种检验分别在四个备择分布组进行功效比较.最后,将新方法应用于分析实际问题.仿真结果表明,新检验方法提高了鉴别不对称长尾备择分布的效率.