城市固废焚烧过程炉温与烟气含氧量多目标鲁棒预测模型

为实现城市固废焚烧(Municipal solid waste incineration,MSWI)过程炉温与烟气含氧量的准确预测,提出一种基于改进随机配置网络的多目标鲁棒建模方法(Multi-target robust modeling method based on improved stochastic configuration network,MRI-SCN).首先,设计了一种并行方式增量构建SCN隐含层,通过信息叠加与跨越连接来增强隐含层映射多样性,并利用参数自适应变化的监督不等式分配隐含层参数;其次,使用F范数与L_(2,1)范数正则项建立矩阵弹性网对模型参数进行稀疏约束,以建模炉温与烟气含氧量间的相关性;接着,采用混合拉普拉斯分布作为每个目标建模误差的先验分布,通过最大后验估计重新评估SCN模型的输出权值,以增强其鲁棒性;最后,利用城市固废焚烧过程的历史数据对所提建模方法的性能进行测试.实验结果表明,所提建模方法在预测精度与鲁棒性方面具有优势.

城市固体废物焚烧过程炉温的鲁棒加权异构特征集成预测模型

针对城市固体废物(Municipal solid waste,MSW)焚烧过程,数据具有异常值和特征变量维度高时,炉温预测模型的准确性和泛化能力欠缺的挑战性问题,提出一种鲁棒加权异构特征集成建模方法,用于建立城市固体废物焚烧过程炉温预测模型.首先,依据焚烧过程机理将高维特征变量划分为异构特征集合,并采用互信息和相关系数综合评估每组异构特征集合的贡献度;其次,采用基于混合t分布的鲁棒随机配置网络(Stochastic configuration network,SCN)构建基模型,同时确定训练样本的惩罚权重;最后,设计一种鲁棒加权负相关学习(Negative correlation learning,NCL)策略,实现基模型的鲁棒同步训练.使用国内某城市固体废物焚烧厂的炉温历史数据,对该方法进行测试.测试结果表明,该方法建立的炉温预测模型在准确性和泛化能力方面具有优势.

城市生活垃圾焚烧炉温控制的多目标优化设定方法

为实现城市生活垃圾焚烧(MSWI)过程的炉温稳定并避免炉排温度过高的控制目标,本文提出一种通过炉排温度和一次风温间接控制炉温的多目标优化设定方法.通过融合分解与竞争策略,将WS变换、双向学习、随机交叉、动态高斯变异引入到多目标海鸥优化算法(MOSOA)中,得到一种改进的MOSOA(IMOSOA),根据炉温的设定值、误差等信息对炉排温度和一次风温的设定值进行寻优.实验结果表明IMOSOA的寻优能力显著增强,在干扰影响下,基于IMOSOA的多目标优化设定方法可实现MSWI过程炉温的控制目标,能有效促进垃圾焚烧过程的平稳运行.

基于多源域自适应残差网络的滚动轴承故障诊断

针对传统无监督领域自适应方法扩展到多工况滚动轴承故障诊断场景适用性较弱的问题,提出了一种多源域自适应残差网络(multi-source domain adaptive residual network,MDARN),通过对齐来自多个源域的相关子域,从而提高模型在多工况下的故障诊断性能。首先,利用ResNeXt残差网络从源域和目标域充分提取可迁移特征;然后,引入局部最大平均差异(local maximum mean difference,LMMD)准则,以两个源域的子域为基础对齐目标域中相关子域,减少相关子域间和全局域间的分布差异;最后,利用美国凯斯西储大学轴承数据集和MFS机械综合故障试验台产生的真实的轴承振动数据集,对所提方法进行了试验验证。结果表明,该方法在多工况下的平均故障诊断精度高达99.76%。与现有代表性方法相比,所提方法具有更好的故障诊断效果。

低分辨率随机遮挡人脸图像的超分辨率修复

针对低分辨率随机遮挡人脸图像,该文提出一种端到端的4倍超分辨率修复生成对抗网络(SRIGAN)。SRIGAN生成网络由编码器、特征补偿子网络和含有金字塔注意力模块的解码器构成;判别网络为改进的Patch判别网络。该网络通过特征补偿子网络和两阶段训练策略有效学习遮挡区域的缺失特征,通过在解码器中引入金字塔注意力模块和多尺度重建损失增强信息重构,从而实现低分辨率随机遮挡图像与4倍高分辨率完整图像的映射。同时,通过损失函数设计和改进Patch判别网络,确保网络训练的稳定性,提升生成网络性能。对比实验和模块验证实验验证了该算法的有效性。

基于注意力卷积神经网络的视觉里程计

传统的视觉里程计(visual odometry,VO)要求图像含有大量的纹理信息,且求解过程较为复杂。针对以上问题提出基于注意力卷积神经网络的视觉里程计,对相机进行端到端的位姿估计,利用注意力机制提高模型估计轨迹的精度。首先,使用注意力-卷积神经网络(convolutional neural networks,CNN)模块提取图像特征;然后,将特征输入到门控循环单元(gated recurrent unit,GRU)学习图像的时序连接性;最后,通过全连接层降维输出相机位姿。在KITTI数据集上完成实验,并与其他方法进行对比,结果表明卷积网络中加入注意力机制可以有效提高轨迹估计的精度,且误差低于其他视觉里程计算法。

基于节点评估与最大类间方差的孤立森林异常值检测

针对孤立森林(isolation forest, iForest)无法有效检测局部异常值且异常值分数阈值难以精确设定的问题,提出一种基于节点评估(node evaluation, NE)与最大类间方差(Otsu)的iForest异常值检测方法。首先,在样本评估过程中将节点深度与相对质量同时引入评分机制,使算法对全局和局部异常值敏感;然后,为了准确设定分数阈值,采用Otsu自适应设定异常值分数阈值;最后,在不同数据集上验证所提方法的有效性。实验结果表明,该方法可以有效兼顾全局和局部异常值的检测,提高iForest检测异常值的准确性。

北京某地铁站蒸发冷凝空调系统实测分析

为优化地铁站通风空调系统以实现节能,以北京市某地铁站蒸发冷凝空调系统为研究对象,测试该地铁站的蒸发冷凝结合冷媒直膨式空调系统的实际运行参数,分析配风量及空气相对湿度对蒸发冷凝空调系统的影响,为蒸发冷凝空调系统在地铁站的实际运行及相关研究提供参考依据;同时,对比分析蒸发冷凝空调系统和传统水冷式空调系统的实际运行情况及经济性。结果表明,蒸发冷凝器进风空气相对湿度增加50%,蒸发冷凝器换热量相应会减少28%,蒸发冷凝制冷机组能效系数会降低22%,即空气相对湿度越大,蒸发冷凝空调系统运行效率越低;随风量增加,蒸发冷凝空调系统运行效率先增加后减小;相比于水冷式空调系统,蒸发冷凝空调系统的能效系数比传统水冷式空调系统提高约9.66%,具有较好的节能性及经济性。

大数据背景下城市多维度风险预测及综合减灾能力建设

目前国内城市的应急管理的主导模式仍采用以突发事件为管理对象、以应急处置为核心,但所有突发事件均有潜在状态和前期征兆,在大数据背景下,可以通过建立面向自然灾害、安全生产、城市安全运行、网络舆情的全域覆盖的监测感知体系以及运用强大的大数据支撑体系,分析挖掘城市风险演化规律,通过多灾种灾害链分析、智能辅助决策,采取有效的综合减灾救灾防灾应对措施,阻断风险事件转向危机事件,并避免和减少实际损害。通过打造集城市多维度风险预测和综合减灾于一体的技术框架,支持城市风险治理智能化的实现。

城市生活垃圾热值的特征变量选择方法及预测建模

在垃圾焚烧的过程中,垃圾热值的波动会影响垃圾焚烧的稳定性.为了实现城市生活垃圾热值的实时在线预测以及变化趋势预测,采用模糊神经网络软测量方法,利用焚烧发电厂在线运行数据作为输入,实现垃圾热值的实时预测功能.首先采用互信息方法从若干特征变量中剔除部分无关变量;然后将模糊神经网络和粒子群优化算法结合起来从上述选择出的特征变量中进一步剔除冗余变量,从而确定预测垃圾热值的输入变量,并从中训练出垃圾热值的模糊神经网络预测模型;最后通过采集的样本数据进行性能测试.结果表明该方法有较好的预测准确率和实时性,适用于垃圾热值的在线预测.

城市生活垃圾焚烧过程监控半实物仿真平台研发

为了城市生活垃圾焚烧过程建模、控制、优化等方法的研究测试,将实物控制系统与虚拟对象结合起来研发了一种具有三层结构的半实物仿真平台。该平台的实物控制系统由智能控制优化层和基础控制层组成;虚拟对象层包括软件模拟的仪表、执行机构装置和焚烧过程模型。开发了人机界面、设备与参数的监控、焚烧过程模型以及OPC通讯等软件。测试了智能控制优化层和基础控制层的各项功能,结果表明:该平台的软、硬件部分运行稳定而可靠,能够有效而正确反映焚烧过程的变化。

城市生活垃圾焚烧过程模型操作软件开发

为了给城市生活垃圾焚烧过程参数控制与优化方法的研究提供便捷的操作环境,开发了一套可以对该过程模型运行状态进行操作的软件。在分析功能、数据等需求的基础上,根据模块化编程思想设计了由人机界面、后台模型和模块通讯组成的三层软件架构,并采用基于.Net平台的C#语言、Unity3D引擎、MATLAB、OPC等工具实现了各功能模块及其通讯软件。实验测试结果表明该软件可正常显示和操作垃圾焚烧过程参数与设备的运行状态,为研究城市生活垃圾焚烧过程的运行机理和控制方法奠定了基础。

基于混沌反馈乌燕鸥优化算法的随机配置网络参数优化

为了解决随机配置网络(stochastic configuration network,SCN)隐含层参数的选择与分配会影响其预测精度的问题,提出一种基于混沌反馈乌燕鸥优化算法(chaotic feedback sooty tern optimization algorithm,CFSTOA)的SCN参数优化方法。首先,利用Tent映射、线性因子调节策略、劣势种群反馈原则来改进乌燕鸥优化算法(sooty tern optimization algorithm,STOA),以增强算法的局部搜索能力,得到一种具备更快收敛速度和更高收敛精度的CFSTOA;然后,将CFSTOA用于优化SCN的正则化参数和权重偏差的尺度因子,从而得到最优的隐含层参数;最后,利用10个基准函数和4个标准回归数据集分别对CFSTOA的性能进行了测试。结果表明,CFSTOA具有更快的收敛速度且不易陷入局部最优,可以提高SCN算法的预测精度和训练速度。

基于注意力动态卷积自编码器的发酵过程故障监测

发酵过程的状态监测对于及时发现各类异常故障起到了至关重要的作用。然而,由于发酵过程数据呈现非线性特性,导致在提取特征信息时存在困难,增加了故障监测的难度。为了解决上述问题,提出了一种基于注意力动态卷积自编码器(attention dynamic convolutional autoencoder,ADCAE)的发酵过程故障监测方法。首先,设计了一种动态卷积结构(dynamic convolution structure),该结构可以在浅层使用大尺寸卷积核提取低级特征,在深层使用小尺寸卷积核提取高级特征,从而拓宽了模型特征学习的尺度;其次,设计了一种通道卷积注意力(channel convolutional attention,CCA)模块,该模块能够从不同尺度提取输入的非线性特征,并且在通道向量转化为权重的过程中可以更好地提取局部特征,提高了对有效信息的关注能力;最后,将动态卷积结构与CCA模块融入卷积自编码器中,使模型能够有效地捕获变量中的非线性关系,从而更好地应对发酵过程中的故障监测问题。利用青霉素发酵过程仿真平台和大肠埃希菌实际生产数据对该方法的可行性进行了验证,结果表明该方法具有较好的故障监测性能。

基于域自适应残差收缩网络的滚动轴承故障诊断

针对滚动轴承在新工况下无标记数据且存在噪声干扰问题,提出一种具备抗噪能力的滚动轴承故障诊断领域自适应深度残差收缩网络(DADRSN)。首先,采用深度残差收缩网络(DRSN)去除已知工况和新工况数据噪声冗余并充分提取数据特征;其次,应用迁移学习中的领域自适应(DA)方法,计算已知工况和新工况数据的局部最大均值差异(LMMD),以对齐两种工况数据之间的分布;最后,对新工况下故障样本进行分类。实验结果表明,该模型在噪声干扰、缺少标记数据、工况变化的情况下仍能保持较高的故障诊断精度。

基于扩散距离的信息熵FCM多阶段LSTM-AE间歇过程故障监测

针对间歇过程中因忽略数据在阶段划分中的非线性,导致故障监测精度低的问题,提出一种基于扩散距离的信息熵模糊C均值(DDEFCM)多阶段长短期记忆网络的自动编码器(LSTM-AE)间歇过程故障监测方法。首先为了自动识别聚类个数,利用信息熵描述批处理后的二维时间片矩阵。再采用扩散距离对模糊C均值聚类(FCM)算法进行改进,解决欧式距离不能表征数据非线性的问题,有效划分间歇过程的稳定阶段,然后利用轮廓系数划分过渡阶段。最后建立多阶段LSTM-AE监测模型。利用青霉素发酵数据和大肠杆菌实际生产数据对该方法进行验证,结果表明所提方法不仅可以提升阶段划分性能,还能更加准确地进行故障监测。

基于灰狼-鸟群算法的特征权重优化方法

针对特征权重难以准确量化的问题,提出一种基于灰狼优化(grey wolf optimizer, GWO)算法和鸟群算法(bird swarm algorithm, BSA)的混合算法,用于特征权重的寻优。首先,将Chebyshev映射、反向学习与精英策略用于混合算法的初始种群生成;其次,将改进后的GWO算法位置更新策略融入BSA的觅食行为中,得到一种新的局部搜索策略;然后,将BSA的警觉行为与飞行行为用作混合算法的全局搜索平衡策略,从而得到一种收敛的灰狼-鸟群算法(grey wolf and bird swarm algorithm, GWBSA),通过GWBSA的迭代寻优可获得各特征的权重值。利用标准测试函数和标准分类数据集进行了对比实验,与遗传算法、蚁狮算法等方法相比,GWBSA具有较快的收敛速度且不易陷入局部最优,可以提高模式分类问题的求解质量。

城市生活垃圾焚烧过程二次风量智能优化设定方法

垃圾焚烧过程二次风量通常是依据人工经验设定,具有主观随意性,使污染物排放浓度不达标.针对此问题,提出一种二次风量智能优化设定方法.首先,建立二次风量的案例推理预设定模型、设定值的评价与学习模型;其次,建立工艺指标的随机配置网络预测模型;接着,建立基于径向基神经网络自学习模糊推理的智能补偿模型;最后,将二次风量预设定模型、工艺指标预测模型、智能补偿模型以及设定值的评价与学习模型有机集成,设计二次风量智能优化设定方法的结构与功能,并给出算法实现.采用某垃圾焚烧厂历史数据进行实验,结果表明,所提方法获得的二次风量设定值波动程度更小,按此设定值运行的控制系统可以减少污染物排放浓度,促进垃圾焚烧过程运行优化目标的实现.

列车节能操纵优化求解方法综述

本文介绍列车节能操纵优化研究的基本问题。基于求解方法的特征对已研究的方法进行分类,将其分为:解析方法、数值方法和仿真方法。分析各个方法的研究现状与投入应用的情况。解析方法求解速度快,且能得到理论上的最优解,为了保证存在有效解,需要进行简化处理;数值方法易于处理较复杂的目标函数,但求解得到的往往是局部最优,收敛性不能保证;仿真方法速度较慢,并不适于在线计算,但其思路简单,易于理解,是一种实用性较强的离线寻优方法。对列车节能操纵优化方法的研究前景进行了展望。

基于贝叶斯网络的高铁信号系统车载设备故障诊断方法的研究

考虑到高铁车载设备故障诊断的不确定性和复杂性,本文提出了基于贝叶斯网络的车载设备故障诊断系统。在建立贝叶斯网络结构的过程中,基于充分利用现场数据与先验知识的思想,本文通过融合不同方法(K2算法,MCMC算法和专家知识)得到最优的贝叶斯网络结构。最后,本文进行了实例分析与模型验证,并与KNN算法、BP神经网络算法进行比较,测试结果表明该模型的正确性和有效性。文中的验证数据来自武广高铁车载设备故障追踪表。