燃煤发电厂时序数据预测方法的理论研究

随着智能电网的快速发展,燃煤发电厂行业每天可以产生数以亿计的电力时序数据。电力时序数据的分析与预测对电力系统的安全稳定运行以及资源合理分配等方面具有重要的现实意义。近年来,越来越多的学者开始研究电力时序数据预测。现有的大部分方法通过研究多条电力时序数据之间的静态关系或历史序列特性来预测未来趋势。本文分析了电力时序数据预测方法的研究现状和相关技术,这些方法已经在电力负荷预测、可再生能源预测、故障预测等方面取得了很好的应用效果。

基于仿真数据驱动和领域自适应的滚动轴承故障诊断方法

针对实际工业环境中较难获取大量的高质量滚动轴承故障数据,智能诊断模型泛化性能差的问题,提出了一种基于仿真数据驱动和领域自适应的故障诊断方法。首先,建立仿真数据驱动故障诊断所需的物理模型,并根据轴承的型号及相应工况模拟不同故障形式,获得丰富的仿真数据;其次,采用迁移学习的方法解决仿真与实际故障数据存在数据特征分布不一致的问题,通过残差通道注意力机制网络提取不同领域的迁移故障特征,采用考虑了源域与目标域数据特征的条件分布差异的条件最大均值差异度量准则进行网络训练过程中不同领域的自适应操作;最后,在人为损坏和加速寿命实验损坏的轴承数据集上进行了不同迁移模型的实验验证,结果表明所提方法能在目标域小样本监督情况下获得较高的识别精度。

城市轨道交通运营安全事故多圈层匹配创新研究

为了实现城市轨道交通运营安全事故管理经验的有效重用,运用主题爬虫技术和Access数据库构建城市轨道交通运营安全事故案例库;细分事故文本数据,提取案例关键特征属性,形成相似案例匹配基础;针对案例推理技术在实践应用中存在的不足,创新提出多圈层相似案例匹配策略,并用实例进行验证。研究结果表明:多圈层相似案例匹配策略在城市轨道交通运营安全事故检索应用中具有可行性和高效性。研究结果可对实现事故管理经验重用提供有效借鉴。

变初位数据增强和深度特征提取的工业机器人末端抖动状态识别

针对实际工程中工业机器人末端抖动程度难以通过简单指标进行有效区分,且识别过程存在外部干扰大、抖动位置分布不均的问题,提出了变初位数据增强和深度特征提取的工业机器人末端抖动状态识别方法。利用陷波滤波器滤除工业机器人末端振动信号中的工频干扰,并通过均方根阈值搜索抖动位置及改变搜索初始位置数据增强的方式,获取充足且能展现工业机器人运动状态的末端抖动数据;采用连续小波变换对末端抖动数据进行分解以获得可充分保留末端抖动冲击与震荡特征的时频图;为缓解特征降维及工况变化的影响,运用去除池化层和添加批归一化的卷积神经网络,对时频图进行深度特征提取和分类,从而实现工业机器人末端抖动状态识别。试验结果表明,所提方法在不同传感器采集方向识别准确率均达到90%以上,证明了该方法能够有效识别工业机器人末端抖动状态,并具有较好的泛化性和稳定性。

云边协同下双数据源融合的轴承剩余寿命预测

针对当前滚动轴承剩余使用寿命(remaining useful life,RUL)预测准确率不高且未考虑到预测实时性的问题,提出一种云边协同计算模式下(cloud-edge collaborative computing,CECC)双数据源融合(data sources fusion,DSF)的滚动轴承剩余使用寿命实时预测方法。首先在离线阶段通过专家先验知识对训练集数据进行分析并进行网络预训练,然后通过边缘设备实时采集轴承水平与垂直两种数据源的振动信号并构建测试集,最后测试集数据实时上传到强大计算能力的云端进行融合预测。方法引入并行计算的Transformer模型在PHM2012数据集上进行试验,结果表明云边协同计算模式下轴承RUL预测的实时性得到显著提高,同时DSF预测方法与单一数据源预测方法相比MAE与RMSE两项指标分别降低了42.1%和40.9%。在XJTU-SY数据集上验证结果表明,DSF预测方法与其他文献中单一数据源预测方法相比MAE与RMSE分别降低了38.1%与38.8%;且云边协同预测方法相较于云计算预测,其时效性提升了80%左右,进一步证明了方法的可行性,并为其他领域寿命实时预测提供了解决方案。

数字化转型背景下工程管理专业创新人才培养模式构建路径

文章首先对相关背景进行了阐述,然后分析了工程管理专业人才培养现状,最后提出了数字化转型背景下工程管理专业创新人才培养模式构建路径,包括重制培养方案、创新教学形式、推进“政产学研”协同育人。

工程管理专业智能建造人才培养创新课程体系研究

信息技术的快速发展引发了建筑行业的深刻变革,培养创新型智能建造工程科技人才,已经成为高校人才培养的重要任务。文章借鉴国内高校工程管理相关专业创新课程体系的设置经验,以增设多模块跨学科选修课为课程体系改革思路,建立工程管理专业智能建造人才培养创新课程体系。所构建课程体系能为各高校实施工程管理专业智能建造人才培养改革提供一定借鉴。

科技企业取得科技创新政府补助的财税处理

党中央在多次会议上提及坚持科技创新的重要性,将科技创新摆在国家发展全局的核心位置。随着国家对企业科技创新的重视程度越来越高,相关部门陆续出台多项政策支持企业科技创新,鼓励科技企业持续加大研发投入力度。企业在获得科技创新政府补助的同时,涉及的财税问题越来越多。论文结合财税政策,比较企业采用不同的会计核算、所得税处理方式时,对企业取得科技创新政府补助带来的不同影响,以此为类似企业提供参考。

空间滚动轴承MoS_(2)薄膜润滑分子动力学模拟

针对空间滚动轴承往复运动状态下二硫化钼薄膜润滑失效机理不明的难题,提出了采用分子动力学对薄膜润滑过程进行分析的方法。建立了单层二硫化钼薄膜摩擦原子模型,针对载荷和环境温度这2个空间滚动轴承的重要影响因素展开了二硫化钼薄膜的往复摆动模拟,得到了摩擦过程中二硫化钼薄膜的摩擦力、粘附力和磨损情况。模拟结果表明:Fe-Ni-Cr合金探针在单层二硫化钼薄膜上的摩擦为黏滑运动,载荷在20~100 nN范围内探针的摩擦过程不会对薄膜造成磨损,但在往复运动过程中润滑性能有所提高;载荷从200 nN开始探针的摩擦过程会对薄膜造成磨损,往复运动过程中摩擦系数不断提高,润滑性能下降;400 nN为单层薄膜的载荷极限,在该载荷下探针会刺穿薄膜与基底接触此时薄膜迅速磨损失去润滑作用。环境温度在1 773.15 K以下对薄膜的润滑作用影响不明显,但达到该温度后薄膜边界处开始缓慢熔化,当环境温度达到二硫化钼熔点时薄膜的熔化速度加快并失去润滑作用。从这些发现得到如下结论:二硫化钼单层薄膜在接触载荷8 GPa以下拥有优异的耐磨性和润滑性;在薄膜未破损的条件下,反复摩擦过程提升了润滑性能;二维层状结构对单层二硫化钼薄膜润滑性能有重要的影响,高温和重载都会对薄膜层状结构造成破坏。

改进YOLOv5s的桥梁表观病害检测方法

针对已有目标检测方法在混凝土桥梁表观病害检测的应用中识别精度低且伴随较多误检和漏检的问题,提出了一种改进的YOLOv5s桥梁表观病害检测方法。针对目前桥梁表观病害特征成分较复杂的问题,为了更有效地利用不同尺度的缺陷特征,在主干网中添加修改后的空间金字塔池化模块,提高了整体网络对缺陷特征信息的获取能力,同时减少了运算工作量;针对由病害图像中不同缺陷特征交叉分布导致的误检率、漏检率高的问题,在YOLOv5s网络中加入轻量化注意力模块;针对桥梁缺陷尺寸差异大、分类困难和数据集小而导致的边界回归不匹配的问题,采用考虑了向量角度的损失函数。实验证明,改进后的YOLOv5s检测器在桥梁表观病害目标检测识别任务中能够有效提高精度、降低误检率和漏检率。

公路货运危险驾驶行为智能预测技术研究

基于某省载货汽车历史行驶数据,提出了一种基于卷积神经网络-长短期记忆(CNN-LSTM)网络与自注意力机制的危险驾驶行为预测方法。针对载货汽车行驶数据量大、维度高、特征提取难度大、时序性强的特点,首先运用XG⁃Boost对特征进行筛选,接着利用卷积神经网络(CNN)进行空间特征提取,再运用长短期记忆(LSTM)网络捕捉驾驶行为的时序信息,最后通过自注意力机制对危险驾驶行为进行预测。试验结果表明,该方法相对其他长时间序列预测方法在某省公路货运驾驶数据上表现优异,识别准确率达到85.05%,加权平均召回率达到83%,F1分数(F1-Score)达到84%。

基于事件驱动深度强化学习的建筑热舒适控制

住宅暖通空调系统通常耗用大量能源,同时也极大地影响居住者的热舒适性。目前,强化学习广泛应用于优化暖通空调系统,然而这一方法需要投入大量时间和数据资源。为了解决该问题,提出了一个新的基于事件驱动的马尔可夫决策过程(event-driven Markov decision process,ED-MDP)框架,并在此基础上,提出了基于事件驱动的深度确定性策略梯度(event-driven deep deterministic policy gradient,ED-DDPG)方法,通过事件触发优化控制,结合强化学习算法求解最优控制策略。实验结果显示,与基准方法相比,ED-DDPG在提升学习速度和减少决策频率方面表现出色,并在节能和维持热舒适方面取得了显著成果。经过实验验证,该方法在优化住宅暖通空调控制方面展现出强大的鲁棒性和适应性。

云边协同下时空特征融合的轴承剩余寿命预测

为了解决滚动轴承剩余使用寿命(remaining useful life, RUL)预测中的特征依赖关系、表征退化趋势和实时性问题,提出了一种云边协同下时空特征融合的轴承剩余寿命预测方法。首先,在离线阶段依据专家先验知识对轴承历史退化数据进行去噪处理;其次,对去噪信号进行时域与频域退化特征的提取,并对提取的退化特征进行分析与筛选;最后,采用皮尔逊相关系数对选取的退化特征进行相似相关性分析,并根据相似相关参数构建特征空间图作为图卷积网络(graph convolutional network, GCN)-Transformer模型输入以进行训练,并在云边协同实时预测阶段测试以减轻云端负担。在XJTU-SY数据集上的实验中,所提方法与其他文献预测方法相比在MAE与RMSE指标上分别降低了10.5%与11.3%,在平均响应时间(实时性指标)上降低到采用云计算策略的0.363。实验结果验证了所提方法的有效性。

基于知识图谱的轨道交通运营风险事件智能分析研究

目前城市轨道交通运营风险事件频发,复杂的内部结构和网络化运营模式使得各风险之间动态关联,致险因素不易识别和管理;风险管理知识碎片化,分散存储在各种资料中,相关管理者不易获取管理经验。为解决以上问题,基于人工智能领域的网络爬虫技术和知识图谱技术,从各城市的政府官网、专业网站以及百度新闻网页获取2000—2022年间的549起城市轨道交通运营风险事件资料,使用Neo4j图数据库构建城市轨道交通运营风险事件知识图谱,实现对风险事件数据的可视化展示与智能分析。通过对风险事件开展四类分类查询、三类统计分析及两类关联路径问答研究,对以往风险事件进行智能分析,为后续类似风险事件提供事前防范或者事后处置的管理经验。研究表明:在城市轨道交通领域应用知识图谱,可以保障风险事件信息持续存储功能及效率,优化风险事件统计途径及可视化效果,实现事件关联关系灵活化智能分析,可为城市轨道交通运营期间风险的前馈控制和反馈响应提供管理经验和参考建议。

工业互联网中增强安全的云存储数据访问控制方案

在工业互联网应用中,由于异构节点计算和存储能力的差异,通常采用云方案提供数据存储和数据访问服务。云存储中的访问控制如扩展多权限的云存储数据访问控制方案(NEDAC-MACS),是保证云存储中数据的安全和数据隐私的基石。给出了一种攻击方法来证明NEDAC_MACS中,被撤销的用户仍然可以解密NEDAC-MACS中的新密文;并提出了一种增强NEDAC-MACS安全性的方案,该方案可以抵抗云服务器和用户之间的合谋攻击;最后通过形式密码分析和性能分析表明,该方案能够抵抗未授权用户之间以及云服务器与用户之间的合谋攻击,保证前向安全性、后向安全性和数据保密性。

基于区块链的物流价值链数据安全共享技术

基于工业互联网的物流供应链管理技术,业界聚焦在高精度数据分析算法的应用,对数据隐私保护算法的应用目前还处于起步阶段。然而,交易、支付环境不可信,数据易丢失及溯源难等问题,较大程度地制约了物流供应链管理技术的进一步发展。为简化过程,以物流价值链为例,将区块链技术应用于物流场景中,通过数字签名、非对称加密和Merkle树等算法,保障了商品数据的完整性和机密性,提供了物流订单数据溯源功能。最后,相比于业界类似技术的安全性,该方法更能满足实际工程应用对安全目标的需求,为后续落地实施提供了有力的技术支持。

两步升温热轧工艺对AZ31镁合金薄板各向异性及成形性能影响

采用两步梯度升温轧制工艺对AZ31镁合金板材进行轧制,探究轧制过程对镁合金板材显微组织织演化、各向异性及成形性能的影响。第I步轧制在300℃开展,其每道次压下量为15%;第II步轧制在550℃进行,其每道次压下量为40%。经过共4道次轧制后,最终获得厚度为1 mm的镁合金薄板。结果显示,第I步低温轧制过程不更换轧制方向时,试样中生成大量剪切带;而更换轧制方向时,组织内部主要为孪晶和再结晶晶粒。随着II步轧制温度的升高,由于动态再结晶急剧激发,剪切带数量及尺寸逐渐减小,晶粒明显细化。根据IGMA分析得出,非基面滑移,特别是棱柱面滑移活动增强。轧制退火后的AZ31镁合金薄板的力学性能得到提高,各向异性减小,冲压成形性能得到明显改善。

空间滚动轴承MoS_(2)薄膜三体接触摩擦分析

目的针对太空尘导致的固体润滑轴承失效机理难以揭示的问题,提出采用分子动力模拟的方法,从原子尺度对空间滚动轴承二硫化钼(MoS_(2))润滑薄膜的摩擦特性进行研究。方法首先建立MoS_(2)薄膜的原子模型,在此基础上,根据实际场景,将MoS_(2)薄膜的摩擦接触条件分为两体和三体接触。其次,通过对比两体和三体接触的摩擦结果,探究三体接触条件下MoS_(2)薄膜的摩擦磨损机理。最后,通过改变基底结构,探究粗糙基底对MoS_(2)薄膜三体接触磨损的影响。结果三体接触对薄膜的磨损和摩擦系数均小于两体接触。在相同的滑移速度下,磨料的自旋速度越快,摩擦系数越低,但薄膜上出现的损伤越多。三体接触条件下,基底的粗糙表面不利于薄膜吸附,并且加快了薄膜的磨损。结论三体与两体接触的摩擦磨损机理不同。三体接触摩擦过程中,薄膜表面不会出现犁削现象进而造成薄膜的撕裂。原子尺度下,摩擦过程中磨料的自旋作用削弱了薄膜表面切向力的积累,从而有效减小了摩擦力,减少了薄膜磨损。在保持磨料滑移速度不变的情况下,磨料的自旋速度会对薄膜的摩擦和磨损产生影响。在三体接触摩擦过程中,粗糙基底上的微凸结构阻碍薄膜运动,增大了摩擦力,薄膜与基底接触面积的减少削弱了基底与薄膜的吸附性。

基于HTMFDE以及ICNN的滚动轴承寿命状态识别方法

针对滚动轴承退化性能难以评估、寿命状态难以识别的难题,提出一种结合层次时移多尺度波动散布熵(Hierarchical Time-shifted Multiscale Fluctuation Dispersion Entropy,HTMFDE)、JRD距离(Jensen-Renyi divergence,JRD)以及改进卷积神经网络(Improved convolution neural network,ICNN)的轴承寿命状态识别新方法。首先,在传统多尺度波动散布熵的基础上,将传统均值粗粒化过程替换为改进的时移粗粒化过程,以解决传统均值粗粒化导致信号幅值特征丢失的问题。同时引入层次分解理论,克服多尺度分析方法不能全面提取不同频段故障特征的不足,得到最终的HTMFDE。之后利用HTMFDE方法提取滚动轴承信号的多维状态特征量,并进行归一化形成一组概率分布,计算轴承正常信号与故障信号之间的JRD距离作为性能退化指标。其次,根据构建的JRD性能退化曲线,划分轴承寿命状态并制作数据集,通过标签化的样本训练具有双层多尺度特征提取层的卷积神经网络,建立滚动轴承寿命状态识别模型。为了加快模型的收敛速度,对每层卷积进行批量归一化操作,同时采用全局池化代替全连接层以提升模型的训练效率。最后,在2组不同的轴承数据集上进行实验。实验结果表明,根据HTMFDE构建的JRD性能退化曲线能够精准地识别轴承性能退化起始点以及刻画轴承的退化趋势,所提出的ICNN模型在SNR=0~10 dB环境中平均识别正确率为98.5%,能够准确地识别轴承寿命状态,验证了所提方法的实用性以及有效性。

结合注意力机制与深度强化学习的超短期光伏功率预测

针对传统光伏(PV)功率预测模型受功率随机波动性影响以及易忽略重要信息导致预测精度低的问题,将注意力机制分别与深度确定性策略梯度(DDPG)和循环确定性策略梯度(RDPG)相结合提出了ADDPG和ARDPG模型,并在此基础上提出一个PV功率预测框架。首先,将原始PV功率数据以及气象数据标准化,并将PV功率预测问题建模为马尔可夫决策过程(MDP),历史功率数据和当前气象数据则作为MDP的状态;然后,将注意力机制加入DDPG和RDPG的Actor网络,赋予状态中各个分量不同的权重来突出重要且关键的信息,并通过深度强化学习智能体和历史数据的交互来学习数据中的关键信息;最后,求解MDP问题得到最优的策略,作出准确的预测。在DKASC、Alice Springs光伏系统数据上的实验结果表明,ADDPG和ARDPG在均方根误差(RMSE)、平均绝对误差(MAE)和决定系数(R2)上均取得了最优结果。可见,所提模型能够有效提高PV功率的预测精度,也可以推广到其他预测领域如电网预测、风力发电预测等。