课程文献中心 更多>>

关键词： 压气机特性   曲线预测   改进布谷鸟搜索算法   神经网络   泛化能力  

摘要： 为了提高压气机特性曲线的预测精度和边界工况点的泛化能力,本文提出了一种改进布谷鸟搜索算法优化BP(ICS-BP)的模型,应用于某轴流压气机流量-压比特性预测方法研究,并对比分析了采用传统BP、遗传算法优化BP(GA-BP)、布谷鸟搜索算法优化BP(CS-BP)、径向基函数神经网络(RBF)、极限学习机(ELM)、自优化支持向量机(MSVM)和ICS-BP模型的预测结果。分析显示,ICS-BP模型整体预测结果的相对误差最小,普遍在±1%以内,评价指标展现出最高的精度和鲁棒性,预测结果具有最佳的泛化能力,且优化后的模型解决BP易陷入局部最优的问题;ELM和RBF模型运行速度较快的情况下依然具有良好的整体预测精度,但对于边界工况点预测效果欠佳,适用于对时间成本要求高的场景。针对7F重型燃气轮机和NASA74A型号压气机特性曲线,通过ICS-BP模型预测的压比特性精度较高,整体预测结果的平均绝对百分误差分别为1.129%和0.590%,进一步验证了其在特性预测方面的优势。

关键词： 污水处理过程   多目标优化   多策略   多目标麻雀搜索算法  

摘要： 为了解决污水处理过程中出水水质和总能耗的多目标优化问题,提出了一种融合多策略的多目标麻雀搜索算法。首先,利用佳点集初始化麻雀种群,使种群分布更均匀,提升搜索空间,并在发现者位置更新公式中引入最优引导策略和动态惯性权重,改善发现者收敛到原点的问题,平衡算法的全局搜索和局部开发能力;其次,为了提升算法的局部逃逸能力,改进警戒者位置更新策略,并对麻雀个体的最优位置进行扰动;最后,在外部存档更新过程中引入种群更新方法,加快算法的收敛速度,增加种群的多样性。实验结果表明,所提算法具有较好的优化性能,有效降低了污水处理过程中的总能耗,并提升了出水水质。

关键词： 数据结构   模糊边界   人类感知   艺术潜能   运动影像   动力系统   编解码器   混沌  

摘要： 数据狂舞影像是一类当代数字故障艺术实践,它以运动影像为创作媒材,利用数字视频压缩技术的特性,通过在序列-帧-宏块-像素的数据结构中植入算法“故障”来触发偶然性潜能,从而将混沌施加于再现的运动形式,展露数字运行过程超越人类感知阈限的感性强度。在与其他故障艺术和先锋影像的对比中,数据狂舞影像的故障属性与感觉逻辑得以浮现,作为既展示自身又内在于自身的视觉语言和视觉材料,数据狂舞式混沌代表了运动-感知的内在统一,这无疑表述着其“自-感触”本体。通过作为计算中心的编解码器生成强度的差异,数据狂舞影像能够从运动影像固有的时空动力系统中逃逸,从而呈现出一种在秩序与混沌中往复回归的“强度-形式”,由此确证了数据狂舞影像的数字本性,即始终在物/非物、技术/文化、潜在/现实多元协商的模糊边界释放自身潜能。

关键词： 构网型储能   定容选址   高比例新能源  

摘要： 构网型储能在新型电力系统中的作用至关重要,比如参与电力系统调频和惯量控制等。然而,构网型储能的调节作用能否充分发挥,取决于其容量和位置是否正确配置。为解决构网型储能接入电网的优化配置问题,本工作研究了构网型储能参与高比例新能源电力系统调频的定容选址优化配置方法。首先,研究了高比例新能源下构网型储能参与调频的控制策略,包括构网型储能有功-频率下垂控制策略和构网型储能虚拟同步机控制策略,提出将两种控制策略进行协同使用的综合调频方法。然后,以调频效果指标、电网脆弱性指标和储能经济性为多目标进行优化,采用交叉变异多目标粒子群算法(CMMOPSO),结合逼近理想解排序法(TOPSIS),从解集中根据信息熵法权重,最终得到构网型储能电站选址定容的优化方案。最后,在某区域电网实际算例中进行验证和优化分析。

关键词： 换热系数   物理信息机器学习算法   多层感知机   反向传播神经网络   随机森林  

摘要： 核反应堆中极高参数条件下换热系数(Coefficient of Heat Transfer,HTC)的准确预测对反应堆的设计及运行至关重要,但因涉及不同流型的多重因素影响的复杂情形,物理机理仍不完全明晰。由于缺乏满足实际反应堆高温高压下的参数实验数据,而严重依赖实验数据的半经验关系式很难满足核反应堆高精度数值计算的要求。深度学习算法能够有效预测和解决复杂的非线性问题,但存在外推性能差以及过拟合等不足。本研究采用先验物理信息Jens-Lottes关系式、Thom关系式与机器学习算法中多层感知机(Multi-layer Perceptron,MLP)、反向传播神经网络(Backpropagation Neural Network,BPNN)和随机森林(Random Forest,RF)相结合的方式开发HTC预测模型,基于圆管通道HTC实验数据训练神经网络并进行验证,对6种不同的物理信息机器学习(Physical Information Machine Learning,PIML)算法模型的适用性以及预测精度进行评估。结果表明:(1)基于Jens-Lottes关系式与RF相结合的模型为最佳预测模型,对实验数据的预测平均相对误差为3.17%,且模型可扩展范围占总适用范围的63.6%,具有良好的外推适用性(;2)使用基于物理信息机器学习算法能够有效提高关系式的计算准确度,基于Jens-Lottes关系式与RF相结合的模型相比于经验关系式评价相对误差降低了24.5%。本研究结果为说明采用物理信息机器学习算法对核反应堆热工参数经验关系式的计算可提高精度并扩大适用范围提供了参考依据。

关键词： 采煤机   摇臂传动系统   故障诊断   深度学习   迁移学习  

摘要： 摇臂传动系统在采煤机中扮演着至关重要的角色,直接影响着煤炭生产的效率。针对跨工况迁移故障诊断难题,研究发现源域和目标域的故障数据特征分布相似。为此,提出了一种基于参数迁移的故障诊断模型。该模型采用全局均值池化的迁移卷积神经网络(TCNNG)模型,能够自动从源域工况数据中提取特征信息。通过参数迁移加微调的策略,将诊断知识参数从源域成功迁移到目标域,显著提高了模型在不同工况下的故障识别率和泛化性能。

关键词： 多类在线Boosting   小样本细粒度图像   目标识别   拼图排列解算   双随机矩阵  

摘要： 在图像识别领域,传统方法处理小样本细粒度图像时局限于单模态,忽略了图像内部联系,导致识别效果差。为此,文章提出了一种针对小样本细粒度图像的多类在线Boosting目标识别算法。该算法先对图像进行预处理和分割,用双随机矩阵打乱碎片后重建图像。在重建图上提取细粒度特征,通过深度学习模型将这些特征映射至高维空间形成有效特征表示。这些特征随后被输入多类在线Boosting算法,结合多个弱学习器并更新模型,挖掘特征关联性,构建跨模态语义关联,实现精确识别。实验结果显示,对200组细粒度图像识别时,本算法在不同测试数据集上识别效果稳定,TP识别数均在192以上,最高达194。与对照组相比,本算法在识别可靠性和有效性方面优势显著。

关键词： 房屋产权交易   数据隐私保护   区块链   联邦学习   数据管理  

摘要： 针对房屋产权交易数据隐私保护与管理问题,文章提出一套基于区块链和联邦学习的解决方案。该方案利用区块链技术构建安全可信的数据存储环境,通过联邦学习实现数据隐私保护下的建模分析。同时,文章设计了一套数据管理流程,对数据采集、清洗、加密、存储、访问等环节进行规范,确保隐私安全与合规利用。实验结果表明,该方案能够有效保护房屋产权交易数据隐私,并支持基于隐私数据的建模分析应用。

关键词： 人工神经网络   石蜡   熔点   算法   计算机模拟   预测  

摘要： 对于特种石蜡产品来说,有些石油蜡性能的微小差异就会显著影响产品的性能。为了缩短特种石蜡研发时间,提高产品开发效率,更好地指导特种石蜡的生产,提出了基于人工神经网络的石蜡熔点预测模型。以石蜡化学组成C_(18)~C_(37)、异构烷烃、环烷烃、烯烃的质量分数为输入,以总熔点为输出,建立了石蜡熔点神经网络模型。得到的熔点神经网络模型对石蜡熔点预测准确率为99.2646%,表明熔点神经网络模型能精确预测石蜡熔点。

关键词： 混沌优化   粒子群算法   莱维飞行   全局搜索   优化问题  

摘要： 为提升粒子群优化算法的性能,文章提出了一种融合改进莱维飞行策略的混沌粒子群算法chaoLPSO。首先,通过引入改进的混沌序列来初始化粒子群,从而增强了算法的全局搜索能力;同时,采用分段式自适应权重策略来调整粒子的速度和位置,以提高算法的收敛速度;此外,通过引入改进的莱维飞行策略,增加了搜索范围,有助于克服局部最优问题。在4个经典测试函数上的验证结果表明,chaoLPSO算法在搜索性能和收敛速度方面均优于传统粒子群算法。