为解决油气物联网中的“热区冶问题, 提出一种基于能量采集的非均匀分簇模型。 该模型在设置节点竞争半径时充分考虑了节点剩余能量、 节点与基站的距离、 邻居节点密度以及节点与RF(Radio Frequency)信号 源的距离, 提升非均匀成簇效果, 同时选举双簇头以均衡簇头能耗, 在数据传输阶段采用多跳路由以均衡网络能耗, 并引入无线能量采集技术延长网络寿命。 仿真结果表明, 与传统算法相比, 该算法能更有效地均衡网络能耗, 延长网络寿命。

为了对冷热电联供系统(CCHP: Combined Cooling Heating and Power) 进行合理的调度优化, 建立一个高效节约的联供系统, 提高系统经济性, 并实现能源梯级利用, 在已有研究的基础上, 构建一个含有余热回收系统, 并包含发电机组及制冷机组的小型冷热电联供系统, 根据系统内的部分负荷特性对系统内机组单独建模, 并对原有粒子群算法进行优化, 最后引入算例进行验证。 结果表明, 系统对算法的优化起到了良好的效果, 改进型的算法确保了系统运行的稳定性和实用性。

为提高负荷预测结果的精度, 设计了一种基于改进的分形理论的短期负荷预测模型。 选取与实测日气象数据相似的日期作为基准日, 对其进行重标极差法分析, 从而确定其具有分形的特征, 根据分形插值区间计算迭代压缩因子和确定迭代函数系统(IFS: Iterative Function System)建立实测日的分形插值函数, 通过移动平均函数对数据进行处理, 利用最小二乘法(OLS: Ordinary Least Square)建立数据拟合方程, 将时间数据带入拟合方程中计算预测数据。 经过仿真对比实验, 改进后的比改进前的预测模型预测的负荷数据平均绝对百分比误差(MAPE: Mean Absolute Percentage Error)下降了 0. 26, 证明了改进分形理论的短期电力负荷预测模型可以 有效提高负荷预测结果的准确性。

针对传统故障诊断模型存在参数量多、 尺寸大、 抗噪性差的问题, 提出一种基于多尺度深度可分离卷积神经网络(MSDS-CNN: Multi-Scale Depth Separable Convolutional Neural Network) 的轴承故障诊断方法。 利用不同尺度的深度可分离卷积对输入信号进行并行处理, 在获得多尺度信息的同时并保证模型的轻量性。 添加Dropout 层以提高模型的抗干扰能力, 使用全局平均池化层替换全连接层以减小模型参数量。 试验结果表明,该方法诊断准确率高达 99. 6% , 与其他方法相比识别准确率高; 模型参数量更少、尺寸更小, 更轻量化; 在噪声干扰下也具有较好的诊断精度。

由于电力系统运行受多种因素的影响, 因此电力负荷呈现较强的波动性和不稳定性, 从而影响电网短期负荷预测的准确性。 为减小预测误差, 提出一种组合模型策略。 首先采用集合经验模态分解将原始数据分解为若干分量, 根据各分量数据所含信息量的不同, 将分量分为两组, 分别利用反向传播神经网络和长短时记忆网络进行预测。 并在此基础上, 利用樽海鞘群优化算法对每个分量预测网络中的神经元个数与输入变量的滞后项进行优化, 得到最终的 EEMD-SSA(Ensemble Empirical Mode Decomposition-Salp Swarm Algorithm)的组合预测模型。 最后, 将此模型应用于某地实测数据进行负荷预测。 实验结果表明, 该组合模型比单一网络模型及其他模型具有更好的预测效果。

针对电机滚动轴承信号特征人工提取困难、故障分类效果差的问题,利用传统GoogLeNet模型单元与稠密连接思想结合,提出一种改良的GoogLeNet卷积神经网络结构。将提出的改良模型应用于电机滚动轴承的故障诊断试验,对原数据分组处理并贴上标签后,直接输入到改良模型中进行训练,最后将测试集输入到训练好的模型中,测试其分类准确率。由于诊断过程不需要进行人工特征提取,从而避免了人工提取故障特征时的困难和带来的误差,大大简化了故障识别过程,证明了改良GoogLeNet模型在故障诊断中的可行性。将提出的模型与传统GoogLeNet模型和其他典型模型做对比,结果表明,改良GoogLeNet卷积神经网络模型具有精确度高、特征提取能力强、收敛速度快、表现稳定的特点。

为提高光伏发电效率, 提出了一种复合算法解决局部阴影情况下光伏阵列输出功率呈现多峰值状态的问题, 弥补了传统方法的不足。 该方法将传统的灰狼算法优化, 引入莱维飞行模块、 加入贪婪策略, 加强了算法的全局搜索能力和快速性。 在搜索至光伏发电最大功率点附近时切换为扰动观察法, 利用其快速收敛的特性迅速找到最大功率点, 提升了光伏阵列的输出功率。 通过 Simulink 仿真实验, 验证了所提出复合算法优越的跟踪性能, 在准确性与快速性上较传统灰狼算法均有显著提升。 

针对三维闪电探测系统接收处理的数据量相比二维闪电探测系统增加数倍, 定位、回击与状态数据入库流程相较二维系统复杂许多的问题, 使用 Oracle 数据库和PL(Procedural Language) / SQL(Structured Quevy Language) developer 集成环境开发了三维闪电探测数据处理存储系统。 通过设计三维闪电定位仪站点信息表存储站点基本信息; 设计闪电定位结果信息表存储处理后的定位数据和回击数据; 设计最新状态信息表存储定位仪的最近一条状态信息, 用其可判断设备状态是否正常。 通过湖北省三维闪电探测网构建实验平台验证系统功能和运行状况, 结果表明, 处理存储系统设计与实现满足三维闪电探测系统数据处理与存储功能的任务需求。

为解决电力系统中因负荷数据混沌特性强、噪声影响多, 导致多分段短期负荷预测精准度不高的问题, 提出基于改进粒子群的电力系统多分段短期负荷预测方法。 以电力系统的历史数据作为分析基础, 引入粒子聚合概念, 建立解空间, 在空间内搜索全局负荷数据, 将原始数据代入解空间中, 确定数据分布范围。 建立最优目标函数, 利用线性递减规律计算自适应负荷粒子权值, 凭借迭代更新函数将粒子权值不断逼近最优值。 综合局部预测函数和全局预测函数, 与改进粒子群预测规律结合, 以最大决定权重系数调节矩阵, 完成负荷预测。 仿真实验证明, 所提方法对负荷数据的判定及分析能力强, 自适应性好, 预测结果与实际数值拟合程度高。

当前对配电网重构的研究多数针对于中小型网络, 而对大型网络的研究较少, 为此, 提出了一种优化的GA(Genetic Algorithm)算法应用于大型配电网络重构中, 对其基因操作过程进行优化。引入精英策略, 最大程度保留父代最优个体的遗传信息, 在变异的过程中再次引入“局部变异冶, 产生的子代种群更具多样性。 对重构的目标函数引入关联系数, 简化计算复杂度。 将该算法应用于 IEEE118节点算例, 重构后线损及电压降落程度与蒙特卡洛模拟法所得结果相对比, 实验结果表明, 该算法明显更优, 并证明了该算法在大型配电网重构的可行性和有效性。

传统无差拍电流预测控制依赖于精确的离散化电网数学模型, 导致电流出现稳态误差, 特别是电感变化超过一定范围会使系统不稳定, 在全数字控制中存在采样延时, 系统鲁棒性差。为此, 提出了一种改进型无差拍预测控制方法结合重复控制, 有效地消除并网电流的指令误差和扰动误差, 提供高质量的稳态波形。 经仿真验证, 能有效抑制传统控制方法采样延时对其影响, 具有响应快速、 稳态精度高、 电流畸变率(THD: Total Harmonic Distortion)小等优点, 同时避免了超调与震荡的缺点。

为及早准确识别水稻叶部慢性型、急性型、褐点型和白点型4种类型稻瘟病,将稀疏自动编码器和交换粒子群优化支持向量机( SPSO-SVM: Switching Particle Swarm Optimization Support Vector Machine)相结合,构建了一个深度神经网络。相较于其他算法,当神经网络输入的图像数量很多时,自动编码器可提取出原图片中最具代表性的信息,缩减输入中的信息量,再将缩减过后的信息放入神经网络中学习,降低了学习难度、减少了学习时间。首先依靠稀疏自动编码器编码、解码重构输入数据,对稻瘟病叶斑进行分层特征学习,并在自动编码器上加入稀疏性条件约束,对隐含层进行压缩,进而学习到更高层的隐含特征。其次应用交换粒子群优化的支持向量机对水稻稻瘟病类型识别。实验采用公开的Kaggle水稻病害图像数据库及实际采集的水稻稻瘟病图像作为数据集,每类选取350幅图像组成样本,并将每幅图像归一化为4096维向量。从样本集中随机选取80%作为训练集,剩余20%作为测试集。通过10重交叉验证,测试集平均识别准确率达95.7%。实验结果表明,该方法能有效地从病斑特征中识别出水稻叶部稻瘟病早期病害,对水稻稻瘟病的早期预防有重要意义。

针对量子优化算法应用时, 优化控制方法的差异会造成优化算法收敛时间过长的问题, 提出非线性混沌网络系统的分散性能量子优化算法。 采用分段 Logistic 混沌映射方法, 获取量子初始化位置。 依托于适应度划分量子种群, 分别针对顶层和底层种群建立相应进化模式。 利用多个非线性连续时间子系统, 设计非线性混沌优化控制方法, 确定最佳控制方案。 最后, 引入早熟收敛判断机制得到最优解计算结果。 实验结果表明, 与传统方法相比, 所提优化算法收敛时间明显减少。

针对目前隧道清洗机器人作业调度中采用定时的僵化作业模式, 造成电力、 消防资源浪费, 并干扰驾驶人行车安全问题, 提出一种隧道清洗机器人智能调度方法。 该方法首先依据隧道车流量、 温度、 湿度等影响因素, 形成了对基础设施运营性能时变模型的描述。 在此基础上, 考虑基础设施运营性能、 机器人作业成本、 对隧道交通流的影响等, 构建了隧道清洗机器人调度的级联优化模型, 分别对机器人调度周期及作业时间进行优化, 以实现机器人的高效运营。 将该方法与常用的基于人工经验的定周期调度方法进行实验对比, 结果显示在相同的作业成本下, 该方法的基础设施运营性能较定周期调度方法提高了 6%。

针对当前调度算法调度电力系统中的海量数据时, 存在调度效率低、稳定性差的问题, 设计了一种基于灰色模糊预测的海量电力数据自动调度算法。 考虑电力系统任务调度实时性和可靠性, 制定电力任务调度策略。将调度任务的分析选择截止期与价值作为特征参数, 计算负载率衡量服务节点的实际负载情况, 完成电力系统的负载均衡分配。 运用灰色模糊预测算法对电力数据进行调度, 根据递进函数对单个存在的存储块未来趋势进行预测, 再结合任务的优先级, 实现海量电力数据的自动调度。实验结果表明, 所提算法能在短时间内使所有任务协同调度、 资源合理分配, 并保证数据平台处于稳定状态, 提高了数据调度效率, 增强了调度稳定性。

针对眼底稀有病症图像标注样本少, 难以满足深度网络训练需求, 提出了融合先验分布的多表征(MFPD: Multi-representation Fused with Prior Distributions)眼底稀有病症识别模型。在预训练模型的基础上进行 微调得到嵌入模型, 获取特征嵌入先验分布。 将嵌入特征映射到不同空间, 以不同视角提取图像特征, 并在交叉熵损失的基础上, 加入散度损失, 增加不同视角特征的差异性, 高效利用稀有病症图像信息, 以减小样本量较少对模型的影响。采用 OPHDIAT(Ophtalmologie-Diabˋete-Te′le′me′decine)眼底图像数据集, 将该方法与其他 方法进行对比, 实验结果证明了该方法的有效性。 

为高效率地生成概念, 提出一种基于增量更新内涵的概念生成算法 IUICG( Incremental Updating Intension based Concepts Generation)。 首先将背景中的属性逐个设定为任务属性, 以任务属性将概念搜索空间划分为先行概念集合和新增概念集合, 提高了搜索效率。 其次提出了概念操作规则, 其中外延过滤规则避免了无效外延对概念空间的搜索, 内涵更新规则和新增概念规则提升了概念生成速度。 实验结果表明, 在不同类型的数据集上, IUICG算法的时间性能都优于对比算法。 在对象数量远大于属性数量的数据集上, IUICG 算法具有接近线性的时间复杂度。

科技文献检索时以专业角度给出合理的相关度排序是一项非常重要工作, 传统 PageRank 算法采用了平均分配相似性权重的方式, 但其会产生文献排序结果不合理的问题。 为此, 提出一种将深度学习方法与 PageRank相结合的算法, 提高文献相关度排序的可靠性。首先, 使用具有注意力池化的孪生BERT(Bidirectional Encoder Representation from Transformers)深度学习网络计算文献与引文的相似度; 然后, 对文献与其所包含引文间的相似度进行规范化处理; 最后, 将标准化后的相似度作为分配权重对引文网络计算排序。 实验结果表明, 相较于传统的PageRank算法, 该方法检索结果的相关度提升 6% 以上, 因此更适合应用于科技文献的引文网络分析。

为更好地把握虚拟现实的研究热点和主题演化, 应用文献计量法和科学知识图谱分析工具 ITGInsight 对我国自然基金项目资助的虚拟现实科技论文应用现状进行统计与分析。 结果表明: 虚拟现实科研处于快速发展期, 预计“十四五冶期间也会持继增加; 同济大学建筑与城市规划学院、 东北大学资源与土木工程学 院、北京航空航天大学虚拟现实技术与系统国家重点实验室的学术影响力最大; 《系统仿真学报》 、 《现代电子技术》 、 《中国图象图形学报》3 种期刊论文数量最多; 研究主题主要涉及虚拟现实、 可视化、 关键技术、 真实感和数字化等研究热点; 研究主题变化, 虚拟现实一直处于热点主题, 后期出现了可视化、 机器人等 新的关注点。

为有效解决现有人脸妆容迁移方法训练数据缺乏, 以及上妆区域错误等问题, 提出了一种基于生成对抗 网络的人脸妆容自动迁移方法。 方法通过构建生成对抗网络目标函数, 采用 Encoder-Decoder 神经网络生成对抗网络生成器, 并基于多层卷积神经网络构建鉴别器, 训练算法采用交替优化的方式。 仿真实验和方法比对结果表明, 该方法在保持素颜妆后图像脸部结构不变的同时, 尽可能地体现了参考妆容风格, 得到了更协调的上妆效果, 具有更佳的对比优势和视觉效果, 为人脸妆容自动迁移技术提供了新思路。

为解决当前存在的风险预警误差大、 精确度和稳定性低的问题, 提出了基于离群点检测的电网项目关键节点预警算法。 采用离群节点预警衡量指标, 计算静态离群节点和离群节点任务重要度指标。 利用层次分析法和熵权法, 结合多指标融合加权, 提取关键离群节点特征, 完成关键节点识别。 使用 K-means 聚类电网关键节点 预警过程, 将电网关键节点的融合权值特征, 代入离群点检测系统中分析数据输出结果, 获取聚类最优值, 实现电网项目关键节点预警。 实验结果表明, 所提方法的风险预警稳定性和精确度较高, 能有效减小风险预警误差。

由于已有算法未能对电力数据进行聚类处理, 导致查全率下降, 为此, 提出一种变负荷模式下电力多级冗余数据精细化校验算法。 在变负荷模式下, 通过电力信号的稀疏特性, 将变换系数线性投影到低维观测向量, 求解稀疏最优化高概率, 完成数据采集。 采用遗传聚类优化算法对采集的电力数据进行聚类划分。 根据聚类结果, 引入层次分析法获取不同数据之间的关联关系, 构建电力多级冗余数据精细化校验准则, 并通过其完成数据校验。 实验结果表明, 所提算法能有效降低校验用时和额外存储开销, 增加查全率和校验结果的准确性。

为精准控制金融风险, 降低风险损失, 提出一种基于小波分析与非参数估计的金融风险审慎评估方法。 建立基于纳入概率分布的风险评估模型, 通过两种纳入概率分布族, 直观展现金融风险系数; 设计基于小波分析与非参数估计的参变量厘定方法, 明确金融风险的形势趋向, 并运用非参数估计得到风险的概率分布结果, 获取金融风险的损失数值, 为审慎评估提供重要参数依据; 采用蒙特卡洛算法求解, 计算稳定分布抽样点的蒙特卡洛积分, 提升审慎评估效率和资金利用率。 仿真实验结果表明, 该模型可有效对金融风险进行精准控制, 将风险损失降到最低, 可大幅度增强金融风险审慎评估力度。 

在公约密码学中, 有限域椭圆曲线 Weil 对的计算问题研究多集中于理论研究, 而对实践应用关注甚少, 导致部分理论研究需要新的方法支持。 为此, 给出了 Weil 对的计算方法, 通过实例指出了 Miller 算法在有限域上点的选择问题, 分析了两种不同方法使用 Miller 算法的差异。 通过 Miller 算法, 指出了MOV( Menezes- Okamoto-Vanstone)攻击离散对数的局限性。 实践分析表明, 有限域上椭圆曲线 Weil 对的计算是小子阶上的计算, 对于大子阶的计算不是很有效。

为使数字地质科学方向本科生能熟练掌握地质建模、 模拟与可视化的基本过程, 鉴于 Blender 软件平台建模与设计方面的便捷操作及本身开源的属性, 利用 True-Terrain 等辅助插件, 开展了针对数字地质科学方向本科生的地质演化过程等模型构建以及动态模拟教学, 并让学生亲自动手完成全部过程, 以更直观地了解地球数亿年的演化过程。 实验效果表明, 该方式不仅能加深学生对数字地质科学专业知识的掌握程度, 更好地理解地质演化过程等基本知识点, 而且对于丰富传统的地质教学方式, 培养学生的专业素养都具有十分积极的作用。

针对目前快递终端取件模式, 尤其是例如高校等人口密集, 包裹流量大的区域, 仍存在取件效率低、 人工成本较高等问题, 提出了一种新型无人快递终端模式。 该模式以 STM32 单片机作为控制系统, 通过机械装置进行无人情况下的自动化取件, 并设计制作了该终端模型机。 经实验验证, 该快递终端模式提高了取件效率, 同时降低了驿站工作人员的劳动强度, 符合预期功能及要求。