灌区计量率定物理试验研究方法探析及应用

目前灌区渠道计量方式多采用水位-流量法,部分渠道受制于渠道结构复杂多变及率定条件不理想等,难以准确测定水位-流量关系。针对实践中大量灌区结构条件较好但率定条件不理想的渠道,探索采用单一物理模型试验研究的方法,实现对多渠道水位-流量关系的精确率定。构建包含矩形、梯形及复式断面的规则渠道单一物理模型,采用动态比尺方式实现水位-流量关系模型到原体的还原;通过现场可测的少量水位流量数据对物理模型进行率定,然后由全工况物理模型试验,确定多组外包的水位流量,通过相关分析实现对水位-流量关系的插补外延。经实际验证,由该方法及现场监测水位推算的流量与实际值平均相差不超过5%,可为规则渠道的水位-流量关系率定提供借鉴和参考。     

白石水库尾水渠水位～流量关系曲线率定与分析

为率定白石水库尾水渠水位-流量关系曲线,以白石水库尾水渠为研究对象,利用实测数据计算出渠道的断面尺寸,根据渠道的实际情况选定理论流量计算公式和比降、糙率等系数,经过计算得出水位-流量关系理论曲线,再通过对水库渠道内低、中、高水位下测流方法的选择,确定在低水位和高水位下采用浮标法,在中水位下采用流速仪法,并将多次实测结果与理论值进行比较,发现两者差值均在误差范围内,吻合度非常高,最终验证所绘制的白石水库尾水渠水位-流量理论关系曲线采用的理论公式和参数准确、合理,曲线精确度符合水库的实际需求,以此为水库流量测验提供可靠的技术支持,同时也为同类型水库的尾水渠计算下泄流量提供宝贵经验,可用于今后的泄洪流量测算。     

落差指数法在大湟江口水文站流量在线监测的探讨

河流水能资源梯级开发对水文站水文监测造成了较大的影响,水位流量关系变得散乱,在洪水涨落过程或水利工程回水影响期,现用的综合水位流量关系法推算的实时流量可能出现较大偏差。为应对受水利工程回水等因素影响下的水文监测难题,探讨用落差指数法对受影响水文站水位流量关系进行单值化处理,用实测水位信息推算出实时流量,从而实现流量在线监测。以珠江流域西江干流大湟江口水文站为例,用该站 2017 年以来的实测资料,对落差指数法有关参数进行率定,以单值化关系推算流量。分析结果表明：所推算流量的精度满足规范要求,基本解决大湟江口水文站受影响后的流量实时在线监测和水文资料整编定线难题,可为开展西江干流浔江河段水情预警、生态流量监控、水文分析评价提供良好的实时流量信息支撑。     

双弯管法煤粉质量流量检测

双弯管法是一种基于弯管单相流测量原理的气固两相流固相质量流量测量方法,其测量结果与输入参数间非线性关系非常复杂,直接影响其测量精度.在双弯管法固相质量流量测量原理基础上,利用人工神经网络优良的非线性映射能力,建立了一种带有附加动量项的BP神经网络软测量模型,并在气固两相流测量实验平台上进行了实验研究.以实验数据为样本对双弯管法软测量模型进行训练,仿真结果与实验数据一致性较好,测量误差小于6％,为煤粉质量流量实时在线测量提供了一种行之有效的方法.     

基于神经网络技术的流量测量方法研究

流体的流量直接反应设备的运行状况,在现代化的工业生产中,连续准确地监视流体的流量对于设备的安全、经济运行至关重要。鉴于流量测量的复杂性,将神经网络数据融合技术应用于流量测量,研究提高流量测量精度的方法。在此研究基础上,针对差压式流量测量的特点,设计出了基于神经网络数据融合技术的流量测量模型。     

连续碳酸化分解过程进料流量的软测量与控制

维持进料量稳定是保证碳酸化分解过程稳定优化生产的关键。由于分解槽进料管较短,管径比较大,容易结疤,进料量难以用常规的过程检测仪表进行检测。建立了基于汇流的伯努利方程,总结出进料阀门的局部阻力系数与开度的关系,推导出高位槽液位、进料阀门及进料流量的函数关系,建立了进料流量的软测量模型。利用该模型,设计一个进料流量控制器,实现进料流量的优化设定和稳定控制。现场实验数据表明,进料流量软测量模型精度在2.06%以内。     

基于Attention-LSTM-Kalman建模的风洞动态流量软测量

针对风洞流量测量中传统静态软测量模型估计精度低、鲁棒性差等问题,提出了注意力机制（Attention mechanism, Attention）、长短时记忆神经网络（Long short-term memory, LSTM）和卡尔曼滤波（Kalman filtering, Kalman）结合的Attention-LSTM-Kalman软测量模型：通过LSTM网络建立静态软测量模型,在此基础上,提出一种基于注意力机制的改进方案,考虑到系统的动态特性,使用卡尔曼滤波动态调整软测量模型输出序列。实验结果表明,静态预测模型LSTM的预测效果优于循环神经网络（Recurrent neural network, RNN）和门控循环单元（Gated recurrent unit, GRU）等模型;基于LSTM、Attention-LSTM和Attention-LSTM-Kalman的3种模型的对比预测测量结果表明,注意力机制能有效提高模型精准度,引入卡尔曼滤波改善了模型的动态测量特性。该模型方案在风洞系统的流量测量验证了其可行性和有效性。     

基于CNN-SIndRNN的恶意TLS流量快速识别方法

传统浅层机器学习方法在识别恶意TLS流量时依赖专家经验且流量表征不足,而现有的深度神经网络检测模型因层次结构复杂导致训练时间过长。提出一种基于CNN-SIndRNN端到端的轻量级恶意加密流量识别方法,使用多层一维卷积神经网络提取流量字节序列局部模式特征,并利用全局最大池化降维以减少计算参数。为增强流量表征,设计一种改进的循环神经网络用于捕获流量字节长距离依赖关系。在此基础上,采用独立循环神经网络IndRNN单元代替传统RNN循环单元,使用切片并行计算结构代替传统RNN的串行计算结构,并将两种类型深度神经网络所提取的特征拼接作为恶意TLS流量表征。在CTU-Maluware-Capure公开数据集上的实验结果表明,该方法在二分类实验上F1值高达0.965 7,在多分类实验上整体准确率为0.848 9,相比BotCatcher模型训练时间与检测时间分别节省了98.47%和98.28%。     

车用汽油机进气歧管空气流量智能测量模型

为了确保车用汽油机在运转工况下能获得最佳浓度的混合气要求,利用节气门元器件,基于压差式节流流量测量原理,通过对节气门旋转角度函数链神经网络拟合和节气门的流出系数拟合建立了车用汽油机进气歧管空气流量测量模型。实验验证结果表明:随着进气歧管压力升高,车用汽油机空气质量流量智能测量误差呈降低趋势,且其误差均小于5.0%。     

海底渗漏气泡流量测量过程的模糊控制

为了使海底天然气渗漏气泡流量测量过程具有稳定性和较高的测量精度,需要对气泡-水两相流介质的声场强度进行控制。根据测量装置的静态和动态特性以及声波线性传播方程,建立了声场强度的控制模型,针对被控环节的输入输出关系设计了模糊控制器。之后在MATLAB Simulink里面建立仿真模型,并进行了仿真实验。仿真结果表明,经过模糊控制器的调节,介质的声场强度可以跟踪被测介质中的气泡状态变化,其输出值的波动小于5%。该模糊控制器可用于海底渗漏气泡流量测量仪器的控制电路,从而实现了声波声场强度的控制。     

基于鲸鱼算法改进小波神经网络的GIS局部放电诊断方法研究

针对封闭式气体绝缘开关装置由于生产、运输安装和运行环境等因素,引发的局部放电现象而造成的绝缘故障问题,提出了一种基于改进鲸鱼算法与小波神经网络结合的封闭式气体绝缘开关装置局部放电诊断方法。该方法利用灰度图谱与矩特征实现对局部放电信号的特征提取,基于矩特征值构建小波神经网络的输入样本集;然后使用改进鲸鱼算法对小波神经网络参数进行寻优,以解决神经网络存在的参数敏感问题;最后将优化好且训练完成的小波神经网络应用于绝缘开关装置局部放电诊断中。改进鲸鱼算法引入非线性收敛因子与自适应思想提升了算法的性能,对小波神经网络的超参数有较好的寻优效果。仿真结果表明,相比于通用参数配置的小波神经网络,改进诊断方法诊断精度提升了9.45%。     

Neural networks forecasting of flood discharge at an unmeasured station using river upstream information

Based upon information at stations upstream of a river, a back-propagation neural network model was employed in this study to forecast flood discharge at station downstream of the river which lacks measurement. The performance of the neural network model was evaluated from the indices of root mean square error, coefficient of efficiency, error of peak discharge, and error of time to peak. The verification results showed that the neural network model is preferable, which performs relatively better than that of the conventional Muskingum method. Furthermore, the developed model with different input parameters was trained to check the sensitivity of physiographical factors. The results exhibited that flood discharge and water stage, are two factors to dominate the accuracy of estimation. Meanwhile, the physiographical factors had a slight and positive influence on the accuracy of the prediction. The time varied flood discharge forecasting at an unmeasured station might provide a valuable reference for designing an engineering project in the vicinity of the investigation region.     

Multi‐Variable Direct Self‐Organizing Fuzzy Neural Network Control for Wastewater Treatment Process

A multi‐variable direct self‐organizing fuzzy neural network control (M‐DSNNC) method is proposed for the multi‐variable control of the wastewater treatment process (WWTP). In this paper, the proposed control system is an essential multi‐variable control method for the WWTP. No exact plant model is required, which avoids the difficulty of establishing the mathematics model of WWTP. The M‐DSNNC system is comprised of a fuzzy neural network controller and a compensation controller. The fuzzy neural network is used for approximating the ideal control law under a general nonlinear system. Moreover, the neural network is designed in a self‐organizing mode to adapt the uncertainty environment. Simulation results, based on the international benchmark simulation model No.1 (BSM1), demonstrate that the control accuracy is improved under the proposed M‐DSNNC method, and the controller has a much stronger decoupling ability.     

基于近似模型的多层模糊CMAC自适应非线性控制

针对非线性离散时间系统的控制问题,提出了一种基于近似模型的多层模糊CMAC 自适应控制方法.采用多层模糊CMAC对非线性函数进行逼近,并提出了一种新的神经网络学 习算法来保证权值的有界性.由于无需满足PE条件,所以文中提出的方法对于离散时间系统 的神经网络控制问题具有实际价值.     

启发式动态规划在糖厂澄清工段pH值控制中的应用

糖厂澄清工艺是一个复杂的物理化学反应过程,具有强非线性、时变大时滞、多输入输出等特点,对其建立精确的数学模型和实现pH值的稳定控制非常困难.为此,基于模糊神经网络和启发式动态规划(HDP)控制器,构建了模糊神经网络模型.该模型的具体实现过程是将HDP优化方法应用于澄清工段,模拟试验装置中的中和pH值控制.试验表明,该控制系统取得了很好的控制效果,具有很强的鲁棒性.     

基于多BP神经网络的内存组合特征分类方法

针对内存数据在攻击行为发生后会发生改变,而传统完整性度量系统使用的基准值度量存在检测率低、灵活性不足等问题的现象,提出一种基于多反向传播(BP)神经网络的内存组合特征分类方法.首先,将内存数据通过度量对象提取算法(MOEA)提取特征值;然后,分别使用不同的BP神经网络进行模型训练;最后,再通过一个BP神经网络对所得数据...     

基于深度学习的运动目标交接算法

针对多摄像机非重叠视域下存在的运动目标不连续性和不确定性的问题, 提出一种基于深度学习的运动行人目标的交接算法. 首先基于深度卷积神经网络构建人脸特征提取模型, 对人脸特征提取模型进行训练, 获得精确的人脸特征. 然后比较两种常用的相似度度量方法, 选择其中一种更适合的相似度度量方法, 以完成最优的人脸匹配过程, 提高人脸匹配的准确率. 最后通过对不同摄像机下的人脸进行特征匹配找到最匹配的人脸, 实现运动目标的交接. 实验表明, 深度神经网络可以减少运动目标丢失的概率, 准确地提取到运动目标的人脸特征, 有效完成多摄像机下运动目标的交接跟踪任务.     

含分布式电源的配电网保护影响机理及故障定位

针对分布式电源(distributed generation, DG)接入配电网使得传统的电流保护方法无法适用的问题, 本文以双馈线配电网线路作为研究对象, 首先分析了在线路不同位置发生三相短路故障时, DG分别接入馈线末端母线、非末端母线以及馈线首端母线时, 对线路中流经各个保护的短路电流大小影响, 在PSCAD软件建立配电网模型进行仿真分析, 因含DG的配电网发生短路故障动作值难以整定, 提出了一种基于智能电子设备(intelligent electronic device, IED)上传故障信息的矩阵算法, 并通过算例验证了该算法的准确性. 结果表明, DG接入馈线末端母线和非末端母线时, 故障发生在DG下游会造成故障区段保护误动作, 上游区段保护可能会拒动, 不利于故障定位与切除, 所提的矩阵算法适用于含DG的配电网, 无论单一故障或者多重故障, 都可实现故障区域的精准定位, 保证配电网安全可靠运行.     

基于特高频和CNN-LSTM-Attention算法的高压电缆故障诊断方法

随着高压电缆的加速发展和老化,由局部放电(partial discharge, PD)引起的故障问题亟须解决。为此,提出了一种基于特高频(UHF)局放技术与CNN-LSTM-Attention算法的高压电缆故障在线智能诊断方法。首先,对高压电缆的PD产生机理,以及UHF局放技术的实现过程进行描述。其次,利用巴特沃斯(Butterworth)对PD信号进行高通滤波,采用小波变换对信号进行去噪,IPLR算法对PD信号进行降维处理,进而实现特征量的准确提取。最后,建立由CNN-LSTM-Attention算法构成的智能诊断模型。模型中卷积层(CNN)提取轮廓特征,长短期记忆层(LSTM)提取信号时序特征,注意力层(Attention)学习信号重要时序部分。通过实际数据仿真表明：相比传统神经网络方法,CNN-LSTM-Attention神经网络检测方法能够准确识别高采样率的异常放电信号特征,且故障识别准确率明显提高。