基于A-DLSTM夹层网络结构的电能消耗预测方法

全球人口的快速增长和技术进步极大地提高了世界的总发电量,电能消耗预测对于电力系统调度和发电量管理发挥着重要的作用,为了提高电能消耗的预测精度,针对能耗数据的复杂时序特性,文中提出了一种将注意力机制(Attention)放置于双层长短期记忆人工神经网络(Double layer Long Short-Term Memory,DLSTM)中的新颖夹层结构,即A-DLSTM。该网络结构利用夹层中的注意力机制自适应地关注单个时间单元中不同的特征量,通过双层LSTM网络对序列中的时间信息进行抓取,以对序列数据进行预测。文中的实验数据为UCI机器学习数据集上某家庭近5年的用电量,采用网格搜索法进行调参,实验对比了A-DLSTM与现有的模型在能耗数据上的预测性能,文中的网络结构在均方误差、均方根误差、平均绝对误差、平均绝对百分比误差上均达到了最优,且通过热力图对注意力层进行了分析,确定了对用电量预测影响最大的因素。     

电气液一体化打桩锤控制系统设计研究

不同于传统液压打桩锤行程反馈控制的工作模式,提出了以氮气腔压力作为反馈压力的电气液一体化打桩锤控制系统,该打桩锤在工作原理、结构形式、控制方法等方面的一系列创新,使其具有打击能、打击频率无级调节,并能方便地对打桩过程进行实时监控等功能,在建立了该桩锤系统AMESim模型的基础上,对其进行动态过程研究,研究结果表明,该桩锤的最大行程为0.93 m,最大打击能为105 875 kJ,最大打击频率为48 Hz,均能够满足系统的设计要求;为开发新型液压打桩锤产品和优化桩锤参数提供了重要依据.     

基于组件的石化过程智能建模与优化系统的设计与开发

世界各国的经验表明,流程模拟、先进控制与过程优化技术是提高企业经济效益的主要技术手段之一.因此设计开发1个基于生产数据驱动的智能化实用数据处理、建模与优化集成的系统具有重要的实用价值.本文采用组件化程序设计方法,设计了1系列具有良好的可重用性、语言无关性、高度开放性的软件组件,开发了1个集成数据处理、建模和优化相关技术的软件系统,实现了适用于石化过程的建模与优化系统,并在实际企业应用取得社会与经济效益.     

基于灾害仿真的虚拟应急演练系统

基于虚拟现实技术的虚拟应急演练有着广泛的应用,但现有演练系统往往缺少对灾害场景的有效仿真,以及预案支撑下的完整系统框架.针对上述问题,该文首先提出了一种面向应急演练的仿真系统VEDSimu,解决了实体间消息高效传输、大规模仿真模型计算问题;并基于VEDSimu开发预案脚本系统、预案推理机、考核评价以及虚拟现实客户端等其他模块,构建虚拟应急演练系统VEDSys.最后,结合VEDSys在实际企业虚拟消防演练中的应用,验证了系统的可行性、高效性与可扩展性.     

模糊粗糙集测度的分析分层建模及应急演练控制应用

针对应急救援演练控制的复杂性和难以量化问题,为实现多人参演系统的有效控制,基于分析分层过程法(analytic hierarchy process,AHP),建立一种模糊粗糙集知识测度的综合建模方法.首先,分析模糊粗糙集各类知识测度相关概念、相互联系和各自特点,通过AHP方法,建立模糊规则的分层度量模型并给出了对比矩阵的构造示例,对模糊规则进行更加精细的度量.其次,在分析应急演练知识构成的基础上,提出预案知识提取和模糊关系粗糙集的构建方法;设计了演练过程控制流程和基于本文知识综合测度方法形成的核心控制流程;通过对规则重要性排序,提高规则判别精度,提供规则选择的手段和一种规则冲突消解方法.最终,通过一个简单案例,验证了本文所提的研究工作的可行性.     

PMDA-ODA型聚酰亚胺纤维的热稳定性研究

通过干法纺丝制备了聚酰亚胺(PI)纤维,采用热失重(TGA)测试分析了其热稳定性能.TGA测试表明,均苯四甲酸酐-4,4.二氨基二苯醚(PMDA-ODA)型PI纤维500℃之前不发生分解,其热分解稳定性要优于P84纤维.并利用Kissinger和Flynn-Wall-Ozawa方法计算并比较了PI和P84纤维在空气中热...     

基于分位数回归CGAN的虚拟样本生成方法及其过程建模应用

针对复杂工业过程因难以检测变量或因时间上和经济上成本因素导致的建模样本稀缺问题,提出了一种将分位数回归（quantile regression）嵌入到条件生成式对抗网络（conditional generative adversarial network, CGAN）的虚拟样本生成方法QRCGAN。首先,在标准CGAN“生成器-判别器”两元对弈结构中嵌入回归器,使模型不仅具备标签样本生成能力,同时也具备处理回归预测问题的能力。其次,以分位数回归神经网络实现回归器,连同判别器和生成器进行同步对抗训练。当模型到达Nash平衡时,在分位数回归神经网络回归器的作用下,生成器能够产生落在一定置信区间的新样本。然后,利用Kullback-Leibler（KL）散度评估生成样本的质量。最后,通过标准函数数据和实际化工过程数据验证所提方法的有效性。     

HLCC法定量评价CBCT图像伪影

为解决CBCT图像评价标准不一问题,本文提出了一种基于HLCC的CBCT图像伪影定量评价方法。该方法通过CUDA模拟CBCT投影,然后用重排算法转换射束获得HLCC曲线,建立三个评价伪影严重程度的定量指标。实验结果表明:定量指标数值越小,表明图像伪影程度越轻,且带伪影的HLCC曲线的三个评价指标数值是不带伪影数值的4~846倍。图像伪影的主次关系可总结为:散射伪影射束硬化伪影几何伪影余晖伪影无伪影。该方法可在投影阶段客观判断图像伪影的严重程度,简单快捷。     

基于差异特征的案例可拓修改方法研究与应用

案例修改作为案例推理技术的重要环节和难点,存在着修改知识获取困难、修改方法通用性差的问题,结合可拓理论,在运用基元模型实现统一深层次案例描述和相似度检索的基础上,对相似案例进行满意评估,对于评估出的不相容的相似案例,提出了一种基于差异特征的取代式案例可拓修补方法,并将修改后的案例进行筛选评价得到最佳解决方案,从而形成了一套完整的案例可拓修改方法。以精馏塔理论板数的确定为例进行验证,结果表明,此方法对知识依赖性低、学习能力强,为案例修改技术的进一步研究提供了新思路。     

基于主元提取的鲁棒极限学习机研究及其化工建模应用

化工生产过程日益复杂,传统极限学习机(extreme learning machine, ELM)无法有效地对化工过程数据建模。针对该问题,提出一种基于主元提取(principal components extraction, PCE)的鲁棒极限学习机(PCE-RELM)。通过对ELM隐含层进行主元分析,提取数据的主元特征,去除变量间的线性相关性,简化研究问题。可以减小隐含层节点数对模型精度的影响,实现对ELM隐含层节点数的快速随机选取,同时使ELM具有鲁棒性。为验证提出方法的有效性,将PCE-RELM模型应用于精对苯二甲酸(purified terephthalic acid,PTA)生产过程建模。仿真结果显示,相比传统的ELM,PCE-RELM模型具有设计简单、鲁棒性好、精度高等优势,可以对化工过程控制、分析起到指导作用。