基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

学生参与电气人才创新能力培养的探索

基于“以学生为本”的OBE教育理念，本文对电气人才创新能力培养进行了探索。整个过程将专业课程体系契合学业规划以明确学生学习目标；学生参与理论、实践教学和平台搭建，在夯实其理论知识的同时丰富教学资源；在创新考核中采用“螺旋递进式”的师生互动模式，全程培养学生自主的创新能力。多年实践探索表明学生在课程实践、学科竞赛、论文发表和申报专利等方面的创新能力得到显著提升。     

基于改进SOA-VMD的磁声发射信号去噪算法

磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α两个参数，将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明，改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法，降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好，可靠性更高。     

悬浮抱杆组塔无线监测系统的设计与应用

抱杆系统是悬浮式内拉线抱杆分解组塔施工安全的决定性影响因素，但由于其受力复杂且难以实时感知，造成铁塔组立施工难度过大甚至产生事故。为此，结合当前发展的无线物联技术，提出了一种基于无线传感器网络的悬浮抱杆组塔无线监测系统。通过对悬浮式内拉线抱杆分解组塔工艺的分析，获取了抱杆系统的安全薄弱点，从而明确了系统功能原理与模块组成。针对抱杆及其拉线系统的受力、倾角、风速、高度、距离等数据特点，选择相应传感器进行实时数据监测与采集；并针对监测点分布广、层级多的特点，采用LoRa树型组网模式，形成以上位机为网络总节点的一主多从无线传输方式。系统采用阵列巡检应答通信模式，各信道通过时分进行有序利用，数据延迟控制在ms级以内，并通过临限预警功能将各危险点数值控制在安全范围之内，保证施工全过程的安全稳定。     

SIL验证与安全仪表系统的优化设计

安全仪表功能(SIF)回路是为了降低特定场景的安全风险而设置的,定级报告中SIF回路的功能描述是工艺设计的完整逻辑要求,包含关键动作及附件动作。安全完整性等级(SIL)验证属于概率学领域研究范畴,影响失效率的因素多且复杂。如果SIL验证无法通过,将造成大量的设计变更,浪费工程投资,影响工期。设计人员应关注SIL定级报告中关键动作的识别、要求平均失效概率以及SIF回路架构的约束。按照文中方法优化测量元件、逻辑控制器、执行元件及辅助元件的设计,可增加通过验证的概率。在没有预验证及安全要求规格书时,可以参考文中典型可通过SIL验证的SIF回路的经验架构进行优化设计,以减少工程变更。     

多重驱动模式下开放式知识网络的时空演化模型及治理策略

开放式复杂网络下知识的快速流转及有效分配决定着跨时空知识创新与价值创造的实现,在揭示开放式知识网络典型特征的基础上,结合网络参与主体的联合程度,针对联合式、强驱动式及无意识式多重驱动模式阐述知识结构布局的存量、流量和转量的影响要素与作用机理。建立开放式知识网络总量的二元时空交流域方程,深入挖掘网络时空分布的测度方法与演化特征。运用多层次案例研究方法,分析2012～2017年间3类知识服务网络的产生与演变过程,提出知识网络的治理策略。研究发现,不同驱动模式下的网络知识构成伴随组织形态不断演化发展,呈现为获取渗透、交换潜化、扩散倍化及转化应用4个阶段。知识市场缺口与地理缺口的时空距离不断减少,知识溢出效果不断增强,有效的知识治理方案有助于开放式知识系统的形成。     

基于参数优化VMD的齿轮箱故障特征提取方法

为解决齿轮箱故障振动信号信噪比低、故障特征提取难的问题,提出了基于参数优化变分模态分解(VMD)的齿轮箱故障特征提取方法。首先,以分解结果的局部极小包络熵最小为目标,利用果蝇算法搜寻VMD分解参数K和α的最优组合;将原始信号分解成若干IMF分量,从中选择包络熵较小的分量进行信号重构,并对重构信号进行包络解调运算,从重构信号的包络谱中提取故障频率特征。结果表明,利用此方法对实测信号进行处理,成功降噪、提取齿轮箱故障特征,并且比利用经验模态分解方法降噪效果更好,提取的故障特征更加明显。