摘要： With increasing attention paid to house safety, automatic health monitoring of old buildings becomes a necessity. In this context, the preprocessor of automatic monitoring data was optimized and a preprocessor was built leveraging Python's abundant ''library" resources. The data was screened according to the credibility through Grey Relational Analysis. The abnormal data was screened through Box-plot. Then, the abnormal data and missing data were interpolated and replaced. Finally, the data was smoothed by Kalman filtering so that the dispersion was reduced. Given automatic monitoring equipment was sensitive to surrounding environment, a data comparison method to check automatic monitoring data with manual monitoring data was proposed. This method was aimed at ensuring the accuracy and reliability of automatic monitoring data. The short-term deformation monitoring data was predicted with fitted curve. The prediction accuracy reaches 0. 1% and the effective prediction time is about 10 days. This result can meet the need of researching. © 2024 Beijing Kexue Jishu yu Gongcheng Zazhishe. All rights reserved.

摘要： 近年来，随着航电综合化通信系统的不断发展，其任务量急剧增加，特别是在雷达、电子战、数据链等领域实现的功能日益复杂，对电子信息的处理能力、接口速率及带宽要求越来越高，急需高性能的嵌入式处理平台以及高性能总线互连技术。

关键词： 跨学科融合   财务分析   数据处理  

摘要： 本文旨在研究如何将跨学科融合应用于财务分析课程，以提升学生的财务分析能力。在现代商业环境中，传统的财务分析方法已不足以应对复杂问题，跨学科融合能够为财务分析提供新的视角和方法。通过文献综述，了解了跨学科在财务领域的应用现状，涉及神经科学、大数据分析和人工智能等。在实际应用方面，本文讨论了跨学科融合在财务数据处理、财务指标解释与分析中的应用。通过将不同学科的知识和方法整合在一起，学生可以获得更全面、深入的财务分析能力，为未来的财务职业发展奠定坚实基础。

关键词： 数字平台   共享停车   数据采集与融合   数据处理   用电系统优化  

摘要： 共享停车是有效解决当前城市停车供需矛盾、停车资源利用率不高问题的重要途径。数字平台式共享停车(Digital platform shared parking,DPSP)是共享停车在数字经济时代的一种新发展模式。DPSP以平台为主要载体,以数据为关键要素,以停车资源利用最大化为目标,将有效促进共享停车的新发展。然而,在当前共享停车实际运营中存在的推荐车位数量不足、位置不准确、计时计费不精确、停车需求反馈滞后、电动汽车用电需求难以满足等问题,是影响其目标实现的重要因素。本文从DPSP发展实际需求出发,立足于现代城市交通管理特性,将数据采集与融合、数据处理、数据通信与应用作为研究重点,综合运用系统分析、机器学习和数据挖掘等方法,对DPSP关键技术进行深入研究,解决城市停车难、停车资源利用率不高的问题。论文的主要研究内容及创新性工作如下: (1)数字共享停车概念、特征与系统设计。通过梳理国内外相关研究成果,阐明数字共享停车概念,并对其属性特征、功能定位进行研究与界定,设计完整的数字共享停车服务流程,构建一种数字共享停车系统框架,并对影响数字共享停车的关键问题进行了分析。 (2)考虑可靠性需求的共享停车数据采集与融合优化研究。数据采集与融合是以数据为核心的DPSP运行的首要问题。针对数字共享停车管理智能化与可靠性要求,开展多源交通信息采集与融合优化研究,设计基于轻量化卷积(CNN)的SSD-Mobilenet-v1目标检测算法和基于LPR-net网络设计的多源交通目标识别方案,构建基于遗传算法和粒子群算法的多源交通信息组合优化模型与多源交通信息融合优化模型,研究结果有效提高了数据采集与融合的效率和可靠性。 (3)考虑精确度需求的共享停车数据处理优化研究。针对共享停车运营中存在的供需匹配准确率较低、计时计费不精确等问题,研究构建冗余数据消除、虚假数据过滤和滤波降噪处理模型,设计了基于可变长度数据聚合算法(Changeable Length Data Aggregation Algorithm,CLDAA)、均值滤波算法、动态密钥筛选方案(Dynamic-Key Filtering Scheme,DKFS)的数据处理优化方案,有效消除冗余数据,过滤虚假数据,提升数据传输效率与精度。 (4)考虑及时性需求的共享停车实时匹配技术研究。针对共享停车需求反馈滞后和信息匹配不对称导致的停车寻位响应延迟等问题,研究提出将5G技术应用到DPSP车辆定位、停车预约和分配中,设计基于5G和BDS双模式下的静态预约与实时动态匹配相结合的车位匹配方案,构建基于5G技术的隐马尔可夫车辆定位模型、停车利用率及车位分配预测模型、基于交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)的停车位匹配模型和基于灰色支持向量机(GM-SVR)的停车位预约模型,有效解决了车辆定位偏移、车位匹配不准确、需求响应延迟等问题,提升了停车寻位的精准度、实时性和停车资源利用率。 (5)考虑能耗效应的共享停车用电系统优化设计。共享停车的根本目标是降低停车成本,提高停车资源利用率。针对电动汽车发展可能引发的电力集成与能耗问题,开展共享停车用电系统优化研究。基于DPSP的智能化和数字化,构建以充放电为基础,集成电力存储、能源转换功能的能源互补系统,设计基于鲁棒优化(ROA)的风险约束方法和智能电动汽车停车场(Intelligent Electric Vehicle Parking Lot,IPL)调度优化方案,有效降低了电力负荷和系统运行成本。 图74幅,表18个,参考文献196篇。

关键词： 光伏发电   卷积变分自编码器   卷积神经网络   注意力机制  

摘要： 随着可再生能源的快速发展,光伏发电逐渐成为了解决能源需求的重要手段。光伏发电的可靠性和稳定性对于电网运营具有重要意义,因此提升光伏发电预测准确率不仅有助于电网运营商合理调配能源资源,提高电网平衡和稳定性;还可以帮助光伏发电厂商制定合理的发电计划,提升发电效率。但是传统的光伏发电功率预测存在数据采集不足和有效特征提取困难等问题。因此,本文围绕光伏发电异常数据的识别、重构和光伏功率预测问题,开展了以下工作: 1)针对光伏发电数据质量差且预测结果极其依赖数据质量的问题,提出了基于四分位法和最优组内方差法的光伏发电异常数据识别方法。首先,采用四分位法识别数据集中的离散型异常数据,然后使用最优组内方差法识别数据集中的堆积型异常数据,最后为了验证所提出的方法的可行性,将数据集中的异常数据去除后,再使用长短期记忆网络模型进行训练和预测。预测结果表明,组合识别方法能够有效地识别异常数据。 2)针对光伏发电数据重构时存在难以学习到正常数据分布的特点,提出了一种基于卷积变分自编码器光伏发电异常数据重构方法。首先,对光伏发电功率数据进行归一化预处理。然后设计了一个基于CNN-VAE的模型,该模型能够自动地学习数据的特征表示并生成重构数据。通过训练模型,能够使其从正常数据中学习到异常数据的潜在分布,从而实现对异常数据的重构。最后,使用二值掩码模拟异常数据并评估了所提出方法的性能,得出所提方法能够有效重构异常数据。 3)针对光伏发电时序数据具有的非线性关系和多变量特性,提出了一种基于卷积神经网络、长短期记忆网络和注意力机制的短期光伏发电功率预测模型。首先,对光伏发电历史功率数据进行归一化处理,并使用皮尔逊相关系数选出对光伏出力影响最大的两个特征。然后构建了一个复合模型,其中卷积神经网络用于提取光伏发电功率序列中的空间特征,长短期记忆网络用于捕捉序列中的时序信息,而注意力机制则用于自适应性地聚焦于重要特征。实验结果表明,所提方法能够提高功率预测精度。 本文提出了一套完整的光伏发电功率数据处理和预测方法,包括异常数据识别、重构和短期预测。实验结果证明了这些方法在改善数据采集质量和预测准确性方面的有效性和可行性。

关键词： 水质监控   数据处理   编码器   解码器   长短期记忆神经网络   卡尔曼滤波器   注意力机制   可视化技术  

摘要： 本论文侧重于在检测站点中对水质检测数据存在较多缺失值情况下的水质预测。现行的水质监控数据大多来自各个水域监测站的监测信息，随着水质检测数据时长增加，水质数据变的复杂同时水质监测数据的缺失是普遍存在且难以避免的问题，由于传感器不稳定性而造成多个数据变量的普遍缺失提高了模型预测的复杂度，和水质数据处理的难度。　　本文针对练江水域海门湾监测站点的水质数据展开研究，提出KF-LSTM水质预测模型，主要工作包括:　　(1)针对练江海门湾监测站多种类水质数据存在较多缺失值的复杂情况，本文提出一种结合卡尔曼滤波器(KF)以及注意力机制的长短期记忆(LSTM)编码器-解码器模型，利用卡尔曼滤波器快速的完成水文数据中的缺失值重构以及预处理过程。针对传统递归神经网络模型对长距离数据信息丢失的问题，本文提出在解码器和编码器之间加入软注意力机制的思路，用以充分利用高维协变量数据的交互信息。结果表明相比传统LSTM模型而言，KF-LSTM模型预测溶解氧(DO)含量的平均绝对误差(MAE)降低了 10%、均方误差(MSE)降低了 21.2％,均方根误差(RMSE)降低了13.2％、测定系数(RSquare)提升了 4.5％。　　(2)为了更加及时并直观的展示模型预测结果，同时探索水质数据变化的趋势，本文提出了大数据可视化展示思路，借助当前最为流行的编程语言对模型预测结果和水质数据信息进行可视化展示，提出图形化、数字化、立体化展示海门湾水质预测系统的思路，直观展示水质变化趋势和预测效果以及治理能效。同时也为城市水质环境污染实时管理提供新的解决方案。

关键词： 谐波诊断理论   振动法   数据处理   电机故障诊断  

摘要： 随着社会工业技术和信息技术的发展和工业生产设备的持续更新,电气设备的正常安全运行严重影响着整个生产系统。电机广泛应用于电力、能源和现代工业,其故障不仅会对电机自身产生巨大的损伤,而且会直接导致整条生产线的瘫痪。倘若未及时对电机进行维护便会危及人身和财产安全。传统的故障诊断方法主要包括事后维修和事前的预防性检修这两个方面,其中事前检修依靠经验,需要设备维护专家做出复杂的判断,会消耗大量的时间和精力,影响生产目标的完成进度。为克服上述问题,将谐波技术与振动法融合的特征提取方法应用于电机故障诊断中,以提高诊断全面性和准确性。 本文首先探讨了电动机常见故障的分类及理论基础,并对各种诊断方法进行了概述和分析。针对现有诊断方法的局限性,以及单一传感器信号源对电机故障特征提取不足的问题,提出了一种谐波技术与振动法融合的电机故障特征提取方法。该方法补足了谐波技术和振动法的缺点,可以较好的解决电机设备的故障识别与定位问题,为解决工程实际难题提供了新的思路。 谐波诊断技术是电气设备故障诊断中常用的技术之一。在这方面,本文论述了电气设备与谐波之间的关系,提出一种新的故障诊断方法。该方法的创新点在于将谐波技术与振动法融合,补足了电流谐波数据对机械故障信号不敏感和振动信号对电气故障捕捉不到位的缺点。之后,通过实验证明了该方法对电机故障诊断的有效性。为了实现这一方法的应用,本文设计了一套电机信号采集系统,该系统利用物联网技术实现数据的采集和传输,并通过matlab软件对数据进行分析处理。 最后,搭建电机系统运行平台,通过模拟故障实验对电机各个状态的数据进行采集。实验表明,本文提出的方法在电机故障诊断领域展现了独特且实用的价值。与仅采用谐波技术和振动法进行电机检测相比,我们的方法经过实验,得出了较好的诊断和分析结果,进一步证实了其卓越性能。 该设计满足实际工业生产的需求,可以有效减少生产力的损失,保障生产过程的安全性。 图[61]表[11]参[80]

关键词： 布里渊光时域反射系统   短时傅里叶变换   数据处理   算法优化   寻极大值法  

摘要： 随着我国城市化进程发展加快,大型工程结构健康和安全监测需求不断提升,这使得分布式光纤传感(Distributed Optical Fiber Sensing,DOFS)技术的研发和工程应用不断深入。布里渊光时域反射系统(Brillouin Optical Time Domain Reflectometry,BOTDR)是分布式光纤传感中的一种,具有单端检测和对温度及应力敏感的优势,在通信、电力、煤炭、油气等行业具有广泛的应用前景。为了提升BOTDR系统各项性能参数,同时减少系统成本的投入,可以在系统数据处理及算法优化方面进行研究,利用软件代替硬件,促进系统工程化应用。本文在基于短时傅里叶变换(Short-Time Fourier Transform,STFT)的BOTDR系统基础上,对系统数据处理及算法优化展开深入研究。在系统信噪比、空间分辨率、定位精度、运算时间、温度与应力交叉敏感等性能参数的提升方面,提出了基于数据处理和算法优化的解决方案。另外还对BOTDR系统进行软件集成,并进行了初步工程应用试验。 本文的主要研究内容如下: (1)对STFT-BOTDR系统光电信号进行了处理及优化,分析了BOTDR系统频谱噪声的来源,利用布莱克曼窗函数对布里渊增益谱(Brillouin Gain Spectrum,BGS)中噪声频谱泄露问题进行抑制,提高了系统的信噪比;同时设计了引入布里渊拍频谱的BOTDR系统,利用布里渊拍频谱峰值和布里渊频移(Brillouin Frequency Shift,BFS)双参量法解决温度与应力交叉敏感问题;利用二次求导分析布里渊峰值强度数据,设计出自动识别BOTDR系统中受激布里渊散射现象的算法,通过实验进行了验证。 (2)分析了基于等效拟合法的短时傅里叶变换模型,提出了基于寻极大值法的布里渊频移提取算法,对包含常温信息和温变信息的BGS进行寻极值处理,识别双峰情况中的温变信息,提高了空间分辨率。实验中设置脉冲宽度为100 ns,在2 km的传感光纤上,将空间分辨率提升至0.6 m;同时,分析了基于寻次极大值算法STFT-BOTDR系统的定位精度,提出一种BOTDR系统位置精度的提升方法,通过进行长度位置的修正,实现了系统定位精度的进一步提升;提出了基于等分傅里叶变换(Fast Fourier Transform,FFT)的寻极大值法,将原始信号进行不断等分的同时进行FFT处理,利用寻极大值法判断是否存在温变或应变信息,再逐级选取对应长度的时域信号,确定温变或应变段发生的位置范围,提高了系统运算速度。 (3)进行了STFT-BOTDR系统控制分析软件的设计,包括主要器件的模块化控制, 对系统控制分析软件的整体功能及软件界面进行了设计。同时在“南京地铁六号线基坑施工光纤技术创新应用”项目中对STFT-BOTDR系统进行了初步工程应用试验。

关键词： 波浪观测   波浪浮标   加速度传感器   Sage-Husa自适应卡尔曼滤波   海浪谱  

摘要： 国际上最广泛应用的波浪观测设备是波浪浮标,因为它们能够在海上进行定时定点的波浪参数遥测,可以实现全天时、全天候的监测,且成本较低、稳定性较高。海浪谱是描述海浪能量分布状态的重要工具,通过海浪谱可以准确描述海浪的动态变化,有助于海洋科学家和工程师理解海浪的复杂行为,为航海安全、海洋工程设计以及海洋能源开发等领域的决策提供强有力的支撑,是目前海洋业务需求的重要参数之一。 海洋环境复杂多变,观测设备采集到的波浪数据往往伴随着各种各样的噪声,为了提升波浪观测数据的准确度,进而提供更加精确的海浪谱信息,本文开展基于波浪浮标数据处理的卡尔曼滤波算法研究,旨在优化波浪浮标数据的解析过程,以更好地应对海洋灾害预防和海洋资源开发的需求。 本文搭建了一款基于MEMS九轴姿态传感器的波浪浮标数据采集系统,详细地说明了波浪测量原理和波浪数据处理算法的实现,并进一步研究分析了Sage-Husa自适应卡尔曼滤波技术在提高海浪谱估计精度上的应用,最后通过波浪仿真实验和海上比对试验,对波浪数据处理算法的效果进行了量化分析。具体研究内容如下: 首先,根据《GB∕T 14914.3-2021海洋观测规范》对波浪浮标硬件系统提出的技术指标和用户功能需求,确定了该波浪数据采集系统的整体设计方案——使用能够同时采集三轴加速度、三轴磁力计和陀螺仪数据的HWT906九轴姿态传感器作为加速度计,然后在STM32单片机上对这些加速度信号进行滤波和二次积分处理,最终解算出来的波浪参数都被存储到SD卡上。 接着,在软件开发方面,详细介绍了波浪的测量原理以及波浪数据处理算法的实现细节——选用四元素法对加速度信号进行坐标转换、滤波处理、在频域内进行二次积分、异常值检测、以及通过统计分析提取波浪特征值;使用C语言将经过验证和仿真后的MATLAB环境中的波浪数据处理算法移植到ARM硬件平台上。 在研究海浪谱估计算法的过程中,介绍了几种常见的海浪谱模型,使用Welch法来实现海浪谱估计,并利用PM谱反演出来的波浪位移数据来模拟分析Sage-Husa自适应卡尔曼滤波技术在提高波浪谱估计精度方面的应用效果。 最后,通过实验验证波浪浮标数据处理算法的性能。先是搭建了一个简易的波浪仿真装置,以转动轴直径作为标准波高,通过电机控制转速来设定标准波周期,以此对波浪数据处理算法的精度进行了量化分析。然后设计了海上试验,将搭建的基于MEMS九轴姿态传感器的波浪浮标数据采集系统与SBY1-1型波浪浮标进行比对测试。实验结果表明,该波浪浮标数据处理系统的输出误差符合《海洋观测规范》所规定的一级误差要求,并且观测处理性能较为稳定,证明其能够实现长期稳定的海上观测。