关键词： 电力抢修备件需求   数据处理   情景分析   模糊规则  

摘要： 近年来,由于突发事件导致的电网大规模中断,已引发一系列社会问题。电力供应的安全稳定关系到人民的生命和财产安全,如果电力设备发生事故,将会对生产和生活造成严重影响,甚至带来巨大的经济损失。电力设备抢修备件是企业修复电力故障、保障供电安全的专用储备物资,一旦出现缺货,可能会加剧事故的严重性。探究科学的电力设备抢修备件需求预测方法,提高电力企业对突发事件的响应能力并节约社会成本,已成为电力行业和学术界共同关注的热点和难点问题。电力设备抢修备件的应用场景复杂,其需求具有高度不确定性且间隔期长,使得电力设备抢修备件需求的预测非常困难。本文针对电力设备抢修备件需求预测的难题,构建了基于情景分析的电力设备抢修备件需求预测方法,开展的研究工作有:(1)查阅了备件需求预测文献并收集了电力企业备件管理的相关资料,对电力设备抢修备件需求预测问题的研究现状进行了分析,总结了当前电力设备抢修备件的需求特点,为本文的研究提供了理论支持;(2)为了收集可用于开展电力设备抢修备件情景分析的有效时空数据,采用数据爬虫方法获取相关数据,并利用数据融合方法与数据处理方法对电力设备抢修备件需求预测相关数据进行了融合和处理,并通过随机森林模型降低数据维度;(3)从影响电力设备抢修备件需求的情景要素入手,采用贝叶斯网络对决策情景开展情景演化分析,识别出触发电力设备抢修备件的核心情景。其次,结合专家经验对情景要素进行权重设定,采用自适应神经网络模糊推理系统,从数据中挖掘核心情景与备件需求的模糊关联关系,从而预测电力设备抢修备件需求量;(4)为了验证该模型在实际应用中的可行性,运用上述基于情景分析的电力设备抢修备件需求预测模型,对某电力企业的抢修备件需求进行了预测,并将所得结果与电力领域常用预测方法进行了对比分析,证明了本文所构建预测模型的优越性。本文从电力设备抢修备件需求产生的角度,根据情景要素构建抢修备件需求决策情景,并创新性地将情景分析方法与自适应神经网络模糊推理方法相结合,将数据样本学习与专家经验相结合,构建了基于情景分析的电力设备抢修备件需求预测模型。本研究为解决电力设备抢修备件需求预测难题提供了新方法和新思路,从情景角度提高了抢修备件需求预测的科学性和精准性,减少了电力设备抢修备件库存的盲目性,有助于实现抢修备件从“应急式”到“预防式”储备策略的转变。

关键词： 火炮后坐位移测量   加速度传感器   数据预处理   数值积分  

摘要： 火炮作为一种世界各国军队装备数量最多、使用最频繁的常规军事武器,具有机动性强、杀伤力大、操作简单、持续作战能力强等优点。现代战争条件下,复杂多变的战场形势对其作战性能也相应提出了更高的要求。火炮在发射时的后坐位移情况是衡量其作战性能的关键因素,因此,测量火炮后坐位移具有非常重要的意义。然而,当前靶场环境下常采用的激光CCD法、激光测振法和高速摄影法等光学测量方法存在布设困难、机动性差且光线传播路径易受障碍物影响等缺陷,钢丝位移法存在传感器安装困难、且易对测量结果造成不良影响等弊端。针对上述问题,本学位论文提出了一种基于加速度传感器的火炮后坐位移测试及数据处理方法,该方法机动性好、安装简便且能适应复杂的火炮后坐环境,较好地解决了难以对火炮后坐位移情况进行快速、便捷诊断的难题。 首先,针对火炮后坐运动过程和被测加速度信号的特点,进行了加速度传感器和数据采集系统的选型;随后,在待测火炮后坐部分安装所选择的加速度传感器,并配合数据采集系统对火炮发射过程中的后坐加速度数据进行采集;接着,设计了一套火炮后坐加速度数据处理算法和一款数据自动处理软件,对原始后坐加速度数据进行数据处理以得到后坐位移情况。 针对火炮后坐加速度数据预处理问题,本文基于原始数据特点提出了一套数据预处理算法。该算法通过两次有效数据段提取,准确捕获了实际后坐运动时间段内的加速度数据,减少了数据处理的计算量;通过对高频干扰噪声的滤除,避免了复杂干扰噪声对后续积分过程产生的不良影响;通过对离散数据点进行插值优化,提高了数据准确度,为后续积分奠定了良好的数据基础。针对火炮后坐位移测量中的位移解算问题,本文利用多组仿真对几种常见数值积分方法的性能进行了对比验证,并基于对比结果,采用基于复化辛普森法的自适应积分算法对预处理后的加速度数据进行两次数值积分。基于所提出的数据预处理算法和积分算法,本文利用MATLAB GUI软件开发工具开发了一款火炮后坐位移数据自动处理软件,实现了数据处理流程的高度简化。 更进一步地,通过自由落体实验和火炮发射实验对所提出的火炮后坐位移测量及数据处理方法进行了性能验证,并将实际发射实验的数据处理结果与高速摄影所得结果进行了对比,结果表明该方法能准确还原火炮发射过程中的实际后坐位移情况。本文所提出的基于加速度传感器的火炮后坐位移测量及数据处理方法有效规避了光学测量法的缺陷,在火炮常规性检查测试方面具有独特优势,且该方法能够适应火炮发射过程中复杂恶劣的后坐环境,实现对于火炮后坐位移的准确解算,具有良好的工程应用价值。

关键词： 高光谱成像   数据处理   C++   图像拼接   软件开发  

摘要： 高光谱图像由于具有波段多、光谱分辨率高、光谱信息丰富等特点,在物质的精细定量、探测与分析方面有很大的研究与应用前景,目前已被已广泛应用于农业与水质监测、地质勘探、环境保护、军事安全等领域,成为目前高光谱技术与应用领域研究的热门课题。高光谱成像系统是高光谱技术的关键部分,高光谱成像系统直接影响着高光谱技术的发展与应用。因此,研究高光谱采集与数据处理分析系统以及如何获取准确、可靠的高光谱数据,并且针对获取到的数据进行处理与分析,具有很大的应用与商业价值。本文主要进行了高光谱图像数据处理软件平台的设计与研究。通过学习高光谱成像技术的基本知识,以及高光谱成像系统的基本构成和成像原理,并且调研高光谱数据处理分析软件的国内外发展与应用现状,详细阐述了软件平台的设计开发过程与结果,关注平台开发过程中遇到的关键技术问题,并提供了相应解决方案。同时,在光谱图像数据的处理上进行了软件开发实现。本文的研究重点包括高光谱成像采集系统以及高光谱数据处理系统的软件平台设计与研究,分析了高光谱图像处理与分析的主要流程与功能,针对这些主要功能进行了模块化的划分,详细介绍了各个模块的主要功能和设计流程,并设计了不同模块之间相互联系的接口。在软件开发的过程中所遇到的关键技术难题进行了分析并给出相应解决方案。利用Visual Studio 2019开发工具,基于C++与C#编程语言,自主研发了一套高光谱数据处理软件系统,能够实现不同波段的高光谱数据的图像重构、数据预处理以及光谱特征曲线绘制等主要功能,并且优化了相应的图像拼接算法,实现更高效率的光谱数据处理。最后,针对研发的高光谱成像系统以及图像数据处理平台,对软件实现的功能进行相关的测试,对比现有商业软件的操作结果,验证软件功能的准确性,并且总结了目前软件系统的特点与不足之处。

关键词： 桥梁监测数据   混凝土桥梁   深度学习   信息挖掘   人工智能  

摘要： 在我国,各类混凝土桥梁在国省干道、高速公路等交通路网中占据绝对主导地位。近二十年来,随着桥梁健康监测系统的应用推广,大量桥梁开始安装无线传感监测系统用于监控桥梁运营状态下的服役性能。但同时随着时间增长而产生的海量监测数据常常无法得到系统地处理,桥梁监测响应中包含的丰富信息也缺乏合理方式、手段进行分析,因此亟需针对此问题形成一套较为完整的监测数据处理与挖掘流程,帮助管理及科研人员最大化程度地合理运用监测数据。故本文基于混凝土桥梁监测数据,以人工智能、统计学、深度学习为手段,以监测响应输出为分析对象,提出一套全流程的数据处理与信息挖掘方法,为智慧桥梁运维提供理论和技术支撑。论文针对混凝土桥梁传感器异常监测识别、异常数据修复处理、考虑温度时滞效应的准静态数据信息挖掘以及动态监测数据复杂非线性映射关系挖掘与领域转换问题展开深入探讨,具体的研究内容及创新点如下所示: (1)针对混凝土桥梁广泛存在的传感器监测数据异常情况,提出了一套完整的自适应异常数据识别流程。首先利用Tsfresh算法提取大量监测数据的时序特征,并根据Kolmogorov–Smirnov检验与Benjamini-Yekutieli过程筛选其中重要特征,在降维原监测数据的同时最大化保留重要数据信息;其次搭建基于全卷积神经网络的异常数据分类算法,并分析特征数据对于分类器训练效率、准确率以及鲁棒性的影响。 (2)针对混凝土桥梁监测系统产生的异常数据的修复问题,尤其是大面积连续异常的监测数据,首先对其进行掩膜处理,将问题转化为缺失数据的修复问题;其次引入生成式对抗神经网络,其中生成器神经网络负责对异常数据进行修复,判别器神经网络负责识别分类真实样本或生成样本;论文中引入的掩膜机制使得算法在固有的非完整训练集上同样适用;引入的提示机制保证修复数据的分布与原始数据分布完全一致;本文着重在数据缺失率对修复结果的影响上进行了讨论,并对该套算法的自适应能力、修复效率、以及实时修复的能力进行了阐述。 (3)混凝土桥梁在温度作用下具有明显的变异性特征,而温度效应也是混凝土桥梁主要外荷载之一,温度影响往往以时滞效应的形式呈现,对分析挖掘桥梁的准静态温致响应数据产生较大的困难。本文引入函数型数据分析方法的理念,对混凝土桥梁在长期温度作用下的温致响应进行信息挖掘,建立一套由于温度效应引起的日时滞效应分析范式,将桥梁的准静态温致响应表征在平方根梯度空间下,并在该空间下寻找代表时滞效应的规整函数;为了能够对规整函数参数化式建模,将规整函数转换到线性正切空间中表示,并在贝叶斯框架下对规整函数进行参数化表示,最后可依规整函数可以有效对原始准静态响应消除时滞的影响,并加强响应间的相关性;为了分析时滞效应的长期变化规律,引入函数型主成分分析算法,并对长期时滞效应进行建模; (4)由于环境因素与多种荷载叠加影响,混凝土桥梁中的动态监测响应关系通常较为复杂,为了探究动态响应间数据的复杂非线性关系信息,本文引入循环生成式对抗神经网络建立动态响应间的复杂非线性映射以及领域转换模型。响应间的映射关系由双向单一模型建立,且参数一致,极大加强了映射模型的可解释性;同时由于引入循环一致性损失、恒等损失等训练机制,增强了模型的约束,保证了训练结果的准确性,同时降低了训练数据的约束,使得非成对数据同样可以用于训练,为监测数据的领域转换以及数据增强提供可行方法;分别针对动态响应复杂非线性映射模型以及领域转换模型提供两套评估体系,以满足不同应用场景下的模型适用性。

关键词： 训练监控   技术分析   数据处理   反馈  

摘要： 我国体育发展存在的矛盾主要是人民群众日益增长的多元化、多层次体育需求与体育有效供给不足所造成的,体育人才短缺是其中最主要的因素之一,而体育高考是国家体育事业未来发展的重要力量。因此,采取必要的手段提升体育高考生的水平是实现国家体育事业发展的重要基础。伴随着体育高考越来越热门,因此对学生的身体素质要求也越来越高,考生竞争压力越来越大。在训练中采用监控评价可以让教练员和学生能够直观的看到训练中的动态变化,也为教练员训练计划的调整提供指导,提升训练的客观性和科学性,从而提高体育考生的技术水平,提升训练成绩。本文以山东省普通高校体育专业考生身体素质状态监控与评价研究为研究对象,领*体育俱乐部35名普体考生为测试对象,运用文献资料法、数理统计法、录像分析法、对比分析法、专家访谈法、测试法等研究方法对测试对象训练全程进行跟踪分析,通过分析视频对其数据处理与进行技术分析,将获取到的数据进行及时的反馈,促进训练效率与运动成绩的提升。研究结果:1.在100m项目上步频指数与步长指数均有所上升,但步长指数提升不明显,大部分测试对象的全程步数偏高。最大速度水平较低成为影响成绩的重要因素,终点跑阶段测试对象的速度下降趋势明显,冲刺阶段部分测试对象思想不够重视。2.在铅球方面,整体来看水平仍然较低。虽然铅球出手速度与出手角度都有不同程度的改善,但是个别测试对象技术动作不稳定,整体出手速度较低导致成绩不理想。在投掷过程中部分测试对象并没有重视规则,频繁犯规。3.部分测试对象成绩不够优秀,主要体现在蹬地角度过大,导致水平速度降低。最大重心高度较低限制了空中收腹举腿动作的完整性。部分测试对象预摆次数过多,最终造成动作不协调。4.部分测试对象力量素质水平仍然较弱,个别对象虽然上肢力量比较优秀,但并没有与速度很好的结合,导致爆发力不足,进而影响铅球成绩。5.测试对象在日常测试当中重视程度不够,对于考试流程与规则并没有明确的了解,个别测试当中态度不够端正,最终影响成绩。6.在训练过程中采用训练监控与评价的方式能够有效促进训练的效率,通过对相应视频进行处理,获取数据,再将其反馈给教练员与测试对象,指导教练员科学安排后续训练。

关键词： 二维光谱   多模态   光谱分类   信噪比   卷积神经网络  

摘要： 一维光谱是目前天文研究中应用最广泛的数据,对信噪比要求高,低信噪比数据会被舍弃,造成数据浪费。而二维光谱图像是LAMOST天文望远镜的初始数据,比一维光谱拥有更多有效信息,且理论认为二维图像比一维序列具有更好的抗噪声性能,所以直接对二维光谱进行天文研究能够有效的缓解数据浪费,提高产出。为此,本文首先尝试直接利用二维光谱图像进行光谱分类,并开展了其分类准确率和噪声敏感性等工作。 (1)提出了二维光谱图像自动分类模型C-Net:该模型由特征提取模块、特征融合模块和分类器模块三部分构成。其中特征提取模块设计了两条支路用于二维光谱蓝、红端图像的特征提取,提取的特征送入特征融合模块和分类器模块进行融合和分类并输出结果。实验结果证明,C-Net模型可以实现二维光谱图像的自动分类,但是分类准确率不高。 (2)针对C-Net模型分类准确率不高的问题,本实验将多模态融合思想与C-Net结合,并综合测光图像与二维光谱图像数据,提出了多模态天体分类模型MAC-Net,模型中二维光谱支路加入CBAM注意力模块;而测光图像支路引入Inception模块,使MAC-Net得到了更好的分类结果。实验表明MAC-Net对星系、类星体和恒星三类天体的分类精确度分别达到了99.2%、100%和97.6%,比单模态模型分别提高了8.5%、28%和7%;在同样结合测光图像的情况下,星系和类星体的分类精确度方面,二维光谱的结果比一维光谱分别高出了1.9%、4.5%。实验结果既证明了多模态分类网络的有效性,又证明了二维光谱的有效信息含量高于一维光谱。 (3)为了研究二维光谱图像对噪声的敏感性,本文开展了两部分实验。实验1首先通过矩阵变换得到二维光谱的变形数据,然后对变形和原始形数据进行对比,得到了更适合开展研究的是原始形,更适合的研究模型是CNN的结论。实验2在该结论的基础上,提出了双支路光谱分类模型D-RC,通过先降维再提取特征的方法来处理二维光谱图像,并与一维光谱的分类结果进行对比。结果表明,噪声很大时二维光谱分类性能优于一维光谱。证明了二维光谱图像的抗噪性更强,以及低信噪比时直接分析二维光谱的可行性。 本文证明了对二维光谱图像直接开展研究的可行性和有效性,为天文学者开展研究时提供了新的思路和方法。

关键词： 水下爆炸   测试系统   时基统一   数据去噪   能量评估  

摘要： 军事上,水下爆炸参数测量是水中武器设计及毁伤评估的基础,压力是水下爆炸试验的重要测量参数,水中炸药威力毁伤评估与爆炸能量参数密切相关。国内外水下爆炸压力测试方法有传感器测量方法、光学测量方法和霍普金森杆测量方法等,主流测试方法是传感器测量方法,相比于其他方法更加可靠,但同时存在频率响应差、存储速率慢、时基不能高度同步的问题。测试信号混有高频噪声干扰,需要对实测数据去噪处理,去噪精度影响能量评估的准确性。因此,水下爆炸压力测试系统的设计与数据处理方法的研究尤为重要。设计了基于FPGA的水下爆炸压力测试系统,旨在测试冲击波压力和气泡脉动压力。测试系统由压电传感器、光纤触发系统、信号调理电路、采集存储电路和读数装置组成,并通过读数装置与上位机通讯。其中,交替双平面页写操作和负延时双流水线“乒乓”存储,提高了存储速率;光纤断线触发与高精度同步算法结合,解决了时基难以统一的问题。为了提高数据去噪精度,提出了HHT(希尔伯特黄变换)与Bessel联合的数据去噪方法,结合了Bessel设计简单和HHT自适应性好且适用于分析非线性非平稳信号的优点。结果表明:与目前已有的数据去噪方法对比,该方法SNR(信噪比)更高,RMSE(均方根误差)更小,去噪精度更高,提高了信号分析的准确性。试验数据验证了测试系统的可行性,数据去噪的结果表明了数据处理方法的准确性。从测试数据中获取水下爆炸冲击波超压峰值、气泡脉动峰值压力,计算冲量、冲击波能、气泡能和爆炸能量,对水中炸药进行能量评估。

关键词： GRACE   球谐系数法   点质量   Mascon   Tikhonov正则化  

摘要： GRACE卫星的成功发射为研究陆地和海洋质量变化、全球水循环和冰川冰盖消融等提供了高精度的观测数据,极大地促进了环境监测以及地球科学研究的发展。格陵兰岛是世界上最大的岛屿,其冰盖质量变化直接影响着全球的海平面变化,同时还对全球水循环和全球质量再分布等产生重要影响。卫星重力技术的迅速发展为利用卫星数据从空间监测格陵兰岛冰盖质量变化提供了很好的机会。各GRACE数据处理中心为全球用户提供了无约束球谐系数估计,即GRACE Level-2产品,这些系数估计含有显著的条带误差和高频噪声,通常无法直接用于反演质量变化。可以采用两种方法解决此问题,即以球谐系数法为代表的谱域法,以及以点质量法和Mascon法为代表的空域法。在空域法中可以更灵活地选择模型参数,更方便地引入空间约束,为进一步提高质量反演性能提供了可能,由此,空域法在近年来得到了广泛的关注。本文以空域法为研究对象,研究内容如下。首先,介绍了采用GRACE Level-2数据进行质量反演的基本理论,重点介绍了空域法:点质量方法通过直接建立地表质量点源与重力场的函数关系求解地表质量变化;Mascon方法是以每个质量块的质量变化作为未知参数,建立重力场与未知参数的函数关系来求解地表质量变化。并介绍了解决病态问题的Tikhonov正则化方法,包括采用广义交叉验证选择最优正则化参数。其次,采用传统空域法进行了GRACE Level-2数据处理。在传统空域法中,根据GRACE Level-2提供的球谐系数模拟生成格陵兰岛上空卫星高度处的扰动位作为观测数据,选择了观测数据缓冲区的最优范围。采用2003年至2012年的GRACE Level-2数据,根据空域法反演格陵兰岛地区的质量变化,并分析了格陵兰全岛及局部质量变化的周年振幅、长期趋势等信号分布。将上述分析结果与谱域法结果以及外部参考模型进行对比,验证了方法的有效性。最后,尝试了一种新型的空间法,将其称为直接法Mascon。在该方法中直接以GRACE Level-2球谐系数为观测数据,不再需要传统间接法中模拟生成观测数据这一环节,建立了直接法Mascon的函数模型,即联系球谐系数与Mascon参数的观测方程。通过仿真实验和真实数据实验,对比分析了直接法Mascon和间接法Mascon反演的格陵兰岛冰盖质量变化,发现二者有较好的一致性,且精度与其他机构计算的Mascon产品相当,证明了直接法Mascon的有效性。为反演局部地区质量变化和研究格陵兰岛冰盖消融提供了一种有效方法。

关键词： 温湿度箱   LABVIEW   数据采集仪   GPIB   数据处理  

摘要： 随着JJF 1101—2019《环境试验设备温度、湿度参数校准规范》落地实施，中国电子科技集团公司第五十五研究所在用温湿度自动测试系统标准装置中数据采集处理软件已不符合新规范要求。针对该问题，结合单位计量工作的实际需求，提出设计一款基于LabVIEW软件平台的温度、湿度参数自动采集程序，与原有硬件装置配合组成满足要求的温度、湿度参数自动校准系统标准装置。新搭建系统在实际应用中能够很好的完成自动控制、数据采集、数据处理、导出生成证书报告等自动化校准工作。

关键词： 多输出回归   LSTM神经网络   数据处理   麻雀搜索算法   即时学习  

摘要： 湿式脱硫系统运行过程中存在多个关键且难测参数,其实时准确的测量对系统经济安全运行至关重要。实际测量过程中由于理论不完善、传感器易受环境影响等原因,导致测量精度低且存在滞后性。多输出回归方法可以实现对多个参数的实时同步测量,有效改善了传统测量方式的不足。本文建立多参数测量模型,利用单一模型对多个参数进行测量,主要研究内容如下: 首先,针对脱硫系统大惯性、大时延与非线性的特点,本文在分析不同的多输出回归建模方法的基础上,选择了长短期记忆（Long Short-Term Memory,LSTM）神经网络作为测量模型。通过对湿法脱硫工艺过程进行分析,确定了目标参数和辅助变量,利用改进小波阈值算法结合互补集合经验模态分解（Complementary EEMD,CEEMD）分解进行数据降噪,对处理后的数据使用最大相关-最小冗余（max-Relevance and Min-Redundancy,m RMR）算法消除冗余变量的影响。 其次,针对LSTM神经网络的结构以及超参数选择的问题,通过调整网络结构并且加入Dropout层建立基础测量模型。利用混合策略改进原始SSA算法,并以标准函数验证了改进算法MSSA的寻优性能,结合MSSA算法寻优LSTM中的超参数,建立了m RMR-MSSA-LSTM多参数测量模型。考虑到工况改变会导致预测模型精度下降,将即时学习算法与所提模型相结合进行模型矫正,提高模型精度。 最后,基于DCS实际数据进行建模与仿真,实验结果表明,使用去噪算法以及变量选择算法优化输入变量,降低了冗余变量的影响;将MSSA算法用于寻优LSTM超参数,避免了参数选择的盲目性,提高了预测精度。在模型精度上,浆液p H值测量精度提高了37.4%,出口SO2浓度测量精度提高了35.4%,脱硫效率预测精度提高了37.6%。并且验证了即时学习算法结合本文预测模型的性能,与静态模型相比能够适应系统运行状态的改变,满足现场测量需要。