关键词： 大数据技术   智慧城市   数据处理  

摘要： 智慧城市是创新与信息技术发展、成长于社会创新环境下的新兴城市形态，是传统城市文明与新知识、新技术创新融合的产物。建立在数字城市的基础框架上，通过无所不在的传感网与现实城市关联起来，将海量数据存储、计算、分析和决策交由云计算平台处理，并按照分析决策结果对各种设施进行自动化控制。基于如此庞大的数据量，智慧城市必然需要一种强大的数据处理技术，大数据技术的出现不仅能够实现对智慧城市数据的处理，同时也是连接智慧城管运行的纽带。文中通过对大数据技术在智慧城市中的应用进行探讨，并对其进行总结和分析，为智慧城市的发展积累相关经验。

关键词： 油浸式变压器   故障诊断   数据处理   AdaBoost算法   极限学习机   改进蜣螂算法  

摘要： 油浸式变压器作为当前电力系统中应用最为广泛的关键枢纽设备,一旦发生故障,将严重影响电网的安全稳定运行,威胁国民经济和人民安全。因此,通过先进的设备监测手段和故障诊断技术,对其运行状态和健康状况进行准确的评估判断,并采取相应修复措施,能够避免故障蔓延以及更严重的事故发生,延长设备使用寿命、降低设备维修成本,有助于保证电力系统的安全稳定性。本论文即是基于Ada Boost算法对油浸式变压器故障诊断方法进行研究,选题具有重要的理论意义及工程应用价值。 首先,针对变压器油中溶解气体数据质量不高,对故障诊断结果影响较大的问题,提出一种基于IF-CNN算法的数据处理方法。使用孤立森林算法对采集到的原始样本集进行异常检测,剔除离群点以达到数据清洗的目的,并通过卷积神经网络完成新数据集的特征提取工作,将原始气体特征映射到新的特征空间,提高不同故障类型样本的可区分度。通过特征可视化,对比分析数据处理前后气体样本的分布特性,验证该算法在提高油中溶解气体数据质量方面的有效性,为后续通过智能算法进行故障诊断提供可靠数据样本集。 其次,结合集成学习的思想,提出一种基于Ada Boost.M2-ELM算法的油浸式变压器故障诊断方法。使用极限学习机ELM作为基学习算法,生成集成学习框架下的基分类器;针对单一ELM分类器对易混淆样本诊断精度不高的问题,本文构建了基于Ada Boost.M2算法的集成学习模型,扩展基分类器的输出,并引入伪损失函数替代传统Ada Boost算法中的加权误差,以增强集成分类器综合表达能力,进一步提高模型识别精度;并基于数据处理后的变压器油色谱密度样本集,验证了所提基于Ada Boost.M2-ELM算法的变压器故障诊断模型的诊断精度和分类性能。 最后,为进一步提升变压器故障诊断模型的精度和稳定性,提出一种基于Tent混沌映射和黄金正弦算法改进的蜣螂算法,对Ada Boost.M2-ELM集成学习模型进行优化。采用Tent混沌映射增加蜣螂算法全局探索能力,采用黄金正弦算法改进蜣螂算法个体移动策略,兼顾对局部区域的开发能力;将改进的蜣螂算法与集成学习模型相结合,提出改进IDBO-Ada Boost.M2-ELM模型,分别对基分类器和集成框架进行优化,进一步提升模型的故障诊断精度和泛化能力;并建立了以混淆矩阵为基础,包含多个评价指标的油浸式变压器故障诊断综合评估体系。通过与其他故障诊断算法的对比分析,验证了所提改进IDBO-Ada Boost.M2-ELM模型的优异性能。

关键词： 数据处理   地转经验模态   反演   深海声层析  

摘要： 为获取墨西哥湾区域海水的温度、盐度和比容异常数据，采用地转经验模态GEM方法，通过将墨西哥湾区域的所有历史实测温盐深数据整合在一起，建立一个散点的拉格朗日矩阵，将已有的温盐深数据投影到此二维空间上，从而建立一个传播时间与温度、盐度和比容异常的经验关系。进而结合IES实测的传播时间便可最终反演得到温度、盐度和比容异常，得到流速剖面。最后根据构建的墨西哥湾区域的地转经验模态，便可推知墨西哥湾区域的海水传播时延随着温度、盐度和比容异常的变化关系，为更好地研究该海域深海温盐流场提供了有效根据。

关键词： 共面波导   谐振腔   铁磁共振线宽   S21参数   数据处理  

摘要： 当今信息技术时代的高速发展,高频通信芯片及系统也正在向宽频带、低延迟、低功耗和小型化发展,通信系统内部器件和材料的高频损耗也是关注热点。磁性材料作为在微波通信、磁存储芯片和磁传感芯片等领域发挥重要作用的基础材料,在国民经济社会发展中发挥着不可替代的作用。因此准确测量磁性材料的高频损耗对于开发先进低功耗磁性芯片或集成芯片的性能有着重要影响。而对于磁性材料高频损耗的评估,主要的表征方法是铁磁共振线宽测试。但目前的铁磁共振线宽测试主要在微波低频段(20 GHz以下),为了实现在毫米波段的铁磁共振线宽测试以满足更高频段的测试需求,国内外都需要不断拓展铁磁共振基础理论,进而研制毫米波段铁磁共振线宽测试系统。 铁磁共振线宽的测试方法一般分为谐振腔法和平面传输线法,谐振腔法准确度高但是只能在若干谐振频率点测试,平面传输线法具有宽的测量频段且放置样品方便。本文在课题组前期研究基础上,根据两种测试方法和测试特点并基于矢量网络分析仪研制并改进了毫米波段的铁磁共振线宽测试系统。本文的主要工作和成果如下: 1.共面波导的设计方面,首先增强了模型的复用性,并从阻抗匹配、介质板材质、以及共面波导各参数进行仿真和优化。从仿真上实现了共面波导扫频法和扫场法的测试,验证了共面波导的可行性。谐振腔设计方面,设计并仿真了75 GHz以上的谐振腔,解决了高频下仿真时谐振腔参数设置引起的问题,仿真并实现了不同线宽下的谐振腔测试。 2.进一步改进了测试系统的软硬件工作,首先编写了测试软件,可以实现更稳定的快速测试。共面波导测试方面,可以测试一些大线宽的样品,增加了测试样品种类,除此之外,提高了测试频率上限,最高可以测试到85 GHz。谐振腔测试方面,已经实现了谐振频率点为76 GHz左右的样品测试,并对谐振腔一腔多模的测试可能性进行了探究。 3.基于Python语言编写了数据处理程序,通过估计初值的方法提高程序的自动拟合效果。对电磁铁的气隙、电流和磁场的关系以多项式函数形式建模研究,在测试中可以估计磁场大小进而平衡测试所需要的磁场上限和测试准确度。

关键词： 白光干涉   三维微观形貌   表面微结构   软件模块化  

摘要： 随着现代高精度光学技术和微型化半导体制造工艺的不断发展,生产技术向着更小的尺寸和更高的精细度的方向发展,因此对微观表面形貌的精度要求变得也来越高。在这一背景下,表面的微观形貌检测成为了评估工程组件技术性能的关键环节,能直接影响零件的质量和可靠性。课题组在研发具有自主知识产权的国产白光轮廓仪的过程中,亟需针对半导体行业用户研究光学三维波面轮廓数据的提取及分析方法并开发相应的快速分析软件。在国产的白光轮廓仪测量系统的基础上,课题对现有的多种表面微观结构和纹理分析算法进行了整合与模块化的设计,编写了三维波面数据处理软件,实现了对精密加工元件表面轮廓的快速分析与信息提取。本课题的主要研究内容如下: 在课题的研究意义与发展现状的基础上,研究了白光轮廓仪系统的理论基础与测试过程,并分析了几种白光轮廓仪常用测试文件的格式与数据构成,为后续的数据分析进行铺垫。详细研究了相关的表面微观形貌分析算法,针对特定半导体行业用户的需求设计了分析流程并进行了一定的创新优化,得到了如下的分析方法:基准面评定与三维评定参数的计算,微结构表面的校平与边缘检测拟合,微观纹理表面的自相关分析与功率谱分析。针对上述的算法功能,利用模块化设计的思想,编写相应的算法模块,实现了数据的可视化与人机交互功能,同时也保证了软件各个模块的独立性,便于软件系统的维护和扩展。 为验证各个算法模块的功能及软件的稳定性与实用性,准备了不同格式与大小标准平晶、标准台阶板、半导体凸起点和凹面镜等元件表面的数据文件,通过一系列实验验证了各个算法模块的功能完整性与实用性,且在实际工程应用中也能满足用户的需求;分析了软件对不同尺寸的测试文件的分析效率,并对可能产生误差的环节进行了多次模拟和测试,从处理速度与重复性的角度验证了软件的可靠实用性。

关键词： 定位探地雷达   深度学习   特征指纹   地下特征指纹库   里程计  

摘要： 随着自动驾驶技术的日益完善,定位技术的重要性也日益凸显。为了解决复杂情况下的定位问题,利用定位探地雷达(Localizing Ground Penetrating Radar,LGPR)采集到的唯一且稳定的地下数据作为定位数据,同时本文将深度学习与LGPR数据结合的定位算法作为现有定位方法的补充。主要研究内容如下: 1、对LGPR数据进行预处理及分析,证明利用LGPR数据定位的可行性。然后针对LGPR数据设计出定位算法系统及特征指纹选择算法。通过将图像全局特征表征内部信息的强弱作为挑选特征指纹数据的依据,并利用三种不同的特征指纹选择算法分别挑选特征指纹数据及非特征数据。 2、利用LGPR数据实现定位。将LGPR数据中的特征指纹数据作为定位的依据从而实现点到点的定位。在仿真定位中采用路线A及路线B进行实验,整个实验分为离线建库阶段及在线定位阶段。离线建库阶段利用改进的VGG19网络训练三种不同的特征指纹选择算法所挑选出特征指纹数据及非特征数据制作的数据集,并构建粗分类网络模型,然后利用Res Net18网络训练特征指纹数据并结合GPS信息构建地下特征指纹库。在线定位阶段,利用基于奇异值的特征指纹选择算法的粗分类效果最好,且切分长度为250时,对于路线A的准确率最高为96.12%,分类速度为0.009秒每张图片,对于路线B准确率最高为96.86%,分类速度为0.008秒每张图片,且改进后的VGG19网络全连接层参数量减少了98.7%,分类准确率提升至少0.31个百分点。在细分类中路线A及路线B的准确率可达100%,同时路线A的整体分类准确率为96.69%,路线B的整体分类准确率为97.61%,分类速度均为0.013秒每张图片。 3、利用地下特征指纹库的地下特征点结合里程计传感器测试定位效果,通过其与基于里程计传感器定位效果对比,路线A的定位平均误差降低了62.56%,路线B的定位平均误差降低了56.63%,说明地下特征点在实际环境中对路径漂移有约束作用,且有效的降低了定位误差。 本文整体介绍了LGPR数据实现定位的流程,并将定位算法分为离线建库及在线定位两个阶段,最后通过实验证明了定位算法的可行性以及可靠性,对未来实现更安全、更高效的自动驾驶技术具有重要的研究意义。

关键词： 钢轨打磨   打磨工艺   三次样条   数据处理   自动化  

摘要： 随着铁路运输业的不断进步,列车速度的提高和运输量的增加对铁轨造成了更大的压力,导致钢轨问题变得更加突出。这些问题不仅影响列车运行的平稳和乘客的舒适度,还会减少铁轨的使用年限,增加维护成本,并且危及行车安全。因此,及时有效地解决这些钢轨问题至关重要。然而,目前在国内,钢轨打磨的技术研究还不够充分,主要表现在现场打磨作业仍然依赖于人工经验来决定打磨工艺,这既低效又可能导致欠打磨或过打磨。鉴于此,本文深入探讨了在轨道廓形修复方面,大型铁路维护机械的打磨技术。研究基于钢轨廓形的钢轨打磨模式算法,以实现更高精度的打磨,对铁路运输的顺畅运行具有极其重要的意义。 本研究旨在开发一种钢轨打磨模式生成算法,通过对实测钢轨廓形和目标廓形的精确对齐、切割处理,实现钢轨磨损修复模式生成的自动化和优化。该方法首先利用Python编程语言和相关数学库对钢轨的实测廓形数据进行预处理和加载,然后通过线性回归分析计算旋转角度,实现实测廓形与目标廓形的准确对齐。接下来,采用立方插值方法拟合廓形,使用金属切割方程计算切割深度以执行切割操作,模拟切割流程并形成最终的模拟廓形。 在廓形对齐过程中,通过旋转和平移操作调整目标廓形,确保其与实测廓形精确匹配。此外,本研究还引入了数据过滤机制,有效去除数据中的异常点,确保处理结果的准确性和可靠性。切割处理步骤中,系统根据目标廓形和实测廓形的差异,智能生成切割路径,不断优化切割深度和角度,以最小化材料移除量并提高修复效率。 最终实现切割过程的可视化展示,包括切割前后的廓形对比、切割点的动态显示,以及生成的打磨模式列表为施工现场提供直观的操作反馈。研究成果不仅能够显著提高钢轨打磨作业的自动化程度,减少人工干预,还能够优化打磨参数,提高打磨效率和质量,具有重要的理论意义和应用价值。 本研究的创新之处在通过数学建模、数据处理以及通过图形变换和拟合等技术来实现对钢轨廓形数据的分析和处理。通过智能分析和处理钢轨廓形数据,实现了钢轨打磨作业的自动化和优化以及对钢轨廓形质量的实时评价,以现场实际案例为例对模式算法进行验证。未来工作将进一步探索算法优化和硬件集成,以实现更高效、更智能的钢轨维护系统。

摘要： 本文以“信号分析与数据处理”专业课教学为例，针对现阶段专业课思政环节薄弱、总课时压缩的问题，提出了加强师资队伍建设、修改教学大纲、挖掘思政元素、改变教学模式、改革教学评价的课程建设方案，以探讨新时代背景下机械电子工程专业新型人才培养的途径。新形势下，高校教师在进行科学文化知识教学过程中，应强化家国情怀等主流价值引领，注重课程思政潜移默化育人。郑州大学“信号分析与数据处理”（以下简称“信号课程”）课程团队专业课教师，积极响应国家课程思政教育改革要求，持续探索在课堂教学中融入思政元素，以期将思政教育和自然学科的教学有机融合，实现立德树人的目标。