关键词： 隧道   变形   神经网络   监测数据处理   预测  

摘要： 随着我国交通运输的迅速发展,隧道工程的建设案例逐渐增多。近年来,新建隧道呈现出“大、长、深”和复杂地质的发展趋势,这就对隧道施工和运营期的安全提出了更高的要求。因此,隧道变形相关数据的自动化监测、各项监测数据的预处理、隧道变形动态的预测和隧道安全监测系统的应用等显得尤为重要。为此,本文对掌子面信息识别、监测数据预处理、隧道变形预测模型和隧道安全监测系统展开了研究。（1）本文对隧道工程发展现状和隧道安全事故进行了总结分析,阐述了隧道安全监测的重要意义,分析了监测项目的特点、监测方法和使用方法。针对掌子面信息的利用,提出了利用图卷积神经网络（Graph Convolutional Network,GCN）识别掌子面的岩石种类、湿润度和节理的方法。并基于工程实例对比其他方法验证了本文掌子面信息识别方法的合理性与有效性。（2）分析了隧道自动化监测的特点与问题,阐述了自动化监测潜在监测数据污染问题。总结分析了多种隧道监测数据单值缺失差值和粗差定位的方法,研究了基于相关性分析的移动窗口进化差分算法（Differential Evolution,DE）-长短期记忆网络（Long Short Term Memory,LSTM）的单值缺失的插值方法,并研究了基于误差阈值的DE-LSTM隧道监测数据粗差定位方法,为隧道变形预测提供了准确的原始数据。并基于工程实例对比其他方法验证了上述方法的合理性与有效性。（3）总结对比了各隧道变形预测方法的特点,结合隧道安全监测的特点和需求,针对性建立了基于长短期记忆网络的隧道变形预测模型,研究了改进进化差分算法对长短期记忆网络超参的优化方法,并利用图神经网络建立观测点间的联系,建立了基于GCN-DE-LSTM模型的隧道变形预测组合模型。基于工程实例对比其他模型验证了本文模型的预测精度,并研究了组合模型中的关键参数对模型预测精度的影响。（4）研究了隧道变形监测系统的构建方法,建立了基于GCN-DE-LSTM模型的隧道安全监测全过程的计算方法,并设计了隧道变形监测系统的处理方法与交互界面。并基于工程实例对比其他方法验证了本文系统的计算效率。

关键词： 船舶主机   数据处理   基线模型   预测模型  

摘要： 船舶主机作为机舱机械设备的心脏,其工作状态直接关系到船舶营运的安全性和经济性。而船舶主机经常会在极度恶劣的环境下工作,因此发展有关船舶主机的健康管理技术十分关键。为保证柴油机的安全运行,船舶主机热工参数的基线模型和预测模型可为船舶主机整体性能的状态监测和健康管理提供更好的技术支持。由于船舶主机运行时受很多复杂时变因素和自身性能衰退的影响,很难用一个确定的数学模型对其变化规律进行描述。随着大数据时代的到来,基于数据的设备健康管理技术对描述这一变化规律提供了可能,也为船舶智能运维提供了一种新思路。因此,开展基于船舶主机历史监测数据的相关研究具有一定的意义。本文将以校实习船“育鲲”轮监控系统采集到的数据为样本,深度提取数据的内部信息,建立船舶主机排烟温度的基线模型和预测模型,从而实现船舶主机状态监测与预警功能。本文的主要研究内容包含以下三个方面:(1)首先,对于监控系统收集的数据中包含的粗大异常值和噪声干扰等影响,开展了数据预处理的研究。利用差分阈值法筛选出船舶定速航行的数据;利用拉依达准则对数据中的粗大误差进行检测和处理;利用滑动窗口滤波算法对信号中的噪声进行处理;利用皮尔逊(Pearson)相关性分析法筛选出与船舶主机排烟温度相关的其它重要参数;利用滑动窗口算法筛选出各航段的稳定特征点,用来表征这段时间主机运行时的性能状态;利用Min-Max准则对数据进行归一化,解决不同量纲数据覆盖的问题。(2)其次,船舶主机热工参数受多种因素的影响,传统的学习模型又很难达到预测精度,故提出了一种基于深度置信网络(Deep Belief Network,DBN)和支持向量回归机(Support Vector Regression,SVR)相结合的船舶主机排烟温度基线模型。利用DBN网络对样本数据进行特征提取,随后将提取的信息作为输入向量传送到SVR中进行回归预测。实验结果表明,基于参数调优的DBN-SVR模型充分发挥了各自优势,相比BP模型、DBN模型和SVR模型能更准确地预测状态参数,拥有优良的稳定性。(3)最后,针对传统的时间序列自相关性导致的预测滞后问题,提出了基于经验模态分解(Empirical Mode Decomposition,EMD)和双向长短期记忆网络(Bi-Long Short-Term Memory,Bi LSTM)相结合的排烟温度预测模型。利用EMD将时间序列进行分解,建立若干子序列的预测模型,然后对各预测输出值线性重组。实验结果表明,基于参数调优的EMD-BiLSTM预测模型,不但解决了参数预测滞后的问题,还提高了预测精度。

关键词： 多传感数据融合   智能硬件   DSP+MCU   硬件可重构  

摘要： 随着信息数字化技术的发展,智能化时代已经到来,硬件正逐步走向智能化。信息采集技术的快速崛起,智能硬件需要处理的数据也在迅速增加,随之而来的是数据质量较差、数据形成速度较快、数据多源异构化等问题,而这些问题也是阻碍数据处理技术领域发展的重要原因。目前传统的智能硬件难以满足处理大量多传感数据的实时性要求,并且功能服务单一,实用性不强,智能化水平较低,难以灵活满足在复杂应用场景下的需求。为应对以上问题本文研究设计了一种基于DSP的多传感数据处理智能硬件架构。针对不同复杂应用场景,弥补传统智能硬件在硬件安装部署和软件版本迭代等方面的诸多不便,提出了一种可以灵活配置的硬件可重构系统方案。硬件上将核心通讯计算控制单元与多传感器信号采集单元分离设计,传感器可插拔设计,实现传感器平台与通讯计算平台分离,提升系统可复用性;软件上提出支持硬件可重构的引导程序方案,引导程序方案包含跳转用户程序、Flash擦除和写入程序、在线应用编程（In Application Programming,IAP）升级文件获取程序三大结构,共同完成核心通讯计算控制单元的软件配置和版本迭代。针对多传感器数据信号处理的融合和实时性问题,提出了一种以MCU+DSP双核处理器为核心计算控制单元的智能硬件架构方案。将MCU的事务管理能力与DSP的高速数字信号处理能力融合在一起,提高系统整体性能,同时基于该智能硬件架构可灵活配置多种类型传感器,以满足不同应用场景下的需求。针对多传感器数据采样数据质量较差问题,设计实现了一种ADC过采样和累积抽取算法。该算法能够降低ADC采样量化噪声,还原恢复更为真实的原始信号,提升ADC采样的有效分辨率。针对多传感器信号需要同步采样处理的问题,设计实现了一种多通道A/D同步采样驱动模型。针对多传感器数据融合处理,研究实现了时域抽取基2-FFT算法。在此算法应用上,设计了一种基于DSP的离散傅里叶变换法相位差检测方法,在工程领域中相位差测量有着广泛的应用,高精度的相位差测量方法在工程项目中具有深远的意义。基于多传感数据处理智能硬件架构开发的用电行为智能安全监测系统,在第十五届中国研究生电子设计竞赛中获得赛区二等奖,并且已经投入到实际工程应用中,在高校、居民楼以及酒店等地区场所中安装使用,在使用过程中已然多次发现安全隐患,从而印证了本文设计的实际市场应用价值。

关键词： 软件缺陷预测   WCP-SMOTE   混合特征选择   集成学习   粒度决策熵   E＿RHFS  

摘要： 在当今信息化时代,应用软件随处可见,软件质量问题也随之而来。软件缺陷是软件质量的对立面,使得软件的安全性和可靠性面临着严重威胁。因此,如何准确而高效对软件模块进行缺陷预测成为一个亟需解决的问题。软件缺陷预测是软件质量保证的重要途径之一,近年来已成为软件工程中一个非常重要的研究课题。然而,借助机器学习的方法进行软件缺陷预测在实际中还面临以下问题:数据类别不平衡、预测精度低等。如何有效解决上述问题已成为目前相关领域的研究热点。本文从数据采样与集成学习的视角来系统研究软件缺陷预测中不平衡数据处理的问题。首先,我们对传统的SMOTE算法进行改进,得到一种基于加权复杂度的SMOTE算法WCP-SMOTE,并将其应用于软件缺陷预测;其次,我们提出一种新的基于加权复杂度的欠采样算法WCP-Under Sampler,将WCP-Under Sampler算法与经典的采样方法进行实验对比,研究了WCP-Under Sampler算法对软件缺陷预测模型性能的影响;最后,将数据采样技术与集成学习方法结合在一起,为了增加基分类器之间的多样性,提出一种基于自助抽样与混合特征选择的集成学习算法E＿RHFS,并将其应用于软件缺陷预测。本文的主要工作可归纳如下:(1)基于加权复杂度的SMOTE算法及其在软件缺陷预测中的应用针对软件缺陷预测中数据的类别不平衡问题,对传统的SMOTE算法进行改进,并提出基于加权复杂度的SMOTE算法WCP-SMOTE。该算法利用样本复杂度来辅助合成新样本,从而为类别不平衡问题的处理提供有效方案。将WCP-SMOTE算法与传统的过采样方法进行对比,在多个Promise数据集上的实验表明:利用WCP-SMOTE来处理不平衡数据能够获得更好的缺陷预测性能。(2)基于加权复杂度的欠采样算法及其在软件缺陷预测中的应用针对软件缺陷预测中数据的类别不平衡问题,提出一种新的基于加权复杂度的欠采样算法(即WCP-Under Sampler算法),避免了在欠采样过程中删除一些对模型预测有价值的的样本,为类别不平衡问题的处理提供有效方案。将WCP-Under Sampler算法与传统的采样方法进行对比,在多个Promise数据集上的实验表明:WCP-Under Sampler算法在KNN和CART分类器上均能获得更好的软件缺陷预测性能。(3)基于自助抽样与混合特征选择的集成学习算法及其在软件缺陷预测中的应用集成学习被广泛应用于软件缺陷预测,但已有方法还存在以下问题:基分类器之间的多样性难以保证、预测精度低。针对上述问题,提出一种基于自助抽样与混合特征选择的集成学习算法E＿RHFS,并利用其来预测软件缺陷。为了处理数据类别不平衡问题,在执行E＿RHFS算法之前,利用采样技术对数据进行平衡化处理。在平衡的数据集上,E＿RHFS算法首先利用自助抽样技术生成多个抽样集,并利用粒度决策熵与随机子空间技术来对每个抽样集进行混合特征选择;第二,在每个经过混合特征选择的抽样集上构建一个基分类器;最后,通过投票的方式将所有基分类器集成在一起,从而得到最终用于软件缺陷预测的集成分类器。在多个Promise数据集上的实验表明:将数据采样算法与E＿RHFS算法相结合来进行软件缺陷预测可以获得更好的缺陷预测性能。

关键词： 文化遗产   数字化   可视化   数据处理   保护传承  

摘要： 目的 梳理当今文化遗产数字化进程，归纳总结数字化流程体系并分析可视化案例，为文化遗产保护传承提供可视化思路与建议，探索未来文化遗产数字化的发展方向。方法 从文化遗产数字化的角度出发，收集、分析国内外相关文献，结合当今数字化科技手段梳理数字化流程体系，并对国内文化遗产可视化案例进行收集、分析、总结，并进行了可视分析。结论 明确数字化对文化遗产保护传承的意义，得出当前文化遗产数字化发展状况与数字化的流程体系，从文化遗产可视化呈现的数据信息、目标用户、分类、图表等多个方面归纳总结规律，针对不同的文化遗产主体选用合适的可视化呈现形式能够帮助公众快速了解不同文化遗产所蕴含的内容，并对文化遗产数字化未来的发展方向提出展望。

关键词： 源网荷全景同步测量系统   主站   分布式架构   OpenPDC   HAProxy   负载均衡集群  

摘要： 源网荷全景同步测量系统(Full-view Synchronized Measurement System,SYMS)实现了对电力电子化电力系统的动态监测。然而,由于数据源多、数据类型不同以及装置数量的激增,现有的SYMS主站架构将难以处理多源海量的测量数据。论文提出了适用于SYMS主站的分布式架构,研究了基于开源相量数据集中器(Open Source Phasor Data Concentrator,OpenPDC)的多源异类数据实时处理方法,并基于HAProxy设计实现了前置负载均衡集群,最终搭建了分布式主站的前置系统。针对传统广域同步测量系统主站架构易出现单点故障、并发处理能力低、可扩展性低等问题,详细分析了主站系统的数据通信需求、应用需求、存储需求以及硬件资源需求,基于此提出了一种包含前置数据服务、实时应用服务、数据缓存服务、离线应用服务以及Web服务的SYMS主站分布式系统架构,不同数据服务部署在不同服务器中,通过消息传递协调通信,降低了各数据服务之间的耦合性,且单一数据服务可实现集群扩展,不仅增强了 SYMS主站的容错能力,同时保证了主站的并发处理能力以及扩展能力。针对SYMS系统源网荷多场景同步测量装置(Synchronized Measurement Device,SMD)布点多、数据类型不一造成的数据多源异类问题,分析了 SMD装置的数据通信方式,提出了基于开源相量数据通信框架GSF的实时数据通道建立方法,实现了不同装置依据IDCODE的数据实时传输;基于OpenPDC设计实现了适用于SYMS的多源异类数据适配器,实现了数据的实时归一化处理。测试结果表明,所提方法及适配器解决了 OpenPDC对SYMS数据的不兼容问题。针对装置数据大幅度增加导致的主站前置压力过大的问题,提出了一种基于HAProxy的前置负载均衡集群。其中,基于TCP四层负载均衡以及最小连接数算法实现了前置负载均衡调度器,基于OpenPDC构建了前置数据处理的前置应用服务器,实现了对SMD装置负载的自适应分配及处理。进一步,为保证集群的高可用性,基于Keepalived的虚拟IP故障切换方法实现了主备双节点的前置负载均衡集群。测试结果表明,与集中式前置相比,所提前置负载均衡集群具备较强的数据分发能力与容错能力。

关键词： 螺旋桨测量   激光点测量   测量系统   数据处理   误差分析  

摘要： 叶片型面是复杂的自由曲面,通用航空螺旋桨的测量主要是通过人工手动测量主要叶片参数,其效率低,大大影响维修进度,与现在维修和检测环节存在脱节,无法快速检测其型面。针对上述问题,研究螺旋桨叶片复杂曲面的检测过程,研发低成本、高效率、较高精度的叶片快速自动测量系统,对于提升叶片的维修检测水平和检测效率有重要的实践运用价值。本文主要针对非接触式测量为载体,在硬件方面采用自搭台面、自主设计硬件系统、控制软件的搭建、采集数据、处理数据。同时利用软硬件结合对系统编辑,采用软件对程序进行控制,实现复杂的曲面测量。硬件的搭建中,选材使用标准型铝搭建,并且利用了相关的链接装配件用于稳固,提高系统的稳固性,并且在硬件方面还选择了反馈机构——六自由度高精度传感器,无论在测量过程中还是在校准过程中都能很好地发挥其作用,提供负反馈以便校准整个仪器的运行。同时整个仪器考虑到性价比,在各个硬件选择性价比最高的零部件,以节约硬件成本。软件系统方面设置了测量方案,包含了局部等步长,以及通过拟合实现轮廓边缘较好的检测效果和高效测量轮廓截面,同时还利用了特征提取的方式对螺旋桨叶片型面的快速测量。在处理采集到的数据时,采集数据利用了生产者和消费者模式来降低数据采集的滞后性、大量数据多通道的采集,以及在采集数据之后,大量采集的数据利用手动转换带来的繁琐过程,后期利用程序辅助完成数据的转换,最后完成数据的预处理。在进行实验之前通过对整体设备的误差分析与补偿,最后通过测量标准量块验证系统误差。实验通过对仿螺旋桨叶的测量与理论螺旋桨参数作比较,同时采集到的相关数据在数据处理时,利用不同的方法对采集数据中包含的振动量以及噪声进行剔除,并且光滑处理方便后续的数据处理,针对不同平面与曲面,利用包含了五点三次法、局部加权线性回归、MAD方法等一系列降噪处理算法,在处理数据时同时拟合叶片轮廓曲线,通过得到的数据完成对比,最后利用拟合的方法完成叶片前缘的关键测量。

关键词： 矿区沉陷监测   机载激光雷达   点云滤波   点云内插   数据处理  

摘要： 煤矿地表沉陷监测是衡量采煤破坏程度的重要指标，不仅可为煤矿开采提供科学指导信息，也为作业人员的生命财产安全提供保障。传统变形监测方法效率低、覆盖范围小且劳动强度高，InSAR技术、无人机摄影测量等手段由于测区地形、地貌等限制条件同样存在一定的缺陷。机载激光雷达测量技术能够快速获取测区高精度、高覆盖率的时空三维信息，尤其适合地理环境复杂的区域，可快速便捷地获取被测地物信息，未来也必将成为变形监测领域的发展趋势。本文对激光雷达点云数据处理、地面高程模型的构建及将其应用于地表沉陷分析方面进行深入研究，最终实现快速提取矿区地表沉陷信息。主要研究工作如下:　　(1)对点云数据的预处理方法进行研究，分两阶段对原始数据中的噪声点进行滤除，首先利用基于连通分析的算法进行初步去噪处理，然后对传统DBSCAN算法进行改进，提高其聚类效率，之后利用改进的算法对数据进行二次去噪处理，并对去噪结果进行了分析评定;(2)针对数学形态学和渐进加密三角网单一滤波算法效果的不足，提出一种组合滤波的点云分类算法，首先运用数学形态学算法进行初滤波，滤除原始数据中的大型构筑物，然后利用渐进三角网加密算法二次滤波。通过滤波对比实验，组合滤波算法相较于形态学和渐进加密三角网算法误差值均有明显降低，总误差最大降幅分别为2.48％和2.37％。验证了本文方法的可行性;(3)利用本文方法得到的点云滤波数据结果进行插值实验，对比分析了三种点云内插算法的模型构建结果，为不同点云密度分布特征与地形条件下点云内插方法的适应性研究提供思路，最后分析了点云数据抽稀比例对DEM模型构建精度的影响，结果表示40％的临界值内DEM可以保持一定的原始精度。为实际工程应用中原始数据抽稀处理提供了借鉴思路;(4)通过煤矿工作面地表数据采集处理及模型构建分析论证了本文研究成果的适用性，构建矿区沉陷模型并对其误差来源与特性进行系统分析，在此基础上采用基于小波阈值的去噪方法对沉陷信息进行精细提取，倾向与走向剖面标准差分别降低了15％和33％，验证了方法的可行性。

关键词： 全基因组测序   生物信息学   DNA污染检测   DNA数据清洗   突变验证  

摘要： 细菌培养中经常发生污染,这严重影响了全基因组重测序（whole genome sequencing,WGS）结果的可重复性和可靠性。利用改进的生物信息学工具分析测序结果中潜在的污染并从受到污染的WGS数据集中提取目标有用数据至关重要。基于此研究背景,本论文开发了Clean Seq管道,用于从WGS测序结果中自动地检测和去除污染读数（reads）,通过局部重新比对（realignment）分析潜在基因组变异并进行适当的验证。本论文设计分析了计算机模拟的、公开可用的数据集和实验进化研究的真实实验数据集,结果均证明Clean Seq具有较高的应用性和可重复性。本文的研究内容和成果主要有以下几点:·针对WGS数据污染问题,本文实现了Clean Seq工具的污染检测和清洗模块,用于判断原始测序数据是否存在污染,并在发现污染后对数据进行清洗。方法如下:将原始数据比对（alignment）到细菌基因组比对数据库上,给测序reads分配物种标签,根据物种标签,判断是否存在物种污染。接着利用BLAST（Basic Local Alignment Search Tool）工具将原始数据分别比对到目标物种的参考基因组和污染物种的参考基因组上进行标记。根据标记结果获取独属于目标物种的reads,从而完成数据清洗。·针对变异分析,本文实现了Clean Seq工具的突变调用与验证模块,用于对基因数据进行常规变异调用并对结果进行可靠性验证。方法如下,首先使用常规变异调用流程对测序数据进行突变调用,获取原始突变调用集VCF（Variant Call Format）。根据VCF中的突变信息生成突变序列,利用BLAST将突变序列比对到原始数据上。根据比对结果提取与突变序列相似度极高的reads并将其可视化,根据可视化结果验证突变是否存在。·本文使用多种数据集对Clean Seq进行了全面的性能验证。通过设置多种模拟测试集,实验室进化数据集,公共污染数据集分别对污染检测与清洗模块,突变调用与验证模块以及Clean Seq整体进行验证,结果均表明Clean Seq可以有效处理被污染的测序数据并得到可靠的变异调用结果。

关键词： 中子寿命测井   时间谱   中子扩散效应   宏观俘获截面   蒙特卡罗数值模拟   多尺度量子谐振子算法   改进的Levenberg-Marquardt算法  

摘要： 随着国内油田逐渐进入高含水发展后期,中子寿命测井作为重要的套管井核测井技术,在开发测井领域发挥重要作用,已成为判断油藏残余油气饱和度分布变化规律、掌握注水和产液剖面、调整注采方法、增加采收率等的主要测量手段之一,其数据处理方法仍有较大提升空间,本文建立了一种中子寿命测井数据处理新方法。本文采用数值模拟方法研究了中子寿命测井模式下粒子场的时间特性;引入多尺度量子谐振子算法与改进的Levenberg-Marquardt算法分别建立两种宏观俘获截面反演方法;采用四参数双指数衰减模型进行中子寿命测井井眼校正;基于玻尔兹曼中子输运理论,从理论上推导中子扩散效应对中子寿命测井影响规律,借助蒙特卡罗数值模拟技术提出一种新的中子寿命测井扩散效应校正方法;应用本文提出的中子寿命测井数据处理新方法对实际PNST脉冲中子全谱测井数据进行处理验证应用效果。研究结果表明,粒子的时间特性显示,脉冲停止后一段时间内热中子计数与俘获伽马计数仍会上升,开窗时间不宜过早,为后续数据处理确定起始时窗提供依据;基于改进的Levenberg-Marquardt优化算法通过多次迭代确定地层宏观俘获截面,反演方法精度高,稳定性好,总体上优于多尺度量子谐振子反演方法;针对研究的中子寿命测井影响因素,利用四参数双指数衰减模型可有效分离宏观俘获截面的井眼分量与地层分量;结合理论推导与数值模拟结果确定中子寿命测井临界源距,建立扩散效应校正公式,得到井眼和扩散校正后的宏观俘获截面。实际应用效果表明,本文提出的中子寿命测井数据处理方法应用效果良好,数据处理结果满足现场实际应用要求。本文一定程度上丰富了中子寿命测井扩散效应理论,为实际应用奠定基础,为数据处理方法设计提供依据,对中子寿命测井数据处理方法的发展有一定意义。