检索结果-内蒙古大学图书馆

采矿与安全工程学报 2021年第2期38卷 304-316页

作者：庞义辉巩师鑫刘庆波王泓博娄金福中煤科工开采研究院有限公司北京100013 煤炭科学研究总院开采研究分院北京100013 中煤新集能源股份有限公司安徽淮南232000 中国矿业大学(北京)能源与矿业学院北京100083

针对深部采场不同区域上覆岩层采动应力演化规律及液压支架载荷预测难题,采用模拟分析、现场实测与模型预测相结合的方法,揭示了深部采场三向采动应力与覆岩断裂失稳过程之间的关系,建立了基于液压支架压力监测数据驱动的支架载荷预测模... 详细信息

针对深部采场不同区域上覆岩层采动应力演化规律及液压支架载荷预测难题,采用模拟分析、现场实测与模型预测相结合的方法,揭示了深部采场三向采动应力与覆岩断裂失稳过程之间的关系,建立了基于液压支架压力监测数据驱动的支架载荷预测模型,进行了深部采场覆岩断裂失稳过程的支架载荷预测分析与验证,为深部采场顶板来压及灾害预测提供基础。采用数值模拟方法分析了采场中部、端头区域上覆岩层三向采动应力的大小、方向变化规律,以及采动应力与上覆岩层断裂失稳过程之间的关系,对比分析了采场中部、端头区域上覆岩层三向采动应力演化过程的差异,揭示了深部采场上覆岩层采动应力的演化规律。对比分析了AR模型、SVR模型和LSTM模型对支架载荷的预测效果,提出了基于聚类算法的支架载荷预测分类建模方法,对工作面中部支架、端头支架的载荷进行了预测分析。对口孜东煤矿深部采场支架载荷进行了现场实测,基于采动应力演化及覆岩断裂失稳过程研究结果,分析解释了口孜东煤矿工作面矿山压力显现频繁、来压持续时间长的现象,对比分析了支架载荷预测模型对工作面不同区域支架载荷的预测效果,验证了预测模型的可靠性。

关键词：深部开采采动应力液压支架数据驱动模型载荷预测

来源：评论

学校读者我要写书评

暂无评论

基于应变监控数据的金属结构疲劳裂纹量化模型研究

引用

西北工业大学学报 2023年第5期41卷 932-941页

作者：李坤鹏李彪张彦军周颜张腾李亚智西北工业大学航空学院陕西西安710072 航空工业第一飞机设计研究院强度设计研究所陕西西安710089 空军工程大学航空工程学院陕西西安710038

实时获取金属结构的疲劳裂纹长度是开展飞机单机寿命监控和剩余寿命估算的基础。采用深度学习方法,提出了一种基于应变监控数据的金属结构疲劳裂纹长度预测模型,通过构造循环对抗网络模型、裂纹尺寸的分类模型和裂纹长度的量化模型,分... 详细信息

实时获取金属结构的疲劳裂纹长度是开展飞机单机寿命监控和剩余寿命估算的基础。采用深度学习方法,提出了一种基于应变监控数据的金属结构疲劳裂纹长度预测模型,通过构造循环对抗网络模型、裂纹尺寸的分类模型和裂纹长度的量化模型,分别实现了含裂纹结构的应变试验数据与有限元模型数据的映射、裂纹尺寸范围的准确分类、裂纹长度的精确量化。将上述方法应用于中心带孔金属板在随机载荷谱下的疲劳裂纹监测,有效实现了疲劳裂纹长度的实时预测。与试验结果对比表明,单孔板的孔边疲劳裂纹长度预测误差小于1 mm,满足工程实际的需求。

关键词：疲劳裂纹应变监测深度学习数据驱动模型疲劳裂纹预测

来源：评论

学校读者我要写书评

暂无评论

车辆跟驰模型研究进展

引用

交通运输工程学报 2019年第5期19卷 125-138页

作者：杨龙海张春仇晓赟李帅王晖哈尔滨工业大学交通科学与工程学院黑龙江哈尔滨150090 深圳市城市交通规划设计研究中心广东深圳518057

梳理了近70年关于跟驰模型的研究,根据建模方法将其分为理论驱动与数据驱动2类模型,并归纳了跟驰模型的研究热点;从人类因素、基础设施、交通信息、异质交通流、新建模型理论5个方面对理论驱动类跟驰模型的研究进行了综述;根据所用机器... 详细信息

梳理了近70年关于跟驰模型的研究,根据建模方法将其分为理论驱动与数据驱动2类模型,并归纳了跟驰模型的研究热点;从人类因素、基础设施、交通信息、异质交通流、新建模型理论5个方面对理论驱动类跟驰模型的研究进行了综述;根据所用机器学习算法的不同,从模糊逻辑、人工神经网络、实例学习、支持向量回归、深度学习5个方面对数据驱动类跟驰模型的研究进行了综述。分析结果表明:理论驱动类跟驰模型以理论推演交通现象,对影响因素的考量难以全面,部分人类因素难以量化,驾驶人决策制定过程的解释不够准确,异质交通流的跟驰模型缺乏一般交通条件下有效性的理论基础和形式化证明;数据驱动类跟驰模型以交通现象归纳交通规律,由于数据的来源、评价指标及评价方法不同,导致应用机器学习算法得到的模型无法系统比较;数据驱动类模型侧重于从微观角度研究驾驶行为特性,对复杂交通现象(如交通震荡、迟滞等)的解释性不强;跟驰模型的研究应创新数据采集方法,捕捉驾驶人的心理倾向、感知特性和认知能力,并量化人类因素的影响和充分利用大数据;数据驱动类跟驰模型应为无人驾驶技术发展提供技术支持;在自动驾驶完全普及之前,人工驾驶与自动驾驶混合场景下的驾驶人跟驰行为特性尚待深入研究。

关键词：交通信息跟驰模型理论驱动模型数据驱动模型人类因素

来源：评论

学校读者我要写书评

暂无评论

1973-2020年洞庭湖水温演变特征

引用

湖泊科学 2023年第1期35卷 326-337页

作者：潘惠敏蔡华阳王博芝张萍姚宇中山大学海洋工程与技术学院河口海岸研究所广州510275 长沙理工大学水利与环境工程学院长沙410114

表层水温是影响湖泊水生生态系统的关键因素,研究其对气候变化的响应过程及机制是评估湖泊生态环境可持续发展的重要切入点。本文针对水温的长期演变趋势问题,基于实测水文气象数据,采用Air2water数据驱动模型重构洞庭湖长序列水温资料... 详细信息

表层水温是影响湖泊水生生态系统的关键因素,研究其对气候变化的响应过程及机制是评估湖泊生态环境可持续发展的重要切入点。本文针对水温的长期演变趋势问题,基于实测水文气象数据,采用Air2water数据驱动模型重构洞庭湖长序列水温资料,研究湖泊表层水温在气象条件驱动下的演变特征,为湖泊生态环境监测、水安全保障和综合治理等提供理论依据。主要结论有:(1)尽管Air2water数据驱动模型以常微分方程的简化形式概化湖泊热力学过程,但可较准确地反演水温的变化趋势。根据长序列实测气温资料重构的19732020年洞庭湖日均水温序列具有较高的可信度。(2)19732020年,洞庭湖水温年内变化具有显著的上升期和下降期,且降温过程较升温快。在气候变暖背景下,年均水温呈现持续的波动性上升趋势,且1996年发生突变后上升趋势更为显著,其中城陵矶站和南咀站年均水温的上升率分别达到0.20和0.16℃/10 a。1996年洞庭湖流域的突变式增温主要是由冷季的显著增暖过程驱动。(3)采用广义单位线法建立水温气温之间的耦合关系,水温随气温上升的速率先增大至极大值后逐渐减缓。1996年水温发生突变后,水温随气温的变化速率略有减小,表明水温对气温响应的敏感性降低,水温气温的耦合关系有所削弱。

关键词：湖泊表层水温数据驱动模型广义单位线法气候变暖洞庭湖

来源：评论

学校读者我要写书评

暂无评论

基于樽海鞘群极限学习机的进/发一体化性能寻优控制模型研究

引用

推进技术 2024年第5期45卷 236-249页

作者：于子洋王晨杜宪聂聆聪孙希明大连理工大学控制科学与工程学院辽宁大连116024 北京动力机械研究所北京100074

为充分发挥航空推进系统的性能,提高性能寻优控制的实时性,将樽海鞘群算法(SSA)与极限学习机(ELM)相结合,基于进/发一体化部件级模型建立数据集,提出一种基于SSA-ELM的数据驱动模型。将该建模方法与广义回归神经网络(GRNN)、BP神经网络(... 详细信息

为充分发挥航空推进系统的性能,提高性能寻优控制的实时性,将樽海鞘群算法(SSA)与极限学习机(ELM)相结合,基于进/发一体化部件级模型建立数据集,提出一种基于SSA-ELM的数据驱动模型。将该建模方法与广义回归神经网络(GRNN)、BP神经网络(BPNN)和极限学习机(ELM)比较,结果表明,相比于BPNN,ELM,GRNN,SSA-ELM用于预测可以使安装推力的均方根误差(RMSE)分别降低7.41%,17.01%,72.57%,安装油耗的RMSE分别降低4.32%,19.41%,66.77%,具有更高的预测精度。将基于SSA-ELM的数据驱动模型作为机载模型应用到性能寻优控制,结果表明,该机载模型能够维持理想的寻优效果。针对最大安装推力模式开展实时性分析,该机载模型相比于进/发一体化部件级模型,平均计算时间由184.05 ms缩短至1.357 ms,实时性得到显著改善,大大提高了寻优效率。

关键词：航空发动机进/发一体化樽海鞘群优化算法极限学习机数据驱动模型性能寻优控制

来源：评论

学校读者我要写书评

暂无评论

基于AE-RCNN的洪水分级智能预报方法研究

引用

水利学报 2023年第9期54卷 1070-1079页

作者：苑希民李达田福昌何立新王秀杰郭立兵天津大学水利工程仿真与安全国家重点实验室天津300350 天津大学建筑工程学院天津300350 河北工程大学水利水电学院河北邯郸075000 宁夏回族自治区水旱灾害防御中心宁夏银川750002

复杂产汇流特性地区使用洪水分级预报方法可提高预报精度,本文提出一种基于自编码器(Autoencoder,AE)和残差卷积神经网络(Residual Convolutional Neural Network,RCNN)的洪水分级智能预报方法,使用自编码器和K均值聚类算法实现对原始... 详细信息

复杂产汇流特性地区使用洪水分级预报方法可提高预报精度,本文提出一种基于自编码器(Autoencoder,AE)和残差卷积神经网络(Residual Convolutional Neural Network,RCNN)的洪水分级智能预报方法,使用自编码器和K均值聚类算法实现对原始水文数据的特征提取和洪水分级,通过RCNN模型提升卷积神经网络的有效训练深度,以山东省小清河流域黄台桥水文站为例开展洪水分级智能预报研究。结果表明应用降维数据聚类的AE-RCNN模型MAE指标、RMSE指标、NSE指标分别为5.04、7.91、0.92,优于CNN模型、RCNN模型和降雨聚类RCNN模型。该方法能够有效提取水文数据特征、提高洪水预报精度。

关键词：洪水分级智能预报 AE-RCNN 数据驱动模型自编码器残差卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

集成学习框架下的车辆跟驰行为建模

引用

哈尔滨工业大学学报 2024年第3期56卷 46-55页

作者：李立李仕琪徐志刚李光泽汪贵平长安大学电子与控制工程学院西安710064 长安大学信息工程学院西安710064

为了提高复杂行驶环境下车辆跟驰行为预测精度,提出了一种集成学习框架下融合理论驱动模型和数据驱动模型的车辆跟驰行为建模方法。基于stacking集成学习框架,选择理论驱动的智能驾驶模型(IDM)、考虑车辆队列和周围行驶条件因素的数据... 详细信息

为了提高复杂行驶环境下车辆跟驰行为预测精度,提出了一种集成学习框架下融合理论驱动模型和数据驱动模型的车辆跟驰行为建模方法。基于stacking集成学习框架,选择理论驱动的智能驾驶模型(IDM)、考虑车辆队列和周围行驶条件因素的数据驱动的长短时记忆(LSTM)网络和门控循环单元(GRU)网络作为跟驰行为特征的一级学习算法,选择3种线性和8种非线性回归方法作为备选二级学习算法来融合一级学习器的输出特征。通过对比使用实际车辆轨迹数据计算的模型预测精度,确定了最优模型。研究结果表明:包含车辆队列和周围行驶条件变量的数据驱动跟驰模型比IDM模型的预测精度更高;多数情况下采用非线性二级学习算法的融合跟驰模型的预测精度高于IDM模型、数据驱动跟驰模型以及采用线性二级学习算法的融合跟驰模型;分别采用GBRT回归和随机森林回归作为二级学习算法的IDM-LSTM-stacking模型和IDM-GRU-stacking模型具有最高的预测精度;外界干扰下的融合跟驰模型稳定性优于单一的理论和数据驱动跟驰模型。集成学习为驾驶行为建模提供了新方法。

关键词：交通工程跟驰模型集成学习理论驱动模型数据驱动模型

来源：评论

学校读者我要写书评

暂无评论

融合相似性原理的涡轮叶型流场预测方法研究

引用

力学学报 2023年第11期55卷 2647-2660页

作者：郭振东成辉陈云蒋首民宋立明李军丰镇平西安交通大学能源与动力工程学院西安710049 中国航发沈阳发动机研究所沈阳110015

计算流体力学(CFD)方法是涡轮叶片等设计阶段性能评估的重要手段.然而,基于CFD的数值仿真方法通常比较耗时,难以满足涡轮叶型设计阶段快速迭代的需求.为实现快速性能评估并克服纯数据驱动预测模型泛化能力不足的问题,受到物理增强的机... 详细信息

计算流体力学(CFD)方法是涡轮叶片等设计阶段性能评估的重要手段.然而,基于CFD的数值仿真方法通常比较耗时,难以满足涡轮叶型设计阶段快速迭代的需求.为实现快速性能评估并克服纯数据驱动预测模型泛化能力不足的问题,受到物理增强的机器学习思路的启发,将相似性原理与深度学习模型相结合,提出了一种泛化能力强的涡轮叶型流场预测新方法.以涡轮叶片表面等熵马赫数分布预测为例,提出采用相似性原理对叶型几何变量和气动参数进行归一化,进而在归一化参数空间构建训练样本集与深度学习预测模型,由此建立统一的流场预测模型,对几何尺寸、边界条件差异较大的叶型气动性能进行评估.在完成模型训练后,对归一化条件下不同工况/不同形状叶型的流场、真实环境下不同工况/不同尺寸叶型的流场以及GE-E3低压涡轮不同截面叶型的流场进行预测,结果表明预测结果的分布曲线与CFD评估结果吻合良好,平均相对误差在1.0%左右,由此验证了所提出的融合相似性原理的流场预测模型的精度与泛化能力.

关键词：深度学习流场预测物理增强的机器学习相似性原理数据驱动模型气动分析

来源：评论

学校读者我要写书评

暂无评论

50 MW汽轮机缸体偏心摆动故障预警方法

引用

西北工业大学学报 2020年第6期38卷 1308-1315页

作者：石家魁姚坤付俊丰居国腾李丰均万杰哈尔滨工业大学电气工程及自动化学院黑龙江哈尔滨150001 哈尔滨工业大学(深圳)机电工程与自动化学院广东深圳518055 浙江浙能绍兴滨海热电有限责任公司浙江绍兴312073

50 MW背压机组汽轮机由于缸体结构特殊性,在启动及运行过程中存在偏心摆动故障风险,并且缺乏有效的监测预警手段,严重影响了机组运行的安全性。因此,缸体偏心摆动故障的提前预警非常重要。通过设计缸体偏移放大机构进行故障的监测,获取... 详细信息

50 MW背压机组汽轮机由于缸体结构特殊性,在启动及运行过程中存在偏心摆动故障风险,并且缺乏有效的监测预警手段,严重影响了机组运行的安全性。因此,缸体偏心摆动故障的提前预警非常重要。通过设计缸体偏移放大机构进行故障的监测,获取建立数理模型所需的偏心摆动数据。选择神经网络进行数据驱动建模,得到了2个时序预测模型,并研究了输入输出参数对预测精度的影响。通过选取合理的预警值及判定规则,实现了对偏心摆动故障的有效预警,开发了实时监测及故障预警装置。所提方法对避免50 MW机组偏心摆动故障带来的设备损坏具有重要的工程价值。

关键词： 50MW背压机组汽缸偏心摆动故障预警振动监测装置神经网络数据驱动模型

来源：评论

学校读者我要写书评

暂无评论

适用于样本分布差异的迁移学习调制识别算法

引用

华中科技大学学报（自然科学版） 2021年第4期49卷 127-132页

作者：许华苟泽中蒋磊冯磊空军工程大学信息与导航学院陕西西安710077

针对大量有标签样本的数据驱动模型方法存在数据分布不完备问题,结合实际环境中通信信号样本差异大的特点,提出一种对抗域适应迁移算法.通过类判别器和域判别器对抗训练,使特征提取器能够提取到既具有类差异性又具有域不变性的特征.以... 详细信息

针对大量有标签样本的数据驱动模型方法存在数据分布不完备问题,结合实际环境中通信信号样本差异大的特点,提出一种对抗域适应迁移算法.通过类判别器和域判别器对抗训练,使特征提取器能够提取到既具有类差异性又具有域不变性的特征.以无监督学习方式对目标域信号进行分类,以提升调制识别算法在实际环境中拟合存在分布差异数据集的自适应能力.对实际信号样本集中调制方式相近的9类调制信号在不同信噪比条件下进行测试,域适应迁移方法通过对抗训练有标签高信噪比的源域样本和无标签低信噪比的目标域样本,结果发现该算法的平均识别准确率较以往直接训练的平均识别准确率大幅提升.

关键词：数据驱动模型分布不完备对抗域适应类差异性域不变性

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：