检索结果-内蒙古大学图书馆

地理科学进展 2023年第9期42卷 1667-1676页

作者：曹灿张永勇刘玉张世彦刘晓洁王国庆中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室北京100101 中国科学院大学北京100049 中国科学院空天信息创新研究院北京100101 南京水利科学研究院南京210029

黄河水源涵养区(黄河源区、渭河华县站以上和伊洛河流域)是黄河流域的主要产水区,辨识其径流的综合变化特征及空间差异,可为分析变化环境下黄河流域水循环演变与归因提供重要的科学依据。当前研究重点关注环境变化对黄河流域径流量的影... 详细信息

黄河水源涵养区(黄河源区、渭河华县站以上和伊洛河流域)是黄河流域的主要产水区,辨识其径流的综合变化特征及空间差异,可为分析变化环境下黄河流域水循环演变与归因提供重要的科学依据。当前研究重点关注环境变化对黄河流域径流量的影响规律,仍无法全面回答径流情势的变化特征及空间分异。论文以水源涵养区的31个源头小流域为研究对象,采用去趋势预置白(Theil-Sen trend-free pre-whitening with Mann-Kendall test,TFPWMK)方法、Sen斜率估计和聚类分析等手段,检测了2000—2020年源头小流域内量级、变率、频率、持续时间和时序5类径流情势特征指标的变化趋势,并辨识了其主要类型及空间分布。结果表明:(1)大部分源头小流域的所有流量的量级、高流量变率和低流量频率显著增加,低流量的变率、高流量频率以及所有持续时间和时序指标显著下降。(2)典型径流情势变化在湟水、洮河、渭河下游和洛河对气候变化更敏感,主要为高流量量级显著增加、但时序显著减少,低流量频率显著增加、但总历时和时序显著减少。(3)径流情势特征指标变化可分为3类:第一类占42%,位于洮河、湟水、渭河干支流及伊河干流,表现为量级、变率和频率显著增加,历时和时序显著下降;第二类占35%,位于三大流域分区的上游和下游,表现为变率下降、低流量的其他指标显著增加,而高流量5类指标均显著下降;第三类占23%,位于三大流域分区的中下游,表现为量级和频率显著增加,变率、历时和时序显著下降。

关键词：径流情势趋势变化模式辨识系统聚类水源涵养区

来源：评论

学校读者我要写书评

暂无评论

基于类噪声量测数据的自动发电控制振荡模式辨识方法

引用

电力系统自动化 2022年第23期46卷 76-82页

作者：李凯斌陈磊闵勇侯凯元沈毅王克非清华大学电机工程与应用电子技术系北京市100084 国家电网有限公司东北分部辽宁省沈阳市110180

实际电网中发生过多次自动发电控制(AGC)振荡,给电力系统安全稳定运行带来不利影响。为对AGC振荡进行预警、预防,利用系统正常运行时的类噪声量测数据,提出了一种AGC振荡模式辨识方法。该方法利用随机子空间法得到系统模式辨识结果,根据... 详细信息

实际电网中发生过多次自动发电控制(AGC)振荡,给电力系统安全稳定运行带来不利影响。为对AGC振荡进行预警、预防,利用系统正常运行时的类噪声量测数据,提出了一种AGC振荡模式辨识方法。该方法利用随机子空间法得到系统模式辨识结果,根据AGC振荡具有振荡频率低、全网频率同调振荡的特点,剔除非AGC振荡模式,并利用聚类算法得到比较可靠且辨识误差较小的AGC振荡模式。通过仿真算例和实际系统,对所提AGC振荡模式辨识算法进行验证。结果表明,所提算法能利用类噪声数据辨识出AGC振荡模式,并且具有一定的识别精度,可用于AGC振荡的风险评估。

关键词：自动发电控制频率振荡模式辨识类噪声数据随机子空间法

来源：评论

学校读者我要写书评

暂无评论

转子故障数据集的敏感特征选择及模式辨识方法研究

转子故障数据集的敏感特征选择及模式辨识方法研究

引用

作者：尹海涛兰州理工大学

学位级别：硕士

旋转机械是电力、石化、冶金等流程工业的关键核心设备,因此对其运行状态进行实时监测和诊断,这对于确保设备安全、平稳、高效运行至关重要。随着现代信息技术和新一代人工智能技术的迅猛发展,机械设备在生产过程中积累了大量反映其运... 详细信息

旋转机械是电力、石化、冶金等流程工业的关键核心设备,因此对其运行状态进行实时监测和诊断,这对于确保设备安全、平稳、高效运行至关重要。随着现代信息技术和新一代人工智能技术的迅猛发展,机械设备在生产过程中积累了大量反映其运行机理和状态的数据,推动故障诊断领域进入了“工业大数据”时代。然而,如何从海量数据中合理、高效地挖掘出表征设备运行状态的本质信息以及提高数据资源价值密度问题,对于发展数据驱动型故障决策技术具有重要的理论指导意义。为了全面描述设备的运行状态,通常需要提取设备振动信号的时域、频域及时频域特征。随着提取特征数目的增多,显然在这种多域的高维非线性特征数据集中,不可避免地包含了大量冗余特征,这不仅增加了数据运算与模式识别的难度,同时有可能造成“维数灾难”和“过拟合”问题。因此,设计高效的维数约简和模式辨识算法,以剔除故障数据集中的冗余特征,是克服“维数灾难”、提升模型识别精度和泛化能力的关键基础问题。基于上述缘由,本论文以特征选择方法和云模型理论为支撑,围绕转子故障数据集的维数约简问题和故障模式辨识方法进行了研究。主要研究内容与取得的进展概括如下:1 (1)针对故障数据集中的冗余特征导致故障分类困难以及识别精度偏低问题,提出一种具有两级筛选策略的故障敏感特征选择方法(FCBF-IPSO)。该方法首先利用快速相关过滤算法(FCBF)初步筛选特征,剔除与类别信息不相关的特征和冗余特征;然后通过改进的粒子群优化算法(IPSO)进一步剔除冗余特征并对SVM参数进行了优化,由此获得了有利于分类运算的低维敏感特征子集;最后由转子故障实验数据集对算法的有效性进行了验证。结果表明,该方法能有效降低特征规模和分类难度,并取得了较高的故障识别准确率。 (2)为了充分挖掘故障数据集中蕴含的数据模式以提高故障识别准确率,提出一种基于云理论和集成学习的旋转机械故障识别方法(JC-CT)。该方法首先通过逆向和正向云算法建立了不同状态下各个特征的云分布模型,然后利用特征云相似度剔除了其中干扰准确分类的冗余特征;其次提出了测试样本的最终隶属度计算方法并构建基础云分类器;最后采用Bagging集成算法进一步提升了基础云分类器的性能。经过实验验证并与传统的分类算法进行了比较。结果表明,该方法可有效降低故障数据的维数,并且能够准确识别出故障类型。 (3)为了促进故障诊断技术理论研究与相关算法的工程实际应用,在Lab VIEW编程环境中结合MATLAB开发了一套转子故障诊断系统。该系统通过软硬件结合,可实现振动信号的采集与处理、特征提取与维数约简、模式识别及智能决策等功能。将提出的特征选择算法与故障辨识模型嵌入该系统中,实现了理论研究与实际应用的有机结合。最后通过实验对该系统的可行性与实用性进行了验证。

关键词：模式辨识特征选择云理论集成学习故障诊断系统

来源：评论

学校读者我要写书评

暂无评论

基于集成学习的滚动轴承故障模式辨识方法研究

基于集成学习的滚动轴承故障模式辨识方法研究

引用

作者：马驰兰州理工大学

学位级别：硕士

为满足智能制造的发展需要,滚动轴承故障诊断技术必须朝着智能化方向迈进。随着旋转机械设备故障监测规模的扩大,产生了海量的工业数据资源,推动滚动轴承故障诊断领域进入“大数据”时代。面对庞大的数据资源,必须使用合理、高效的数据... 详细信息

为满足智能制造的发展需要,滚动轴承故障诊断技术必须朝着智能化方向迈进。随着旋转机械设备故障监测规模的扩大,产生了海量的工业数据资源,推动滚动轴承故障诊断领域进入“大数据”时代。面对庞大的数据资源,必须使用合理、高效的数据挖掘技术去挖掘蕴藏的知识信息,这对于旋转机械智能制造技术的快速发展具有战略性意义。滚动轴承故障诊断的关键步骤在于运行状态的模式辨识,本论文基于集成学习方法,围绕滚动轴承故障模式辨识方法展开研究,所关注的问题包括特征变换、特征选择对于集成学习中基分类器差异性的提升以及故障诊断系统的开发。具体研究内容与取得的研究进展如下:1（1）滚动轴承故障数据集往往存在非线性和非平稳的特点,传统的旋转森林算法进行故障辨识时准确率偏低,针对此问题提出了一种改进旋转森林算法的滚动轴承故障辨识方法。该方法将CART决策树作为基分类器,采用核主成分分析对特征数据集进行特征变换增加基分类器之间的差异性,使得集成后模式辨识的效果更好。通过实验验证了改进的旋转森林算法能提升滚动轴承故障辨识精度。（2）旋转机械装备的成群化导致采集的故障数据集维数增大,传统的极限学习机在处理复杂数据时无法获得最佳分类性能,针对此问题提出了一种基于特征选择的集成极限学习机故障辨识方法。该方法选用高效率的极限学习机作为基分类器,利用多尺度模糊近似熵构建高维特征集。采用不同邻域半径下特征约简得到的特征子集训练基分类器,使得基分类器之间的差异性更大、单个分类器的训练时间更短。将特征选择融合到极限学习机的集成上能在理论上提升模式辨识精度,通过实验进一步验证了该方法在高维数据集上的分类优势。（3）在机械大数据时代,如何有效地积累和利用数据已经成为智能决策技术发展的必由之路,针对此问题开发了一套基于C#和SQL Server的滚动轴承故障诊断系统。该系统通过硬件设施和软件界面实现对滚动轴承运行状态数据的采集、诊断、存储和管理。在系统中,嵌入改进的旋转森林和集成极限学习机模式辨识方法来实现智能决策。通过一套双跨转子实验台验证了本系统的可行性与实用性。集成学习在滚动轴承故障模式辨识领域具有广阔的发展前景,它能够提高模式辨识算法的精度、增强算法的泛化性,为故障诊断系统的开发提供优质的算法保障,进而能更好地利用故障诊断系统积累工业数据资源开展智能决策技术。

关键词：模式辨识集成学习特征变换特征选择故障诊断系统

来源：评论

学校读者我要写书评

暂无评论

旋转机械故障模式辨识的集成学习方法研究

旋转机械故障模式辨识的集成学习方法研究

引用

作者：赵楠兰州理工大学

学位级别：硕士

旋转机械作为现代工业生产中的核心组成部分,必须紧跟时代脚步,向着先进智能化的方向迈进,这对于我国以制造业为基础的实体经济快速稳固发展至关重要。故障诊断技术作为旋转机械智能化发展的重要方向,能够有效地保障设备安全可靠运行,... 详细信息

旋转机械作为现代工业生产中的核心组成部分,必须紧跟时代脚步,向着先进智能化的方向迈进,这对于我国以制造业为基础的实体经济快速稳固发展至关重要。故障诊断技术作为旋转机械智能化发展的重要方向,能够有效地保障设备安全可靠运行,充分满足智能制造的需要,这也使得该项技术在近年来得到了蓬勃发展。随着旋转机械设备必须向优质高效运行目标迈进,其监测信息的规模也在扩大,这使得旋转机械故障监测系统获取海量数据,从而推动旋转机械故障诊断领域进入“大数据”时代。面对积累的工业大数据资源,必须使用合理、高效的智能决策技术将其开发利用,这对于旋转机械智能制造的快速发展意义重大。旋转机械故障诊断的关键步骤在于机械运行状态的模式辨识,本研究基于集成学习,围绕机械设备的故障模式辨识方法展开研究,所关注的问题有:基分类器差异性提升、不平衡数据处理、多通道信息融合。具体研究内容与取得的研究进展如下:(1)针对集成学习中所构建基分类器差异性较低的问题,提出一种结合扰动方式的集成RBF故障模式辨识方法。该方法通过Relief F算法计算特征权重以构建低维特征集,将特征权重作为改进轮盘赌法的输入扰动低维特征集,以自助采样法扰动训练集,从而实现特征集的结合扰动以增加基分类器间差异,提升集成学习效果。选用RBF神经网络作为基分类器,通过转子故障数据验证了所提方法的辨识精度,结果表明结合扰动的集成方式能够有效提升RBF神经网络辨识能力。(2)为解决故障诊断研究中经常遇到的数据不平衡问题,提出一种基于云模型的集成学习方法。本方法以Relief F算法计算特征权重并依此构建低维特征集,通过对云理论中的云分类器进行改进,将低维特征集中的每一特征分别构造云分类器,采用相对多数投票法对各个云分类器进行集成从而得出辨识结果。通过轴承故障不平衡数据对此方法进行了验证。实验结果表明,改进云分类器对不平衡数据的辨识具有一定优势,并能实现辨识结果的可视化。(3)由于单通道诊断方法存在辨识精度较低的问题,对此提出一种融合多通道信息的集成极限学习机模式辨识方法。此方法对采集机械设备振动信号的多个通道分别构建特征集,将各特征集训练ELM以实现分类模型与信号采集通道的对应,通过相对多数投票法对各ELM进行集成,从决策层实现多通道的信息融合。通过转子不平衡故障数据对该方法的辨识能力进行实验验证。研究结果表明,所提集成方法能够对多通道信息实施有效融合,并能适用于不同工况下的故障信息。集成学习能够提高模式辨识精度、增强算法的泛化性,在大数据时代下的旋转机械故障模式辨识领域将会拥有广阔发展前景,后续研究将重点探索当前优质分类模型与集成学习的结合,并以此为基础开发故障诊断系统,进一步提高诊断方案的智能化与自动化。

关键词：故障诊断模式辨识集成学习 ReliefF算法神经网络云模型

来源：评论

学校读者我要写书评

暂无评论

切换系统激活模式辨识和有限时间状态估计

引用

控制工程 2020年第3期27卷 493-499页

作者：杨俊起吴琛河南理工大学电气工程与自动化学院河南焦作454000

针对一类具有未知输入的不确定线性切换系统,考虑并利用有限时间观测器解决其激活模式辨识和有限时间状态估计问题。首先,利用状态和输出变换得到解耦未知输入的降维切换系统。其次,为每一个降维子系统设计一个对应的有限时间观测器,并... 详细信息

针对一类具有未知输入的不确定线性切换系统,考虑并利用有限时间观测器解决其激活模式辨识和有限时间状态估计问题。首先,利用状态和输出变换得到解耦未知输入的降维切换系统。其次,为每一个降维子系统设计一个对应的有限时间观测器,并对降维系统与观测器系统输出的残差范数进行最小化,从而提出一种激活模式辨识的方法。然后,通过有限时间观测器设置任意小的时间参数,实现了对降维解耦切换系统的有限时间状态估计,同时利用状态等价变化的方法得到原系统的有限时间状态估计。最后,通过MATLAB仿真验证了所提方法的可靠性。

关键词：切换系统有限时间观测器模式辨识状态估计

来源：评论

学校读者我要写书评

暂无评论

一种新能源场站快速频率响应控制模式辨识方法及系统

一种新能源场站快速频率响应控制模式辨识方法及系统

引用

作者：孙志媛韦昌福彭博雅刘默斯宋益孙艳熊莉陈立春 530023 广西壮族自治区南宁市兴宁区民主路6-2号

本发明公开了一种新能源场站快速频率响应控制模式辨识方法及系统，包括：基于不同类型新能源场站快速频率响应控制机理，建立新能源场站快速频率响应控制模型，并记录新能源场站快速频率响应的动态过程；根据新能源场站快速频率响应的... 详细信息

标准号: CN118074157A

本发明公开了一种新能源场站快速频率响应控制模式辨识方法及系统，包括：基于不同类型新能源场站快速频率响应控制机理，建立新能源场站快速频率响应控制模型，并记录新能源场站快速频率响应的动态过程；根据新能源场站快速频率响应的动态过程，采集并计算新能源场站并网点输出功率与电压频率；根据输出功率与电压频率，通过新能源场站快速频率响应控制模型辨识不同类型快速频率响应控制占比以及控制参数与动态参数；根据辨识得到的不同类型快速频率响应控制占比，判断新能源场站控制模式。本发明通过建立通用新能源场站快速频率响应控制模型，实时辨识新能源场站快速频率响应控制模式以及各类型的控制参数与动态参数，可实用性强，操作简易方便。

关键词：快速频率新能源响应控制电压频率动态参数动态过程控制参数输出功率控制模式模式辨识模型辨识实时辨识响应并网点辨识简易采集通用记录

来源：评论

学校读者我要写书评

暂无评论

基于TLS-ESPRIT法的低频振荡模式辨识方法

基于TLS-ESPRIT法的低频振荡模式辨识方法

引用

作者：卢盛阳张武洋朱钰闫振宏王同王俊于金波于同伟张凯博蔡玉朋王慧楚天丰谢易澎宋保泉 110006 辽宁省沈阳市和平区四平街39-7号

本发明公开了一种基于TLS‑ESPRIT法的低频振荡模式辨识方法，属于电力系统低频振荡模式辨识技术领域。本发明包括：采集系统中可输出的振荡信号；利用采集的振荡信号数据构造Hankel汉克尔矩阵；通过奇异值分解法对Hankel汉克尔矩阵进行... 详细信息

标准号: CN115800317A

本发明公开了一种基于TLS‑ESPRIT法的低频振荡模式辨识方法，属于电力系统低频振荡模式辨识技术领域。本发明包括：采集系统中可输出的振荡信号；利用采集的振荡信号数据构造Hankel汉克尔矩阵；通过奇异值分解法对Hankel汉克尔矩阵进行分解并提取出信号子空间；根据信号子空间进行分解，求得可逆矩阵旋转算子，并对其进行寻优；根据分解后的Hankel汉克尔矩阵，得到振荡频率、衰减因子以及阻尼比的表达式，求得阻尼频率；将求得的阻尼频率引入TLS法，获得低频振荡模式的振荡幅值和初始相位角。本发明能够辨识出系统扰动期间的各振荡分量等参数，实现过程简单，大大提高计算效率，使辨识精度和工作效率得到显著提高。

关键词：矩阵辨识低频振荡模式信号子空间振荡信号阻尼频率分解电力系统低频振荡初始相位角奇异值分解采集系统工作效率计算效率可逆矩阵模式辨识数据构造衰减因子系统扰动振荡分量振荡频率阻尼比算子振荡寻优采集输出引入

来源：评论

学校读者我要写书评

暂无评论

基于手机数据的特征与时序双驱动城际出行模式辨识方法

基于手机数据的特征与时序双驱动城际出行模式辨识方法

引用

作者：丁璠寿光明屈韬谭华春张永毅尹红亮彭剑坤裴剑平白桦朱治邦 210096 江苏省南京市玄武区四牌楼2号

本发明公开了基于手机信令数据的特征与时序的城际出行模式辨识方法，1）建立城际出行交通网络，而后提取交通网络临近基站并为基站数据标记上路网信息，2）手机信令数据的获取和预处理，3）以基站信息为媒介关联手机信令数据和路网，... 详细信息

标准号: CN115967950B

本发明公开了基于手机信令数据的特征与时序的城际出行模式辨识方法，1）建立城际出行交通网络，而后提取交通网络临近基站并为基站数据标记上路网信息，2）手机信令数据的获取和预处理，3）以基站信息为媒介关联手机信令数据和路网，构建信令数据特征表，4）基于随机森林和长短时记忆模型的混合模型，从数据特征库中提取样本数据对模型进行训练，并输出分类结果和准确率。本发明实现城际出行模式的高精度识别，在省域范围内居民跨城市细颗粒度出行模式识别和提出具有高置信度的模式识别基础上能够对已建城市间综合交通网络通勤现状进行评估，并为未来城市间综合交通网络规划和完善提供参考。

关键词：出行交通网络模式识别手机信令信令数据综合交通预处理数据特征库时序分类结果高置信度关联手机混合模型基站数据基站信息记忆模型临近基站路网信息模式辨识随机森林网络规划细颗粒度样本数据特征表准确率构建路网媒介参考输出评估居民网络

来源：评论

学校读者我要写书评

暂无评论

基于手机信令数据的特征与时序的城际出行模式辨识方法

基于手机信令数据的特征与时序的城际出行模式辨识方法

引用

作者：丁璠寿光明屈韬谭华春张永毅尹红亮彭剑坤裴剑平白桦朱治邦 210096 江苏省南京市玄武区四牌楼2号

标准号: CN115967950A

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：