基于k-medoids聚类算法的低压台区线损异常识别方法

针对低压台区线损异常情况的判断问题,以电力公司用电信息采集系统采集的日线损率数据为基础,提出了一种基于k-medoids聚类算法的低压台区线损异常识别方法,并以某地区819个台区为例进行算法可靠性的验证.首先应用局部异常因子LOF算法对低压台区异常日线损率数据进行判断、筛选和剔除;其次应用k-medoids聚类算法对日...     

基于远程诊断的天然气超声流量计异常综合评估方法

超声流量计远程诊断技术逐渐应用到天然气计量管理领域,很好地提升了我国天然气计量水平。针对现有远程诊断技术对单一参数诊断报警的不足,提出融合多参数进行综合评估,该方法不仅可以在超声流量计发生故障的时候进行诊断,还能够给出超声流量计的综合性能评分,在故障之前进行预警。异常综合评估方法通过建立超声流量计分层指标体系,构建指标权重比较判断矩阵和模糊评判矩阵,代入远程获取的超声流量计指标实时参数,计算得到超声流量计的综合分值,通过分值排序比较即可得到超声流量计的实际使用性能状态,并根据其综合分值变化情况,对超声流量计的性能状态进行动态评估。异常综合评估结果表明：该方法能够有效地区分处于报警和非报警状态下的流量计算机的不同性能等级,性能估计更精细,可以为超声流量计的故障早期预警和计划性维修提供指导意见。     

发电机励磁碳刷异常分析和对策

分析了某厂300MW汽轮发电机碳刷烧损异常的原因,介绍了改进碳刷维护管理的措施。     

贝叶斯优化卷积神经网络公共场所异常声识别*

针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法。提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图。构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征。基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别。该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果。最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性。     

海气耦合振荡非线性动力系统的平衡态研究

本文利用一个正压地形强迫准地转方程与表层海温方程联立,在大尺度洋流可用Sverdrup流近似的假设下来封闭方程组。在这样一个海气相互作用系统中,考虑了海温场加热大气及大气环流通过风生流再分布海温场的两个基本过程。在低阶截谱及多尺度方法的简化下,建立一个海气耦合系统。并对耦合系统作相空间分析,解析地求得海气系统中的两类稳定的平衡态。指出由此可以解释一些长期环流异常的特征。     

绝对重力测量异常值的局部异常因子检测算法

自主研发绝对重力仪的测量结果中出现的离群程度不同的异常值会直接影响测量结果的准确度和测量精度。目前一般采用的一元正态分布异常值检测算法漏检率高,容易造成测量结果的偏差和测量精度的下降。利用人工智能算法中的局部异常因子异常值检测算法,可以在线、快速、高效地完成自主研发绝对重力测量数据的异常值检测。首先,根据实测数据构建测试数据集,利用数值模拟确定局部异常因子算法邻域宽度参数的取值;然后,基于实测数据进行异常值检测并进行结果评估。评估结果表明,局部异常因子异常值检测算法对离群程度不同、连续出现异常值等情况检测效果明显优于一元正态分布异常值检测算法,组测量精度平均提高9.37μGal,可以作为自主研发绝对重力仪异常值检测的通用算法完成组测量结果的异常值检测。     

冲击破碎高能推进剂的燃烧异常

为研究高能推进剂的冲击损伤状态对其使用安全性的影响,以爆轰波为加载手段,对NEPE推进剂试样进行冲击损伤。经扫描电镜观察和密度测量,冲击试样的基体材料和固体颗粒破坏严重,密度降低。热分析实验表明,损伤有利于试样中硝酸酯热分解的进行。密闭爆发器实验显示,损伤使燃烧速度加快。     

基于IFSR异常样本剔除的落叶松木材密度近红外优化模型的研究

木材密度可以反映木材的干缩性、抗压抗拉强度等多种物理性质,是重要的木材物理特性。采用近红外光谱技术能够实现木材密度的快速预测,可克服传统检测方法耗费人力、物力、时间的弊端,但建模结果往往受异常样本的影响。为准确识别并剔除样本集中的异常样本,提出一种孤立森林结合学生化残差方法(IFSR),在利用孤立森林集成特征的优点基础上考虑样本对模型的影响度,可同时检测异常样本与强影响样本。该研究对181个落叶松木材样本的近红外光谱及其在常温下的气干密度进行了测定。通过对比多种方法预处理和特征选择方法,确定采用标准正态变量变化(SNV)+去趋势处理(DT)+均值中心化(MC)+标准化(Auto)方法进行预处理,采用竞争性自适应重加权算法(CARS)进行特征波段选择,消除噪声及无关信息对算法的影响,简化数据集,提高算法剔除异常样本的准确性。为验证IFSR方法剔除异常样本的能力,将其与蒙特卡洛交互验证(MCCV)、马氏距离(MD)等其他六种异常检测方法对比分析,建立偏最小二乘(PLS)模型对其进行异常检测性能评价。同时在上述基础上采用粒子群寻优-支持向量机回归(PSO-SVR), BP神经网络(BPNN)...     

基于支持向量描述的自适应高光谱异常检测算法

提出了一种应用于高光谱异常检测的自适应支持向量数据描述方法.根据高光谱数据和局部异常检测模型的特点,通过局部背景分波段二阶分布统计,分析了核参量与局部背景总体标准差的变化关系,构造了随检测背景变化的局部检测核参量,使得检测算法针对不同背景分布自适应地调整检测核参量.克服了传统支持向量描述算法由于采用固定核参量带来的复杂背景下检测性能下降的问题.通过模拟数据和真实高光谱数据的测试检验,接收机特性曲线表明该算法相对于传统固定核参量支持向量数据描述方法,在相同虚警概率下检测概率提高了10%.