检索结果-南通市图书馆

维普期刊数据库博看期刊

基于重构误差计算的数据驱动储能电池热失控预警方法

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2023年第11期43卷 4244-4253页

作者：王博石余娟杨燕万红兵输配电装备及系统安全与新技术国家重点实验室(重庆大学) 重庆市沙坪坝区400044 重庆长安新能源汽车科技有限公司重庆市江北区400000

发展大规模、分布式储能是实现“双碳”目标的重要途径。守住储能电池(battery energy storage,BES)的安全底线关乎人民生命安全和社会经济发展。现有储能电池安全预警方法还面临如下2个方面挑战:机理研究方法考虑的工况单一,难以推广应... 详细信息

发展大规模、分布式储能是实现“双碳”目标的重要途径。守住储能电池(battery energy storage,BES)的安全底线关乎人民生命安全和社会经济发展。现有储能电池安全预警方法还面临如下2个方面挑战:机理研究方法考虑的工况单一,难以推广应用;基于有监督学习的数据驱动方法难以有效应对小样本问题。对此,提出基于重构误差计算的数据驱动储能电池热失控预警方法。首先,基于无监督学习思想,建立数据驱动的储能电池热失控预警框架,利用重构误差构建电池间的差异程度,可有效应对小样本场景;利用集成学习思想量化电池热失控概率,可保障算法的稳定性。然后,为有效提取储能电池电压、温度、电流、荷电状态(stateof charge,SOC)等数据的时变特性,高效挖掘热失控前后的时变数据特征差异,进一步提出基于双向长短期记忆(bi-long short-term memory,Bi-LSTM)网络与注意力机制的储能电池数据特征挖掘方法,实现储能电池数据特征的精准学习。最后,通过电动汽车动力电池的真实运行数据,验证了所提方法的有效性。

关键词：储能电池数据驱动无监督学习热失控预警重构误差

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于重构误差的单类子空间压印凹凸字符识别

机械工程学报 2008年第5期44卷 181-185页

作者：李学勇路长厚李建美山东大学机械工程学院济南250061

针对压印凹凸字符色差低、图像质量差的特点,采用'特征脸'用于压印字符的整体特征提取和识别。针对'特征脸'不能充分利用样本类间信息的缺点,提出一种基于重构误差的压印凹凸字符识别新方法。该方法为每类字符分别建立子空间,然后获得... 详细信息

针对压印凹凸字符色差低、图像质量差的特点,采用'特征脸'用于压印字符的整体特征提取和识别。针对'特征脸'不能充分利用样本类间信息的缺点,提出一种基于重构误差的压印凹凸字符识别新方法。该方法为每类字符分别建立子空间,然后获得测试样本在各个子空间下的重构图像,通过重构图像和原图像的均方差来实现压印字符的识别。该方法能够充分利用单类字符的共同特征和不同类字符之间的差别信息。试验结果表明,该方法能够显著提高识别率,满足实时性要求。

关键词：特征脸子空间重构误差凹凸字符

在线全文

学校读者我要写书评

暂无评论

基于重构误差的同构图分类模型

计算机科学与探索 2022年第1期16卷 185-193页

作者：蒋光峰胡鹏程叶桦仰燕兰东南大学自动化学院南京210096

目前深度学习方法应用于图分类模型的重点集中在将卷积神经网络迁移到图数据领域,包括重定义卷积层和池化层。卷积操作泛化到图数据上是有效的方法,但无论是卷积还是池化都存在较大的改进空间,尤其是在提取网络拓扑结构信息方面。提出... 详细信息

目前深度学习方法应用于图分类模型的重点集中在将卷积神经网络迁移到图数据领域,包括重定义卷积层和池化层。卷积操作泛化到图数据上是有效的方法,但无论是卷积还是池化都存在较大的改进空间,尤其是在提取网络拓扑结构信息方面。提出一种基于重构误差的同构图分类模型,一方面利用改进的同构图卷积网络WaveGIC增强提取拓扑结构信息能力;另一方面利用多重注意力机制表征全图,使得模型能够关注关键节点信息。由于网络加深过程,局部拓扑结构的特征表达越来越不明显。在分类损失基础上添加重构误差损失,使分类器同时考虑图的节点特征和拓扑结构。在基准数据集上的实验结果表明,提出的方法具有较高的图分类准确度。

关键词：图神经网络(GNN) 图分类重构误差注意力机制

基于重构误差和多块建模策略的kNN故障监测

在线全文

学校读者我要写书评

暂无评论

系统仿真学报 2023年第1期35卷 95-109页

作者：郑静熊伟丽吴晓东江南大学轻工过程先进控制教育部重点实验室江苏无锡214122 江南大学物联网工程学院江苏无锡214122

针对基于k近邻(k-nearest neighbor,kNN)的故障监测算法中,引发故障的异常信息易被正常信息淹没,导致故障检测不及时和报警率低的问题,利用自编码器和多块建模策略提出一种基于重构误差的k NN故障监测方法。该方法利用正常工况数据集训... 详细信息

针对基于k近邻(k-nearest neighbor,kNN)的故障监测算法中,引发故障的异常信息易被正常信息淹没,导致故障检测不及时和报警率低的问题,利用自编码器和多块建模策略提出一种基于重构误差的k NN故障监测方法。该方法利用正常工况数据集训练自编码器模型,基于该模型进行重构误差提取以解决异常信息易被淹没的问题。进一步考虑微小偏移和振荡等故障特征,采用多块建模策略,对各子块分别计算统计量并融合检测。通过一个数值例子与田纳西-伊斯曼(Tennessee-Eastman,TE)过程进行仿真与分析,结果验证了所提方法的有效性与监测性能的提升。

关键词： k近邻重构误差故障监测信息提取多块建模

基于关联规则与重构误差的二次系统故障检测方法

在线全文

学校读者我要写书评

暂无评论

中国电力 2024年第8期57卷 159-167页

作者：王阳马伟东刘洎溟王博石姚凯韩伟余娟国网河南省电力公司电力科学研究院输变电装备技术全国重点实验室(重庆大学) 国网河南省电力公司

二次系统是否可靠直接关系整个变电站乃至系统能否安全可靠运行。随着高比例新能源并网，如何有效检测二次系统故障愈发重要。针对现有逻辑回路的故障方法对数据完备性要求较高而难以实际应用，现有二次设备的故障检测方法难以辨识正常... 详细信息

二次系统是否可靠直接关系整个变电站乃至系统能否安全可靠运行。随着高比例新能源并网，如何有效检测二次系统故障愈发重要。针对现有逻辑回路的故障方法对数据完备性要求较高而难以实际应用，现有二次设备的故障检测方法难以辨识正常数据和故障数据的微小差异导致计算精度无法保障的问题，提出基于关联规则与重构误差的二次系统故障检测方法。首先，利用Apriori算法求出故障报警信息与逻辑回路中故障装置的关联规则，实现逻辑回路故障快速诊断；然后，利用正常二次设备的运行数据训练个体判别器，通过衡量待判别数据的重构误差来判别二次设备运行状态，并利用集成学习模型量化设备当前故障检测概率；最后，对集成学习模型进行集成优化，以提高二次设备异常预警的可信度。利用河南省某变电站实际运行数据集进行仿真测试，验证了所提方法的有效性和准确性。

关键词：二次系统故障检测数据驱动关联规则重构误差

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于等高线重构误差的LOD建模及精度分析

测绘科学 2007年第6期32卷 52-53页

作者：王志伟朱长青解放军信息工程大学测绘学院郑州450052

本文运用等高线重构误差模型对细节层次模型(LOD模型)不同层次之间的精度进行研究。选取5种典型地貌区域进行试验,得到了不同地貌区域的重构误差拟合公式。根据得到的公式,可内插得到各种分辨率比率的重构误差。同时,利用逆公式,又能由... 详细信息

本文运用等高线重构误差模型对细节层次模型(LOD模型)不同层次之间的精度进行研究。选取5种典型地貌区域进行试验,得到了不同地貌区域的重构误差拟合公式。根据得到的公式,可内插得到各种分辨率比率的重构误差。同时,利用逆公式,又能由重构误差确定相应的分辨率比率,为评价LOD模型精度提供了一种新的方法和思路。

关键词： LOD模型精度等高线重构误差

在线全文

学校读者我要写书评

暂无评论

一种基于重构误差的交通轨迹异常检测方法

计算机科学 2022年第2期49卷 149-155页

作者：李超能冯冠文刘如意苗启广西安电子科技大学计算机科学与技术学院西安710071 西安市大数据与视觉智能关键技术重点实验室(西安电子科技大学) 西安710071

传感器技术的飞速发展催生了大量交通轨迹数据,轨迹异常检测在智慧交通、城市规划、道路监控等领域具有重要的应用价值。针对传统基于距离和有监督机器学习异常检测方法提取有效特征困难、容易出现过拟合、异常检测效果差等问题,提出了... 详细信息

传感器技术的飞速发展催生了大量交通轨迹数据,轨迹异常检测在智慧交通、城市规划、道路监控等领域具有重要的应用价值。针对传统基于距离和有监督机器学习异常检测方法提取有效特征困难、容易出现过拟合、异常检测效果差等问题,提出了一种基于轨迹重构误差的无监督异常检测方法。该方法使用基于循环神经网络的自编码器对输入轨迹进行重构,通过最小化重构输出和原始输入之间的差异,使模型学习正常轨迹的运动特征。重构误差大于异常阈值的轨迹被判定为异常轨迹。为了避免人工标注异常,利用数据驱动的交通模拟方法,合成了包含不同异常类型的轨迹数据。基于交通轨迹标注数据的实验结果表明,该方法的异常检测性能在各项指标上显著优于传统基于距离的方法以及机器学习分类算法,验证了该无监督方法的有效性和实用性。

关键词：轨迹数据异常检测重构误差自编码器循环神经网络

基于最小重构误差的优化局部聚合描述符向量图像检索算法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2016年第6期36卷 1682-1687页

作者：黄秀杰陈靖张运超北京理工大学光电学院北京100081 北京理工大学计算机学院北京100081

针对局部聚合描述符向量(VLAD)模型中对特征软量化时权重系数的取值不确定性和特征量化误差较大问题,提出一种具有最小重构误差的权重系数分配算法.该算法以最小化重构误差为标准,将具有最小化重构误差的稀疏编码的编码系数作为软量化V... 详细信息

针对局部聚合描述符向量(VLAD)模型中对特征软量化时权重系数的取值不确定性和特征量化误差较大问题,提出一种具有最小重构误差的权重系数分配算法.该算法以最小化重构误差为标准,将具有最小化重构误差的稀疏编码的编码系数作为软量化VLAD的权重系数.数据库的图像检索测试结果表明,该算法相比主流的VLAD特征编码算法所得图像检索精度可提高10%左右,且有更小的特征重构误差.

关键词：图像检索重构误差稀疏编码聚合向量软量化

基于AE重构误差和SVDD的滚筒叶丝干燥异常工况检测

在线全文

学校读者我要写书评

暂无评论

中国烟草学报 2023年第6期29卷 31-37页

作者：安佳敏张雷李善莲张二强邹严颉刘朝贤中国烟草总公司郑州烟草研究院郑州450001 郑州轻工业大学郑州450002 陕西中烟工业有限责任公司技术中心陕西省宝鸡市721013

【目的】为保证烘丝过程安全稳定运行,研究滚筒叶丝干燥过程异常工况检测具有重大价值。【方法】本文提出基于自动编码器(Auto encoder,AE)和支持向量数据描述(Support vector data description,SVDD)的AE-SVDD算法。首先,使用深度学习... 详细信息

【目的】为保证烘丝过程安全稳定运行,研究滚筒叶丝干燥过程异常工况检测具有重大价值。【方法】本文提出基于自动编码器(Auto encoder,AE)和支持向量数据描述(Support vector data description,SVDD)的AE-SVDD算法。首先,使用深度学习自动编码器提取数据深层特征,构建重构误差,利用重构误差训练SVDD分类模型得到超球体半径阈值,建立检测率指标。通过工业实际生产案例进行模型验证,并应用PCA、SVDD算法分别建立异常检测模型作对比实验。【结果】基于AE-SVDD的算法模型检测率可提高约63%,并能预测4~8min后即将发生的质量异常,明显优于其他算法模型。【结论】与传统方法相比,AE-SVDD异常工况检测方法不仅显著提高了检测率,而且具有良好的异常工况预警作用,有助于及时发现、控制滚筒叶丝干燥过程潜在异常工况,降低质量异常的产生几率。

关键词：滚筒烘丝机自动编码器支持向量数据描述重构误差异常检测