检索结果-南通市图书馆

基于动态模式分解的发电机惯量及阻尼系数评估方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电网技术 2022年第1期46卷 311-319页

作者：杨德友邵致远王博东北电力大学电气工程学院吉林省吉林市132012

准确评估并网发电机惯量和阻尼系数可为系统及发电机自身安全稳定运行提供可靠的基础,为此该文提出一种基于动态模式分解(dynamic mode decomposition,DMD)的发电机惯量及阻尼系数评估方法。用DMD提取到的特征值及其对应特征向量对发电... 详细信息

准确评估并网发电机惯量和阻尼系数可为系统及发电机自身安全稳定运行提供可靠的基础,为此该文提出一种基于动态模式分解(dynamic mode decomposition,DMD)的发电机惯量及阻尼系数评估方法。用DMD提取到的特征值及其对应特征向量对发电机功率和转速变化量进行时域重构,在此基础上,构建关于机电参数(惯量和阻尼系数)和系统特征(特征值和特征向量)的线性方程,进而通过线性方程求解实现发电机惯量和阻尼系数的评估。通过IEEE4机2区系统和IEEE10机39节点系统对所提方法进行仿真验证,结果表明,所提方法适用于多机系统中发电机惯量和阻尼系数评估,且精度较高。

关键词：发电机惯量阻尼系数动态模式分解评估方法

基于向量自回归和动态模式分解的城市轨道交通短时OD预测

在线全文

学校读者我要写书评

暂无评论

北京交通大学学报 2023年第6期47卷 41-49页

作者：张文强刘若男张含笑刘宇然李鉴杨欣北京市地铁运营有限公司北京100044 北京交通大学先进轨道交通自主运行全国重点实验室北京100044

针对城市轨道交通OD客流量短时预测问题,提出基于向量自回归(Vector Auto Regression,VAR)和动态模式分解(Dynamic Mode Decomposition,DMD)的VAR-DMD组合预测模型.首先,以北京市范围内的地铁站点为例,基于自动售检票系统数据(Auto Fare... 详细信息

针对城市轨道交通OD客流量短时预测问题,提出基于向量自回归(Vector Auto Regression,VAR)和动态模式分解(Dynamic Mode Decomposition,DMD)的VAR-DMD组合预测模型.首先,以北京市范围内的地铁站点为例,基于自动售检票系统数据(Auto Fare Collection,AFC),对地铁OD客流进行时空特征分析;其次,构建高阶加权向量自回归模型捕获OD客流数据的时空关联性,利用动态模式分解算法估算模型的参数,提取OD客流数据动态特征,实现数据的降维和降噪,利用实时更新算法更新模型的参数,实现长期连续预测;最后,以北京地铁AFC数据为算例,对模型进行验证.研究结果表明:相较于基准模型,VAR-DMD模型的运行时间减少96.67%,预测误差减少2.6%,具有较高的预测速度和预测精度,为城市轨道交通运营管理部门提供了可靠又及时的决策依据.

关键词：地铁OD量短时预测动态模式分解向量自回归模型实时更新算法

在线全文

学校读者我要写书评

暂无评论

基于动态模式分解的直流蒸汽发生器降阶建模

核动力工程 2024年

作者：许依凡彭敏俊夏庚磊哈尔滨工程大学核科学与技术学院

直流蒸汽发生器（OTSG）的运行特性对反应堆的安全有重要影响。大尺度、精细化的仿真模型为直流蒸汽发生器热工水力特性和安全分析提供高保真的模拟结果，但也对计算资源提出了挑战。动态模式分解控制（DMDc）是一种数据驱动的模型降阶... 详细信息

直流蒸汽发生器（OTSG）的运行特性对反应堆的安全有重要影响。大尺度、精细化的仿真模型为直流蒸汽发生器热工水力特性和安全分析提供高保真的模拟结果，但也对计算资源提出了挑战。动态模式分解控制（DMDc）是一种数据驱动的模型降阶（MOR）方法，其在动态模式分解（DMD）的基础上能够为含控制输入的系统建立低维的、准确的输入输出模型以替代高保真模型进行快速计算。考虑到实际运行中如蒸汽压力等OTSG热工参数受反应堆控制系统影响，利用RELAP5程序建立的全阶模型获取了OTSG在快速降负荷和快速升负荷工况下的主要热工参数的高保真模拟结果，基于DMDc建立了直流蒸汽发生器的降阶模型（ROM）。结果表明DMDc能够提取OTSG在变负荷工况下的动态特性，降阶模型的计算结果与全阶模型之间的最大相对误差小于2%。此外，对比了DMDc与DMD方法对OTSG降阶建模的效果，证明了DMDc方法的优越性。

关键词：直流蒸汽发生器动态模式分解动态模式分解控制模型降阶

面向时变模态仅输出辨识的递推动态模式分解方法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

振动工程学报 2023年

作者：范霆威马志赛丁千祁峰王檑天津市非线性动力学与控制重点实验室天津大学机械工程学院北京宇航系统工程研究所

时变模态辨识是获取工程时变结构动态特性的重要手段，也是实现工程结构系统实时振动控制和在线健康监测的重要保证。针对工程结构的激励难以测量、时变模态辨识计算效率低下的问题，提出了一种基于动态模式分解（DMD）的时变模态仅输... 详细信息

时变模态辨识是获取工程时变结构动态特性的重要手段，也是实现工程结构系统实时振动控制和在线健康监测的重要保证。针对工程结构的激励难以测量、时变模态辨识计算效率低下的问题，提出了一种基于动态模式分解（DMD）的时变模态仅输出递推辨识方法。借鉴投影近似子空间跟踪算法和滑动窗思想对现有DMD方法进行理论拓展，提出DMD方法的递推格式，能够对系统矩阵和本征正交分解基进行递推更新，可用于时变模态的仅输出递推辨识。设计时变质量三自由度构系统数值算例，搭建变质量充液筒结构系统实验平台，分别对所提递推DMD方法进行数值和实验验证。结果表明，所提递推DMD方法能够仅基于结构系统的振动响应数据准确辨识得到其时变模态，具备良好的仅输出递推辨识能力。

关键词：时变系统模态辨识动态模式分解仅输出递推辨识

基于动态模式分解的移动用户信道容量预测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

北京邮电大学学报 2021年第4期44卷 89-94页

作者：朱军唐宝煜李凯安徽大学电子信息工程学院合肥230601 上海科技大学创意与艺术学院上海201210

在多输入多输出环境下,为了能够连续预测出移动用户的信道容量并以此合理地分配用户资源,提出了一种基于动态模式分解(DMD)的信道容量预测方法及其优化方法:基于经验模态分解的选择性归一化动态模式分解(ESN-DMD)。仿真结果表明,DMD算... 详细信息

在多输入多输出环境下,为了能够连续预测出移动用户的信道容量并以此合理地分配用户资源,提出了一种基于动态模式分解(DMD)的信道容量预测方法及其优化方法:基于经验模态分解的选择性归一化动态模式分解(ESN-DMD)。仿真结果表明,DMD算法只适用于预测低移速低复杂度的用户信号,ESN-DMD算法可以预测不同移速的用户信道容量。

关键词：多输入多输出动态模式分解经验模态分解选择性归一化信道容量预测

基于动态模式分解的三端多段式架空线-电缆混合输电线路故障定位新方法

在线全文

学校读者我要写书评

暂无评论

电力系统及其自动化学报 2022年第10期34卷 129-137页

作者：张智伟范新桥张利李慧刘思嘉北京信息科技大学自动化学院北京100192

针对三端多段式架空线-电缆混合输电线路故障定位问题,提出一种基于动态模式分解算法的故障定位新方法。首先,将能够改善模态混叠的动态模式分解算法和反映瞬时能量变化的Teager能量算子相结合用于故障行波波头准确检测;将三端多段式混... 详细信息

针对三端多段式架空线-电缆混合输电线路故障定位问题,提出一种基于动态模式分解算法的故障定位新方法。首先,将能够改善模态混叠的动态模式分解算法和反映瞬时能量变化的Teager能量算子相结合用于故障行波波头准确检测;将三端多段式混合线路简化为“三端线路”,给出一种基于故障初始行波到达各端测点及T节点时间差的故障分支判定条件,并根据其判定出故障支路。然后,计算故障初始行波到达该支路端点和T节点的时间差,并与故障行波由该支路各架空线和电缆的连接点传播到端点和T节点的时间差进行比较,确定故障所在的架空线路段或电缆段。最后,利用双端行波法计算故障距离。仿真结果表明,所提基于动态模式分解算法的故障定位方法可准确判断三端多段式架空线-电缆混合线路的故障支路并定位出故障位置。

关键词：故障定位三端混合线路多段式故障支路动态模式分解

在线全文

学校读者我要写书评

暂无评论

基于动态模式分解的新能源场站频率特性估计

电力系统及其自动化学报 2023年第11期35卷 107-113,132页

作者：李剑锋郝晓光杨春来王辉国网河北能源技术服务有限公司能源控制技术研究所石家庄050000

为检验新能源场站参与电网调频控制的实际效果,提出一种基于动态模式分解的新能源场站虚拟惯量与有功-频率下垂系数估计方法。首先,分析了新能源机组有功-频率表达式的重构原理,揭示了场站虚拟惯量和有功-频率下垂系数同系统状态特征之... 详细信息

为检验新能源场站参与电网调频控制的实际效果,提出一种基于动态模式分解的新能源场站虚拟惯量与有功-频率下垂系数估计方法。首先,分析了新能源机组有功-频率表达式的重构原理,揭示了场站虚拟惯量和有功-频率下垂系数同系统状态特征之间的解析关系;在此基础上,构建了基于动态模式分解算法的新能源场站频率特性估计模型,利用提取出的系统特征重构了场站的有功出力和频率变化,将非线性微分方程转变为线性方程组进行求解,简化了场站虚拟惯量和有功-频率下垂系数的估计难度。最后,在PSCAD/EMTDC中搭建新能源场站接入IEEE 9节点系统和IEEE 68节点系统,验证了所提方法的有效性和准确性。

关键词：新型电力系统新能源场站动态模式分解频率特性估计

基于压缩感知的动态模式分解及其在轴承故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

基于压缩感知的动态模式分解及其在轴承故障诊断中的应用

作者：文明武汉科技大学

学位级别：硕士

作为机械装备中基本而又极其重要的零件,轴承健康与否在很大程度上决定着机器的安全运行,同时也影响着产品质量是否可靠达标。随着机械设备使用时间的增加,运行工况的恶化,运维服务的欠缺,轴承等传动件不可避免地将出现各种故障和问题,... 详细信息

作为机械装备中基本而又极其重要的零件,轴承健康与否在很大程度上决定着机器的安全运行,同时也影响着产品质量是否可靠达标。随着机械设备使用时间的增加,运行工况的恶化,运维服务的欠缺,轴承等传动件不可避免地将出现各种故障和问题,为了避免这些问题和故障,有必要对机械装备的健康状态进行检测或监测以实现预知维修。动态模式分解作为一种从流场领域引申而来的方法,有着传统信号分析方法不具有的优势,在轴承故障特征提取与健康监测中有着强大的应用潜力。本文以动态模式分解为基础,在机械领域已有的相关成果上改进了相关方法及步骤,进一步拓展了动态模式分解在轴承故障诊断及健康监测方面的应用前景,主要内容如下:(1)针对前人截断秩方法出现的提取故障特征不全,在强背景噪声中不能提取低能量故障频率的问题,研究改进了动态模式分解截断秩的选取方法和投影降噪方法,实验表明改进的选取方法能够进一步提取出轴承故障细节特征。引入表征信号分量不规则性指标用于模式筛选,使得恢复信号故障特征更加明显,可读性更高。动态模式分解方法增强了恢复信号的故障特征,提高了故障频域的可读性。(2)针对动态模式分解在大数据下分解过程占用空间大,时间长的问题,引入结合压缩感知的压缩动态模式分解方法,结合多尺度排列熵的筛选方法在缩短分解用时的同时达到了良好的故障提取效果。针对分解所得特征值的实际意义建立了表征轴承全生命周期的监测指标,取得了与前人相似的结论。实验结果表明,压缩动态模式分解方法大大提高了计算效率,为设备状态在线监测中算法的实时性提供了保障。(3)针对动态模式分解应用场景和工况条件的限制,研究了压缩动态模式分解针对变工况信号的分析方法。采用改进的角域重采样技术将时域非平稳信号转换为角域平稳信号,使得该过程避免了复杂转速曲线的拟合,实验表明结合角域重采样的压缩动态模式分解方法依旧具有良好的故障提取效果。角域重采样压缩动态模式分解方法拓展了以动态模式分解为基础的故障提取方法的应用范围。

关键词：动态模式分解故障诊断压缩感知变工况轴承健康监测

基于GCN与动态模式分解的异常行为识别方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于GCN与动态模式分解的异常行为识别方法研究

作者：张伟熙广东工业大学

学位级别：硕士

随着硬件计算能力提升与众多深度学习方法的普及,行为识别算法逐渐应用于现实中。基于骨骼的行为识别算法是行为识别领域下的一个热门研究领域,吸引了不少研究人员的目光。众所周知,相对于深度学习方法,传统方法可以在较少样本情况下较... 详细信息

随着硬件计算能力提升与众多深度学习方法的普及,行为识别算法逐渐应用于现实中。基于骨骼的行为识别算法是行为识别领域下的一个热门研究领域,吸引了不少研究人员的目光。众所周知,相对于深度学习方法,传统方法可以在较少样本情况下较快地进行训练与预测,但是准确率有所不足;而深度学习方法可以得到较高的准确率,但是需要较多样本用以训练并且计算量较大。这启发我们将传统方法与深度学习方法进行结合,使传统方法与深度学习方法的优势互补。因此,本文先后提出一种基于动态模式分解的传统方法与基于图卷积网络和Transformer的深度学习方法,并在少量样本情况下使用传统方法辅助深度学习方法训练。本文主要工作如下:(一)在传统方法方面,提出了一种基于动态模式分解的行为识别方法。该算法采用动态模式分解从结构化的骨骼序列中提取动作特征,并将提取出的动作特征使用单类支持向量机分类器对正负样本进行二分类。相比于深度学习方法,该方法在速度上有巨大优势,并且在较少样本下进行二分类也能达到90.8%的准确率。(二)在深度学习方法方面,提出了一种基于图卷积网络与Transformer相结合的算法。首先参考Transformer编码器的结构,提出了基于Transformer的行为识别算法,并引入Class-token结构。为了充分利用人体骨骼信息并进一步提高准确率,引入了图卷积网络(Graph Convolutional Network,GCN),利用图卷积网络替代Transformer编码器中的Embedding层,提出了GCN-Transformer算法。随后对算法进行优化,将图卷积网络与Transformer编码器结构构建成一个块;针对于少量样本情况,利用动态模式分解算法来辅助本文的深度学习方法。实验结果显示,基于GCN-Transformer算法在NTU-RGB+D数据集上达到了85.4%的准确率。结合动态模式分解算法辅助训练后,在小数据集上有1%左右的准确率提升。(三)将本文算法应用于实际场景中。在大型数据集上对本文算法模型进行预训练,并在电梯场景数据集中进行微调。然后,对电梯视频异常行为识别安防系统进行设计,将训练好的算法应用于电梯异常行为识别监控系统中。在该系统中,使用Tkinter包进行界面设计,使用ONVIF协议对摄像机参数进行控制,并使用RTSP协议获取视频流,使用Open CV库对视频流进行处理与展示。实验结果显示,本文算法应用于电梯场景数据集上,可以达到92.7%的准确率。系统设计中,本文算法模块的耗时为155毫秒,可以满足实时性。

关键词：电梯安防行为识别动态模式分解图卷积网络 Transformer