检索结果-南通市图书馆

基于标签时间Petri网的DES故障概率及发生时间预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制与决策 2025年第2期40卷 581-589页

作者：刘慧敏黎良武汉科技大学信息科学与工程学院武汉430081 武汉科技大学冶金自动化与检测技术教育部工程研究中心武汉430081

为了解决部分可观离散事件系统(discrete event systems,DES)的故障预测问题,提出一种基于标签时间Petri网的DES故障概率及发生时间的预测方法.首先,利用标签时间Petri网系统的修正状态类图,得到与观测到的时间标签序列一致的有效路径,... 详细信息

为了解决部分可观离散事件系统(discrete event systems,DES)的故障预测问题,提出一种基于标签时间Petri网的DES故障概率及发生时间的预测方法.首先,利用标签时间Petri网系统的修正状态类图,得到与观测到的时间标签序列一致的有效路径,从而获得初步的故障诊断结果;然后,根据检测到的故障类的概率密度分布,并结合Gauss-Kronrod积分法计算每个故障类的发生概率;接着,将时间段细分,进而预测故障类发生的时间,实现对DES的故障预防;最后,以交替位协议为实例验证所提出方法的可利用性.实验结果表明,所提出方法能够有效地估计故障发生的概率,并提供有针对性的故障发生时间信息;其应用有望在实际工业系统中提高故障诊断的效率和准确性,且能够提前预防故障的发生来降低系统故障造成的损失.

关键词：离散事件系统 Petri网概率密度函数 Gauss-Kronrod积分法故障诊断故障预测

在线全文

学校读者我要写书评

暂无评论

基于多维度视觉约束的床椅机器人SLAM

机器人 2025年第1期47卷 44-54页

作者：李秀智邓向军韩红桂杜博文北京工业大学信息科学技术学院北京100124 数字社区教育部工程研究中心北京100124

为了应对楼宇环境中的低纹理和动态场景给机器人定位带来的巨大挑战,提出了一种面向楼宇结构化场景的多源数据融合定位方法。通过合理引入多基元视觉特征、曼哈顿世界假设约束以及惯性测量单元(IMU)预积分约束,本文定位系统能有效克服... 详细信息

为了应对楼宇环境中的低纹理和动态场景给机器人定位带来的巨大挑战,提出了一种面向楼宇结构化场景的多源数据融合定位方法。通过合理引入多基元视觉特征、曼哈顿世界假设约束以及惯性测量单元(IMU)预积分约束,本文定位系统能有效克服智能床椅机器人在工作时遇到的特征稀疏、动态人员干扰等问题。本文总体采用高频前端位姿估计和低频后端优化的并行策略来提高系统实时性。前端里程计在短时间内提供相对准确的位姿估计,而后端优化则利用曼哈顿假设对位姿估计进行进一步优化。同时针对曼哈顿世界假设在位姿估计应用中的局限性,创新性地提出使用多相机联合定位的策略。利用两个不同朝向的相机,分别捕捉地面丰富的纹理特征以及满足曼哈顿世界假设的上层空间中的平面,有效排除了非曼哈顿世界假设物体对定位的影响。实验结果表明,与现有方法相比,本方法在保证实时性的同时,显著提高了定位准确性和鲁棒性,为智能移动床椅机器人在楼宇环境中的应用提供了有力的支持。

关键词：智能床椅机器人同步定位与地图创建曼哈顿世界多特征基元多源数据融合

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于两级决策树模型的轧制时间预测方法

计算机集成制造系统 2025年第1期31卷 197-210页

作者：张卓伦袁帅鹏李铁克张文新北京科技大学经济管理学院北京100083 钢铁生产制造执行系统技术教育部工程研究中心北京100083

轧制时间是宽厚板热轧生产的关键参数,但由于生产的复杂性和不确定性,在生产准备阶段很难对其进行精准预设,这会影响生产作业计划的编制以及实施效果。为解决这一问题,着眼于生产中积累的大量宽厚板轧制历史数据,在对影响轧制时间的关... 详细信息

轧制时间是宽厚板热轧生产的关键参数,但由于生产的复杂性和不确定性,在生产准备阶段很难对其进行精准预设,这会影响生产作业计划的编制以及实施效果。为解决这一问题,着眼于生产中积累的大量宽厚板轧制历史数据,在对影响轧制时间的关键因素及相互关系进行分析梳理的基础上,针对其数据类型和数据结构的特点,提出了两级决策树预测模型,以提高轧制时间的预设精度。首先,基于属性间依赖关系改进C4.5的信息增益率,利用信息熵水平约简分枝节点,将改进的C4.5分类树用于数据中标称属性的建模;进而,基于Fayyad边界点判定定理和支持向量机改进CART算法,对分类子集中数值型属性建立回归模型。从轧制历史数据中随机抽取样本进行实验,将两级决策树模型与多种预测模型对比,验证了所提模型的准确性和鲁棒性。

关键词：轧制时间 C4.5方法两级决策树混合类型数据属性依赖

基于C5.0决策树算法的经编车间机器效率分析

在线全文

学校读者我要写书评

暂无评论

针织工业 2025年第1期41卷 15-20页

作者：陈天墨夏风林江南大学教育部针织技术工程研究中心江苏无锡214122

针对经编企业目前存在的采集繁杂的数据,但缺少科学地对数据进行挖掘和分析的问题,运用C5.0决策树算法,对影响经编车间机器运行效率的多项因素,如原料类型、机器型号、挡车工号、班次、运行时间、停车次数、室内温度、相对湿度等进行深... 详细信息

针对经编企业目前存在的采集繁杂的数据,但缺少科学地对数据进行挖掘和分析的问题,运用C5.0决策树算法,对影响经编车间机器运行效率的多项因素,如原料类型、机器型号、挡车工号、班次、运行时间、停车次数、室内温度、相对湿度等进行深入分类和研究。对预处理过的19 407条数据,通过计算信息增益率,Boosting算法优化迭代模型,以及枝叶修剪等手段,分析出对机器运行效率影响程度大小排序为:机器型号、运行时间、原料类型、室内温度、相对湿度、班次、挡车工号,并根据决策树模型给出各因素决策方案,有效地提高车间机器的运行效率。

关键词：数据分析决策树算法效率管理生产要素分配

基于改进稳定映射法的云南省土壤侵蚀强度变化轨迹及其驱动因素

在线全文

学校读者我要写书评

暂无评论

水土保持学报 2025年第1期39卷 102-112,119页

作者：马岽玲彭双云黄帮梅张瑞李婷云南师范大学地理学部昆明650500 西部资源环境地理信息技术教育部工程研究中心昆明650500 昆明市第十中学昆明650500

[目的]揭示云南省1990—2022年土壤侵蚀强度的变化轨迹,分析其变化类型及驱动因素,为制定有效的土壤侵蚀防治策略提供科学依据。[方法]基于RUSLE模型定量评估云南省土壤侵蚀强度状况,并引入年际变化速率捕捉其动态特征;采用改进的稳定... 详细信息

[目的]揭示云南省1990—2022年土壤侵蚀强度的变化轨迹,分析其变化类型及驱动因素,为制定有效的土壤侵蚀防治策略提供科学依据。[方法]基于RUSLE模型定量评估云南省土壤侵蚀强度状况,并引入年际变化速率捕捉其动态特征;采用改进的稳定映射法(STD),结合变化速率和变化频率,识别土壤侵蚀强度变化轨迹类型;利用随机森林模型分析驱动因素的贡献度,并比较不同轨迹类型分区的驱动因子特征。[结果]1)云南省土壤侵蚀年际变化趋势以基本稳定为主,大幅减少和大幅增加区域面积变化显著;2)土壤侵蚀强度变化轨迹呈显著空间分异,周期型轨迹占比最高(53.90%),其次为非连续阶梯型(14.78%)和波动型(14.08%);3)降水、坡度、人口密度、GDP和植被覆盖度是影响土壤侵蚀强度轨迹变化的主要驱动因素,贡献度分别为17.92%、14.56%、12.52%、12.67%和9.41%;4)不同轨迹类型分区的驱动因素存在差异,周期型轨迹和非连续阶梯型轨迹分区降水量和坡度较大,阶梯型轨迹分区农田覆盖比例高、森林覆盖比例低。[结论]云南省土壤侵蚀强度的轨迹变化特征显著,驱动机制具有空间异质性。因此,土壤侵蚀防治策略应体现区域差异化和针对性,并针对不同区域的特点采取因地制宜的措施。基于变化速率的STD轨迹分区方法可有效刻画土壤侵蚀的动态变化过程,为土壤侵蚀的监测、预警和分区防治提供新的思路。

关键词：土壤侵蚀强度稳定映射法变化轨迹变化速率轨迹分区

同方期刊数据库

板栗SWEET基因家族成员的鉴定及表达分析

在线全文

学校读者我要写书评

暂无评论

生物技术通报 2025年第2期41卷 257-269页

作者：杨涌袁国梅康肖肖刘亚明王东升张海娥河北科技师范学院园艺科技学院板栗产业技术教育部工程研究中心河北省板栗产业协同创新中心

【目的】SWEET基因家族与果实中淀粉含量、糖含量密切相关，分析板栗SWEET基因家族在板栗果实成熟过程中的表达模式，为后续研究板栗SWEET基因家族在果实成熟过程中的作用奠定基础。【方法】利用生物信息学方法鉴定出7种壳斗科物种SWEE... 详细信息

【目的】SWEET基因家族与果实中淀粉含量、糖含量密切相关，分析板栗SWEET基因家族在板栗果实成熟过程中的表达模式，为后续研究板栗SWEET基因家族在果实成熟过程中的作用奠定基础。【方法】利用生物信息学方法鉴定出7种壳斗科物种SWEET基因家族，对其进行系统进化树构建、各个成员同源性分析、基因复制类型分析等；同时分析板栗SWEET基因家族蛋白理化性质、基因结构、选择压力、蛋白结构等；利用转录组和RT-qPCR分析板栗SWEET基因家族成员在不同果实成熟时期的表达模式。【结果】7种壳斗科物种中共包含了129个SWEET基因家族成员，7种壳斗科物种分化之前共拥有16个SWEET基因家族成员。板栗SWEET基因家族共有19个，不均地分布在9条染色体和1条contig片段上；同时其蛋白拥有较为一致的Motif分布、保守结构域分布。顺势作用元件分析结果显示，大量的生长发育相关元件、激素响应元件以及胁迫响应元件存在于板栗SWEET基因家族启动子序列上。转录组和RT-qPCR分析显示，有9个板栗SWEET基因家族成员在板栗果实成熟过程中表达。其中CmSWEET1、CmSWEET3、Cm SWEET4、CmSWEET16及CmSWEET19随着果实成熟过程基因表达量下调；CmSWEET2及CmSWEET9随着果实成熟过程基因表达量上调；CmSWEET15与CmSWEET17随着果实成熟过程基因表达量先下调再上调。【结论】共鉴定了129个壳斗科物种SWEET基因家族成员，其中有19个板栗SWEET基因家族成员，CmSWEET15与CmSWEET17表达模式与可溶性糖变化模式相似，其可能调控板栗果实成熟过程中可溶性糖转运；CmSWEET1、 CmSWEET2、 CmSWEET3、 CmSWEET4、 CmSWEET9、CmSWEET16及Cm SWEET19表达模式与淀粉变化模式完全一致或完全相反，其可能调控板栗果实成熟过程中淀粉积累。

关键词：板栗壳斗科基因家族淀粉可溶性糖表达模式生物信息学

同方期刊数据库

基于联邦学习的聚酯纤维酯化过程温度预测研究

在线全文

学校读者我要写书评

暂无评论

化工学报 2025年第1期76卷 283-295页

作者：王绍吉郝矿荣陈磊东华大学信息科学与技术学院上海201620 东华大学数字化纺织服装技术教育部工程研究中心上海201620

在聚酯纤维生产过程中,酯化温度的精确控制至关重要。然而,由于生产设备和工艺参数的差异,传统预测方法难以满足个性化需求,且数据共享过程中存在隐私泄露和通信压力问题。提出了一种基于联邦学习的个性化自适应酯化温度时间序列预测算... 详细信息

在聚酯纤维生产过程中,酯化温度的精确控制至关重要。然而,由于生产设备和工艺参数的差异,传统预测方法难以满足个性化需求,且数据共享过程中存在隐私泄露和通信压力问题。提出了一种基于联邦学习的个性化自适应酯化温度时间序列预测算法。采用联合预测机制为每个客户端分配私有和共享模型,设置自适应阶段根据客户端数据分布智能调整模型参数,并学习客户端独有的联合预测权重,实现个性化预测输出。采用贝叶斯优化算法解决高维复杂和资源限制问题,快速高效地得到了最佳超参数组合。在三家聚酯纤维生产厂家的真实数据集上的广泛实验结果表明,算法在五种预测模型下均取得了最佳预测性能,有效提高了酯化温度预测的准确性。

关键词：时间序列预测安全隐私联邦学习个性化聚合酯化神经网络

多核高斯过程与数据扩充联合优化的小样本纤维性能预测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

东华大学学报(自然科学版) 2025年

作者：廖娅琪潘安琪杨闪闪田文韬东华大学信息科学与技术学院东华大学数字化纺织服装技术教育部工程研究中心

碳纤维因其高刚性及高强度的特性，被广泛应用于纺织、军事和航天等行业。预测其力学性能有利于提高质量和改进制造工艺等。然而，碳纤维的制造过程成本高、工艺复杂且耗时，导致所能获取的样本数量有限。在样本不足的情况下，难以通过... 详细信息

碳纤维因其高刚性及高强度的特性，被广泛应用于纺织、军事和航天等行业。预测其力学性能有利于提高质量和改进制造工艺等。然而，碳纤维的制造过程成本高、工艺复杂且耗时，导致所能获取的样本数量有限。在样本不足的情况下，难以通过现有的数据驱动技术准确预测碳纤维的力学性能，故提出一种基于多核高斯过程与数据扩充联合优化的集成预测模型（AMK-GP）。该模型通过加权集成多个高斯核函数捕捉数据间的复杂关系，并利用贝叶斯自举法对样本数量进行扩充。同时，为进一步提高预测性能，利用粒子群算法对数据扩充倍数和高斯核函数权重进行联合优化。实验结果显示，在小样本基准测试集和碳纤维力学性能预测中，AMK-GP模型的决定系数R2和误差系数MAPE相对于GP、RBF神经网络和SVM模型有明显优势，证实了该方法在实际应用中的有效性和优越性。未来的研究可以进一步优化数据扩充和模型训练过程，为性能预测提供强有力的技术支持。

关键词：碳纤维多核高斯过程联合优化贝叶斯自举小样本

数据驱动的未知线性离散系统双模模型预测控制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制与决策 2025年第3期40卷 813-821页

作者：刘鑫严爱军北京工业大学信息科学技术学院数字社区教育部工程研究中心城市轨道交通北京实验室

针对模型参数未知的线性离散系统,提出一种数据驱动的双模模型预测控制方法,无需预先对系统进行建模,能够实现在约束条件下对目标设定点的最优跟踪控制.首先,根据有限的系统历史运行数据预测系统未来一段时间的运行轨迹,并在代价函数中... 详细信息

针对模型参数未知的线性离散系统,提出一种数据驱动的双模模型预测控制方法,无需预先对系统进行建模,能够实现在约束条件下对目标设定点的最优跟踪控制.首先,根据有限的系统历史运行数据预测系统未来一段时间的运行轨迹,并在代价函数中加入实时优化的人工平衡点,通过在线求解滚动优化问题来获得控制输入,进而平稳地驱动系统进入一个控制不变集内;然后,在控制不变集内,基于系统历史运行数据,采用策略迭代的方法求解动态反馈控制器,同时可得到静态前馈控制器,实现驱动系统收敛至平衡点的局部最优跟踪控制;最后,验证所提出方法的稳定性,并将其应用于一个线性化的四容水箱系统.实验结果表明,所提出方法有效可行,具有更小的超调量和更好的收敛性能.

关键词：模型预测控制线性离散系统约束系统数据驱动最优控制稳定性分析