检索结果-南通市图书馆

基于多层级时空图神经网络的风电机组在线异常检测

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2024年第5期48卷 107-119页

作者：郑毅王承民刘保良杨镜非黄淳驿上海交通大学电子信息与电气工程学院上海市200240 沈阳工程学院电力学院辽宁省沈阳市110136

在风电场运营中,准确及时的故障检测是降低风电机组运行维护成本的关键。然而,现有检测方法未充分挖掘功能单元间的潜在时空关联,限制了检测准确性的提升。文中提出了一种基于多层级时空图神经网络的风电机组在线异常检测方法,以提高故... 详细信息

在风电场运营中,准确及时的故障检测是降低风电机组运行维护成本的关键。然而,现有检测方法未充分挖掘功能单元间的潜在时空关联,限制了检测准确性的提升。文中提出了一种基于多层级时空图神经网络的风电机组在线异常检测方法,以提高故障检测的准确性。该方法依据风电机组物理结构,将其功能单元划分为多个子图,从而构筑了一个多层级的时空图神经网络,通过图注意力机制和多头注意力机制全方位地分析风电机组各传感器节点与功能单元之间的关联强度。同时,针对数据采集与监控(SCADA)系统数据的时间关联,设计了动态图神经网络和时间注意力机制,使正常行为预测模型捕捉了SCADA系统数据的时间关联特性,实现了空间和时间特性的有效融合。最后,基于中国上海某风电场的实际数据验证了所提方法的显著有效性。

关键词：风电机组在线故障检测数据采集与监控(SCADA)系统图神经网络

无人机高光谱遥感的水稻叶瘟病的光谱特征提取与检测方法研究

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第5期44卷 1457-1463页

作者：刘子扬冯帅赵冬雪李金朋关强许童羽沈阳农业大学信息与电气工程学院辽宁沈阳110161 沈阳农业大学辽宁省农业信息化工程技术中心辽宁沈阳110161

为了确定最佳的无人机高光谱遥感检测水稻冠层叶瘟病分类模型,以水稻大田试验为研究基础,获取了400~1000 nm波段内的无人机高光谱图像,参照国家标准GBT 15790—2009稻瘟病测报调查规范,按病情指数将叶瘟病划为5个等级,提取了0~4级共227... 详细信息

为了确定最佳的无人机高光谱遥感检测水稻冠层叶瘟病分类模型,以水稻大田试验为研究基础,获取了400~1000 nm波段内的无人机高光谱图像,参照国家标准GBT 15790—2009稻瘟病测报调查规范,按病情指数将叶瘟病划为5个等级,提取了0~4级共227组高光谱数据。采用Savitzky-Golay平滑(SG平滑)、一阶微分光谱(1-Der)和二阶微分光谱(2-Der)对数据进行预处理,并构建SVM模型,对比得出较优的预处理方法。采用主成分分析法(PCA)选取主成分累计贡献率;连续投影法(SPA)和随机青蛙法(RF)筛选光谱特征波段,并将筛选的结果作为模型的输入,分别构建粒子群优化的极限学习机(PSO-ELM)、极限学习机(ELM)、支持向量机(SVM)和决策树(DT)分类模型,并对模型进行对比分析得出最优分类模型。结果表明:相比于1-Der和2-Der,SG平滑方法的去噪效果较好,分类准确率较高,是较优的预处理方法,分类准确率和Kappa系数分别为93.47%、91.85%。PCA的前2个PC的累计贡献率为93.13%,为了模型的有效构建,最终选取了前6个PC,累计贡献率为99.02%。SPA使用RMSE作为最佳光谱特征波段选择标准,共显示了7个最佳光谱特征波段,其中可见光波段为400.8、416.7和426.2 nm,绿光波段为566 nm,红光波段为683.9 nm,近红外波段为830.2和916.4 nm。RF将筛选概率大于0.2的波段选为最佳光谱特征波段,最终筛选了8个光谱特征波段,其中红光波段为663.4和694.2 nm,近红外波段为784.4、787.9、791.4、905.5、927.2和930.9 nm,该方法有效地降低了波段间相关性和冗余性。将3种筛选结果分别构建分类模型,结果显示所有模型的总体分类准确率全部大于92.61%,建模结果较好;其中,以PSO-ELM模型对PCA的分类准确率达到97.77%,Kappa系数为97.22%,在所有模型中分类准确率最高,相比于ELM模型的最高分类准确率和Kappa系数高1.42%和1.56%,相比于SVM模型的最高分类准确率和Kappa系数高2.12%和2.66%,相比于DT模型的最高分类准确率和Kappa系数高4.44%和5.58%。综合评价PSO-ELM模型的建模效果优于ELM模型、SVM模型和DT模型,是最优的分类模型。因此,利用无人机高光谱遥感检测水稻叶瘟病具有可行性,为水稻生产和叶瘟病的检测提供科学依据和技术支持。

关键词：水稻叶瘟病无人机高光谱机器学习

基于萤火虫优化模糊P&O的微生物燃料电池最大功率点跟踪

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2024年第4期45卷 373-381页

作者：樊立萍陈其鹏沈阳化工大学信息工程学院沈阳110142 工业环境-资源协同控制与优化技术辽宁省高校重点实验室沈阳110142

针对微生物燃料电池产电量低、输出不稳定等问题,提出一种混合萤火虫优化和模糊改进扰动观测的最大功率点跟踪算法,利用双种群萤火虫算法的全局优化能力和模糊控制的逻辑推理能力产生更精确的控制信号,通过Boost变换器对等效负载进行动... 详细信息

针对微生物燃料电池产电量低、输出不稳定等问题,提出一种混合萤火虫优化和模糊改进扰动观测的最大功率点跟踪算法,利用双种群萤火虫算法的全局优化能力和模糊控制的逻辑推理能力产生更精确的控制信号,通过Boost变换器对等效负载进行动态调节。结果表明:基于双种群萤火虫优化-模糊扰动观测的最大功率点跟踪算法能以更快的速度追踪到并稳定在最大功率点,降低了稳态误差,抑制了功率振荡,提高了抗干扰能力,显著改善了微生物燃料电池的产电能力和供电质量。

关键词：微生物燃料电池最大功率跟踪模糊控制萤火虫算法

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

MMCSC:一种跨模态的假新闻检测方法

东北大学学报（自然科学版） 2024年第1期45卷 18-25页

作者：赵越郝琨赵敬信俊昌东北大学医学与生物信息工程学院辽宁沈阳110169 东北大学计算机科学与工程学院辽宁沈阳110169 辽宁省大数据管理与分析重点实验室辽宁沈阳110169

目前基于新闻内容的假新闻检测方法没有考虑到不同模态更高层的语义关联,缺少可以依据的信息对新闻进行判断,从而缺乏对有重要辨别特征的新闻的社交网络信息进行有效使用.针对这个问题,提出了基于新闻内容的假新闻检测方法,通过提取文... 详细信息

目前基于新闻内容的假新闻检测方法没有考虑到不同模态更高层的语义关联,缺少可以依据的信息对新闻进行判断,从而缺乏对有重要辨别特征的新闻的社交网络信息进行有效使用.针对这个问题,提出了基于新闻内容的假新闻检测方法,通过提取文本、图像和视频等多模态新闻的高层语义特征,分析不同模态高层语义信息,设计跨模态主题一致性和跨模态情感一致性计算方法.在此基础上,设计了一种跨模态内容语义一致性的假新闻检测模型MMCSC(multi-modal feature content semantic consistency).实验证明,相比于传统方法,所提出的MMCSC有较好的检测效果.

关键词：假新闻检测内容语义一致性跨模态主题一致性跨模态情感一致性

基于改进萤火虫算法的永磁同步电机多模态优化设计

在线全文

学校读者我要写书评

暂无评论

电机与控制学报 2024年第4期28卷 131-138页

作者：夏斌王超孙鑫宋春丽沈阳工业大学电气工程学院辽宁沈阳110870 特变电工沈阳变压器集团有限公司变压器事业部辽宁沈阳110027 鞍山市信息工程学校辽宁鞍山114001

永磁同步电机的结构参数选择往往是多模态、非线性的优化问题,同时其结构优化设计又存在计算分析时间过长、计算效率过低、收敛慢等问题。文中针对此类问题提出了一种基于改进萤火虫算法的新型多模态优化算法。改进萤火虫算法主要引用... 详细信息

永磁同步电机的结构参数选择往往是多模态、非线性的优化问题,同时其结构优化设计又存在计算分析时间过长、计算效率过低、收敛慢等问题。文中针对此类问题提出了一种基于改进萤火虫算法的新型多模态优化算法。改进萤火虫算法主要引用了等值线概念并通过克里金(Kriging)代理模型自适应确定子计算区域,从而获得多个全局最优解和局部解,并且引入单纯形法和改进停止条件以提高算法效率。此外,研究了分层余一法用于检验代理模型精度。最后,将其应用到永磁同步电机的结构优化中,使齿槽转矩成功降低了38.33%。

关键词：永磁同步电机多模态优化萤火虫算法克里金代理模型等值线留一法

融合多尺度特征卷积神经网络的多光谱图像压缩方法

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

光学精密工程 2024年第4期32卷 622-634页

作者：张丽丽陈子坤潘天鹏屈乐乐沈阳航空航天大学电子信息工程学院辽宁沈阳110136

不同于普通图像压缩,多光谱图像压缩除了需要去除空间冗余同时还需要去除光谱间冗余,近年来研究表明端到端的卷积神经网络模型在图像压缩方面具有很好的性能,但对于多光谱图像压缩其编解码器并不能有效解决同时高效提取到多光谱图像空... 详细信息

不同于普通图像压缩,多光谱图像压缩除了需要去除空间冗余同时还需要去除光谱间冗余,近年来研究表明端到端的卷积神经网络模型在图像压缩方面具有很好的性能,但对于多光谱图像压缩其编解码器并不能有效解决同时高效提取到多光谱图像空间和光谱间特征的问题,同时也会忽略图像局部特征信息。针对以上问题,本文提出了一种融合多尺度特征卷积神经网络的多光谱图像压缩方法。所提出网络在压缩模型的编解码器中嵌入了可以提取出不同尺度下空间和光谱间特征信息的多尺度特征提取模块,以及可以用来捕捉局部空间信息和光谱信息的空间光谱间非对称卷积模块。实验表明,与传统算法如JPEG2000和3D-SPIHT以及深度学习方法相比,在Landsat-8的7波段和Sentinel-2的8波段数据集上所提出模型的峰值信噪比(PSNR)指标高于传统算法1-2dB。在平均光谱角度(MSA)指标的衡量下,所提出的模型在Landsat-8数据集上优于传统算法约8×10^(-3)rad,在Sentinel-2数据集上优于传统算法约2×10^(-3)rad。满足了多光谱图像压缩对空间和光谱间特征提取以及局部特征提取的要求。

关键词：空间光谱间特征非对称卷积卷积神经网络多光谱图像压缩

在线全文

学校读者我要写书评

暂无评论

含大范围参数四维混沌系统的吸引子共存

深圳大学学报（理工版） 2024年第1期41卷 108-117页

作者：颜闽秀朱君洋沈阳化工大学信息工程学院辽宁沈阳110142

为确保图像加密和保密通信中信息安全传输,在YANG和CHENG构造的三维混沌系统基础上增加1维,提出改进的四维混沌系统.使用分岔图和Lyapunov指数谱对该系统进行动力学分析,证明该系统存在大范围参数混沌特性.通过改变系统初值,得到周期与... 详细信息

为确保图像加密和保密通信中信息安全传输,在YANG和CHENG构造的三维混沌系统基础上增加1维,提出改进的四维混沌系统.使用分岔图和Lyapunov指数谱对该系统进行动力学分析,证明该系统存在大范围参数混沌特性.通过改变系统初值,得到周期与周期、周期与拟周期、混沌与混沌多种吸引子共存.多角度观察相图和Poincare截面图,发现系统参数k能够控制吸引子在相空间中的伸缩,且当k到一定值后吸引子相图会停止缩小.通过对新系统设计偏移升压控制器,表明系统在工程应用中能改变信号极性.对新系统采用NIST测试方法,结果表明新系统具有良好伪随机性.研究结果说明新系统在实际应用中具有较大的潜在价值.

关键词：混沌大范围参数混沌共存吸引子四维混沌系统伸缩参数偏移升压 NIST测试保密通信

在线全文

学校读者我要写书评

暂无评论

气溶胶粒径吸湿增长因子的机器学习模型

中国环境科学 2024年第2期44卷 638-645页

作者：米家媛李娜佟景哲倪长健成都信息工程大学大气科学学院四川成都610225 辽宁省气象装备保障中心辽宁沈阳110166

利用成都市2017年10~12月浊度计、黑碳仪和GRIMM180环境颗粒物分析仪的逐时观测数据,结合该时段同时次大气能见度(V)、相对湿度(RH)和二氧化氮(NO_(2))监测资料,基于Mie散射理论和免疫进化算法反演气溶胶粒径吸湿增长因子.首先,以RH、C_... 详细信息

利用成都市2017年10~12月浊度计、黑碳仪和GRIMM180环境颗粒物分析仪的逐时观测数据,结合该时段同时次大气能见度(V)、相对湿度(RH)和二氧化氮(NO_(2))监测资料,基于Mie散射理论和免疫进化算法反演气溶胶粒径吸湿增长因子.首先,以RH、C_(BC)、C_(BC)/C_(PM1)、C_(PM1)/C_(PM2.5)以及C_(PM2.5)/C_(PM10)作为解释变量集,构建了3种气溶胶粒径吸湿增长因子的机器学习模型(XGBoost模型、CatBoost模型和LightGBM模型),对应的决定系数(R 2)分别为0.869、0.893和0.898,均方根误差(RMSE)分别为0.108、0.097和0.090,平均绝对误差(MAE)分别为0.061、0.054和0.052.通过3种模型进行测试表明,气溶胶粒径吸湿增长的机器学习模型显著降低了传统单变量气溶胶粒径吸湿增长模型在高湿条件下的模拟偏差,也提升了气溶胶粒径吸湿增长多变量GAM模型的计算精度.最后,分析了不同解释变量对机器学习模型模拟效果的影响,确认了黑碳是气溶胶吸湿增长模型的主控变量.研究进一步阐明了气溶胶粒径吸湿增长因子多因素影响的复杂性,并为其模型的科学表征提供了新途径.

关键词：气溶胶粒径吸湿增长因子机器学习解释变量集成都

基于长短时记忆网络和生成对抗网络的VRB储能系统虚假数据注入攻击检测

在线全文

学校读者我要写书评

暂无评论

电网技术 2024年第1期48卷 383-393页

作者：陆鹏付华卢万杰辽宁工程技术大学电气与控制工程学院辽宁省葫芦岛市125105 辽宁工程技术大学机械工程学院辽宁省阜新市123000

随着信息技术的不断发展,直流微电网储能系统已成为深度融合的信息物理系统,而精确的荷电状态估计对储能系统的实时监测和安全稳定运行至关重要。针对全钒液流电池(vanadium redox flow battery,VRB)储能系统荷电状态估计中,由虚假数据... 详细信息

随着信息技术的不断发展,直流微电网储能系统已成为深度融合的信息物理系统,而精确的荷电状态估计对储能系统的实时监测和安全稳定运行至关重要。针对全钒液流电池(vanadium redox flow battery,VRB)储能系统荷电状态估计中,由虚假数据注入攻击导致的异常数据检测问题,提出一种基于长短时记忆网络和生成对抗网络的检测方法。首先,建立了VRB等效电路模型和虚假数据注入攻击模型;然后,通过训练长短时记忆网络和生成对抗网络组成的循环网络,将长短时记忆神经网络嵌入生成对抗网络框架作为生成器和鉴别器来分析电池时序数据,通过判别网络中的判别损失误差和生成网络中的重构残差得到异常损失进行综合判断;最后,以CEC-VRB-5kW型号电池为对象,并构造不同强度的虚假数据攻击进行实验,验证检测方法的准确性与可行性。结果表明,与经典循环神经网络、随机森林、自编码器、长短时记忆网络检测方法进行对比,所提方法具有较高的检测精度,在VRB储能系统荷电状态估计中能够有效辨识虚假数据攻击。

关键词：长短时记忆网络生成对抗网络储能系统 SOC估计虚假数据注入攻击