摘要：反窃电行为现场蹲守取证的时效性与准确性均较差,导致取证工作效率下降,且取得的证据不完整,设计基于数据驱动模型的反窃电行为精准取证系统。在现场布设反窃电稽查仪、红外摄像头,在采集层获取用户相关用电数据以及视频图像,并通过通信层的集中器将数据传输到主站层。主站层借助数据驱动模型从用电数据以及视频图像中挖掘证据,对获取的证据进行实时整理和归纳,完成反窃电行为精准取证。实验结果表明,利用所设计系统对窃电用户进行检测与识别后所得F1值均大于9,且接近于10,能够实现反窃电行为精准取证。

摘要：智能风机失速状态变化难以捕捉,导致故障辨识结果不精准,提出了基于数据驱动模型的智能风机失速故障辨识方法。分析智能风机压力-流量特征,计算固定流量系数和压力系数,通过不同故障模式空间映射分析风机失速状态变化。引入小波阈值除噪方法对重构信号进行小波包分解,结合小波包能量分析方法实现故障特征提取。将具有映射关系的融合单元应用到智能风机失速故障辨识过程中,构建基于数据驱动的故障辨识模型,结合故障特征提取结果实现智能风机失速故障辨识。分析实验结果可知,该方法应用下的低压、高压风机失速频谱波动范围分别是0~1100 Hz、0~4200 Hz,与实际结果一致,说明该方法的故障辨识结果更为精准。

摘要：辣木作为新中药资源,被广泛应用于植物医药。收集了全球960条辣木分布记录,结合气候、土壤、地形和太阳辐射空间协变量,采用空间信息技术与数据驱动模型,评估了辣木全球环境适宜性空间分布状况。结果表明,全球适宜种植辣木的土地资源总量约为3.61×10^(9)hm^(2),主要分布在北美洲南部、南美洲东部和北部、非洲中部、亚洲的东南部及大洋洲北部地区。

摘要：为解决工程海域潮位、潮流资料不足给海洋工程设计和数学模型建立带来的不确定性,根据单测站潮位潮流的自相关性、对应测站潮位或潮流以及潮位与潮流之间的互相关性,建立基于数据驱动模型人工神经网络的单测站潮位、潮流(流速、流向)预测模型;多测站潮位、潮流对应预测模型;潮位与潮流对应预测模型.以复杂海况下的实测潮位、潮流资料进行模型验证,重现了潮位、潮流自身及相互之间的非线性映射关系.模型预测结果与现场实测数据的比较及其误差分析表明,该模型具有结构简单、精度高的优点,适用于解决工程实际问题.

摘要：目的为了实现医疗器械信息的静态管理和动态管理,设计一种基于数据驱动模型的医疗器械信息综合管理系统。方法系统的信息采集层利用AXIe高速数据采集传输接口,采集和存储医疗器械信息后,将采集到的信息传送至数据驱动层;数据驱动层利用驱动引擎、挖掘引擎和基于误差反馈的数据清洗方法,清洗接收到的信息并将其存储至数据仓库中;应用管理层整合数据仓库中的信息,依据用户的需求利用相应的接口获取所需的相关服务,查询、调整以及更新医疗器械信息。结果测试结果表明,该系统DB指数均在0.35以下,写入带宽标准均低于0.004 Mbps,序列插补平均相对误差均在0.4以下,具备良好的信息聚类效果、远程写入性能以及更新、修改、调用等操作功能。结论可实现信息的静态管理和动态管理,能够为医疗器械信息管理领域进一步发展奠定坚实的基础。

摘要：建立了基于GPS车速的数据驱动模型及间隙接受模型,以识别高速公路在极限状态下可采用的最小匝道间距。将高速公路匝道间距划分为加速影响区、减速影响区和交织换道区;建立GPS车速数据驱动模型识别车辆汇入后的加速影响范围和车辆驶出前的减速影响范围;根据可接受间隙理论建立极限管控条件下的交织换道区影响范围的识别模型;应用某市出租车在测试路段指定时段内的GPS时空车速数据分析。结果表明,加减速影响区的范围与车速线性相关。提出将多车道高速公路的直行车流与合、分流车流相分离,基于可接受间隙的模型测算结果表明交织换道区的距离不应小于639 m。在分流主线通过型交通流,交织换道区限速80 km/h,设置辅助车道时,二级服务水平下的极限匝道间距为872 m,考虑安全性,推荐设置为930 m以上。

摘要：陆源污染物排放是影响近岸海域水环境生态质量最重要的因素。建立了数据驱动模型人工神经网络算法和海域水质模型相耦合的入海污染源排污削减优化方法:基于水质模型污染源项设计工况的数值计算,获得海域内部观测点污染物浓度;以数据驱动模型人工神经网络算法建立状态变量(海域内部观测点污染物浓度)同控制变量(污染源项)之间的非线性关系;以海域内部观测点环境目标数据为输入,模拟推算出目标前提下的各污染源项入海允许排放量;最终结合实际排污量,核算获得削减量。以连云港徐圩海域4个入海污染源无机氮的排污削减研究验证方法的有效性,结果表明:数据驱动人工神经网络方法具有非线性、简洁、灵活的优点,可以为近岸海域水污染控制工作提供基础数据支撑;同时研究中采用分区排污削减的方式更能体现兼顾公平的基本原则,优化入海污染源排污削减工作。

摘要：在复杂环境、多变负载工况中,由于时变电感参数、磁场耦合、铁心饱和等影响,电机控制精度及可靠性下降。为解决以上问题,该文充分利用时间序列模型反映电机电压、电流等状态变量之间关系,消除传统参数化建模的影响,提出基于超局部化时间序列的无模型预测电流滑模控制(SMC)方法。该方法将时间序列数据驱动模型超局部化,提升传统超局部模型精度,并采用递归最小二乘法(RLS)在线估计和更新模型中全部待定系数,实时精准响应当前系统工作状态。在此基础上,结合超局部时间序列模型,生成滑模控制函数,并设计Lyapunov方法验证函数趋近条件。实验结果表明,与传统控制方法相比,提出方法具有更强的鲁棒性、更优的电流质量和较低的系统噪声。

摘要：航空发动机叶片作为一种典型的薄壁类零件,在铣削加工过程中易发生弹性变形与加工残余应力变形,影响其加工精度与质量。针对叶片复杂加工过程的变形机理建模问题和依赖于有限采集样本的数据驱动模型预测问题,建立了机理引导的麻雀优化极限学习机(SSA-ELM)薄壁叶片加工变形预测模型。首先,建立了综合考虑弹性变形、加工残余应力变形的薄壁叶片加工变形机理模型。其次,设计极限学习机神经网络(ELMNN),并采用麻雀搜索算法(SSA)优化ELMNN隐含层网络参数。然后,构建了数据驱动模型的数据集,并利用蒙特卡洛模拟对加工变形数据样本进行增强,建立了数据驱动模型。最后,采用机理引导的SSA-ELM预测薄壁叶片加工变形值,以加工变形均方根误差与相关系数作为模型精度评价指标,结果表明机理引导和SSA优化后的加工变形预测模型的均方根误差分别减小了77.25%和30.5%,证明模型有良好的预测性能。

摘要：在复杂工况和运动状态下,交流电机系统因磁场耦合、铁心饱和等因素导致物理参数非线性时变,电机控制性能和系统鲁棒性弱化。针对上述问题,无模型预测控制策略利用交流电机变量之间的内在关系,构建数据驱动模型,从而摆脱对物理参数的依赖,并消除参数失配的影响。文中结合永磁同步电机驱动系统,提出一种仿射超局部模型,并设计无模型预测电流控制策略。该方法采用最小二乘算法对仿射算子进行在线估计,并设计状态补偿机制,通过ε-近似思想选取状态补偿增益,以实时反映系统运动特性。方法稳定性通过系统零极点分析进行验证,并通过实验验证对其有效性以及在模型适配性、电流质量和系统鲁棒性等优势进行验证。