分数阶多涡卷混沌系统的设计与实现
这是一篇关于混沌,超混沌,分数阶,多涡卷吸引子,电路设计和实现,工程应用的论文, 主要内容为近十几年,人们对诸如混沌和分数阶微积分等前沿问题的研究已从单纯的数学理论研究转向工程应用。分数阶多涡卷混沌系统具有结构简单、动力学行为复杂、多涡卷性、高敏感性等特点,用作信息加密的密钥时具有密钥空间大、动态存储容量高、抗破译和抗干扰能力强等优点,在信息安全领域有巨大应用前景。本文研究了几类分数阶多涡卷混沌系统的设计与实现,取得了以下成果:(1)设计了一个基于阶梯函数序列的分数阶单方向多涡卷混沌系统。首先构造了一个新的分数阶三维线性系统,通过对系统方程添加由阶梯函数序列构成的控制器,扩充原系统指标为2的平衡点的个数的方式,使分数阶线性系统产生多单方向涡卷混沌吸引子。分析了所构造系统平衡点的稳定性、Lyapunov指数和庞加莱截面,证实了所设计系统的混沌行为。给出了所构造系统的物理电路实现,实验结果与仿真结果一致,验证了该方法的有效性和可行性。(2)设计了一个基于滞后函数序列的分数阶单方向多涡卷超混沌系统。首先构造了一个新的四维分数阶线性系统,设计了基于时滞函数序列的控制器,扩张了系统指标为2的平衡点的个数,使系统产生了多涡卷超混沌吸引子。分析了系统平衡点的稳定性。借助Lyapunov指数和庞加莱截面,验证了所设计系统的超混沌特性。进行了电路仿真,电路仿真结果与数值仿真结果一致,说明了该方法的有效性和可行性。(3)设计了一个基于组合函数序列的分数阶双方向网格多涡卷混沌系统。基于一个新的三维分数阶线性系统,设计了由饱和函数序列和阶梯函数序列构成的控制器,在不同方向拓展了系统指标为2的平衡点的个数,得到网格分数阶多涡卷吸引子。分析了平衡点的稳定性,采用Lyapunov指数和庞加莱截面数值方法,揭示了所构造多涡卷混沌系统产生机理。给出了电路仿真,仿真结果与数值模拟结果一致,证明了该设计方法的正确性与可行性。(4)提出了一个系统化构建分数阶超混沌系统的规则,基此设计了一类分数阶多涡卷超混沌系统族。首先构造了一个新的三维分数阶线性系统,根据所设计的规则一方面通过引入变量增加系统的维数,一方面设计阶梯函数构成的控制器扩充系统指标为2的平衡点的个数,使系统能够产生任意维分数阶多涡卷超混沌吸引子。分析了系统平衡点的稳定性,通过计算Lyapunov指数和庞加莱截面,验证了所构造系统的超混沌特性。选择了一个四维系统进行了电路设计,电路仿真效果良好且与数值仿真结果一致,进一步说明了所设计规则的正确性和有效性。
工程变形实时远程监测系统的研究与应用
这是一篇关于变形监测RRAS(远程实时自动监测系统),工程应用,监测软件的论文, 主要内容为在建筑结构的施工过程中,或大或小都会产生变形,但较大的变形会造成建(构)筑物的倾斜,产生裂缝,过大的变形甚至会导致整个建筑结构的倒塌,这严重威胁了人民群众的生命财产安全,影响了社会稳定,因此监测在施工过程中的作用显得愈来愈重要。 本文围绕建立一套较为完善的远程实时数据监测系统以及实现工程监测信息采集及分析展开研究工作。 首先,提出了工程远程实时数据监测系统的机制及实现方法。该系统采用串口通信技术和GPRS模块,实现了实时监测信息的远程自动发布。信息发布时,既可通过手机短信的形式发布给有关领导或工程负责人,也可通过计算机无线网络通讯的形式传输给监控中心或个人电脑。信息的内容包括:监测项目、测点编号、布点示意图、实时变形数据、实时变形曲线、预警信息等等。其次,系统采用J2EE企业级架构搭建,运用Spring + Sturts + Hibernate技术,并用到了Ajax异步传输技术,前台页面采用jsp语言编写。通过设定用户访问权限,即管理员对用户的管理,实现控制中心对若干工程的统筹管理;再次,以天津西站主站楼迁移工程为例,阐述系统在工程实践中的应用。 结果表明,采用远程自动监测的方法可以在无人值守的情况下,实现全天24小时的持续自动监测,节约了大量的人力和物力。采用自动监测的方法,其结果是准确、安全和可靠的。
基于机器学习的TBM性能预测方法
这是一篇关于TBM,性能预测,机器学习,在线预测平台,工程应用的论文, 主要内容为当下阶段的TBM(硬岩掘进机)工法,对于地质条件的适应性较差,掘进过程中易出现掘进速度慢、利用率低等情况。虽然现有的TBM大多配备数据采集系统,可实时采集TBM机械、电液参数,但是,对影响TBM掘进的因素及对应相关性缺乏研究,导致操作参数与岩体条件无法良好匹配,无法完全发挥TBM高效的施工优势,从而导致工期延误、成本剧增等问题。因此,如何了解TBM性能参数对地层条件及控制参数的响应规律,实现对TBM性能参数的准确预测,是减少延误、控制成本、提高TBM施工效率、保障隧道施工工期的重要方法。为了解决上述问题,本文以基于循环神经网络(RNN)的TBM掘进速度时序预测方法与基于神经网络-遗传算法(BPNN-GA)的TBM利用率预测方法研究为核心。采用理论分析、算法改进、工程验证等方法,建立了掘进速度以及利用率的预测模型,开发了基于浏览器/服务器模式(B/S)架构的TBM掘进性能在线预测平台。在此基础上,在吉林引松供水工程四标段开展了工程应用,验证模型的准确性和合理性。本文的主要研究工作及成果如下:(1)提出了基于LSTM循环神经网络和光滑约束的RNN净掘进速度时序预测模型。通过研究RNN神经网络在TBM净掘进速度预测问题上的可行性,结合实际TBM掘进情况,在保留LSTM神经网络中“单元状态Ct”保证长序列数据梯度传播稳定性能力的基础上,增加一条名为“岩体状态Rt”参数传播通道,包含一项表征岩体参数的向量,作为另一个“状态参数”以控制网络单元的输出结果;同时,将完整岩体连续开挖阶段岩性及净掘进速度不会产生阶跃性变化作为预测的先验信息加入RNN的TBM净掘进速度预测模型中,作为光滑约束条件,解决了机器参数与岩体参数之间存在的数量矛盾,并提高了模型的预测精度;最后采用TBM掘进循环数据进行了训练和测试,得到了较好的效果,基本满足实际工程需要。(2)本文提出了遗传算法(GA)与BP(Back Propagation))神经网络相结合的算法思想,建立了基于BPNN-GA的TBM掘进利用率预测模型。通过研究影响TBM利用率的岩体参数分析,选择围岩等级,单轴抗压强度UCS以及节理间距DPW作为TBM利用率预测的输入参数,建立基于BPNN-GA的TBM掘进利用率预测模型,通过经验公式确定隐含层的神经元节点数以及超参数,并将BPNN-GA模型的预测结果与传统BPNN模型预测结果进行对比,结果表明,与传统BPNN模型相比,BPNN在遗传算法的优化下得到了提升,在测试集上的预测准确率提升约8.95%左右,均方误差下降约60%左右。BPNN-GA模型在预测时不依赖特定的数据集,展现出良好的可移植性和泛化性。(3)基于TBM掘进地质岩体信息感知与智能决策系统开发了 TBM掘进性能在线预测平台,将掘进速度预测模型以及利用率预测模型嵌入平台中,该平台由模型新建与编辑模块、模型测试与保存模块、模型预测与分析模块三个模块组成,主要具有模型的超参数设置、新模型的训练与测试、已有模型的编辑、预测结果的分析等功能,用户可通过网页的形式访问预测平台并进行相关操作。(4)在吉林引松供水工程4标段进行工程验证,将已建立完成的RNN神经网络模型以及BPNN-GA模型进行性能预测,结果表明掘进速度预测模型以及利用率预测模型都具有良好的准确性以及泛化性,具有较高的工程使用价值。
工程变形实时远程监测系统的研究与应用
这是一篇关于变形监测RRAS(远程实时自动监测系统),工程应用,监测软件的论文, 主要内容为在建筑结构的施工过程中,或大或小都会产生变形,但较大的变形会造成建(构)筑物的倾斜,产生裂缝,过大的变形甚至会导致整个建筑结构的倒塌,这严重威胁了人民群众的生命财产安全,影响了社会稳定,因此监测在施工过程中的作用显得愈来愈重要。 本文围绕建立一套较为完善的远程实时数据监测系统以及实现工程监测信息采集及分析展开研究工作。 首先,提出了工程远程实时数据监测系统的机制及实现方法。该系统采用串口通信技术和GPRS模块,实现了实时监测信息的远程自动发布。信息发布时,既可通过手机短信的形式发布给有关领导或工程负责人,也可通过计算机无线网络通讯的形式传输给监控中心或个人电脑。信息的内容包括:监测项目、测点编号、布点示意图、实时变形数据、实时变形曲线、预警信息等等。其次,系统采用J2EE企业级架构搭建,运用Spring + Sturts + Hibernate技术,并用到了Ajax异步传输技术,前台页面采用jsp语言编写。通过设定用户访问权限,即管理员对用户的管理,实现控制中心对若干工程的统筹管理;再次,以天津西站主站楼迁移工程为例,阐述系统在工程实践中的应用。 结果表明,采用远程自动监测的方法可以在无人值守的情况下,实现全天24小时的持续自动监测,节约了大量的人力和物力。采用自动监测的方法,其结果是准确、安全和可靠的。
图神经网络辅助的安全约束机组组合快速求解方法研究
这是一篇关于机组组合,安全约束,深度学习,图神经网络,约束辨识,工程应用的论文, 主要内容为安全约束机组组合是电力系统调度部门制定发电计划的关键环节,求解的快速性对调度部门至关重要。随着电网规模的不断增大,安全约束机组组合模型中的整数变量、约束数量急剧增加,模型的高效快速求解成为一大挑战。为解决这一问题,从整数变量预辨识、起作用安全约束辨识两个角度出发,展开了以下研究:首先,面向含基态安全约束的模型,提出了一种基于异构图神经网络的机组组合整数变量预辨识方法。介绍了异构图、特征的构建方法,以及异构图神经网络辨识模型的结构和训练方法。为满足机组最小启停时间约束,提出了基于区间平均置信度的改进辨识结果修正方法。算例分析展现了在所提的机组启停状态辨识方法在安全约束机组组合辅助求解、辨识模型训练性能和扩展性等方面的优势。其次,面向含故障态安全约束的模型,提出了一种基于图神经网络和强化学习的起作用安全约束端到端辨识方法。介绍了拓扑图、特征的构建方法和图神经网络辨识策略模型的结构。将起作用安全约束辨识和迭代求解的过程建模为马尔科夫决策过程,提出了监督学习预训练结合强化学习的两阶段训练方法。算例分析展现了在所提的起作用安全约束辨识方法在安全约束机组组合辅助求解、辨识模型训练性能和对未见过故障态场景的泛化能力等方面的优势。最后,在上述研究的基础上,结合电网运行全过程风险评估与风险调度系统研制项目,介绍了含高危风险故障场景安全约束的机组组合模型快速求解方法在实际工程中的开发与应用。重点对日前发电计划风险评估与风险管控微服务的功能架构、硬件架构、数据架构、软件架构、开发技术路线和在西南地区某省级电网中的应用效果进行了详细介绍。研究成果将为新型电力系统下的电网智能调度提供理论指导和工程落地技术支撑。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码工厂 ，原文地址：https://bishedaima.com/lunwen/52029.html
