异常性检测算法在引信干扰信号识别中的应用

目的 解决传统分类引信抗干扰算法因干扰信号难获取、特征信号样本少、正负样本数不平衡而导致计算精度低的问题,克服引信抗干扰算法对样本的依赖性,并提高引信信号识别准确率。方法 通过WVD时频变换的方法,将拆分后的真实含扰引信信号切片进行重组,使其由一维时序信号向二维图片信息进行扩展,基于数据倍增策略,提升算法泛化性,并降低其对真实数据样本的依赖。融合GANomaly与EfficientNet网络,在扩充的引信数据集上进行线下干扰信号特征学习,并对含扰引信图像数据进行线上异常性判断与干扰信号识别。结果 GE-FS网络能够在真实引信小样本信号的基础上进行有效数据扩充,基于扩充数据训练后,引信含扰识别准确率达到98.4%。结论 GE-FS网络能有效针对引信异常信号进行精确检测与识别,可以增强引信系统的抗干扰能力与作战自适应性。     

建筑垃圾堆放点样本集构建与优化研究

为更好地解决手工制作的建筑垃圾堆放点样本集效率低、数据量少,难以支撑基于深度学习的遥感图像目标检测算法训练需求的问题,采用基于像素的遥感分类方法构建建筑垃圾堆放点样本集,在此基础上结合直方图均衡化,CS-LBP算子约束以及迁移学习的方法对Wasserstein生成对抗模型（WGAN）进行优化,实现了样本集扩充。研究结果表明:相对于纯手工制作的样本集,基于像素的遥感分类方法可以显著提升样本集制作的效率;同时,经过WGAN优化后,生成样本模拟了原始数据的颜色与纹理特征分布规律,增加了原始数据的多样性,满足了扩充样本集的需求。     

基于多层线性模型的铝合金大气腐蚀规律研究

目的 针对不同地区铝合金大气腐蚀差异性和样本数据利用不充分的问题,构建精度更高的铝合金大气腐蚀模型,研究铝合金在不同环境中的大气腐蚀规律。方法 基于多层线性模型,构建具备层次结构的腐蚀率模型。以某型号铝合金腐蚀数据为研究对象,逐步建立零模型、随机系数回归模型、完整模型探究大气腐蚀规律,并进行预测评估。结果 通过交叉验证进行模型评估,多层线性模型(MSE=0.001 3)优于幂函数回归(MSE=0.005 5),远优于线性回归(MSE=0.031 6),模型预测精度提升。多层线性模型能有效分解总方差,增强了模型的可解释性。结论 多层线性模型有效结合铝合金腐蚀数据区域差异性特征,能表征大气腐蚀规律,具有一定的实用价值。     

基于PSO算法的BP神经网络对水体叶绿素a的预测

BP神经网络(Back Propagation Network)在水体富营养化评价及预测中已广泛应用,但传统BP算法的收敛速度慢并易陷入局部最优. 提出了一种基于微粒群(PSO)算法的BP神经网络模型,利用PSO对神经网络的权值进行修正,优化神经网络结构及算法全局收敛性. 选择最能代表明湖水质状况的5号采样点作为研究对象,把2009年4月—2010年3月的月样本插值为周样本,对明湖ρ(Chla)的短期变化趋势进行了预测,并用6号采样点数据来验证网络的泛化能力. 比较分析基于PSO算法的新模型与传统BP算法模型的预测精度表明,新模型有效克服了传统算法的缺点,提高了网络的预测能力和学习能力.      

GA-BP神经网络在铜合金海洋腐蚀预测中的应用

目的 充分利用海洋腐蚀数据,深入分析数据规律.方法 在BP神经网络的基础上引入遗传算法,以克服神经网络模型固有缺陷,提高预测精度和训练速度.结果 对GA-BP人工神经网络进行了简要阐述,并以铜合金在海水中的腐蚀数据为例,应用GA-BP人工神经网络建立了海水腐蚀预测模型,对预测结果进行了评价.结论 预测结果表明,模型能满足设计要求,具有较好的泛化能力.     

基于灰色神经网络的腐蚀损伤模型

为在小样本情况下对腐蚀损伤进行预测,结合灰色系统与神经网络,提出了灰色神经网络模型,利用该模型对已知腐蚀损伤数据进行了预测检验。为对比研究,同时采用灰色系统与神经网络方法预测了损伤值。结果表明,3种预测模型中,灰色神经网络预测精度最高,能够满足工程使用要求。     

一种紫外-可见光谱检测水质COD预测模型优化方法

针对紫外-可见光谱法检测水质COD预测模型的精度低和收敛速度慢等问题,研究了一种基于粒子群算法联合最小二乘支持向量机(PSO_LSSVM)的水质检测COD预测模型优化方法,并引入主元分析(PCA)算法对模型输入光谱数据进行降维预处理,借以提高模型的收敛速度.结果表明,利用粒子群(PSO)算法收敛速度快和全局优化能力,优化了最小二乘支持向量机(LSSVM)模型的惩罚因子和核函数参数,避免了人为选择参数的盲目性,克服了传统LSSVM预测模型的精度较低、稳健性较差等缺点.通过以收敛时间、预测平均相对误差(MRE)和均方根误差(RMSE)为评价标准进行评估,输入样本经过PCA降维预处理的PSO_LSSVM模型的预测能力和输入样本未经过降维预处理的LSSVM模型与PSO_LSSVM模型进行了比较分析,输入样本经过PCA降维预处理的PSO_LSSVM模型预测效果最优,且此算法使用C语言实现,易于移植,这为紫外-可见光谱水质COD在线、实时性检测奠定了基础.     

基于KPCA-CSO-RVM模型的工艺管道腐蚀速率预测

针对石油化工企业内工艺管道的腐蚀问题,提出一种基于核主成分分析(KPCA)算法、鸡群优化(CSO)算法、相关向量机(RVM)算法组合模型的工艺管道腐蚀速率预测方法,即KPCA-CSO-RVM组合模型。该方法首先对KPCA算法、CSO算法、RVM算法进行理论介绍,提出算法的组合方法;然后使用KPCA算法对工艺管道腐蚀速率的影响因素进行优选,使用CSO算法对RVM算法中的参数进行优选;最后采用某石油化工企业工艺管道腐蚀速率及其相关影响因素数据对KPCA-CSO-RVM组合模型进行训练,对部分工艺管道腐蚀速率进行预测,并通过计算预测误差来验证KPCA-CSO-RVM组合模型的预测效果。结果表明:基于KPCA-CSO-RVM组合模型的工艺管道腐蚀速率预测结果的最大预测误差不超过4%,平均相对误差仅为2.03%,均方根误差为0.003 5,其预测效果优于其他预测模型,证明KPCA-CSO-RVM组合模型在工艺管道腐蚀速率预测方面具有可行性和先进性。     

基于PCA-PSO-SVM模型的海底多相流管道内腐蚀速率预测

针对海底多相流管道内腐蚀速率的预测问题,首先对影响该种类型管道内腐蚀速率的相关因素进行了分析,对PCA算法、PSO算法和SVM算法分别进行了介绍,提出了可用于海底多相流管道内腐蚀速率预测的PCA-PSO-SVM组合模型,在此基础上使用PCA-PSO-SVM组合模型对44组海底多相流管道内腐蚀速率的影响因素和管道内腐蚀速率数据进行了学习训练,对10组数据进行了预测,并将该组合模型与PCA-GA-SVM模型、PCA-LS-SVM模型和PCA-CV-SVM模型3种预测模型的预测结果进行了对比,以验证所提方法的可靠性和可行性。结果表明:温度对海底多相流管道内腐蚀速率的影响相对较大,压力对其的影响相对较小;使用PCA-PSO-SVM组合模型对海底多相流管道内腐蚀速率预测的平均绝对误差仅为1.848%,模型训练时间仅为3.17 s,这两项数据均小于其他预测模型,表明针对海底多相流管道内腐蚀速率的预测问题,PCA-PSO-SVM组合模型具有可靠性和可行性。     

加速腐蚀环境下LD2CS铝合金腐蚀损伤分析方法

目的研究LD2CS铝合金腐蚀损伤数据的分析方法。方法针对LD2CS铝合金腐蚀坑深度值,采用最小二乘支持向量机、BP人工神经网络和求和自回归移动平均等3种模型进行回归和预测分析。对比总结各种模型在小样本递增时间序列下的应用特点。结果对于LD2CS铝合金腐蚀坑深度值预测,最小二乘支持向量机在回归和预测上都有较高的精度。结论最小二乘支持向量机模型最适合LD2CS铝合金的腐蚀坑深度值预测。     

铝合金的实验室盐雾试验腐蚀行为图像特征提取

目的提取铝合金材料在盐雾箱试验中可以表征腐蚀程度的表面形貌图像特征量。方法首先,对采集于表面化学清洗过的试样原始图像进行图像增强等预处理,突出腐蚀部位;其次,基于数字图像处理的分形和小波分解方法提取出分形维数和小波能量特征值。结果与以质量损失量为基础的腐蚀深度特征值进行相关性对比,基于图像分析的特征提取法的准确度和精度比较高。结论该方法可以应用于对试样的腐蚀程度进行定性和定量分析,判断并预测试样的腐蚀速度。     

考虑环空压力的生产套管CO2腐蚀速率预测

目的 预测考虑环空压力条件下不同产量、温度变化碳钢套管的腐蚀速率.方法 利用优化的经典半经验模型对碳钢套管的腐蚀速率进行预测.明确海洋环境碳钢套管CO2腐蚀的机理,找出海水中生产套管发生腐蚀的主要影响因素及腐蚀机理,通过CO2溶解度模型优化腐蚀速率预测模型,考虑温度、环空压力、产量等变化对腐蚀的影响规律,预测生产套管的腐蚀速率.结果 计算了产量变化后环空的压力分布,产量越大,环空压力相对越大,但产量增大到一定值后,环空压力的增加不再明显.产量会影响环空的温度分布,而温度的变化又关系着热膨胀压力,影响套管的腐蚀速率.通过高温高压室内腐蚀实验验证了腐蚀预测模型的可靠性,对比实验结果 ,模型的预测误差在10％以内,满足现场腐蚀预测需要.结论 产量、温度、CO2溶解度、环空压力等因素均对腐蚀有较大影响,考虑环空压力变化条件下生产套管总体的腐蚀速率远超NACE标准中度腐蚀的0.125 mm/a,需要采取一定的缓蚀措施.     

AF1410高强度钢大气腐蚀试验研究

目的研究AF1410高强度铜在北京地区大气环境中腐蚀特点和腐蚀规律。方法通过AF1410高强度铜的自然大气暴露试验,利用质量损失分析、断面分析、表面分析和电化学分析等方法分析试样。结果AF1410高强度钢在北京大气环境中腐蚀速率在腐蚀初期随腐蚀产物厚度的增加而逐步减小;随着暴露时间的延长,腐蚀产物由于厚度增加,以及其它环境因素的综合作用,导致其开裂直至脱落,腐蚀速率增加;之后又随腐蚀产物厚度增加,腐蚀速率减小。试样在暴露5年后,腐蚀产物厚度增加,腐蚀开裂、脱落现象明显加重。结论AF1410高强度钢在北京大气环境中腐蚀速率呈现反复升降的过程。     

基于灰色马尔科夫模型的2A12铝合金腐蚀预测方法研究

目的研究飞机结构件的腐蚀随时间的变化规律,为其寿命预测及可靠性分析提供参考。方法以2A12铝合金试件为对象,利用加速腐蚀试验设备,对其进行7个周期的加速腐蚀,以获得蚀坑深度的原始数据。在此基础上,将灰色GM(1,1)模型与马尔科夫链模型相结合,建立起能够预测蚀坑深度的灰色马尔科夫模型。结果将预测值与试验值进行对比,结果表明,灰色马尔科夫模型预测精度在0~4.5%之间,预测结果比较准确。结论该灰色马尔可夫模型能够较好地反映该型铝合金在腐蚀过程中蚀坑深度的变化趋势,建立起了一种新的腐蚀预测方法。     

基于ANFIS改进的大气腐蚀环境缺失数据填补方法

目的针对大气腐蚀中重要环境数据缺失的复杂问题,提出一种相关因素(Relevance Factors)和自适应神经模糊推理系统(Adaptive Neuro-Fuzzy Inference System)结合的方法(RF-ANFIS)对缺失数据进行填补。方法首先采用相关因素方法计算缺失数据和多项环境因素间的相关程度,筛选出相关系数较大的因子,然后应用ANFIS构建缺失数据与所选环境因子的关系模型。最后以二氧化硫数据为具体对象,采用北京2015年的气象数据对所建立的模型进行检验。结果经过改进的RF-ANFIS模型在最优情况下样本均方误差为0.696,在14个测试样本中有13个相对误差在20%以内,针对有限样本的数据分析中更为适用。结论该方法有效提高了大气腐蚀环境数据缺失的填补精度,对在数据缺失情况下预测大气腐蚀速率具有重要意义。     

基于神经网络集成的单个飞行事件噪声预测模型

通过分析影响单个飞行事件噪声的各种因素,构建了BP神经网络回归预测模型,并通过自适应遗传算法优选出参与集成的个体神经网络,提出了预测单个飞行事件噪声的神经网络集成预测模型.为了有效保证差异性,设置不同隐藏神经元个数和Bagging算法来构建和训练单个网络.实验结果表明,单个飞行事件噪声的神经网络集成预测模型相对单个BP神经网络模型泛化能力更强,稳定性能更好.本文方法在测试集上误差在3dB以内的平均比率为96.9%,比单个网络高6.8%.     

基于逆方差多模型融合的空气质量指数预测方法

空气质量预测对合理制定环境治理政策具有重要意义。针对目前单体预测模型存在模型不稳定和泛化能力不强的问题,提出基于逆方差权重分配方法融合3种单体模型的空气质量指数(air quality index, AQI)预测方法。首先,以北京市为例,构建空气质量指数预测数据集;其次,分别构建长短期记忆网络(LSTM)、门控循环单元(GRU)、双向长短期记忆网络(Bi-LSTM)、自回归积分滑动平均模型(ARIMA)和多元线性回归(MLR)5种模型对数据集进行预测,并对比以上模型的预测结果;最后,在多模型融合方法中,选择逆方差法计算预测精度较高的3种单体模型的权重,根据算得权重构建逆方差融合预测模型。与预测精度较高的3种单体模型以及加权平均融合预测模型相比,逆方差融合预测模型对空气质量指数的预测精度R²分别提高3.9%、3.4%、1.6%和0.5%,达到0.933。结果表明：逆方差融合预测模型综合了各单体预测模型的优点,能够提高AQI预测精度。     

3种钢材在东海初期腐蚀速率的空间变异分析

为了研究X80、EH36和45#钢在东海海域42个站位的初期腐蚀速率.通过动电位极化曲线法获取出海实测的X80、45#和EH36钢2019年9月在东海42个站位的初期腐蚀速率数据,并以地统计学方法对数据进行分析,探索研究区内3种钢材初期腐蚀速率的空间分布及其变异特征,绘制初期腐蚀速率预测图.对于每一种钢材初期腐蚀速率的空间分布,45#钢在西南部高,东北部低;EH36钢在东北部高,西南部低;而X80钢靠近长江口海域低,其他海域高.X80、45#、EH36钢在东海的平均初期腐蚀速率分别为0.42、0.49、0.17 mm/a,并且3种钢材在东海初期腐蚀速率分布的空间变异特征明显,空间自相关性强,X80、45#、EH36钢的块金值分别为0.0148、0.0044、0.0017,变程为1000～2000 km.