一、多输入加权综合评价方法及应用（论文文献综述）
蒋钰婷[1]（2021）在《基于变换域统计特征的图像融合方法研究》文中认为图像融合是将在同一场景下,通过不同传感器获得的图像综合成一幅新的图像,使得融合图像具有更丰富的细节信息,对场景内的所有物体都能够清晰的识别,从而便于后续进一步的图像处理和分析。随着对图像融合领域的深入研究,图像处理的手段越来越丰富。以曲波变换、轮廓波变换、剪切波变换、非下采样剪切波变换（Non-Subsampled Shearlet Transform,NSST）等为例的多尺度变换工具能够对图像进行多尺度分解,在多尺度分解层中提取显着特征,提高特征提取的准确性。NSST变换具有良好的多分辨分析特性和多向异性,能够满足不同的尺度和方向需求,具有良好的应用前景。研究发现多尺度系数间存在相关关系,利用统计模型可以得到系数的精确表示,提高图像融合的质量。所以,研究图像多尺度分解系数的统计相关性,建立统计模型,提取变换域统计特征进行图像融合,具有重要的研究价值和理论意义。本文对提取更精确的变换域统计特征进行深入的探索,并将其应用到图像融合中。本文的研究内容如下:（1）针对传统的上下文隐马尔可夫模型（Contextual Hidden Markov Model,CHMM）仅将系数分为两个状态,得到粗糙的建模结果的问题,提出了一种基于多状态上下文隐马尔可夫模型（multi-state contextual hidden Markov model,MCHMM）的图像融合方法。通过多状态对应着系数不同级别的细节度,设计了一个软上下文变量从上下文的角度准确地描述系数的细节性,利用多状态零均值的高斯混合模型（Gaussian mixture model,GMM）来表征高频子带系数分布,在高频系数上建立MCHMM模型。该方法提高了模型的细粒度,能够更精确的表示图像。实验结果表明,所提算法能够取得高质量的融合图像。（2）CHMM模型还存在建模不精确的问题,不恰当的参数设置会降低模型的表达能力,导致融合图像不理想。因此,提出了基于区间二型模糊集上下文隐马尔可夫模型（interval type-2 fuzzy set contextual hidden Markov model,T2-FCHMM）的多模态图像融合方法。利用区间二型模糊集来评估CHMM模型的不确定性,建立T2-FCHMM模型,并引入模糊熵评价T2-FCHMM的模糊性,提高了模型泛化能力和鲁棒性。基于模型统计特征与高频子带区域能量得到高频系数的活动测度指导融合。低频子带基于区域能量和方差自适应加权融合,能够较好的保持源图像的对比度。实验结果表明,所提算法在主观视觉感受和客观评价上都取得了良好的效果。（3）针对上述CHMM模型上下文设计仅针对单个系数进行计算,没有考虑到局部甚至全局系数的影响的问题,提出了一种基于多输入细胞神经网络（multi-input cellular neural network,MCNN）的CHMM模型并用于图像融合。利用MCNN的动态传播效应得到全局优化的上下文变量,并通过网络的迭代循环进一步提高特征提取的准确性和鲁棒性。然后在高频系数上建立CHMM模型,基于系数的细节性采用加权的融合规则得到高频融合子带,低频子带采用基于区域能量取大的融合规则。通过实验检验了该方法的有效性。（4）上述方法仅针对单一源图像各自建模,没有考虑源图像之间的相关属性。因此,提出了基于细胞神经网络（cellular neural network,CNN）多特征相似性的图像融合方法。通过提取图像系数的区域能量、区域方差和CHMM统计特征的多特征表示,克服单一特征不能准确的解释图像的问题。计算上述多特征相似性,用于衡量两幅图像之间的细节信息差异度,有助于提高融合图像的准确性和可靠性。利用CNN网络得到二值化的多特征综合相似性结果对图像的信息冗余和互补区域进行分割,对不同属性的区域采用不同的融合策略,提高融合图像的清晰度。实验结果表明,本文所提算法具有优越的融合性能。
张相胜[2]（2021）在《微生物代谢产物发酵过程建模研究》文中研究说明微生物发酵过程往往要涉及到各种生物代谢反应及物理过程和化学反应,机理反应和内部的动态变化很难掌握。其生长过程涉及各种因素,属于典型的非线性系统,机理建模需要长期经验积累,考虑多种因素并进行简化处理。建立合理的数学模型是实现微生物发酵过程优化的基础,受到检测条件与水平的限制,发酵过程控制的许多重要过程变量数据通常是离线取样获得,无法在线实时检测及时反应发酵信息,具有较大时间延迟。此类复杂过程建模和优化技术亟需开展进一步的软测量研究。本文对于微生物代谢产物发酵过程模型结构已知但参数未知、结构和参数都未知情况,分别从发酵过程的工艺机理模型、机理数据混合模型和数据驱动模型三个方面开展研究,主要研究内容为:（1）研究了微生物代谢产物发酵过程中培养环境指标和建立动力学模型与提高发酵产品产量及收率的关系。首先借助响应面分析方法获得了谷氨酸发酵过程最佳的培养环境指标;其次分析了微生物发酵过程的动力学特性,给出了发酵过程通用的动力学模型,并用构造性方法估计出了丙酮酸动力学模型参数;最后分析了基于丙酮酸动力学模型发酵过程平衡点的存在性和稳定性,并分析了稳定性条件。（2）针对微生物代谢产物发酵过程的非线性时变特点,研究了具有非线性特性的Hammerstein模型参数辨识方法。首先推导了针对Hammerstein模型的辅助模型随机梯度算法;其次,为加快算法的收敛速度,借助关键项分离方法,基于辅助模型和梯度搜索原理设计了多新息随机梯度的模型参数辨识算法;最后,提出了辅助模型多新息随机梯度参数辨识方法,实现了Hammerstein结构的青霉素发酵过程模型参数的辨识。实验结果表明,在发酵过程模型结构和阶次已知情况下,该算法能够利用发酵过程的输入输出数据,估计发酵过程的参数,由所建立的模型实现对发酵产物浓度的估计。（3）针对很多微生物代谢产物发酵过程的模型结构未知,不易建模的情况,研究了一种基于多尺度小波支持向量机的发酵过程软测量方法。提出了一种多尺度小波核函数的支持向量机,提高了建模精度。实验结果表明,基于多尺度小波核函数支持向量机的软测量方法建立的谷氨酸模型,获得了较高的谷氨酸浓度、溶解氧和残糖浓度估计精度。（4）为了减小代谢产物发酵过程采集数据中异常值和噪声对回归模型的影响,提出了一种特征加权孪生支持向量回归机。首先选择K近邻方法为每个样本设置基于密度的权重,采用Wards链式聚类算法提取样本的特征信息,并将两者融合到特征加权孪生支持向量回归机的目标函数中。为提升特征加权孪生支持向量回归机的预测性能,选择二次多项式核函数和径向基核函数构成的混合核函数,并采用自适应粒子群算法优化支持向量机的模型参数。实验结果表明,基于混合核函数的特征加权孪生支持向量回归机,建立的谷氨酸发酵过程模型对谷氨酸浓度和残糖浓度估计精度较高。
李晓璐[3]（2021）在《城市轨道交通客流特征分析与控制方法研究》文中研究说明随着城市轨道交通线网规模的不断扩大与乘客出行需求的持续增长,使得客流拥挤问题日益严重,降低了网络的通行效率和运营的稳定性。当出现大客流时,目前主要依赖管理者的主观经验,缺少对于站内乘客状态和线网客流分布状态的准确把握和分析,解决上述问题有利于提高网络化运营条件下的客流组织管理能力,为城市轨道交通突发事件处置提供辅助决策。本文结合当前国内成网运营条件下的城市轨道交通客流运营管理情况,以城市轨道交通“客流特征分析-客流控制”为核心问题,具体研究内容包括:（1）城市轨道交通站内乘客群体聚集特征分析:发掘并掌握站内乘客群体的聚集时空变化规律,对于优化城市轨道交通线网间车辆的调度,特别是优化灾害条件下的客流组织管理等,有积极的作用。本文以WIFI定位数据为基础研究了城市轨道交通车站内客流的聚集分布特征,根据乘客定位数据的分布不均匀特点提出高斯混合模型的数据分层方法,并对DBSCAN算法进行改进,解决其无法直接应用于具有分布不均匀特征的站内乘客定位数据的问题。通过标准和实测数据的计算,从聚类准确性、聚类效果两方面证明了改进型算法的优势。通过理解乘客的站内聚集特征,为后续的客流状态预警及控制管理提供可行性依据。（2）城市轨道交通站内客流状态识别与控制:针对城市轨道交通高峰时段车站的大客流拥堵问题,进行了站内客流动态控制。首先构建云模型判断站内客流状态,当达到控制阈值时,进行进站流量控制。基于线性二次型最优控制理论设计了车站的客流反馈控制策略。通过建立车站的客流离散状态空间方程,结合站内服务水平设计了最优状态反馈控制器,求解获得最优客流控制序列,使控制时段内车站实际客流密度与车站期望客流密度的总体差值最小。以一典型车站为例对提出的控制方法进行客流优化控制仿真计算,结果显示,线性二次型算法能够使控制密度较快恢复并稳定在期望值,控制过程中客流波动幅度较小,能够应对一般换乘客流的扰动。（3）城市轨道交通线网客流分布状态预测:首先进行短时OD客流预测,确定预测模型输入特征与短时OD客流量预测最佳时间间隔,并构建了全网络多输入多输出预测框架;然后,设计了乘客出行路径匹配算法,将乘客出行路径匹配问题转化为分类问题,提出基于贝叶斯分类的乘客出行路径匹配模型,用于确定给定OD记录的乘客出行路径选择结果;最后,构建客流分布状态预测系统,分析仿真系统中乘客及列车主体的仿真运行逻辑,并搭建仿真场景。（4）城市轨道交通线网客流的协同控制:面向线网级客流控制提出了一种基于牵制控制理论的客流协同控制方法,该方法以线路中各站点实际密度与期望密度差值之和最小为目标设计多站点协同控制策略,通过对比站内客流特征与各车站的承载能力判断是否触发客流控制,在分析城轨线网客流状态的可控性的前提下,推导出客流状态的稳定性条件,以此选择关键受控站点和其反馈增益矩阵。并通过案例分析证明方法的可行性。
赵昕辉[4]（2021）在《面向高效能的飞翼无人机气动代理模型设计及控制分配》文中提出飞翼无人机采用翼身融合布局,取消了尾翼并将机身设计为一个升力部件,可以降低燃油消耗、提高续航能力、改善气动和隐身性能,是飞行器发展的重要方向之一。然而,飞翼布局的多操纵面构型使得无人机的飞行控制系统变为过驱动系统,从而带来了控制冗余的难题。一种有效的飞行控制系统设计方法是采用“飞行控制律+控制分配律”的级联架构,通过控制分配方法解决操纵面冗余难题。在控制分配律的设计过程中充分考虑分配精度、控制能耗等因素,可以实现高效能的分配结果。本文以多操纵面飞翼布局无人机为对象,研究了高分配精度、低控制能耗且面向多任务阶段的高效能控制分配方法。重点分析了飞翼无人机操纵面的非线性气动特性、多轴控制耦合和交叉耦合特性,研究了 Kriging和Co-Kriging气动代理模型设计中的关键问题。将控制能耗作为重点考虑因素,提出了基于所构建的气动代理模型的非线性控制分配方法、多目标控制分配方法和重构控制分配方法,并将所提出的控制分配方法应用于柔性操纵面飞翼无人机中。论文的主要研究工作如下:（1）针对飞翼无人机的低能耗、高精度的非线性控制分配问题,首先分析了升降副翼和开裂式阻力方向舵的非线性气动操纵特性、多轴控制耦合特性和交叉耦合效应。考虑到上述特性,综合分析比较了多种典型代理模型的非线性近似精度,选用高精度的Kriging模型建立飞翼无人机操纵面的气动代理模型。基于所构建的气动代理模型,将飞翼无人机的非线性控制分配问题转化为一个以分配精度和控制能耗为目标的约束优化问题,提出了基于Kriging气动代理模型的高效能非线性控制分配方法。分析了遗传算法和梯度加速粒子群算法的分配性能,并基于这两种算法提出了一种混合优化算法来求解该控制分配问题。（2）在降低控制能耗的基础上,考虑到飞翼无人机执行任务过程中要经历多种飞行阶段,研究了基于多置信度气动代理模型的高效能多目标控制分配问题。为了提高气动建模精度并降低计算代价,使用Co-Kriging多置信度代理模型对飞翼无人机的操纵面进行建模。设计了一种区间非均匀划分的最优拉丁超立方抽样方法来获得高置信度代理模型的建模初始样本点。提出了基于均方根误差和预测梯度的并行加点策略和面向全局建模精度的多重终止准则。分析了飞翼无人机在不同飞行阶段对分配精度、控制能耗、升力系数和阻力系数的要求,构建了多目标控制分配的数学模型,并提出了综合函数法和分层优化多目标粒子群法来解决该多目标控制分配问题。（3）考虑到复杂的多操纵面配置会增加操纵系统发生故障的概率,基于Krig-ing 控制分配架构对飞翼无人机在典型操纵面故障下的重构控制系统进行设计。分析了操纵系统中操纵面、执行机构和传感器的失效形式,重点对操纵面的损伤、卡阻、松浮和中位偏置等四种典型故障形式进行研究。通过分析操纵面故障对操纵性能的影响,建立了对应故障状态下的失效数学模型。针对不同的操纵面故障形式,对原有的Kriging气动代理模型进行对应故障状态下的修正,并基于修正后的Kriging气动代理模型对飞翼无人机的重构控制系统进行了设计。（4）将柔性操纵面技术应用于飞翼无人机可以进一步提升操纵面的气动性能、降低控制能耗。分析了将变形后缘作为柔性操纵面的可行性,并基于柔性蒙皮技术设计了一种机翼后缘展向变形结构。对比分析了平直机翼柔性操纵面和常规操纵面的转矩可达集,验证了柔性操纵面对气动操纵性能的提升效果。然后将柔性操纵面应用于飞翼无人机中,采用3D面元法对气动特性进行分析,建立了柔性操纵面的Kriging气动代理模型,并基于前述的分配架构初步设计了柔性操纵面飞翼无人机的控制分配算法。通过开环分配性能测试验证了所提出的控制分配方法的有效性。综上所述,本文以分配精度和控制能耗为基本目标,提出了基于气动代理模型的控制分配方法,设计了面向全局近似精度的Kriging和Co-Kriging气动代理模型,对飞翼无人机的非线性控制分配问题、多目标控制分配问题、重构控制和柔性操纵面的控制分配问题展开研究。本文的研究工作能够为飞翼无人机的飞行控制系统设计提供指导,并为其他过驱动系统的控制问题提供解决思路。
高泽宇[5]（2021）在《流场测量中基于深度学习的自适应光学技术》文中研究指明基于成像的流体测量技术,如粒子图像测速技术（Particle Image Velocimetry,PIV）,是一种对流体运动速度场的非接触、实时、定量且全局测量技术。被广泛应用于流体动力学研究及工业生产中,对于研究复杂流动现象具有重要的意义。然而,这种基于光学成像的测量技术,当流体介质中的折射率不均匀,或当测量光路中存在开放的气-液两相介质表面且存在随机晃动时,成像光路会因为折射率的变化而产生一定的波前畸变,使得成像造成畸变。这种光路中随机且动态变化的波前畸变使得PIV粒子图像上的粒子位置分布产生显着的误差（即几何畸变）且严重影响图像质量。而传统的PIV技术对流体运动场的测量是根据连续多帧PIV粒子图像上粒子的位移,通过互相关算法或光流算法,对测量区域内的流体运动场进行估计。所以PIV粒子图像的几何畸变和图像质量的退化会严重影响PIV的测量精度,使得测量结果不可信。自适应光学（Adaptive Optics,AO）技术,是一种校正光学系统中动态波前畸变的技术。传统的自适应光学系统通过波前传感器测量动态波前畸变,再通过电子系统计算控制信号,控制波前校正器件进行实时的波前校正,使得光学系统在受到波前畸变扰动时仍然保持良好的工作状态。为了对光学流场测量中的波前畸变进行实时校正,以提高在受到波前畸变扰动时的测量准确度和正确度,自适应光学技术被应用于流场测量的光学系统中。然而实际的实验结果与工程实践表明,光学流场测量中的波前畸变具有频率高,动态范围大,空间分辨率高等特点,对于这一应用场景,基于波前校正器件的传统自适应光学系统的校正性能受到了波前校正器器件本身性能的限制。本论文针对传统自适应光学在流场测量应用中所存在的限制和问题,以人工智能中的深度学习为基础,提出了无校正器件自适应光学技术的概念并应用于流场测量的波前畸变校正中。主要研究工作分为以下四个部分:1、对流场测量中的光学畸变模型进行了分析并提出了基于Hartmann-Shack波前传感器和空间分布式激光信标的波前测量方法。粒子图像测速系统的测量装置与测量目标处在不同的介质当中,而粒子图像测速系统需要通过气-液两相介质表面成像,相当于在流场测量的成像系统前增加了一个随机扰动的波面。论文首先对光路中的波前畸变和在图像上所造成的实际退化模型在理论上进行了推导,将可测量的波前畸变与图像的退化模型之间的关系进行了推导。根据推导得到的关系,提出了针对流场测量中气-液两相介质所引起的特殊波前畸变的测量方法,提出了空间分布式激光信标的概念,并对其测量原理进行物理模型推导,结合Hartmann-Shack波前传感器,提出了对此应用场景下波前畸变的测量方法。2、针对流场测量中晃动气-液两相介质表面所造成的波前畸变大动态范围特性,而传统Hartmann-Shack波前传感器动态范围受限的问题。建立了一套大动态范围的Hartmann-Shack波前测量算法。提出了基于图像分割的质心估计算法,即对光斑区域进行分割后进行质心计算,打破了传统质心算法中的子孔径范围限制,从整幅光斑阵列图中获得所有光斑的质心,同时还消除了噪声对质心估计的影响。提出了邻域搜索匹配算法以扩展动态范围,将光斑质心和标定坐标位置进行对应匹配。对所提出的大动态范围的Hartmann-Shack波前测量算法的性能进行分析,分别从质心估计误差、线性度、动态范围扩展量化性能及实验平台验证对算法的性能进行了评价。3、该部分为整个研究内容的核心,基于深度学习,提出了无波前校正器件自适应光学系统的新概念。根据需求,提出了多输入卷积神经网络结构AOPIVMIUN算法,首次将多输入卷积神经网络应用于图像回归问题。通过提出的网络结构,以Hartmann-Shack波前传感器得到的波前畸变信息作为额外输入,对粒子图像测速系统中的畸变图像进行了畸变校正。通过设计实验平台,生成了神经网络训练和测试所需要的数据集。以校正后粒子图像的校正效果和流场速度测量结果作为评价标准,对所建立神经网络的畸变校正性能进行了分析。所提出方法校正效果达到82%,优于传统闭环自适应光学系统性能77%。4、对PIV技术的流场分布估计算法和自适应光学校正以深度学习为平台进行融合,提出了可实现畸变校正功能的流体运动场估计算法。分别建立了两种不同的多输入卷积神经网络结构,以两帧畸变PIV粒子图像和测量得到的波前畸变信息作为输入,直接输出校正后的流场结果,根据输出的流场分布的分辨率,将网络结构分为稠密估计和稀疏估计两种,将流场测量和畸变校正同时融合在深度卷积神经网络中。基于PIV粒子图像生成模型,Hartmann-Shack波前传感器仿真模型、以及流场测量中图像畸变模型,建立了相应的数据集合成模型以生成训练数据集,最后从不同角度对算法性能进行了评价。本文围绕无波前校正器的新型自适应光学技术在光学流体测量中的波前畸变校正这一应用展开。解决了传统自适应光学系统在流场测量应用中的困难和限制,是国内首次对流场测量中的自适应光学技术进行研究,同时也提出了基于深度学习的无波前校正器件自适应光学技术这一概念方法,首次将多输入卷积神经网络应用于图像回归问题当中。本文所提出的方法在未来的研究工作中可以对流场测量更复杂的畸变现象进行研究应用,如燃料电池中的液滴内部流场测量,流体介质中存在多相泰勒气泡的流场测量等。
高渝强[6]（2021）在《基于3D多分辨注意力胶囊网络的肺结节多种病理类型辅助诊断方法研究》文中提出明确肺结节的良恶性病理类型,对制定精准有效的诊疗方案至关重要。基于深度学习的辅助诊断方法可以减少对医生个体经验和工作状态的依赖,提升诊断效率。然而,现有的公开数据集中鲜有经病理学确认的肺部CT影像数据,无法保证样本标注的准确性和可信度。为更好满足临床需求,依据本课题组从合作医院、研究所采集的经金标准确认的肺部CT影像数据,开展了基于3D多分辨注意力胶囊网络的肺结节良恶性多种病理类型辅助诊断方法研究。根据肺结节良恶性多种病理类型辅助诊断方法的需要和深度学习方法性能的分析,选择较卷积神经网络更具优势的胶囊网络作为构建辅助诊断模型的基础架构,分别从网络结构和动态路由算法两个方面对经典的胶囊网络模型进行了改进。在网络结构的改进设计中,为了充分提取、学习肺结节在三维空间中的形态特征和层级信息,同时适应CT影像数据的维度,在2D胶囊网络结构的基础上,设计了三种3D输入情形下的3D胶囊网络结构。在动态路由算法的改进设计中,针对原始动态路由算法中的对数先验概率更新规则不能对更新增量的幅度进行限制,容易导致向量神经元长期陷入失活状态的问题,提出了一种以预测向量和迭代输出的向量神经元之间的余弦相似度作为对数先验概率的更新增量,来保证更新幅度受限的解决方案。通过对训练过程中的参数变化进行可视化跟踪,验证了原始动态路由算法引发的大量向量神经元失活的现象,以及改进动态路由算法的有效性。与AlexNet、ResNet-18、ResNet-50等经典深度学习模型以及结合影像特征和血清生物标志物的多模态融合模型的对比,验证了采用改进动态路由算法构建的3D胶囊网络（3D Capsule Network with Improved Dynamic Routing Algorithm,3D CapsNet-IDRA）辅助诊断模型的有效性。在构建的3D胶囊网络辅助诊断模型的基础上,针对所采用的多分辨方法引入的插值扰动对多输入、单输入辅助诊断模型分类性能的影响问题,提出了分别用于抑制和强化扰动信息的跨路径多分辨注意力机制。这两种类型的机制是以真实分辨率输入所在路径的特征图为基准,衡量其他路径对应位置上的特征图与其的偏差,然后用于特征图中各元素在空间范围内软性注意力分布的计算,再以叠加倍增系数的形式施加影响。如此,在3D CapsNets-IDRA的基础上嵌入多分辨注意力模块,构建了多输入的3D多分辨注意力胶囊网络（3D Multi-Resolution Attention Capsule Network,3D MRA-CapsNet）。通过分别对 3D MRA-CapsNets 和 3D CapsNets-IDRA 的对比分析,展示了多分辨方法引入的插值扰动对多输入、单输入模型分类性能的不同影响。同样,与经典深度学习模型和多模态融合模型的对比,进一步验证了基于3D MRA-CapsNet的辅助诊断模型的良好性能,且其性能更优于3D CapsNet-IDRA。
吴晶[7]（2021）在《皮肤镜图像中皮肤病变分类算法的研究》文中研究指明黑色素瘤（Melanoma）是致死率最高的皮肤癌症之一,每年的患者数目不断增加,特别是更容易发生在青少年期间。幸运的是早期发现并且治疗的话,能够治愈大部分患者。研究皮肤镜图像中的自动黑色素瘤分类能够帮助医生提高诊断效率和准确性,减少患者的死亡率。随着卷积神经网络的应用,深度学习模型较传统方法占据了巨大的优势并给皮肤病变自动分类任务带来了巨大的突破。但由于成像方法和临床病理的多样性导致的皮肤镜像图像中皮肤病变类间的相似性和类内的差异性,原图像分辨率过大不能充分利用原图信息,数据集图像前景背景不平衡等问题,自动皮肤病变分类仍然存在挑战。因此,对于常见的皮肤病变二分类任务,为了解决病变类间相似性和类内差异性问题,本文提出了一种新的基于密集连接网络,结合注意力机制和大间距损失的深度学习分类方法。该网络模型由密集块（Dense Block）、转换块（Transition Block）、注意模块（Attention Module）和大间距损失（Large margin loss）组成。对于近年新皮肤病变数据集随之而来的多分类任务,为了解决除了一直以来的类间相似性、类内差异性这个分类难点外,还包括图像前景背景不平衡以及图像分辨率过大等问题。本文提出了一种新的基于多输入和注意机制的深度卷积神经网络皮肤镜分类方法,该方法采用多输入策略和结合注意力机制来充分利用图像信息,使模型能够更集中在有鉴别表示的区域。本文提出了两种新的基于密集连接网络的注意力方法来自动分类皮肤病变,分别在ISIC 2017和HAM10000（ISIC 2018的训练集）皮肤病变数据集上进行了二分类和多分类任务,实验结果证明了本文提出的两种方法在皮肤病变分类上的有效性。
张航[8]（2020）在《基于深度学习的隧道微震信号处理及岩爆智能预警研究》文中认为中国“十三五”科技创新规划纲要提出了加强深部资源的开发和利用,包括矿物、能源资源勘探开发、城市地下空间利用及减灾防灾等,而深部资源的探索过程中往往面临各种风险和危害,特别是深部地下工程及隧道工程在建设过程中容易引发大量工程地质灾害,如岩爆、大变形等。微震监测技术作为一种新型岩体微破裂监测技术,已经快速发展并成为地下工程灾害监测预警的重要手段之一,且具有7×24小时全天候不间断监测特点,这导致了监测过程中数据的大量采集与积累,给数据的及时、快速和有效处理带来了巨大挑战。目前,大部分数据处理工作都是依靠具有较为丰富实践经验和较为扎实地震学功底的工作人员完成,处理时间较长,且效率和准确率得不到保证,严重影响了地质灾害预测和预警的时效性。同时,结合微震活动发育情况或震源参数演化规律进行灾害预警的人为主观因素较大,其有效的预警方法及稳定性需要进一步提升。基于此,本文以深埋隧道岩爆灾害为研究对象,结合微震监测技术、人工智能算法、深度学习和物联网技术,开展了基于深度学习的隧道微震信号处理及岩爆智能预警研究。基于充足的微震监测数据,建立围岩微震波形智能分类模型及降噪和拾取模型,优化和改善震源定位方法,结合岩爆灾害形成全过程微震信息演化趋势构建微震预测和岩爆预警模型,最终提出岩爆微震综合预警流程。在此基础上,研发和构建隧道微震自动化监测及岩爆智能预警平台,提高岩爆灾害动态预警的时效性和准确性。通过研究,本文获得如下主要成果和认识:（1）构建围岩微震信号智能分类模型。对现场监测信号进行时频分析能够初步区分和识别微破裂信号,其具有强度和频率相对较低、波形成分较为单一、衰减更快等特点。建立微破裂波形与噪音波形（爆破、机械和未知波形）的两类样本数据库,基于深度卷积神经网络构建了围岩微震波形智能分类模型,通过训练、验证、测试和方法对比分析,并结合相关指标证明了该方法的良好性能,且对于不同信噪比水平的微破裂信号同样能够较好检测。同时,该模型具有良好的泛化能力,对不同背景地质构造区域下的围岩微震波形分类也保持较高的精度,能够更好检测Mw≥0.5的微破裂事件。训练后的模型无需调整参数即可保证准确性,在实时监控、智能检测和分类方面具有良好的应用前景。（2）建立基于深度卷积编解码神经网络的微震波形降噪和拾取双任务模型。该模型集成了具有两个相似结构的卷积编解码网络,能够一次性解决围岩微破裂信号降噪和持续时间拾取问题。基于半合成数据训练好的模型,即使微破裂信号受到不同类型和强度的噪声污染（非高斯噪声）,甚至于噪声的频带与微破裂信号的频带重叠,信号和噪声成分也能正确的区分与分离。降噪后的微破裂信号泄漏极小,其形状和幅度特性得到了很好的保留,这些特点同样适用于通过含噪信号与降噪信号获得的预估的噪声（非高斯噪声和高斯噪声）。该模型在信号持续时间拾取上也表现出较高的拾取精度,包括了信号到时的拾取。虽然该模型的训练数据来自于半合成数据,但无论是降噪效果、波形恢复,还是持续时间拾取方面,其在实际采集围岩微震信号的应用效果同样保持良好。此外,该方法对于噪声污染而无法人为确定的微破裂信号持续时间也具有良好拾取能力,可以进一步改进和校正人为拾取结果。与高通滤波器降噪性能、STA/LTA方法到时拾取精度相比,该方法显着提高了信噪比,并引入了较少的波形失真,使真实波形得到更好的恢复,较高的命中率和较低的平均偏差证明了其在低信噪比下也具有良好的拾取精度,能够满足工程到时拾取精度要求。（3）优化和评估隧道微震阵列与震源定位算法。引入残差准则和双曲线密度评估和分析轴向扩展、横向扩展和双洞阵列三种隧道“非包围”式微震阵列的震源定位的准确性和有效性,并结合人工敲击实验和现场应用进行验证,结果显示双洞阵列定位效果相对最优。引入加权系数优化基于L1范数准则的微震定位目标函数,并结合隧道开挖爆破方式和初始震源位置判断构建隧道围岩传播速度模型,一定程度上提高了震源定位精度。引入混沌初始化策略、自适应学习因子、权重系数改进和提高种群多样性等措施优化粒子群算法并改善微震震源定位效果,最终通过不同定位方法对比论证了改进后的方法具有可靠性较强、稳定性较高的特点,能够很好地跳出局部最优,实现收敛精度的提升,找到比其他算法更好的解。（4）构建基于多变量、多目标的岩爆微震参数时间序列的智能预测模型。选取岩爆灾害形成全过程的能量释放、视体积、事件数及其累计值和能量指数等多变量微震参数构建岩爆微震指标库。基于此,建立基于卷积神经网络的多目标岩爆微震指标时间序列预测模型,结合各类评价指标对比分析不同神经网络模型的预测性能,提出了微震指标时间序列预测方法,实现了未来微震参数的准确预测,为后续岩爆灾害动态预警提供数据基础和支撑。（5）建立基于灾变前兆信息及其演化趋势推断的岩爆微震综合智能预警模型。基于累计视体积和能量指数变化趋势将岩爆灾害形成全过程划分为岩爆萌生阶段、岩爆灾变阶段和岩爆成灾阶段。结合滑动时窗方法建立不同岩爆阶段所对应的样本数据库,基于高分辨率卷积神经网络构建岩爆预警模型,结合各类评价指标和方法对比研究了模型的性能表现,论证了该模型对不同岩爆阶段预测的准确性和良好性能,并验证了模型对不同环境数据的鲁棒性,最终确定以岩爆灾变阶段作为岩爆预警的阈值之一。同时,探索和研究不同岩爆灾害形成全过程的岩爆危险度及其增长趋势,认为当岩爆危险度增长速率大于0的量值的拟合曲线连续出现了不少于6次数据点的持续性升高为岩爆风险的另一预警阈值。结合微震监测技术,基于岩爆微震预测模型推断多参数灾变前兆信息的演化趋势,最终建立岩爆微震综合预警流程。（6）基于微震监测技术、微震信号处理（围岩微震波形智能分类、降噪和拾取）、震源定位、参数计算、微震预测和岩爆预警等各类智能算法和模型,结合Java和Python编程语言,运用B/S构架体系,建立了隧道微震自动化监测及岩爆智能预警系统平台。该平台实现了整个微震监测工作流程的自动化、高效化和智能化,极大程度上改善了数据质量和处理速率,一定程度上保证了岩爆微震预警的及时性和准确性。同时,研发平台在实际工程中得到了良好应用。
黄煜[9]（2020）在《面向高维不确定性电力系统的建模仿真与运行优化研究》文中研究指明在当今世界能源格局和供求关系经历深刻调整和变化的背景下,大力发展以光伏、风电为代表的可再生能源已成为保障我国能源安全、推进能源产业升级、实现能源系统向低碳化和清洁化转型的必由之路。受风光资源禀赋限制,新能源出力具有较强的随机性、间歇性和波动性,且难以准确预测和有效调控。随着新能源接入的规模迅猛增长,电力系统将受到不确定性的严峻挑战,而随机变量维度的显着上升,也使得含新能源系统的调度运行进一步复杂化。因此,未来电力系统将愈发呈现高维化和不确定性两大基本特征。届时,传统的确定性模型和方法将难以适用于不确定性环境下的电力系统运行和调度问题的求解。在此背景下,本文针对含大规模新能源接入的高维不确定性电力系统,分别从概率建模、稳态运行和优化调度三个层面出发,采用基于不确定性分析理论开展了如下的研究工作:（1）提出了一种改进蒙特卡洛模拟的通用随机潮流混合求解法。该方法综合了传统随机潮流算法中模拟法和解析法的特点,根据新能源场站历史量测数据的完备程度,利用混合高斯模型或经验分布建立通用化的概率模型。进而通过均匀设计抽样和Cholesky分解得到计及相关性的新能源出力样本,并采用分段线性化潮流方程保留精度、简化计算。针对混合高斯分布拟合的模型,引入一种高斯分量组合算法以优化随机潮流的求解思路。（2）提出了一种含多输入关联变量的随机潮流降维数值方法。针对高维不确定性系统中随机变量维数高、关联性强的问题,通过降维积分策略和高斯型数值积分公式,简化多维状态量的高阶统计矩计算,并利用Nataf变换处理随机变量的相关性对计算结果的影响。最后,根据得到的统计矩信息,采用C型Gram-Charlier级数重构输出状态量的概率分布。（3）提出了一种计及调频作用的电力系统静态随机风险评估方法。该方法以解析法随机潮流的计算结果为基础,考虑了电力系统的功频静特性,将系统频率作为待求状态量,并通过一次计算快速获取节点电压、支路功率以及系统频率的分布情况。进而从元件级和系统级两个层面,建立了一种量化的综合风险指标,能够全面反映新能源不确定性带来的事故概率及后果的严重程度,实现电网的在线静态安全评估,辨识出系统潜在薄弱环节。（4）提出了一种短期风电功率预测误差的综合建模方法。首先,根据单个风电场日前预测误差的统计特性,采用通用化的混合偏态模型来描述误差分布的有偏性、重尾性和多峰性的特点,具有形状灵活、求解方便及适用性强的优点。然后,结合风电场预测和实际功率之间的相关性,建立基于Copula理论的风电预测误差条件概率模型,并通过Pair-Copula结构,拓展到计及多个风电场空间相关性的高维场景。最后,将所得模型应用于短期随机潮流计算和储能的优化配置中,验证了模型的准确性和有效性。（5）针对含风电电力系统在实际调度中可能出现的传输阻塞问题,提出了一种基于图割理论的备用动态分区方法,建立了考虑分区备用的电能-备用联合优化调度模型。将电力系统表示为无向赋权图,通过求解计及风电和线路故障不确定性的线路实时潮流的概率分布,确定各条输电线路的阻塞风险大小,并以此为依据定义边权重指标。采用基于最小割理论的Gomory-Hu算法对区域进行划分,使区域内发生阻塞风险的可能性最小,以便缓解区域内的输电阻塞,充分利用配置的分区备用资源。从而减小弃风量和切负荷量,提高电网运行的经济性和可靠性。（6）提出了一种计及风电不确定性的传输备用自适应量化方法,基于考虑阻塞风险的机会约束规划条件,构建了包含自适应传输备用的双层随机调度模型。其中,上层模型为计及安全约束和传输备用的日前机组组合,下层模型为考虑校正措施的实时经济再调度。将预留的线路传输备用纳入上层的机组组合模型中,针对下层的经济再调度问题,采用改进点估计法求得线路实时潮流的统计分布特性,并将结果返回上层模型以动态调整备用需求大小。同时,基于Karush-Kuhn-Tucher最优条件,将模型的双层优化结构合并为单层,并最终转化为便于求解的混合整数规划问题。该方法能够进一步缓解区域内的传输阻塞,提高风电消纳水平和备用可用性。
王迪[10]（2020）在《火电机组热工过程闭环辨识及预测控制方法研究》文中进行了进一步梳理当前我国能源供求关系深刻变化、能源问题日益加剧,火电机组的高效运行和低碳排放被赋予了极高的期望。然而,火电机组热工过程具有较强非线性和热惯性,且系统工作时受到煤种变化、阀门摄动等扰动和测量噪声作用,设备的老化和执行器的磨损使系统动态特性发生变化,目前以PID为主体的热工过程控制策略难以取得令人满意的控制效果。火电机组DCS系统易于获取大量闭环运行数据,如果能够利用运行数据建立热工对象的数学模型,则可以避免辨识实验对系统正常运行的干扰。基于上述原因,本文研究基于火电机组热工过程运行数据的闭环辨识方法,并根据辨识得到的模型设计模型预测控制器（MPC）。提出的闭环辨识方法和鲁棒预测控制方法（RMPC）的有效性在火电机组过热汽温系统和CO2捕集系统的辨识实验和控制仿真应用中得到了验证。本文的研究内容如下:1、研究闭环辨识中的模型结构确定和参数估计问题。首先,为了确定闭环系统的模块性阶次,提出了一种基于模型总误差的模型判阶准则;然后,采用预估模型作为滤波器对辨识数据进行滤波,使滤波后的对象输入量与系统扰动解除关联性;最后,采用输出误差辨识法得到对象模型参数的无偏估计。2、从模型不确定性角度出发,研究系统闭环状态下基于集员辨识法的全对称多胞体模型辨识问题。利用预估模型解耦对象输入量和系统扰动间的关联性,采用全对称多胞体作为待辨识的不确定模型参数集,根据提出的闭环辨识方法得到模型参数集的模型结构,模型参数通过迭代优化提出的集成了模型参数不确定度和标称参数偏差的优化指标获得,为了减少因参数迭代求解过程使全对称多胞体阶次升高的影响,采用“先降阶后优化”的策略,保证了当前模型结构下的辨识模型性能指标的最优性。3、为了符合热工过程控制对控制算法鲁棒性和在线计算量的要求,研究控制目标跟踪的显式鲁棒预测控制器（EFERMPC）设计方法。采用建立的全对称多胞体为凸包描述的预测模型、中心点模型为标称系统模型,通过设定近似鲁棒性能指标偏差阈值实现离线状态下系统可行状态空间的自动划分,同时设计相应状态子空间的鲁棒预测控制律;在线实施控制律时,利用全对称多胞体的中心点模型的预测偏差实时修正控制量目标值,由于设计的显式控制律存在积分环节,从而实现了控制目标的无差跟踪。针对系统状态不完全可控的预测模型,根据标称系统模型的稳态特性,将系统状态分解为可控状态和不可控状态,对可控状态空间划分子空间,并设计鲁棒预测控制律,从而实现了存在不可控状态预测模型的EFERMPC控制策略。4、围绕如何增强热工过程控制的可维护性和提升长期运行的性能展开研究工作,提出了一种结合控制性能评价的综合鲁棒预测控制策略。在基于状态反馈的凸包型RMPC的基础上,提出了一种保证对象充分激励的自适应鲁棒预测控制方法（ARMPC）。提出的综合RMPC控制方法本质上是集成RMPC和ARMPC两种控制器的复合控制方法:系统正常工作状态采用RMPC控制器,若监测的控制性能变差,则进行控制器参数的自适应更新:若控制量波动或被控量动态偏差过大,则更新RMPC性能指标权值矩阵;若不确定模型输出偏差最大值大于模型误差限,控制器切换至ARMPC,采用基于全对称多胞体的闭环集员辨识法更新预测模型参数和模型误差限,更新完成后,控制器切换至RMPC。
二、多输入加权综合评价方法及应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、多输入加权综合评价方法及应用（论文提纲范文）
（1）基于变换域统计特征的图像融合方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 研究现状 |
| 1.3 本文研究内容及论文创新点 |
| 1.4 论文的组织结构 |
| 第二章 图像融合方法和评价指标 |
| 2.1 基于空间域的图像融合方法 |
| 2.1.1 加权平均法 |
| 2.1.2 像素值取大/小融合方法 |
| 2.1.3 数学形态学方法 |
| 2.2 基于变换域的图像融合方法 |
| 2.2.1 金字塔变换 |
| 2.2.2 小波变换 |
| 2.2.3 轮廓波变换(Contourlet transform,CT) |
| 2.2.4 非下采样轮廓波变换(Nonsubsampled contourlet transform,NSCT) |
| 2.3 图像融合质量评价 |
| 2.3.1 主观质量评价 |
| 2.3.2 客观质量评价 |
| 2.4 本章小结 |
| 第三章 基于多状态上下文隐马尔可夫模型的红外与可见光图像融合方法 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.3 基于NSST高频子带建立多状态上下文隐马尔可夫模型 |
| 3.3.1 NSST变换 |
| 3.3.2 上下文设计方案 |
| 3.3.3 NSST-MCHMM的构建 |
| 3.3.4 EM训练算法 |
| 3.4 融合方法 |
| 3.4.1 低频子带的融合规则 |
| 3.4.2 高频子带的融合规则 |
| 3.5 实验结果与讨论 |
| 3.5.1 第一组红外与可见光图像融合实验 |
| 3.5.2 第二组红外与可见光图像融合实验 |
| 3.5.3 第三组红外与可见光图像融合实验 |
| 3.5.4 21 组红外与可见光图像融合实验 |
| 3.5.5 实验分析 |
| 3.6 本章小结 |
| 第四章 基于区间二型模糊集和上下文隐马尔可夫模型的多模态图像融合方法 |
| 4.1 引言 |
| 4.2 区间二型模糊上下文隐马尔可夫模型 |
| 4.2.1 区间二型模糊集 |
| 4.2.2 上下文隐马尔可夫模型(CHMM) |
| 4.2.3 建立基于区间二型模糊集的上下文隐马尔可夫模型(T2-FCHMM) |
| 4.3 基于区间二型模糊上下文隐马尔可夫模型的多模态图像融合方法 |
| 4.3.1 低频融合规则 |
| 4.3.2 高频融合规则 |
| 4.4 实验结果与分析 |
| 4.4.1 第一组红外和可见光图像融合实验 |
| 4.4.2 第二组红外和可见光图像融合实验 |
| 4.4.3 多模态图像融合实验 |
| 4.5 本章小结 |
| 第五章 一种基于多输入细胞神经网络上下文隐马尔可夫模型的图像融合方法 |
| 5.1 引言 |
| 5.2 基于CNN的上下文隐马尔可夫模型 |
| 5.2.1 CNN |
| 5.2.2 基于MCNN的上下文方案 |
| 5.2.3 CHMM |
| 5.3 融合规则 |
| 5.3.1 低频融合 |
| 5.3.2 高频融合 |
| 5.4 实验结果及分析 |
| 5.4.1 医学图像融合实验 |
| 5.4.2 红外和可见光图像融合实验 |
| 5.5 本章小结 |
| 第六章 基于细胞神经网络多特征相似性的图像融合方法 |
| 6.1 引言 |
| 6.2 利用细胞神经网络提取多特征综合相似性 |
| 6.2.1 细胞神经网络(CNN) |
| 6.2.2 CNN提取多特征相似性 |
| 6.3 融合规则 |
| 6.3.1 低频融合 |
| 6.3.2 高频融合 |
| 6.4 实验结果分析 |
| 6.4.1 医学图像融合实验 |
| 6.4.2 红外和可见光图像融合实验 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录1:作者在攻读硕士学位期间发表的论文 |
| 附录2:作者在攻读硕士学位期间发表的专利 |
（2）微生物代谢产物发酵过程建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 问题提出和研究意义 |
| 1.2 微生物代谢产物发酵过程建模研究概况 |
| 1.2.1 发酵过程工艺机理建模的现状 |
| 1.2.2 发酵过程混合模型辨识的现状 |
| 1.2.3 发酵过程基于数据驱动的软测量 |
| 1.3 微生物代谢产物发酵过程模型类别 |
| 1.3.1 发酵过程模型的分类 |
| 1.3.2 微生物发酵过程建模一般步骤 |
| 1.4 论文研究内容 |
| 第二章 代谢产物发酵过程动力学模型及稳定性分析 |
| 2.1 引言 |
| 2.2 发酵培养条件分析 |
| 2.2.1 微生物营养要素 |
| 2.2.2 微生物培养环境条件 |
| 2.2.3 培养环境优化技术 |
| 2.3 微生物发酵过程培养基及其优化 |
| 2.3.1 培养基的基本构成 |
| 2.3.2 培养基条件的优化 |
| 2.4 微生物发酵过程物料平衡分析 |
| 2.4.1 基本公式 |
| 2.4.2 微生物发酵过程生长和底物消耗动力学模型 |
| 2.4.3 微生物发酵过程比生长速率分析 |
| 2.5 发酵过程通用动力学模型 |
| 2.5.1 微生物生长、维持、死亡状态空间模型 |
| 2.5.2 丙酮酸发酵过程动力学模型 |
| 2.6 丙酮酸发酵过程模型稳定性分析 |
| 2.6.1 丙酮酸发酵过程动力学方程的平衡点 |
| 2.6.2 丙酮酸发酵动力学方程平衡点的稳定性 |
| 2.7 本章小结 |
| 第三章 基于Hammerstein模型的发酵过程参数辨识 |
| 3.1 引言 |
| 3.2 Hammerstein非线性输出误差模型描述 |
| 3.3 非线性输出误差模型参数辨识的梯度迭代算法 |
| 3.3.1 算法推导 |
| 3.3.2 仿真实验 |
| 3.4 辅助模型多新息随机梯度算法 |
| 3.4.1 辅助模型多新息随机梯度算法推导 |
| 3.4.2 仿真实验 |
| 3.5 青霉素发酵过程参数辨识 |
| 3.5.1 发酵过程的多模型结构 |
| 3.5.2 仿真实验 |
| 3.5.3 青霉素发酵工艺 |
| 3.5.4 青霉素发酵过程参数辨识 |
| 3.6 本章小结 |
| 第四章 基于多尺度小波支持向量机的发酵过程软测量研究 |
| 4.1 引言 |
| 4.2 小波核函数的基本原理 |
| 4.2.1 希尔伯特空间和小波框架 |
| 4.2.2 基于框架的核函数 |
| 4.2.3 小波函数分析 |
| 4.3 多尺度小波核函数 |
| 4.3.1 多分辨分析 |
| 4.3.2 小波函数和小波空间分析 |
| 4.4 多尺度小波核函数支持向量机 |
| 4.4.1 支持向量机 |
| 4.4.2 多尺度小波核函数的支持向量机 |
| 4.4.3 仿真实验及应用 |
| 4.5 小波支持向量机在谷氨酸软测量中的应用 |
| 4.5.1 谷氨酸工艺过程概述 |
| 4.5.2 实验材料与方法 |
| 4.5.3 训练数据的预处理 |
| 4.5.4 支持向量回归机的软测量建模 |
| 4.5.5 多尺度小波核函数的支持向量回归机软测量建模 |
| 4.6 本章小结 |
| 第五章 基于孪生支持向量机的发酵过程软测量研究 |
| 5.1 引言 |
| 5.2 特征加权孪生支持向量回归机 |
| 5.2.1 孪生支持向量回归机 |
| 5.2.2 位置特征和结构特征 |
| 5.2.3 特征加权孪生支持向量回归机 |
| 5.2.4 连续超松弛方法 |
| 5.3 谷氨酸发酵参数选择 |
| 5.3.1 数据的来源 |
| 5.3.2 输入输出变量的确定 |
| 5.4 谷氨酸发酵过程软测量建模 |
| 5.4.1 混合核函数 |
| 5.4.2 特征孪生支持向量回归机参数的自适应粒子群寻优 |
| 5.4.3 混合核函数的孪生支持向量机参数优化 |
| 5.4.4 特征加权孪生支持向量机的发酵过程建模 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者在攻读博士学位期间发表的论文及其他成果 |
（3）城市轨道交通客流特征分析与控制方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容 |
| 1.3 研究方法与技术路线 |
| 2 文献综述 |
| 2.1 城市轨道交通客流特征研究现状 |
| 2.1.1 城市轨道交通网络客流特征的研究 |
| 2.1.2 城市轨道交通站内乘客客流特征的研究 |
| 2.2 城市轨道交通客流分布状态预测方法研究现状 |
| 2.2.1 OD客流预测模型 |
| 2.2.2 客流分配方法 |
| 2.2.3 城市轨道交通仿真方法 |
| 2.3 城市轨道交通客流控制方法研究现状 |
| 2.3.1 控制方法 |
| 2.3.2 控制范围 |
| 2.4 研究现状分析 |
| 2.5 本章小结 |
| 3 城市轨道交通站内乘客聚集特征分析 |
| 3.1 面向乘客群体聚集的改进型DBSCAN算法 |
| 3.1.1 基本概念 |
| 3.1.2 算法描述 |
| 3.1.3 算法流程 |
| 3.2 实验验证 |
| 3.2.1 基于标准数据集的聚类结果分析 |
| 3.2.2 基于站内乘客数据集的聚类结果分析 |
| 3.3 本章小结 |
| 4 城市轨道交通车站客流状态判别及客流控制方法 |
| 4.1 基于云模型的城轨车站客流状态判别方法 |
| 4.1.1 基于云模型的客流状态判别方法 |
| 4.1.2 仿真分析 |
| 4.2 车站客流控制方法 |
| 4.2.1 站台客流建模 |
| 4.2.2 基于LQR的城轨车站客流动态控制策略 |
| 4.2.3 仿真分析 |
| 4.2.4 方法对比 |
| 4.3 本章小结 |
| 5 城市轨道交通线网客流分布状态预测与仿真 |
| 5.1 短时OD客流预测 |
| 5.1.1 预测时间粒度选择 |
| 5.1.2 客流分离率分析 |
| 5.1.4 预测模型 |
| 5.1.5 预测结果 |
| 5.2 乘客出行路径匹配算法 |
| 5.2.1 不同路径的出行时间预测 |
| 5.2.2 基于贝叶斯分类的出行路径匹配算法 |
| 5.3 客流分布状态预测仿真逻辑 |
| 5.3.1 线网客流分布状态指标 |
| 5.3.2 客流分布状态仿真系统框架 |
| 5.3.3 轨道交通线网客流仿真逻辑 |
| 5.3.4 基于局部网络结构的客流分布状态预测 |
| 5.4 本章小结 |
| 6 城市轨道交通线网客流协同控制方法 |
| 6.1 关键站点的测算方法 |
| 6.1.1 基于复杂网络特征的站点重要度测算方法 |
| 6.1.2 基于h指数的站点重要度测算方法 |
| 6.1.3 评价标准 |
| 6.1.4 案例分析 |
| 6.2 基于牵制控制的城轨线路级客流协同控制策略 |
| 6.2.1 城轨线路级客流状态可控性分析 |
| 6.2.2 城轨线路级客流协同控制策略 |
| 6.2.3 案例分析 |
| 6.3 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 创新点 |
| 7.3 研究展望 |
| 附录 A |
| 附录 B |
| 附录 C |
| 作者简历与攻读博士学位期间取得的研究成果 |
| 参考文献 |
| 学位论文数据集 |
（4）面向高效能的飞翼无人机气动代理模型设计及控制分配（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 飞翼无人机控制系统设计的挑战和机遇 |
| 1.3 控制分配方法研究现状 |
| 1.3.1 级联飞行控制系统架构 |
| 1.3.2 控制分配方法发展与现状 |
| 1.3.3 基于Kriging代理模型的控制分配 |
| 1.3.4 重构控制分配方法 |
| 1.4 研究内容与论文结构 |
| 第2章 飞翼无人机操纵面特性与建模 |
| 2.1 飞翼无人机模型 |
| 2.2 多操纵面系统特性分析 |
| 2.2.1 操纵面气动操纵特性 |
| 2.2.2 执行机构模型 |
| 2.3 飞翼无人机数学模型 |
| 2.3.1 坐标系及运动参数定义 |
| 2.3.2 飞翼无人机非线性模型 |
| 2.4 动态逆控制律设计 |
| 2.5 本章小结 |
| 第3章 基于Kriging的高效能控制分配方法研究 |
| 3.1 控制分配数学模型 |
| 3.2 操纵面气动代理模型 |
| 3.2.1 多项式代理模型 |
| 3.2.2 径向基函数模型 |
| 3.2.3 Kriging模型 |
| 3.2.4 模型近似精度验证 |
| 3.3 基于Kriging模型的控制分配方法 |
| 3.3.1 面向控制能耗的分配问题建模 |
| 3.3.2 优化算法 |
| 3.3.3 两种方法性能对比 |
| 3.3.4 混合优化算法 |
| 3.4 控制分配性能分析 |
| 3.4.1 开环/闭环分配性能 |
| 3.4.2 开环分配性能验证 |
| 3.4.3 闭环分配性能验证 |
| 3.5 本章小节 |
| 第4章 Co-Kriging气动代理模型设计及多目标控制分配 |
| 4.1 多置信度代理模型的试验设计方法 |
| 4.1.1 多置信度代理模型 |
| 4.1.2 实验设计方法 |
| 4.2 Co-Kriging代理模型建模方法 |
| 4.2.1 Co-Kriging模型算法 |
| 4.2.2 加点准则 |
| 4.2.3 终止准则 |
| 4.2.4 Co-Kriging建模精度评估 |
| 4.3 多目标控制分配问题 |
| 4.4 综合函数多目标优化方法 |
| 4.5 分层优化多目标粒子群方法 |
| 4.6 基于Co-Kriging的多目标控制分配方法 |
| 4.6.1 姿态角跟踪性能 |
| 4.6.2 分配误差 |
| 4.6.3 控制能耗 |
| 4.6.4 升力、阻力系数 |
| 4.7 本章小节 |
| 第5章 面向操纵面故障的重构控制分配方法 |
| 5.1 重构控制分配架构 |
| 5.2 面向操纵面损伤的重构控制分配 |
| 5.2.1 损伤故障模型与重构设计 |
| 5.2.2 开环分配效果 |
| 5.2.3 闭环分配效果 |
| 5.3 面向操纵面卡阻的重构控制分配 |
| 5.3.1 卡阻故障模型与重构设计 |
| 5.3.2 开环分配效果 |
| 5.3.3 闭环分配效果 |
| 5.4 面向操纵面松浮的重构控制分配 |
| 5.4.1 松浮故障模型与重构设计 |
| 5.4.2 开环分配效果 |
| 5.4.3 闭环分配效果 |
| 5.5 面向操纵面中位偏置的重构控制分配 |
| 5.5.1 中位偏置故障模型与重构设计 |
| 5.5.2 开环分配效果 |
| 5.5.3 闭环分配效果 |
| 5.6 本章小节 |
| 第6章 柔性自适应操纵面建模及控制分配方法 |
| 6.1 柔性操纵面的概念 |
| 6.2 变形后缘机翼 |
| 6.2.1 变形机构 |
| 6.2.2 气动计算 |
| 6.2.3 转矩可达集对比 |
| 6.3 柔性操纵面飞翼无人机 |
| 6.3.1 飞翼无人机模型 |
| 6.3.2 气动分析与Kriging建模 |
| 6.4 控制分配算法与仿真分析 |
| 6.5 本章小节 |
| 第7章 结论与展望 |
| 7.1 论文工作总结 |
| 7.2 论文主要创新点 |
| 7.3 进一步研究方向 |
| 附录A 非线性动态逆控制方法设计 |
| A.1 非线性动态逆基础 |
| A.2 输入-输出线性化 |
| A.3 状态转移 |
| A.4 多输入-多输出系统的动态逆控制律 |
| 参考文献 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
| 致谢 |
（5）流场测量中基于深度学习的自适应光学技术（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 自适应光学技术基本原理 |
| 1.1.1 自适应光学概述 |
| 1.1.2 波前传感器 |
| 1.1.3 波前校正器 |
| 1.1.4 激光信标 |
| 1.2 流场测量中的粒子图像测速技术 |
| 1.3 自适应光学在流场测量中的应用 |
| 1.4 深度学习简介及在自适应光学中的应用 |
| 1.4.1 深度学习概述 |
| 1.4.2 深度卷积神经网络中的基本概念 |
| 1.4.3 自适应光学中的深度学习 |
| 1.5 拟解决的关键问题及论文结构 |
| 第2章 流场测量中的光学畸变模型及基于激光信标的测量方法 |
| 2.1 引言 |
| 2.2 晃动气-液两相介质边界引起的光学畸变模型 |
| 2.3 基于激光信标与Hartmann-Shanck波前传感器的畸变相界测量原理 |
| 2.3.1 用于流场测量中畸变相界测量的空间分布式激光信标 |
| 2.3.2 基于Hartman-Shack波前传感器的波前测量及复原 |
| 2.3.3 晃动介质边界畸变测量原理 |
| 2.4 本章小结 |
| 第3章 大动态范围Hartmann-Shack波前测量算法 |
| 3.1 引言 |
| 3.2 基于光斑分割的质心估计算法 |
| 3.2.1 基于Canny算子的光斑分割算法 |
| 3.2.2 基于形态学特征的独立光斑区域的筛选与标记 |
| 3.2.3 分割光斑的定位算法 |
| 3.3 基于邻域搜索匹配的动态范围扩展算法 |
| 3.4 本章小结 |
| 第4章 大动态范围Hartmann-Shack波前测量算法性能分析 |
| 4.1 引言 |
| 4.2 Hartman-Shack传感器的性能指标及误差分析 |
| 4.2.1 Hartman-Shack传感器的性能指标 |
| 4.2.2 Hartman-Shack传感器误差分析 |
| 4.3 基于仿真和实验的算法性能分析 |
| 4.3.1 不同信噪比下的光斑仿真模型 |
| 4.3.2 与传统质心算法及其改进算法的性能对比 |
| 4.3.3 响应系数及非线性误差分析 |
| 4.3.4 动态范围扩展性能的量化分析 |
| 4.3.5 算法实验验证 |
| 4.4 本章小结 |
| 第5章 基于多输入深度学习模型的无校正器件自适光学技术 |
| 5.1 引言 |
| 5.2 AOPIV-MIUN算法 |
| 5.2.1 AOPIV-MIUN算法的基本框架思想 |
| 5.2.2 AOPIV-MIUN算法实现 |
| 5.2.3 AOPIV-MIUN的训练 |
| 5.3 基于实验平台的数据集生成 |
| 5.4 神经网络的校正性能分析 |
| 5.4.1 基于PIV粒子图像质量的校正性能分析 |
| 5.4.2 基于PIV流场速度测量结果的校正性能分析 |
| 5.5 本章小结 |
| 第6章 基于深度卷积神经网络的流体运动估计与畸变校正 |
| 6.1 引言 |
| 6.2 粒子图像测速中流体运动场估计算法 |
| 6.3 两种基于多输入深度卷积神经网络的畸变校正流体运动估计算法 |
| 6.3.1 基于MIUN结构的稠密流体运动场估计 |
| 6.3.2 基于多输入Xception结构的稀疏流体运动场估计 |
| 6.3.3 AOPIV-MICNN的训练 |
| 6.4 基于合成模型的数据集生成 |
| 6.4.1 畸变PIV粒子图像对及对应流场的生成 |
| 6.4.2 Hartmann-Shack波前传感器仿真模型 |
| 6.5 测试结果分析与讨论 |
| 6.6 本章小结 |
| 第7章 总结和展望 |
| 7.1 全文总结 |
| 7.2 论文创新点 |
| 7.3 未来展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（6）基于3D多分辨注意力胶囊网络的肺结节多种病理类型辅助诊断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于影像信息的肺结节良恶性病理类型辅助诊断研究现状 |
| 1.2.2 基于胶囊网络的图像分类问题研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文组织结构 |
| 第2章 相关理论基础 |
| 2.1 引言 |
| 2.2 卷积神经网络 |
| 2.2.1 网络结构与组成 |
| 2.2.2 激活函数 |
| 2.2.3 损失函数 |
| 2.2.4 卷积神经网络的局限性 |
| 2.3 胶囊网络 |
| 2.3.1 网络结构与组成 |
| 2.3.2 激活函数 |
| 2.3.3 动态路由算法 |
| 2.3.4 损失函数 |
| 2.4 注意力机制 |
| 2.5 本章小结 |
| 第3章 基于3D胶囊网络的肺结节良恶性多种病理类型辅助诊断方法研究 |
| 3.1 引言 |
| 3.2 数据集与预处理流程 |
| 3.2.1 数据采集原则 |
| 3.2.2 数据集介绍 |
| 3.2.3 数据预处理 |
| 3.3 基于3D胶囊网络的肺结节良恶性多种病理类型辅助诊断模型 |
| 3.3.1 网络结构的改进设计 |
| 3.3.2 动态路由算法的改进设计 |
| 3.4 基于3D胶囊网络的肺结节良恶性多种病理类型辅助诊断模型的分类性能分析 |
| 3.4.1 硬件配置与实验环境 |
| 3.4.2 性能评价指标 |
| 3.4.3 实验结果与分析 |
| 3.5 本章小结 |
| 第4章 基于3D多分辨注意力胶囊网络的肺结节良恶性多种病理类型辅助诊断方法研究 |
| 4.1 引言 |
| 4.2 多分辨与多尺度方法 |
| 4.3 多分辨注意力机制 |
| 4.3.1 抑制插值扰动的多分辨注意力机制 |
| 4.3.2 强化插值扰动的多分辨注意力机制 |
| 4.4 基于3D多分辨注意力胶囊网络的肺结节良恶性多种病理类型辅助诊断模型 |
| 4.5 基于3D多分辨注意力胶囊网络的肺结节良恶性多种病理类型辅助诊断模型的分类性能分析 |
| 4.5.1 实验参数设置 |
| 4.5.2 实验结果与分析 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 研究工作总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（7）皮肤镜图像中皮肤病变分类算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传统的皮肤镜图像皮肤病变分类算法 |
| 1.2.2 基于卷积神经网络的皮肤镜图像皮肤病变分类算法 |
| 1.3 本文研究内容与创新点 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文的创新点 |
| 1.4 论文章节安排 |
| 第2章 基于卷积神经网络的图像分类技术 |
| 2.1 卷积神经网络 |
| 2.1.1 VGGNet分类网络 |
| 2.1.2 Inception分类网络 |
| 2.1.3 Res Net分类网络 |
| 2.1.4 Dense Net分类网络 |
| 2.2 注意力机制 |
| 2.2.1 SENet分类网络 |
| 2.2.2 ARL-CNN分类网络 |
| 2.3 本章小结 |
| 第3章 基于密集连接网络和注意力机制的皮肤病变分类方法 |
| 3.1 设计思路 |
| 3.2 结合注意力机制的密集连接网络设计 |
| 3.2.1 算法系统框架 |
| 3.2.2 注意力机制 |
| 3.3 网络损失函数 |
| 3.4 实验结果与分析 |
| 3.4.1 数据集 |
| 3.4.2 实验设计与细节 |
| 3.4.3 对比方法和评价指标 |
| 3.4.4 分类结果与分析 |
| 3.4.5 消融实验 |
| 3.5 本章小结 |
| 第4章 基于多输入和注意力机制的皮肤病变分类方法 |
| 4.1 设计思路 |
| 4.2 基于多输入和注意力机制的网络设计 |
| 4.2.1 算法系统框架 |
| 4.2.2 多输入结构 |
| 4.2.3 注意力机制 |
| 4.3 网络损失函数 |
| 4.4 实验结果与分析 |
| 4.4.1 数据集 |
| 4.4.2 实验设计与实验细节 |
| 4.4.3 比较方法和评价指标 |
| 4.4.4 分类结果与分析 |
| 4.4.5 消融实验 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读硕士学位期间发表的论文 |
| 附录2 攻读硕士学位期间参加的科研项目 |
| 大摘要 |
（8）基于深度学习的隧道微震信号处理及岩爆智能预警研究（论文提纲范文）
| 摘要 |
| 研究成果的主要创新点 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题依据及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 微震波形识别与分类研究 |
| 1.2.2 微震波形降噪和到时拾取研究 |
| 1.2.3 微震定位方法研究 |
| 1.2.4 岩爆预测及预警研究 |
| 1.2.5 主要问题与不足 |
| 1.3 研究思路、研究内容与技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 第2章 基于深度卷积神经网络的围岩微震波形分类研究 |
| 2.1 引言 |
| 2.2 项目概况及数据来源 |
| 2.2.1 项目概况 |
| 2.2.2 微震监测系统构建 |
| 2.2.3 数据来源及岩爆灾害 |
| 2.3 微震波形的特征识别 |
| 2.4 微震波形信号预处理 |
| 2.5 CNN-MCN微震波形分类模型构建 |
| 2.6 CNN-MCN微震波形分类性能分析 |
| 2.6.1 数据准备与训练 |
| 2.6.2 实验结果和分析 |
| 2.7 本章小结 |
| 第3章 基于深度编解码的围岩微震波形降噪和拾取研究 |
| 3.1 引言 |
| 3.2 自编码神经网络模型 |
| 3.2.1 自编码 |
| 3.2.2 卷积自编码 |
| 3.3 微震波形降噪与拾取双任务模型构建 |
| 3.4 微震波形降噪与拾取双任务模型性能分析 |
| 3.4.1 数据准备和训练 |
| 3.4.2 实验结果与分析 |
| 3.4.3 通用性与对比分析 |
| 3.5 本章小结 |
| 第4章 隧道围岩微震阵列优化及震源定位研究 |
| 4.1 引言 |
| 4.2 微震定位原理及目标函数构建 |
| 4.3 隧道微震阵列探讨与评估 |
| 4.3.1 “非包围”微震阵列不足 |
| 4.3.2 “非包围”微震阵列评估和优化 |
| 4.4 隧道震源定位方法优化与构建 |
| 4.4.1 隧道围岩速度模型优化 |
| 4.4.2 微震定位优化算法构建 |
| 4.5 微震优化阵列与改进定位方法的测试与应用 |
| 4.5.1 “非包围”微震阵列测试与应用 |
| 4.5.2 围岩波速模型测试 |
| 4.5.3 不同定位算法对比 |
| 4.5.4 微震定位优化方法应用 |
| 4.6 本章小结 |
| 第5章 基于卷积神经网络的微震预测及岩爆预警研究 |
| 5.1 引言 |
| 5.2 相关理论基础 |
| 5.2.1 时间序列预测原理 |
| 5.2.2 ARIMA经典时间序列预测方法 |
| 5.2.3 神经网络预测模型 |
| 5.3 岩爆微震指标库建立 |
| 5.3.1 微震评价指标 |
| 5.3.2 岩爆微震指标选取与构建 |
| 5.3.3 数据预处理 |
| 5.4 微震指标预测研究 |
| 5.4.1 实验环境与数据 |
| 5.4.2 评价指标 |
| 5.4.3 微震指标时间序列模型构建 |
| 5.4.4 实验结果分析 |
| 5.4.5 不同方法对比 |
| 5.5 岩爆微震预警研究 |
| 5.5.1 实验数据 |
| 5.5.2 岩爆微震预警模型 |
| 5.5.3 岩爆微震综合预警 |
| 5.6 本章小节 |
| 第6章 隧道微震自动化监测及岩爆智能预警平台研究 |
| 6.1 引言 |
| 6.2 系统分析与设计 |
| 6.2.1 设计原则 |
| 6.2.2 系统开发及代码管理平台 |
| 6.2.3 系统及框架设计 |
| 6.2.4 数据库设计 |
| 6.3 系统主要模块 |
| 6.3.1 微震听诊模块 |
| 6.3.2 微震预测模块 |
| 6.3.3 岩爆预警模块 |
| 6.3.4 用户与信息模块 |
| 6.3.5 系统运行流程 |
| 6.4 工程应用 |
| 6.4.1 工程概况 |
| 6.4.2 微震自动化监测 |
| 6.4.3 微震预测和岩爆预警分析 |
| 6.5 本章小结 |
| 结论与展望 |
| 1 结论 |
| 2 不足与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（9）面向高维不确定性电力系统的建模仿真与运行优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 大规模新能源接入系统的不确定性建模分析 |
| 1.2.2 含新能源电力系统的随机潮流计算 |
| 1.2.3 含新能源电力系统的静态安全评估 |
| 1.2.4 考虑新能源出力不确定性的电力系统输电阻塞调度 |
| 1.3 论文主要内容和章节安排 |
| 第二章 适用于输入变量通用概率模型的随机潮流计算方法 |
| 2.1 引言 |
| 2.2 一种改进蒙特卡洛模拟的通用随机潮流混合求解法 |
| 2.2.1 基于量测数据的随机变量模型 |
| (1) 混合高斯模型 |
| (2) 参数估计与EM算法 |
| 2.2.2 基于经验分布的随机变量模型 |
| 2.2.3 均匀设计抽样技术 |
| 2.2.4 相关性处理 |
| 2.2.5 分段线性蒙特卡洛仿真 |
| 2.3 基于GMM的相关非高斯输入变量随机潮流算法 |
| 2.3.1 高斯分量的约简 |
| 2.3.2 高斯分量组合算法 |
| 2.3.3 算法流程 |
| 2.4 算例分析 |
| 2.4.1 仿真系统介绍 |
| 2.4.2 仿真结果与误差分析 |
| 2.5 本章小结 |
| 第三章 含多输入关联变量的随机潮流降维数值方法 |
| 3.1 引言 |
| 3.2 随机潮流问题的数学本质 |
| 3.3 随机响应的统计矩计算 |
| 3.3.1 降维积分法 |
| 3.3.2 数值积分公式 |
| 3.3.3 Nataf变换 |
| 3.3.4 讨论 |
| 3.4 基于C型 Gram-Charlier级数的PDF重构 |
| 3.5 计算流程 |
| 3.6 算例分析 |
| 3.6.1 仿真系统介绍 |
| 3.6.2 仿真结果与误差分析 |
| 3.7 本章小结 |
| 第四章 基于随机动态潮流的电力系统静态风险快速评估 |
| 4.1 引言 |
| 4.2 计及一次调频作用的随机动态潮流 |
| 4.2.1 电力系统的功频静态特性 |
| 4.2.2 随机动态潮流模型 |
| 4.3 基于分段线性半不变量法的快速随机潮流计算 |
| 4.3.1 半不变量法的基本原理 |
| 4.3.2 输入变量的分段线性化处理 |
| 4.3.3 输出状态量的半不变量求解 |
| 4.4 电力系统静态安全风险评估 |
| 4.4.1 越限概率指标 |
| 4.4.2 严重性指标 |
| 4.4.3 综合风险指标 |
| 4.5 计算流程 |
| 4.6 算例分析 |
| 4.6.1 仿真系统介绍 |
| 4.6.2 仿真结果与误差分析 |
| 4.7 本章小结 |
| 第五章 短期风电预测误差的综合建模及其应用研究 |
| 5.1 引言 |
| 5.2 短期风电预测的误差分布特性 |
| 5.3 基于混合偏态模型的风电预测误差概率建模 |
| 5.4 基于Copula理论的风电预测误差相关性建模 |
| 5.4.1 Copula理论 |
| 5.4.2 单个风电场预测误差的条件概率密度函数 |
| 5.4.3 多个风电场预测误差的高维Copula建模 |
| 5.5 利用储能平抑风电预测误差的经济性分析 |
| 5.5.1 风电预测误差成本 |
| 5.5.2 储能成本 |
| 5.5.3 最优储能配置模型 |
| 5.6 算例分析 |
| 5.6.1 数据来源 |
| 5.6.2 模型验证 |
| 5.6.3 风电预测误差模型在随机潮流计算中的应用 |
| 5.6.4 风电预测误差模型在储能容量配置中的应用 |
| 5.7 本章小结 |
| 第六章 采用图割算法的含风电电力系统动态分区备用配置 |
| 6.1 引言 |
| 6.2 电力系统备用分区的数学模型 |
| 6.2.1 边权重指标的求解 |
| 6.2.2 基于图论的最小割问题 |
| 6.2.3 Gomory-Hu算法 |
| 6.3 考虑分区备用的电能和备用联合优化调度 |
| 6.3.1 日前机组组合 |
| 6.3.2 实时调度 |
| 6.4 算例分析 |
| 6.5 结论 |
| 第七章 考虑自适应传输备用的含风电电力系统双层随机调度 |
| 7.1 引言 |
| 7.2 含风电电力系统的双层优化调度模型 |
| 7.2.1 上层模型:考虑传输备用的日前机组组合 |
| 7.2.2 计及风电不确定性的传输备用自适应量化 |
| 7.2.3 下层模型:考虑补救措施的经济再调度 |
| 7.2.4 耦合约束 |
| 7.3 求解方法 |
| 7.3.1 双层模型的转化 |
| 7.3.2 改进点估计法 |
| 7.4 算例分析 |
| 7.4.1 仿真系统介绍 |
| 7.4.2 线路传输阻塞分析 |
| 7.4.3 不同场景调度结果分析 |
| 7.4.4 双层模型与单层模型比较 |
| 7.5 结论 |
| 第八章 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录 A |
| 附录 B |
| 附录 C |
| 附录 D |
| 附录 E |
| 攻读博士学位期间的学术成果 |
（10）火电机组热工过程闭环辨识及预测控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 论文背景及意义 |
| 1.2 系统辨识方法 |
| 1.2.1 线性模型结构及其参数化形式及预报误差辨识法的基本原理 |
| 1.2.2 闭环辨识模型参数估计方法的研究现状 |
| 1.2.3 模型结构辨识的研究现状 |
| 1.2.4 鲁棒辨识法的研究现状 |
| 1.2.5 闭环辨识方法在热工过程的研究现状 |
| 1.3 预测控制方法 |
| 1.3.1 预测控制稳定性综合方法的研究现状 |
| 1.3.2 鲁棒预测控制方法的研究现状 |
| 1.3.3 显式预测控制方法的研究现状 |
| 1.3.4 自适应预测控制方法的研究现状 |
| 1.3.5 预测控制方法在火电机组热工过程的研究现状 |
| 1.4 存在的问题及本文的研究内容安排 |
| 1.4.1 存在的问题 |
| 1.4.2 本文的研究内容及思路框架 |
| 第二章 基于现场数据的火电机组辨识方法研究 |
| 2.1 引言 |
| 2.2 预报误差辨识法 |
| 2.2.1 预报误差辨识基本算法简介 |
| 2.2.2 预报误差辨识法的无偏性及渐进特性 |
| 2.3 基于模型总误差判阶准则的闭环辨识方法 |
| 2.3.1 模型阶次判定准则 |
| 2.3.2 基于模型总误差的闭环辨识法实现 |
| 2.3.3 仿真实例 |
| 2.4 多变量系统的闭环辨识方法研究 |
| 2.5 基于模型总误差判阶准则的过热汽温闭环系统辨识实验研究 |
| 2.5.1 火电厂过热汽温系统 |
| 2.5.2 基于模型总误差判阶准则的过热汽温闭环系统辨识结果及分析 |
| 2.6 火电厂CO_2捕集系统多变量闭环辨识方法研究 |
| 2.6.1 火电厂CO_2捕集系统 |
| 2.6.2 基于火电厂CO_2捕集系统运行数据的闭环辨识实验结果与分析 |
| 2.7 本章小结 |
| 第三章 火电机组不确定模型闭环辨识方法研究 |
| 3.1 引言 |
| 3.2 集员辨识法基本算法简介 |
| 3.3 基于全对称多胞体的集员辨识法 |
| 3.3.1 全对称多胞体的基本性质 |
| 3.3.2 基于全对称多胞体的闭环集员辨识法 |
| 3.3.3 仿真实例 |
| 3.4 基于全对称多胞体多变量系统闭环集员辨识方法研究 |
| 3.4.1 多变量系统描述 |
| 3.4.2 基于全对称多胞体的多变量系统闭环集员辨识算法 |
| 3.4.3 算法实现 |
| 3.5 火电机组过热汽温系统闭环集员辨识建模仿真研究 |
| 3.6 火电机组CO_2捕集系统多变量闭环集员辨识方法研究 |
| 3.7 本章小结 |
| 第四章 火电机组显式鲁棒预测控制方法研究 |
| 4.1 引言 |
| 4.2 预测控制方法简介 |
| 4.2.1 预测控制方法基本原理 |
| 4.2.2 基于凸包描述的RMPC综合方法 |
| 4.3 一种无差跟踪的显式鲁棒预测控制方法 |
| 4.3.1 EFERMPC的离线设计 |
| 4.3.2 EFERMPC的在线实现 |
| 4.4 一种基于可控状态空间的EFERMPC控制算法 |
| 4.5 基于EFERMPC的火电机组汽温控制仿真研究 |
| 4.6 基于EFERMPC的火电机组CO_2捕集控制仿真研究 |
| 4.6.1 状态空间模型的建立 |
| 4.6.2 仿真实验及结果分析 |
| 4.7 本章小结 |
| 附录 |
| 第五章 火电机组自适应鲁棒模型预测控制方法研究 |
| 5.1 引言 |
| 5.2 RMPC控制性能评价方法 |
| 5.2.1 RMPC控制性能指标 |
| 5.2.2 RMPC控制器的自适应更新 |
| 5.2.3 算法实现 |
| 5.3 一种结合控制性能评价的综合RMPC方法 |
| 5.3.1 自适应鲁棒模型预测方法 |
| 5.3.2 可实现控制目标跟踪的RMPC方法 |
| 5.3.3 结合控制性能评价的综合鲁棒预测控制方法 |
| 5.4 基于综合RMPC方法火电机组过热汽温控制仿真实验 |
| 5.5 基于综合RMPC方法火电机组CO_2捕集系统控制仿真实验 |
| 5.6 本章小结 |
| 第六章 结束语 |
| 6.1 论文的研究成果及创新点 |
| 6.2 对后续研究工作的展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
四、多输入加权综合评价方法及应用（论文参考文献）
- [1]基于变换域统计特征的图像融合方法研究[D]. 蒋钰婷. 江南大学, 2021(01)
- [2]微生物代谢产物发酵过程建模研究[D]. 张相胜. 江南大学, 2021
- [3]城市轨道交通客流特征分析与控制方法研究[D]. 李晓璐. 北京交通大学, 2021(02)
- [4]面向高效能的飞翼无人机气动代理模型设计及控制分配[D]. 赵昕辉. 中国科学院大学(中国科学院工程热物理研究所), 2021(02)
- [5]流场测量中基于深度学习的自适应光学技术[D]. 高泽宇. 中国科学院大学(中国科学院光电技术研究所), 2021(08)
- [6]基于3D多分辨注意力胶囊网络的肺结节多种病理类型辅助诊断方法研究[D]. 高渝强. 山东大学, 2021(12)
- [7]皮肤镜图像中皮肤病变分类算法的研究[D]. 吴晶. 武汉科技大学, 2021(01)
- [8]基于深度学习的隧道微震信号处理及岩爆智能预警研究[D]. 张航. 成都理工大学, 2020(04)
- [9]面向高维不确定性电力系统的建模仿真与运行优化研究[D]. 黄煜. 东南大学, 2020
- [10]火电机组热工过程闭环辨识及预测控制方法研究[D]. 王迪. 东南大学, 2020(02)