课程文献中心 更多>>

关键词： 近似查询   IoT数据服务   生成模型   区间估计   并行计算  

摘要： 物联网(Internet of Things,IoT)数据能够提供实时、准确、全面的信息,帮助人们更好地了解和控制物理世界。IoT数据服务是快速获取IoT数据,屏蔽数据异构的手段,为数据的存取提供统一的访问接口。如何提升IoT数据查询的响应速度是IoT数据服务研究的难点问题。IoT数据服务具有数据量大、聚合查询频繁等特点,传统的精确査询方法难以满足用户对于查询效率的需求,近似查询技术常常被应用于大量数据的分析处理中,以缩短聚合查询执行的时间,但现有的近似查询方法在解决大数据聚合查询时仍存在查询精度低、稳定性差等问题。为解决上述问题,本文提出融合数据抽样和机器学习算法的近似查询方法,主要研究内容如下:(1)为解决IoT数据服务中查询结果精度低、查询时延较高的问题,提出一个基于深度生成模型的近似查询方法,首先利用深度生成模型生成查询样本集,然后基于样本集执行查询,避免从数据集中利用抽样方法获得样本,有效降低查询时延。实验结果表明,生成样本的查询结果的平均相对误差相比于随机样本的查询结果下降了24.2%,相较于分层样本的查询结果下降了11.6%。(2)为解决IoT数据服务中近似查询方法稳定性差的问题,提出一种基于深度生成模型的聚合查询区间估计方法。首先利用预处理后的数据训练深度生成模型,之后基于模型生成多个数据样本,在不同样本上分别执行查询,再将全部查询结果汇总,根据用户给定的置信水平来计算相应的查询结果的置信区间,返回给用户。考虑到在大量样本上处理时间久的问题,本文还利用大规模并行处理架构来完成样本的生成以及计算过程。基于公开数据集的实验结果表明,该方法得出的聚合查询区间估计结果的归一化的置信区间覆盖率可达85%以上。(3)基于前述研究成果实现了IoT数据服务系统,详细介绍了系统体系结构及模型初始化、查询引擎等两个关键模块的设计与实现,通过模拟IoT服务发出查询请求来展示系统运行的实际效果,验证系统的可行性和有效性。

关键词： 锂离子电池   健康状态   区间估计   确定性估计   退役分选  

摘要： 在“双碳”目标背景下,各大车企对新能源汽车的研发不断深入、电动汽车相关产业快速完善,使得电动汽车生产和使用成本迅速降低,电动汽车已成为汽车行业发展的主流方向。而锂电池作为电动汽车的“心脏”,肩负着能量供给的关键作用。但因锂电池结构和材料特性等原因,其运行过程中的安全问题和大量退役电池的处置问题至关重要。本文基于数据驱动方法,以电动汽车锂离子电池为研究对象,沿着锂电池生命周期的顺序,对锂电池的健康状态估计问题和退役电池的分选利用问题进行了研究,主要创新性工作如下:首先,研究了不同充电协议下锂电池充放电电压曲线、电流曲线和IC曲线的变化规律,从不同充电协议充放电数据中提取出多个外部特征。之后,根据实际场景需求,将锂电池健康状态估计任务分为两个场景。其中,在车载锂电池健康状态估计场景下,提出一种适用于不同充电协议的锂电池健康状态区间估计方法。该方法首先从不同的充电协议中自动选取合适的外部特征参数,然后将分位数回归算法与支持向量回归算法结合,提出支持向量分位数回归模型,改进型的模型可考虑锂电池运行过程中的不确定性信息,提供更具有参考性的估计结果;在退役电池分选场景下,提出一种锂电池健康状态确定性估计方法。该方法首先使用皮尔森系数从所有特征中进行特征筛选,减少模型输入数据量,然后使用编码器结构对时间卷积网络进行改进,改进后的模型可以加快锂电池健康状态的估计速度且保持较高的估计精度。然后,研究了目前锂电池退役分选常用方法在不同锂电池对象上可能存在的问题,并据此提出一种使用多个性能指标对锂电池综合状态进行评估的综合指标分选方法。为验证本文所提方法和模型的实用性,将所提方法和模型在多个不同充电协议的锂离子电池公开数据集上进行了实验验证,实验结果表明:所选锂电池充放电数据外部特征可用于不同的充电协议;健康状态估计方法可以针对不同的应用场景取得较好的估计效果;综合指标分选方法可以避免由不同锂电池容量退化曲线不一致导致的分选利用不合理情况,具有一定的实用性。

关键词： 虚拟力   动态混合高斯网络   能量空洞问题   蒙特卡洛   区间估计   多目标优化  

摘要： 传感器网络是一种由大量传感器节点组成的分布式自组织网络,每个节点均具备感知和通信能力,用于监测周围环境的变化。通常情况下,传感器网络会通过抛掷的方式进行部署。传感器节点的位置坐标是二维随机变量,而网络的性能通常是通过覆盖率、检测率和寿命等指标来衡量的。在历史文献中,曾经讨论过节点位置坐标服从二维正态分布的静态网络的性能,并提供了性能指标的计算公式。实际上,网络的性能指标和位置坐标一样具有随机波动性,同时,历史研究中所提到的网络性能指标实际上是网络性能指标随机变量的平均值。本文推导了由动态传感器节点和静态传感器节点组成的混合传感器网络模型,即动态混合高斯网络模型,并给出了覆盖率、入侵检测率和网络寿命等性能指标期望的计算公式。此外,我们使用蒙特卡洛模拟的方法获得了混合网络性能随机变量的样本。根据大数定律,当样本量足够大时,样本均值将逐渐接近于网络性能随机变量的期望值。同时,根据中心极限定理,当样本量足够大时,样本均值的分布将近似于正态分布。因此,可以通过正态分布得到网络性能指标随机变量的置信区间。通过与静态高斯网络模型性能指标随机变量的数学期望和置信区间进行对比,结果表明动态混合高斯网络模型在性能上更为优异。动态混合高斯网络模型的性能指标随机变量受到三个因素的制约,即节点数量、节点位置随机变量的方差和动态节点比例。在本文中,我们考虑以网络性能指标随机变量的数学期望为优化目标,采用位置随机变量的方差和动态节点比例作为优化变量,建立一个三目标规划模型。在规划模型求解过程中,首先将三目标规划模型转化为三个单目标规划模型。然后,采用遗传算法进行求解,通过结合求解结果调整约束范围,将原多目标问题加权为单目标问题。最后,再次利用遗传算法进行求解,以得出最终结果。

关键词： 作物模型   品种基因型参数   参数率定   抽样方法   区域差异性  

摘要： 马铃薯是具有高营养价值的优质农作物,在保障粮食安全中发挥重要作用,我国是全球马铃薯种植第一大国,面对供需不平衡和气候变化的潜在不利影响,需要采取提高产量和适应环境的对应战略。作物生长模型服务于农业现代化,可以在作物生长发育模拟、农田精准管理、气候演变分析等领域进行精准、大范围监测和预测,但作物模型研究多始于田块尺度,在实际模拟中需要考虑不同环境条件下参数的异质性以打破空间应用限制,尤其是作物基因型参数的变异,需要通过田间试验进行参数本地化工作,也称参数率定。田间试验费时费力,率定参数所需的样本难以获得,所以如何通过率定基因型参数来进一步提升模型的精度成为DSSAT马铃薯模型应用中的热点问题,也对指导农业生产、保障粮食安全、实现农业现代化具有重要意义。本研究旨在为解决作物模型基因型参数本地化率定缺乏样本的问题,开展适合不同样本量进行基因型参数率定的研究,选取东北地区十个试验站点,探索用不同的抽样方法对DSSAT-SUBSTOR模型的马铃薯基因型参数进行率定,基于此分析同一站点不同抽样方法下基因型参数率定结果的差异、同一抽样方法不同站点基因型参数率定结果的差异和不同站点不同抽样方法基因型参数率定结果的差异。主要得到以下结论:第一,改变抽样方法可以提升基因型参数率定的准确性。同一站点不同抽样方法基因型参数率定结果显示三种抽样方法的验证精度从高到低排序为交叉验证法>自助法>留出法,即单站点小样本的参数率定工作中交叉验证法为最优抽样方法。不同站点不同抽样方法基因型参数率定结果显示三种抽样方法的验证精度从高到低排序为留出法>自助法>交叉验证法,即多站点下随机抽样进行参数率定表现最优的是留出法。第二,马铃薯基因型参数分布呈现区域差异性。同一抽样方法下DSSAT-SUBSTOR模型的5个基因型参数率定结果在不同站点均存在差异,其中块茎生长胁迫系数(PD)、光周期系数(P2)、块茎开始生长的临界温度上限(TC)均呈现出0.01水平的显著性差异,说明基因型参数对产量的响应变化与环境有关。具体对比站点间参数率定的差异从大到小排序为光周期系数(P2)>块茎开始生长的临界温度上限(TC)>块茎生长胁迫系数(PD)>叶面积扩展率(G2)>潜在块茎生长率(G3),说明在本研究选取的东北作区影响马铃薯生长发育产生最大差异的因素是太阳辐射和日长。第三,基因型参数对产量的响应受环境影响。同一抽样方法下,对比用单站点和多站点率定的最优参数组进行模拟的结果,单站点率定的最优参数组进行模拟的结果优于多站点,即单一环境下率定的基因型参数比不同环境间率定的基因型参数更接近基因型参数的真值,说明环境间的产量变化往往大于品种参数变化带来的产量变化。因此同一作物同站点的不同品种是否可以用同一组品种基因型参数以简化DSSAT模型实际应用进行参数本地化的率定工作,未来可进一步研究与讨论。第四,样本量不同,适用的抽样方法也不同。同一抽样方法下,对比用单站点和多站点率定的最优参数组进行模拟的结果,多站点的马铃薯基因型参数率定结果中三种抽样方法间的差异较小,单站点的马铃薯基因型参数率定结果中交叉验证法的参数率定表现最优。说明样本量不同,适用的抽样方法也不同,且样本数量越多,抽样方法引起的结果差异越小,小样本适合用交叉验证法,大样本受抽样方法的影响较小,可根据实际需求选取。

关键词： 肌层浸润性膀胱癌   炎症指标   组织变异亚型  

摘要： 目的: 膀胱癌(Bladder cancer,BC)作为泌尿系肿瘤中最常见的恶性肿瘤之一,其病理类型大部分为单纯尿路上皮癌,但由于其基因的高度异质性,BC具备向组织亚型分化的特性。近年来术前实验室检测指标对肌层浸润性膀胱癌(Muscle-invasive bladder cancer,MIBC)患者预后具有预测功能被广泛报道。然而,关于外周血实验室指标对伴有组织变异型的肌层浸润性膀胱癌(Muscleinvasive bladder cancer with histological variant,MIBC-HV)患者预后的预测能力尚无明确的报道。本文通过收集MIBC-HV患者接受全膀胱切除术(Radical cystectomy,RC)术前外周血实验室指标并进行随访,探究MIBC-HV患者术前期间外周血液实验室指标能否预测患者的预后。 材料和方法: 本研究回顾性收集了2007年8月至2021年9月在四川大学华西医院被诊断为MIBC-HV并行RC治疗的患者。收集患者的相关资料(临床病理数据和随访信息),最终的结局指标为总生存期(Over-all survival,OS)及无复发生存期(Recurrence-free survival,RFS)。实验室指标的最佳截断值由时间依赖性受试者操作特性曲线计算得出。生存分析采用Kaplan-Meier法进行计算和曲线制作,采用Log-rank法检验。使用单因素和多因素Cox回归风险模型,筛选RC术后OS和RFS的独立预后因素并构建预测模型。 结果: 本研究收集了226名于我院接受RC的MIBC-HV患者的临床病理资料随访资料。患者入院时平均年龄为65.12±10.67岁,男性患者161名,女性患者28名,平均随访时间为38.53±28.73月,中位随访时间为29.5月。共有156/226(69%)名患者在随访期间死亡,87/226(37.6%)名患者出现复发。在KaplanMeier曲线结果中,我们发现术前血浆纤维蛋白原(Fibrinogen,FIB)>3.5、中性粒细胞与淋巴细胞比值(Neutrophil-to-lymphocyte ratio,NLR)>2.03、血小板与淋巴细胞比值(Platelet-to-lymphocyte ratio,PLR)>101.2、全身炎症反应指数(Systemic inflammation response index,SII)>373.3提示较差的术后OS;术前FIB>3.47、NLR>2.75、PLR>185.42提示较差的术后RFS。亚组分析结果提示伴鳞状分化患者RC术前FIB>3.5提示较差的OS,FIB>3.47提示较差的RFS;伴腺样分化患者术前FIB>3.5、NLR>2.03、PLR>101.18提示较差的OS,术前FIB>3.47、NLR>2.75提示较差的RFS。在多因素Cox分析结果中,入院时年龄(p<0.001)、T分期(p=0.026)、盆腔淋巴结受累(p=0.005)及FIB水平(p=0.003)为MIBC-VH患者RC术后OS的独立风险因素。而T分期(p=0.026)、盆腔淋巴结受累(p=0.016)、淋巴血管侵犯(p=0.003)及FIB水平(p=0.002)是MIBC-VH患者RC术后RFS的独立风险因素。 结论: 本研究收集了226名MIBC-VH患者的临床病理资料并进行随访,通过数据分析得出以下研究结论:***-HV患者RC术前FIB>3.5、NLR>2.03、PLR>101.18、SII>373.3提示较差的术后OS;术前FIB>3.47、NLR>2.75、PLR>185.42提示较差的术后RFS;2.伴鳞状分化患者RC术前FIB>3.5提示较差的OS,FIB>3.47提示较差的RFS;伴腺样分化患者术前FIB>3.5、NLR>2.03、PLR>101.18提示较差的OS,术前FIB>3.47、NLR>2.75提示较差的RFS;3.入院时年龄、T分期、合并盆腔淋巴结受累为接受了RC的MIBC-VH患者OS的独立风险因素。T分期、合并盆腔淋巴结受累、血管淋巴侵犯为MIBC-VH患者术后RFS的独立风险因素。4.术前FIB水平是影响MIBC-VH患者RC术后OS及RFS的独立预测因素,可作为评估MIBC-VH患者术后生存及肿瘤复发风险的新指标。

关键词： 动力伺服刀架动力头系统   剩余寿命预测   复杂工况   二维卷积神经网络   区间估计  

摘要： 数控机床作为制造业的“工业母机”,是影响国家经济命脉和国防建设的重要战略装备。动力伺服刀架作为高端数控机床——车削中心的关键功能部件,除了可以实现车削、钻削和镗削加工外,因加装了动力头系统还可以实现铣削加工和非中心孔的钻削和镗削加工等,极大地提升了机床的加工能力和效率。但是,目前国产动力伺服刀架仅实现了功能上的可用,尚未达到性能上的稳定可靠,服役过程中故障频发,可靠性问题严重。如何根据服役过程中实际运行状态合理地预测剩余寿命,为预测性维护提供基础依据,从而降低维护成本、提高使用可靠性是当前研究的重点。因此,开展动力伺服刀架动力头系统剩余寿命预测研究,具有重要的理论意义和工程应用价值。本文依托数控装备可靠性重点实验室,针对某型国产动力伺服刀架动力头系统服役工况复杂多变和性能退化特性,开展了分阶段退化的剩余寿命预测、考虑复杂工况的剩余寿命预测以及基于非线性Wiener过程的剩余寿命预测区间估计的研究,同时利用轴承公开数据进行三种方法对比分析。本文主要的工作内容如下:1.介绍动力伺服刀架动力头系统的功能结构,开展动力头系统可靠性试验及试验数据处理。对刀架动力头系统的机械结构和传动形式进行分析,找出刀架动力头系统的薄弱部位,确定了可靠性试验中重点监测位置和参数;依据实际服役工况条件,制定了动力头系统可靠性试验及状态数据采集方案;针对可靠性试验中获取的状态性能数据进行降噪和时频域特征图像提取,为后续开展剩余寿命预测提供基础数据。2.针对动力伺服刀架动力头系统在服役过程中性能退化呈现多阶段的问题,提出了分阶段退化的基于二维卷积神经网络(Convolutional Neural Networks,CNN)的动力头系统剩余寿命预测方法。依据提取的时域特征和频域特征,构建了融合时频域特征的动力头系统健康指标,并根据健康指标退化趋势的特点,将动力头系统性能退化过程分为四个阶段,每一阶段线性化作为刀架动力头系统的剩余寿命标签值。将提取的时频域特征图像作为数据集并进行划分训练,提出了动力头系统分阶段退化的二维卷积神经网络剩余寿命预测方法。3.针对动力头系统服役工况复杂多变的特性,提出了面向复杂工况的基于CNN-SVM工况种类识别的动力头系统二维卷积剩余寿命预测方法。依据时频域特征图像,提取出二维卷积神经网络工况分类模型最后一次池化层特征,输入到支持向量机分类器中,建立根据时频域特征图像识别工况种类的CNNSVM分类模型,识别出动力头系统每一采集时刻的工况种类。依据工况种类识别的结果,构建按工况种类分段退化的剩余寿命标签值。提出了面向复杂工况的动力头系统二维卷积神经网络剩余寿命预测方法。4.针对基于深度学习的剩余寿命预测点估计值不利于系统维护策略优化的问题,提出了面向复杂工况的基于CNN-Wiener的动力头系统剩余寿命区间预测方法。将二维卷积神经网络剩余寿命预测结果作为退化数据,建立考虑随机效应的非线性Wiener过程剩余寿命预测模型,求出动力头系统退化阶段观测时刻剩余寿命的概率密度函数,通过折半搜索方式进行动力头系统剩余寿命区间估计。

关键词： 暴露程度   发病风险   二氧化氮   模型评估   细颗粒物   平均指标   成人白血病   空气污染指标  

摘要： 最近一项研究通过分析丹麦国家癌症登记系统中的数据以及丹麦DEHM-UBM-AirGIS系统模型中的空气污染指标,旨在分析1年、5年至10年的PM2.5(细颗粒物)、BC(炭黑)、NO_(2)(二氧化氮)和O_(3)(臭氧)平均指标与成人白血病之间的关系。研究人员共获得在1989-2014年间确诊的14986例成人病例以及51624例在年龄、性别和时间上匹配的对照。采用基于社会人口统计学的独立条件逻辑回归模型评估各种污染物的暴露程度对于白血病的影响。

关键词： 概率与数理统计   正态分布   区间估计   假设检验  

摘要： 正态分布是概率与数理统计课程的重要内容,该内容掌握得好坏直接影响着该课程核心内容的学习。学生熟练掌握这一内容,对区间估计、假设检验等核心内容的学习起着至关重要的作用。

关键词： 金属压力加工   金属塑性成形   塑性变形   加压设备   钣金   平均指标   锻造   锻压生产  

摘要： 锻压即金属塑性成形,也称金属压力加工。锻压行业是一个古老而又充满活力的行业。锻压通常指锻造、冲压和钣金制作。其中锻造是指在加压设备及工(模)具的作用下,使坯料或铸锭产生局部或全部的塑性变形,以获得一定几何尺寸、形状的零件(或毛坯)并改善其性能的加工方法。可以这样理解,锻造就是将金属棒材、线材、板材、铸锭或块金属加热或不加热.