在线预测

摘要： 目前的高温合金刀具磨损在线预测方法预测时间过长,预测误差较大。为了解决上述问题,基于高斯回归分析方法建立了一种新的高温合金刀具磨损在线预测方法,设立高斯回归模型,分析切削力和刀具磨损时间序列数据,对数据进行划分,列出线性数据和非线性数据。引入平滑度理论对建立的高斯回归模型进行优化,借助构建的高斯回归模型计算刀具刀面的最大磨损宽度值。选择平滑度较高的核函数进行模型优化,对刀具的使用状态进行实时观测,精准估计磨损量,实现在线预测。实验结果表明,基于高斯回归分析的高温合金刀具磨损在线预测方法能够有效缩短预测时间,降低预测误差。

摘要： 当前电力系统负荷预测中负荷数据受到多种因素影响且多步长预测时精度不高,因此电力负荷预测呈现出非线性、多因素、非平稳态等问题。提出一种基于CNN_BiLSTM混合深度学习网络的长短期电力负荷在线预测方法。首先根据卷积神经网络和双向长短期记忆网络的特点,建立了CNN_BiLSTM负荷预测模型,并将历史负荷与影响因素耦合形成一个新的时间序列作为网络输入;其次,由于机器学习模型依赖于样本的完备性,影响因素的存在会使原有模型与现有数据失配,建立了在线模型;最后,在实际电力负荷预测中,单步长预测并不能满足工业现场的需要,建立了在线多步长预测模型。通过算例分析,并与SVR等方法进行对比,实验结果表明,所提方法能有效地应用于实际的电力系统负荷预测。

摘要： 针对过程控制系统中关键变量的软测量建模及应用问题,结合主成分分析法(PCA)和径向基(RBF)神经网络法(RBFNN),提出了改进的PCA-RBFNN软测量建模方法。首先利用PCA分析变量筛选法从过程变量集合中找到对系统过程特性具备最佳解释能力的过程变量子集;然后将该过程变量子集作为输入、被估计变量作为输出构建PCA-RBFNN模型,并使用K-means聚类和最小均方误差法初始化RBF神经网络的数据中心、扩展系数和连接权值;最后采用梯度下降法训练、校正所建模型。以某纺织原料生产过程为实例,对所建模型进行了验证和输出性能对比分析。结果表明,该模型可以实现过程变量在线预测,比原模型具有更好的泛化能力、预测能力和输出精度,能够提高过程控制系统的稳定性和可靠性。

摘要： 针对工业加热炉温场不均、炉管局部超温将会导致安全事故,而借助CCD成像的在线温场可视化预测系统价格高的现状,提出采取在扩张通道模型上建立基于互信息生成对抗网络的温度场预测模型,最终使用Matlab软件对模型的输出结果进行可视化,实现加热炉三维温场的在线预测,给优化操作建议和操作预警提供指导。

摘要： 针对电力负荷在线预测问题,结合多变量相空间重构以及多核函数LS-SVM(Least Squares Support Vector Machine),提出一种基于滑动窗口策略与改进人工鱼群算法(Artificial Fish Swarm Algorithm)的短期电力负荷在线预测综合优化方法。利用多变量相空间重构还原真实电力系统动力学特性;将核函数进行排列组合,从而将组合核函数的构造问题转换为权值系数的优化问题,进一步将延迟时间、嵌入维数、LS-SVM参数以及核函数权值作为整体参数向量,利用混沌自适应人工鱼群算法对训练数据预测精度的适应度函数进行优化,从而得到最优的预测模型参数,最后通过滑动时窗策略将得到的预测模型对短期电力负荷进行在线预测,结果证明了提出方法的有效性。

摘要： 为实现瓦斯灾害事故的动态超前预警及煤矿瓦斯防治信息化与精细化管理,实时采集煤矿生产过程中出现的瓦斯灾害隐患信息与监测系统数据,建立了煤矿瓦斯灾害预警指标体系与模型。结果表明,该系统实现了瓦斯灾害在线预测预报,并在瓦斯事故发生后,能准确判断瓦斯灾害的性质、强度、地点,形成应急管理预案,以便矿井及时采取救援措施,指导井下职工选择合理的避灾路线迅速撤离灾区,避免造成二次灾害。

摘要： 由于振动或者外部自然环境的影响,风力发电机组在运行过程中所承受的载荷不确定,导致风力发电机组疲劳问题很复杂。文章基于雨流计数法和Palmgren-Miner线性累积损伤理论,对在役机组各部件的疲劳损伤预估计算。结合机组实际运行数据和部件疲劳损伤的预估值,采用神经网络算法和K-Fold算法建立预测模型,利用该模型可有效预测同一风场其他非标杆机组的部件损伤。结果表明,疲劳损伤的预测误差精度可控制在3%以内,为及时调整相关控制参数和控制策略提供了可靠的依据,进而保证机组运行的稳定性,使风机达到最佳的疲劳寿命。

摘要： 为降低过时海洋养殖环境数据对后续学习的影响和解决单一模型随机初始化输入权重的问题,提出一种基于MA-FOSELM-OTF的海洋养殖环境在线预测模型.采用模型平均化(model averaging,MA)算法对全在线顺序极限学习机(fully online sequential extreme learning machine,FOSELM)进行集成,以降低输入权重初始化引起的随机性;在FOSELM中引入过时遗忘机制(obsolete to forget,OTF),对过时的数据进行遗忘加权,降低其对顺序学习的影响;利用FOSELM递推计算所得输出结果集成所有输出结果,取其平均值作为MA-FOSELM-OTF在线预测模型的最终输出.结果表明,MA-FOSELM-OTF在海洋养殖环境数据在线预测任务中的预测性能优于其他对比模型,可为海洋养殖预警平台提供参考.

摘要： 为实现电池剩余使用寿命(RUL)在线预测和降低数据离群值对预测精度影响,提出基于改进轻量型梯度提升机(LightGBM)的RUL在线预测方法。首先,为实现RUL在线预测,通过等压降时间与容量衰减的关系,选取等压降时间为健康因子;然后,为降低数据离群值对预测精度的影响,构建基于LightGBM的预测模型,采用Bagging的学习方式,忽略离群值权重;接着,为进一步降低离群值影响,基于一种兼具自适应性和鲁棒性的损失函数(ARLF)对LightGBM进行改进,通过超参数α限制损失函数一阶导数幅值的饱和值,在残差增长时,限制离群值对梯度的影响;最后,通过行驶工况下电池全生命周期容量测试实验数据,对比基于不同损失函数的RUL在线预测效果,验证所构建健康因子和所提预测方法的有效性。

摘要： 为解决自动厚度控制(automatic gauge control, AGC)系统反馈滞后、耦合强、厚度偏差大等问题,提出了一种基于食肉植物算法(carnivorous plant algorithm, CPA)的在线顺序极限学习机(online sequential extreme learning machine, OSELM)预测算法。首先,基于从现场采集的相关数据,建立了OSELM在线厚度预测模型。然后为了提高模型的准确性及稳定性,采用CPA方法优化OSELM的权重和偏置。在此基础上,运用自学习方法进一步提高模型的预测精度。最后,通过实验验证基于CPA-OSELM预测模型的有效性。实验结果表明:基于CPA-OSELM的方法能够对不同规格带钢的出口厚度进行高精度在线预测,预测结果可用于提升AGC模型的控制精度,为提升带钢产品质量奠定基础。

摘要： 本文提出了一种基于人工神经网络的机械通风开式冷却塔运行性能在线预测方法.该方法利用出塔水温来表征冷却塔的运行性能,以进塔水温、空气湿球温度和塔内水气质量比3个参数预测出塔水温.提出了一套冷却塔出塔水温在线预测的具体流程。整个在线预测过程要经历5个阶段:前期调研、实测准备、试运行、在线学习、预测。学习算法会监测平均累积预测误差，如果平均累积误差超过0.5°C，则会更新训练样本，重新学习。为验证所提出方法和流程的有效性，本文使用了另一组采自机械通风横流冷却塔的实测数据进行校验。经统计，出塔水温在线预测值与实测值之间的最大预测误差未超过士3.3°C，有87.2%的数据预测误差未超过±1°C，绝对误差平均值为0.16°C误差向零点集中。预测值和实测值之间的相关系数为0.95，接近于1，满足工程上的误差控制要求，预测结果有效，算法成立。

摘要： 本文提出了一种基于人工神经网络的机械通风开式冷却塔运行性能在线预测方法.方法以四层BP网络为核心,利用进塔水温、空气湿球温度、塔内水气质量比这三个参数预测出塔水温.在对上海某建筑中的机械通风横流冷却塔进行测试后发现,出塔水温在线预测值和实测值之间相关系数为o 95,预测效果良好,在线预测方法有效.

摘要： 根据低压配电系统短路电流特性及其检测的特点,提出了基于灰色幂模型的改进型变维递进预测方法,并对模型的时间响应函数进行优化处理,应用于实际短路电流的在线预测，仿真结果说明本文所提算法的可行性和有效性。

摘要： 针对矿物浮选过程精矿品位在线检测困难的问题，提出了一种基于PCA和神经网络的精矿品位在线预测方法。应用数字图像处理技术，从实时获取的泡沫图像中提取泡沫特征，分析各特征与精矿品位之间的关系，利用主成分分析法（Principal Component Analysis，PCA）从泡沫特征中提取主成分，最后采用改进的BP神经网络训练算法，以离线化验得到的精矿品位值为训练目标，建立精矿品位的预测模型。实验结果表明该方法能有效在线预测浮选精矿品位。

摘要： 目前对热连轧组织性能预报的研究已从离线预报向离线预报和在线预测相结合方向发展,本文对热轧组织性能在线预测与控制的概念进行了介绍,结合热连轧生产线,讨论了以物理冶金模型为核心的组织性能在线预测与控制系统的特点和实现方案,指出组织性能在线预测与控制技术的开发和应用是钢铁工业发展的主流之一.

摘要： 整体叶轮的叶片在加工中极易产生颤振,严重影响叶片的表面加工质量.目前,叶轮零件设计时常规的CAD/CAM软件只能提供纯几何干涉检查功能;在叶轮的试生产过程中,大量的试切实验是避开振动区域、确定加工参数的主要手段,耗费大量的人力和机时.难以获得预期加工质量的根本原因是铣削工艺制定过程中没有考虑切削力、工艺系统的动态特性和机床的动力学特性等的影响,且在叶轮加工颤振发生时,没有有效的在线检测(甚至预报)、抑制颤振的方法和手段.本项目旨在研究叶轮类复杂曲面零件的在线颤振预测和抑制的策略,为其稳定加工提供理论和应用方法指导.

摘要： 生猪肉产量作为影响生猪养殖、收购和屠宰的直接经济效益的一个重要因素,在各个环节都受到人们的重视.准确估测生猪肉产量一方面可以提高收购和屠宰时交易的效率,另外可以帮助饲养者掌握生猪的生长状态,合理喂养.本文提出了一种提取生猪活体特征的新方法,建立了生猪肉产量预测算法.首先基于自主研发的生猪肉产量预测的机器视觉系统装置实时采集54头活体大白猪的俯视图和侧视图,然后根据图像处理技术对所得的图像进行分析,提取生猪的体长、胸宽、臀宽、臀高等体尺参数值;同时通过称重装置获得每头猪的活体重量.进一步,将54个生猪样品按2∶1的比例分为校正集和验证集,基于体长、胸宽、臀宽、臀高和体重5个特征参数分别利用多元线性回归法(Multiple Linear Regression,MLR)和偏最小二乘回归法(Partial Least-Squares Regression,PLSR)建立不同的肉产量预测模型,通过比较各预测模型的估测精度、相关系数等,确定最佳预测模型.分析结果表明,5个参数中体重对肉产量预测的权重最大;偏最小二乘回归方法的预测结果最好,最佳预测模型的预测相关系数为0.951,预测误差为3.09.试验结果证实,在检测系统中使用基于生猪的体尺参数和体重建立的偏最小二乘回归预测模型可快速准确预测生猪肉产量,适于实际生产应用.

摘要： 为了延长电动汽车/混合动力电动汽车(EV/HEV)锂电池的寿命并提高其性能,快收敛速度和高精度的电池的电荷状态(SOC)在线估计显得尤为重要.传统的SOC估算算法的缺点显而易见,由此提出了一种基于自适应小波神经网络(AWNN)的SOC估算模型.通过用自适应算法来训练模型,能够实现准确的在线SOC估计.仿真和试验结果的给出，表明该算法具有最快的收敛速度和最高精度,是锂电池估计SOC的一种有效可行的方法。

摘要： 在铸铁件的生产中，材质的合格标准是以力学性能与石墨形态是否符合要求为判定依据的。要在铸铁生产中消除材质废品，就需要在浇注前预测出铸铁材质的力学性能，通过炉前在线调整即可消除材质废品。为此根据生产需要，开展了在液态预测铸铁材质强度、硬度的研发工作，取得了超出预期的理想结果。

摘要： 视频解码是一类最典型的多媒体应用,其计算量大、耗能高.现代多媒体计算平台可利用视频解码计算复杂度固有的动态变化特征来自适应地调整所需计算资源,从而节省能耗,其前提是对视频解码计算复杂度进行准确估计.作者基于解码计算复杂度与帧长之间的线性关系,提出了一种利用状态变量法对解码计算复杂度进行理论建模和在线估计的方法.与传统的直接对帧长和计算复杂度之间的输入-输出依赖关系进行建模所不同,这里将视频解码系统表征为由视频内容特征的状态变化所驱动的系统.首先从语义层面对解码器各模块的解码复杂度进行分析,并导出各模块计算复杂度与语义参数间的依赖关系模型,总解码复杂度为各子模块的复杂度之和.经过化简得到解码计算复杂度与帧长之间的线性模型,其中模型系数为上述语义参数的函数,表征了视频内容特征的状态变化,被定义为状态变量.再结合压缩视频流中相邻帧语义参数之间的相关性,将系统状态方程定义为反映视频内容变化程度的分段线性函数.根据I帧和P帧状态轨迹特性及其在压缩码流中位置属性的不同,分别进行计算复杂度在线估计:对于I帧,采用统计分析方法获得其状态变量的均值并进行在线估计;而对P帧,则是在运行过程中利用状态方程对状态变量进行实时更新和计算复杂度估计.在基于SimpleScalar的软件仿真平台和基于DSP的嵌入式硬件平台上分别对H.264、MPEG-4压缩码流的解码计算复杂度进行在线估计,实验结果表明:对解码计算复杂度的平均估计误差在7％以内,预测精度非常高,而且状态方程更新过程简单,在线运行复杂度低,特别适用于嵌入式移动设备.

摘要： 本发明提供一种基于用户在线学习行为模式预测学习效果的系统，包括学习行为信息采集模组、学习效率计算模组、学习行为模式计算模组、学习能力‑动机计算模组及学习效果预测模组。所述学习行为信息采集模组对应采集用户学习行为信息及用户基本信息。所述学习效率计算模组根据用户在不同类别的在线课程中的学习行为信息生成用户的学习效率矩阵。所述学习行为模式计算模组生成用户分类信息及用户的学习行为模式信息。所述学习能力‑动机计算模组生成用户在在线课程学习中的学习能力信息和学习动机信息。所述学习效果预测模组预测用户在在线课程学习中的学习效果。本发明还提供一种采用上述预测用户在不同类别在线课程中学习效果的系统的预测方法。

摘要： 本发明公开了一种风力发电机组稳态振动在线趋势预测方法，所述在线监测方法至少包括如下步骤：S1：数据采集步骤，于风力发电机组正常运行时，通过稳态振动采集策略，实时完成风电机组的振动数据采集；S2：数据预处理步骤，对步骤S1中采集的振动数据进行滤波预处理，完成有效数据筛选；S3：运行状态判断步骤，对步骤S2获得的有效数据进行数据分析，完成与报警阈值的比较，从而实现风电机组是否处于安全稳定运行状态判断。通过本发明方法实现了在同一工况下的振动数据采集，从而实现了对风电机组运行状态的准确判断，为后续机组调整和维护提供了高质量的初始判断数据。

摘要： 本发明涉及一种用于自动化制造加工系统的在线预测与在线加工计划生成系统和方法。本系统包括用于存储现场实时状态的数据库服务器，用于实时预测的数据库服务器，用于存储离散事件仿真模型参数的数据库服务器，用于生成加工计划的服务器，对加工过程进行预测服务器，用于现场数据采集的数据采集接口和用于和用户交互的用户接口。本发明通过实时分析预测出的未来设备使用情况，根据加工等待约束条件进行在线加工时间搜索，有效的避开设备使用的高峰期，减少加工等待时间。

摘要： 本发明涉及一种离散物料堆积状态智能在线预测装置及方法，装置由车厢离散物料堆积状态预测系统、车辆控制中心、离散物料堆积状态预测模型在线更新系统、异常处理系统和供电系统构成。方法包括利用卡车高处的图像采集器拍摄车厢内物料堆积图像；对图像预处理；利用挖掘机铲斗上的传感器组获取铲斗内物料质量；利用处理后图像由卷积神经网络估计当前车厢内物料质量和重心坐标；以上结果、铲斗中物料质量、卸料位置为输入，卸料后物料分布状态为输出，训练BP神经网络；利用BP神经网络预测下一时刻物料堆积状态。本发明结合卷积神经网络研究，实现无损、无接触预测。所涉及设备保护装置用于防止因天气、灰尘、车辆行驶晃动导致设备损坏。

摘要： 本发明公开了一种钢铸界面钢液温降在线预测系统及其预测方法，包括钢包管理信息系统、钢液温降计算模型和在线测温系统，钢液温降计算模型与在线测温系统之间相结合并进行耦合式计算，从而实现实时预测所有钢包钢液的温降情况；所述钢包管理信息系统包括钢板烘烤系统、钢包计划管理和钢包状态系统；所述在线测温系统包括设于钢包内衬的热电偶传感器、温度采集单元、主控单元和钢包测温数据库单元，热电偶传感器与温度采集单元的接收端相连，温度采集单元的发射端与钢包测温数据库单元的接收端相连。本发明解决了传统出钢温度制定存在各工序温降的刚性叠加而导致出钢温度偏高、计算模型校正数据局限性的问题。

摘要： 本发明涉及一种用于自动化制造加工系统的在线预测与在线加工计划生成系统和方法。本系统包括用于存储现场实时状态的数据库服务器，用于实时预测的数据库服务器，用于存储离散事件仿真模型参数的数据库服务器，用于生成加工计划的服务器，对加工过程进行预测服务器，用于现场数据采集的数据采集接口和用于和用户交互的用户接口。本发明通过实时分析预测出的未来设备使用情况，根据加工等待约束条件进行在线加工时间搜索，有效的避开设备使用的高峰期，减少加工等待时间。

摘要： 本发明涉及一种火电厂烟气含氧量在线预测系统及其预测方法,该方法采用基于Elman神经网络模型和粒子群优化算法集成建模的方法并与反馈校正环节相结合。PSO算法引入Elman网络避免迭代计算陷入局部最小，加快了训练模型迭代收敛的速度，误差反馈校正环节使得预测模型在线测试中，具有每步实时自校正能力，不会由于误差导致频繁训练来校正模型，保证了在线预测精度的同时，提高了在线预测的效率和鲁棒性。克服了现有软测量方法中精度较低和离线预测模型在线测试中出现模型失配等问题,以保证在全工况范围内的有效在线预测。

摘要： 本发明公开了一种基于离线分析和在线预测结合的Hadoop+Spark交通预测系统，包括Hadoop平台交通大数据的存储和管理、Spark系统交通实时数据分析和交通流预测和交通流预测应用。本发明通过研究Hadoop云平台的MapReduce分布式架构工作机理、分布式文件存储(Hadoop Distributed File System，HDFS)原理、以及Spark基于内存计算的工作流程，根据交通流预测的强实时性要求，建立基于Hadoop+Spark架构的综合性交通大数据处理平台。针对交通大数据的特点，优化平台，使得能够快速分析交通大数据，并研究基于大数据平台的交通数据预处理方法，为交通特性分析及交通流预测提供高质量的数据支撑。

摘要： 本发明涉及一种离散物料堆积状态智能在线预测装置及方法，装置由车厢离散物料堆积状态预测系统、车辆控制中心、离散物料堆积状态预测模型在线更新系统、异常处理系统和供电系统构成。方法包括利用卡车高处的图像采集器拍摄车厢内物料堆积图像；对图像预处理；利用挖掘机铲斗上的传感器组获取铲斗内物料质量；利用处理后图像由卷积神经网络估计当前车厢内物料质量和重心坐标；以上结果、铲斗中物料质量、卸料位置为输入，卸料后物料分布状态为输出，训练BP神经网络；利用BP神经网络预测下一时刻物料堆积状态。本发明结合卷积神经网络研究，实现无损、无接触预测。所涉及设备保护装置用于防止因天气、灰尘、车辆行驶晃动导致设备损坏。

摘要： 本发明公开了一种钢铸界面钢液温降在线预测系统及其预测方法，包括钢包管理信息系统、钢液温降计算模型和在线测温系统，钢液温降计算模型与在线测温系统之间相结合并进行耦合式计算，从而实现实时预测所有钢包钢液的温降情况；所述钢包管理信息系统包括钢板烘烤系统、钢包计划管理和钢包状态系统；所述在线测温系统包括设于钢包内衬的热电偶传感器、温度采集单元、主控单元和钢包测温数据库单元，热电偶传感器与温度采集单元的接收端相连，温度采集单元的发射端与钢包测温数据库单元的接收端相连。本发明解决了传统出钢温度制定存在各工序温降的刚性叠加而导致出钢温度偏高、计算模型校正数据局限性的问题。