Online MW-MSPCA data-driven fault diagnosis

To track the non-stationary dynamics of the process which contains time-varying and multi-scale data, an online moving window multi-scale principal component analysis（MW-MSPCA） data-driven-based fault diagnosis method is proposed. In this data-driven diagnosis technique, wavelet threshold denoising is used to solve the conflict between the statistical model deviation and data correlation decreasing. The statistical models are updated by using moving window principal component analysis in various scales. The contribution of individual process variable to the process behavior change is illustrated in a 3-dimensional contribution chart. A quantitative evaluation mechanism is also given to evaluate the diagonising accuracy. The numerical experimental results for 6135D diesel demonstrate that the proposed method can diagnose sensor fault better in terms of false rejection, false alarm and diagnosing accuracy for fault diagnosis upon comparing with conventional multi-scale principal component analysis（MSPCA） and adaptive multi-way principal component analysis（AMPCA） modeling.     

基于ArcGIS数据驱动页面与Python脚本语言的专题图批量出图技术研究

针对目前ArcGIS数据驱动页面批量出图格式单一,无法完全满足实际的定制需要等问题,利用ArcGIS中的Python脚本语言中的ArcPy库结合数据驱动页面以生成MXD文档(ArcMap地图文档)的方式,实现了专题图的批量自动化处理,其优势在于能够提供自带坐标信息的JPG、PDF等多种格式的专题图导出,并能根据定制需要灵活设计,文中介绍了该研究方法技术流程和ArcPy.mapping工具,以及批量出图的代码实现和操作流程。     

数字孪生系统在农业生产中的应用探讨

数字孪生技术与农业的深度融合将为农业数字化转型升级提供新动能。农业数字孪生系统基于农业生产系统所产生的数据流，通过实时态势感知、超实时虚拟推演和全程交互反馈，有效实现对作物生产系统的智慧管控。系统分析了作物生产系统及其认知方法的发展历程，明确了农业数字孪生系统产生的背景、概念、内涵、基本组成及其技术优势，提出我国农业数字孪生系统的应用方向和发展路径，为推进我国作物生产智能化提供参考。     

基于数据驱动的森林资源MIS开发方法研究

根据我国森林资源的特点,通过对森林资源管理信息系统进行抽象,提出四层模型.在元操作的基础上,实现森林资源管理信息系统功能的灵活性,在增加模型的基础上,实现森林资源管理信息系统开发的快速性.通过四层模型实现的森林资源管理信息系统,可以提高系统的灵活性和适应性,当发生需求变化时,可快速对系统进行调整,使其适应新的需求.     

Data-SSI与图论聚类结合识别果树固有频率

果树的固有频率是林果振动采收机械设计的重要依据之一。为有效识别果树的固有频率,该研究提出了基于数据驱动随机子空间Data-SSI（Data-driven Stochastic Subspace Identification）法与图论聚类稳定图相结合、仅以果树的输出响应信号对果树进行固有频率识别的方法,以尽量减少人为主观因素的影响。将该方法用于一棵室内小型银杏树和一棵室外较大银杏树固有频率的识别并与冲击力锤频谱测试结果进行对比分析。结果表明,室内小型果树在随机激励下本文方法识别结果与频谱试验结果相对误差小于4.17%;室外大型果树在环境激励下所提方法识别结果与频谱试验结果平均相对误差为2.88%,最大相对误差为6.02%。本文方法对仅基于输出响应信号的果树固有频率识别具有一定可行性,可为果树智能化共振采收时快速准确确定共振频率提供参考。     

Urea-SCR系统尿素喷射数据驱动预测控制研究

为了同时实现较高的NOx转化效率和较低的NH3逃逸量这一矛盾的排放控制需求,基于数据驱动预测控制技术设计了一款urea-SCR系统尿素喷射控制器。数据来自某型号柴油机台架ETC瞬态循环测试试验,控制器直接由四输入及两输出(预测输出和约束输出)耦合激励再分离得出。基于系统的实际物理特性,在控制问题描述中明确考虑了输入输出量的时域约束。考虑到相对参考无偏的控制需求,预测方程采用增量型。台架测试表明,激励工况下,控制器能够满足优化问题提出的排放控制目标;非激励瞬态工况下,对于工况变化不确定性引起的干扰,控制器具有较好的鲁棒性。     

基于灰色关联法的月降雨量预测

【目的】提高降雨量预测精度,为农业、水利等相关部门提供决策依据。【方法】鉴于月降雨量时间序列具有显著的多尺度特征,开展了数据驱动下基于模型融合的月降雨量预测研究,应用灰色EGM(1,1)模型和自适应模糊神经网络系统(ANFIS)分别预测了年尺度与月尺度下的月降雨量,采用灰色关联法将2个预测结果进行数据融合。利用澳大利亚维多利亚8个站点降雨数据验证所提出方法,并将预测结果进行了与单一灰色EGM(1,1)、ANFIS、人工神经网络(ANN)、自回归积分滑动平均模型(ARIMA)与聚类回归法(CLR)模型预测结果对比。【结果】模型融合预测结果精度高于单一EGM(1,1)、ANFIS、ANN及ARIMA模型预测结果,并在8个站点中的5个取得了最佳预测效果,其中中部地区(Ballarat和Cape Otway站点)及东部地区(Dookie,Wangaratta和Orbost站)预测均方根误差为28.2～37.2 mm,西部地区(Dimboola,Edenhope和Dunkeld站点)预测均方根误差为20.8～23.4 mm。【结论】所提出的模型融合预测法可行,为月降雨量预测提供了新思路。