基于混沌相空间重构的数控机床运动精度预测

针对难以通过数学建模方法分析数控机床运动精度演化规律的问题,提出了基于混沌相空间重构理论的数控机床运动精度非线性演化预测方法。采用平均互信息法计算延迟时间,以虚假最近邻点法计算最小嵌入维数,对数控机床运动精度的一维时间序列进行相空间重构,获得与原系统拓扑同构的状态空间。基于混沌系统内在的规律性和有序性,用相点轨迹描述运动精度在相空间中的演化规律,以相点的多维分量构成输入向量,以运动精度预测值为输出向量,构造了基于RBF神经网络的非线性预测模型。引入了量子粒子群方法对预测模型参数进行优化,得到RBF预测网络的中心点、宽度及连接权值的全局最优值,采用优化后的模型对数控机床运动精度演化趋势进行了预测。实验结果表明,基于混沌相空间重构的预测模型,可以很好地追踪数控机床运动精度的演变趋势和规律,有较高的预测精度。     

基于联合时序的混沌时用水量短期预测调度

针对给水优化调度的时用水量高精度短期预测难题,提出一种基于横向分时段和纵向残差修正的联合时序短期混沌预测方法.经模式识别获得关联度高的横向时序为研究样本,重构横向分时段相空间并分析典型时段流量数据的混沌特性,建立混沌预测模型,以在线最小二乘支持向量机作为混沌预测工具得出各时段用水流量;为了能动态跟踪用水突变,实时采集纵向数据序列做残差计算,进而用灰色模型进行残差预测修正以提高预测精度.依据杭州市萧山某大用户时用水量实例,对一段时间的正常用水和突变用水做连续24 h短期混沌预测,在不同方法下的时用水量预测精度作深入对比研究.仿真结果表明：该预测方法对这一类混沌时序短期预测具有良好的计算精度,能很好反映各典型用水日的特点和实时用水变化情况,预测效果明显优于其他预测方法,更易满足供水优化调度的需求.     

径流混沌网络模型及其在长江三峡预测研究中的应用

流域径流受诸多因素影响,变化复杂,仅凭观测站统计数据难以发现其演变规律.以混沌理论为基础,将三峡寸滩站月平均径流量时序曲线进行相空间重构,并确定合理饱和关联维数.再与神经网络结合,用多维相空间建立网络学习样本和教师值,参照饱和维数建立网络结构,形成混沌神经网络分析模型,以期发现流域径流模型的变化规律.结果表明,对三峡流域径流数据的混沌网络分解后,能找到其合理的演变规律,对三峡库区水资源的合理开发利用具有实际工程意义.     

径流混沌网络模型及其在长江三峡

流域径流受诸多因素影响，变化复杂，仅凭观测站统计数据难以发现其演变规律。以混沌理论为基础，将三峡寸滩站月平均径流量时序曲线进行相空间重构，并确定合理饱和关联维数，再与神经网络结合，用多维相空间建立网络学习样本和教师值，参照饱和维数建立网络结构，形成混沌神经网络分析模型，以期发现流域径流模型的变化规律。结果表明，对三峡流域径流数据的混沌网络分解后，能找到其合理的演变规律，为三峡库区水资源的合理开发利用具有实际工程意义。     

基于混沌表示和特征注意力机制的机床两轴动态误差预测

针对传统方法难以揭示机床多轴插补动态误差的序列产生机制，各时间维度上的误差时序特征存在相互关联的问题，提出一种融合混沌表示(Chaotic representation, CR)和特征注意力机制(Feature attention mechanism, FA)的级联动态误差预测模型。首先，在证明多元动态误差时变演化具有混沌特性的基础上，对其进行相空间重构，将动态误差参数时间序列背后隐藏的信息在相空间中进行表达。然后，融合特征注意力机制在时间维度上动态分配相点特征权重的同时降低高维演化相空间信息冗余，进一步重塑原系统的动力学状态向量空间。最后，考虑到混沌时变演化具有长程相关性，采用双向长短期记忆(Bi-directional long short-term memory, Bi-LSTM)网络模型逼近混沌相空间内的动力学特性，实现动态误差混沌时间序列信息的有效预测。通过XK-L540型数控铣床实测数据的算例表明，相较于CRFA-LSTM模型，以及单一级联模型CR-Bi-LSTM、FA-Bi-LSTM,本文算法的均方根误差分别降低约35%、16%和43%。     

不同时间尺度吉林市地下水位混沌特性与空间分布

0-1测试方法是一种可直接作用于时间序列的二元混沌识别方法,该方法不需要相空间重构,是通过量化指标Kc是否接近于0或1来识别时间序列的混沌特性。通过对Chebyshev映射进行混沌检验,验证了其有效性。运用该方法对吉林市83眼监测井2001—2010年不同时间尺度(5、10、15和30 d)地下水埋深监测序列进行了混沌识别,并进行了混沌程度比较和空间分布研究。结果表明:吉林市不同时间尺度地下水埋深序列均表现出混沌特性。同时,均方位移随时间的渐进增长率K的空间插值结果具有明显的分区特征,即吉林市北部和南部为高值区,城区为相对低值区,并且随着时间尺度的增大,城区K值的相对低值区范围增大。研究表明,0-1混沌测试方法简单有效,并且具有反映数据序列混沌程度的特性。     

基于多元混沌时间序列的数控机床运动精度预测

为了解决有限长度且含有噪声时的单元精度时间序列相空间重构中的信息丢失问题,提出了基于多元混沌时间序列的数控机床运动精度预测方法。首先,引入多元相空间技术,将多个精度特征量时间序列映射到高维相空间,建立多元精度状态空间。然后采用主成分分析法,对高维相空间实现降维,去除冗余。最后,构建一种小波神经网络模型,将重构信息输入到预测模型中训练,实现对数控机床运动精度的预测。实验表明,该方法能够很好地分析数控机床运动精度变化规律,比单元混沌时间序列方法有更好的预测效果,且适应性和实用性更强。     

甘肃省农用大中型拖拉机需求量预测模型及时效分析

甘肃省农用大中型拖拉机受国家政策导向、经济效益驱动、市场需求等多种因素的影响,其需求量是一个复杂的非线性系统。本文将混沌动力系统相空间重构理论与神经网络理论相结合,提出了一种相空间重构与神经网络相融合的预测模型,采用1981～2008年之间甘肃省农用大中型拖拉机需求量实测数据,研究了该需求量系统关联维数的确定和柯尔莫哥洛夫熵的计算,结果表明,基于神经网络与混沌理论的甘肃省大中型拖拉机需求量的准确预测时效是4年,影响需求量的因素有1～5个。     

考虑混沌成分的混凝土坝混合-混沌预测模型

混凝土坝表现出复杂的非线性动力学特性。考虑混沌成分对测值序列整体数值特征的影响,是提高混凝土坝位移监控模型拟合和预测精度的关键问题之一。在对混凝土坝监测资料混沌分析的基础上,基于混凝土坝系统演化过程中的非线性动力学特性,组合应用最大Lyapunov指数、相空间重构等数值分析手段,探讨了考虑混沌成分的混凝土坝混合-混沌预测模型构建原理与算法。该模型重点依据的是最近一次位移突变后的监测资料,考虑的是突变后形成的相对稳定的混凝土坝动力系统特性,实例证明该模型对混凝土坝位移的实时监测和预警都有重要意义。     

对南方大中型灌区灌溉用水量的几点认识与思考

分析了灌区灌溉用水量的定义与特性,探讨了南方多水源型灌区的基本情况和运行管理特点,根据该领域研究现状,提出了南方多水源型灌区灌溉用水量的发展展望。     

基于混沌-分形理论的往复式活塞隔膜泵磨损故障分

针对往复式活塞隔膜泵磨损故障,采用混沌理论和分形技术,对隔膜泵不同连接处磨损时的系统非线性表现形式加以研究.通过对不同故障类型振动信号的分析,绘制了相应的庞加莱截面图,并计算了各种磨损故障的最大李雅普诺夫指数和关联维数.研究表明当没有磨损故障时,系统为准周期态;而隔膜泵的各种磨损故障信号呈现混沌性态,且不同故障状态的最大李雅普诺夫指数和关联维数有着较大的差别,可以用作其状态监测和故障诊断的特征参数.     

不同流量工况灯泡贯流泵压力脉动混沌特性

灯泡贯流泵机组振动来源十分复杂,为了分析机组振动规律,从流场压力脉动出发,分析其混沌特性,从而指出贯流泵站机组振动特征源自流场压力脉动特性的影响.为了研究不同工况下灯泡贯流泵压力脉动混沌特性,在贯流泵机组叶轮导叶、灯泡体壁面和流道内部设置压力脉动监测点,通过相空间重构、最大Lyapunov指数、相轨迹图、分形标度、关联维数分析各工况下各个监测点压力脉动信号混沌特性.结果表明：泵机组内部特定位置压力脉动信号最大Lyapunov指数大于0,信号具有混沌特性;3种流量工况下,叶轮进口处监测点压力脉动信号关联维数为2.00～2.50,叶轮出口处为1.80～2.00,导叶出口处为1.20～1.50,流道内普遍大于2.00,不同流量下关联维数亦有差异,可以通过关联维数判断泵机组是否有偏工况运行以及是否存在异常水力脉动的情况,研究结论可为泵站防治异常水力振动提供参考.     

喷灌条件下灌水量对建植初期紫花苜蓿产量与品质的影响

通过圆形喷灌机条件下的大田试验,研究了华北地区紫花苜蓿需水规律以及灌水量对苜蓿产量与品质的影响。结果表明:建植1年刈割4次的苜蓿,年需水量为663.39mm,平均日需水强度为3.6mm/d,需水量最大时期为第二、三茬。灌水量对全年产量影响不显著,其中85%ETc处理下年产量最高。在第一、四茬中,灌水量对产量影响不显著,85%ETc处理下获得最高产量;第二、三茬中,随灌水量增加产量逐渐增加,适当减少灌水(85%ETc)不会使产量明显减少,而灌水量减少至70%ETc时产量下降明显。同时,结果表明随着灌水量增加灌溉水分利用效率(IWUE)逐渐降低,且灌水量对各茬苜蓿品质均无显著性影响。综合考虑产量、品质与节水效果,建议采用85%ETc作为最优灌水量。     

井灌水稻需水量预测的人工神经网络模型研究

应用人工神经网络技术 (BP ANN) ,考虑各个气象因子 (气温、日照、饱和差、风速等 )的影响 ,同时处理水稻需水量及其影响因子时间序列 ,通过多维数据相关分析 ,确定网络拓扑结构 ,建立了水稻需水量的人工神经网络模型。解决了需水量序列内部及其外部诸多影响因素之间的不确定关系 ,预测精度较高 ,为制定合理的节水灌溉制度提供依据     

关于提高作物水分生产率与建立作物生态需水区划问题的探讨

作物光合作用对土壤水分有明显的阈值反应。通过土壤水分预报,控制土壤水分较长期处在略多于阈值的范围,有利于提高作物水分生产率。大定额的蓄水灌溉有利于创造下湿上干的土壤水分剖面,可减少土壤蒸发,提高水分有效利用率。 根据作物需水与年内得到降雨的补偿程度进行作物种值区划,称之为作物生态需水区划。根据这一区划进行作物布局,有利于灌溉节水。 根据作物生态需水区划,华北地区可分为四个地带:①双季作物需水补偿带;②双季作物需水基本补偿带;③一季作物需水补偿带;④一季作物需水基本补偿带。     

自适应变频调速棉田灌溉系统设计与仿真

新疆是全国最大的优质商品棉生产基地,灌溉在棉花生产中占据着极其重要的地位。目前,兵团多地传统的变频调速系统大多采用经典的PID控制或模糊控制,适应性不强、控制精度较低,且参数整定、调试麻烦。为此,基于模型参考自适应理论提出了一种变频恒压调速系统的控制方法,根据变频调速系统的结构(包括PLC、变频器、电动机、水泵、流量计等),建立了该系统的数学模型,详细论述了采用李雅普诺夫稳定性理论实现模型参考自适应控制的过程,并求解自适应控制器和相应的控制率。最后,利用MatLab/Simulink软件对模型参考自适应控制下的系统进行仿真分析,并与经典PID控制系统进行对比分析,结果表明:控制对象输出信号yp能够很好地对参考模型信号yr进行跟踪,并具有更好的响应速度、运动精度及抗干扰能力。     

拉开档次的递阶综合评价方法在灌区评价中的应用

为解决灌区综合评价时多个灌区综合评价值接近或一致而难以区分的问题,运用拉开档次的递阶综合评价方法对灌区节水改造项目进行综合评价。并以陕西省关中地区4个灌区为例进行了评估。应用结果表明,拉开档次的递阶综合评价方法不仅可以对多个灌区节水改造项目总体目标实施情况拉开档次进行区分评价,也可以对不同灌区各分层目标实施情况拉开档次...     

基于BP神经网络与GIS可视化的作物需水量预测

作物需水量是农田水利工程规划、设计与灌溉用水管理的重要参数。基于BP神经网络与GIS可视化作物需水量预测,以河南省冬小麦的作物需水量为例,利用实测站点的地理坐标以及高程,通过BP神经网络对分析数据进行加密插值,并采用GIS里的协克里金法结合高程作为一个协变量进行作物需水量的空间插值,实现GIS可视化,从而得到准确度较高的作物需水量空间分布图。结果表明,该方法对于河南省冬小麦作物需水量预测具有较好的预测精度,方法有一定的参考价值。     

膜下滴灌技术在雨水集蓄利用工程中的研究

在黄土高原半干旱丘陵沟壑区,修建集雨蓄水工程并结合滴灌、覆膜坐水等措施,对作物进行补充灌溉,以期适应年内降雨时空分配极为不均,水分供需严重错位的现状。旨在改善土壤蒸发强度、土壤温度和降雨空间分配,提高灌水效率和水分利用效率,最终达到稳产高产的目的。通过2006年的田间试验研究,结果表明:集雨滴灌3次的增产量为2353.61~3845.62 kg/hm2,增产效果为44.07%~72.01%。在同样的补灌水量及灌水次数情况下,把灌浆期增加的灌水定额转移到拔节期更有利于提高玉米增产效果和集雨滴灌效率,将灌浆期多补灌7.5 mm的水量调配给拔节期,使得补灌效率增加2.05 kg/m3,将同样的水量由灌浆期转移给拔节期后,使得增产效果和补灌效率都有不同程度的提高,增产效果提高12.93%~21.89%,补灌效率提高3.41~4.21 kg/m3。     

pp模型在甘南县节水灌溉模式优

针对甘南县节水灌溉模式决策问题，采用高维降维技术——投影寻踪分类模型（PPC），利用基于实数编码的加速遗传算法（RAGA）优化其投影方向，将多维数据指标（样本评价指标）转换到低维子空间，根据投影函数值的大小评价出样本的优劣，从而做出决策，最大限度地避免了模糊综合评判中权重矩阵取值的人为干扰，取得了满意的效果，为节水灌溉模式决策及其它评判决策问题提供一条新的方法与思路。