首页期刊导航|计算机仿真
期刊信息/Journal information
计算机仿真
计算机仿真

吴连伟

月刊

1006-9348

kwcoltd@public.bta.net.cn jsjfz@compusimu.com

010-68767186

100037

北京海淀阜成路14号

计算机仿真/Journal Computer SimulationCSCD北大核心CSTPCD
查看更多>>本刊旨在促进我国仿真技术交流和发展，既总结过去、探索基础理论，又跟踪发展前沿，重点报导仿真应用成果。现已是中国科技论文核心期刊。于2003年被《中国科学文献计量评价研究中心》评为优秀期刊。同时被选入中国学术期刊（光盘版）文献检索系统、中国科学引文数据库、中国核心期刊数据库。现已成为仿真技术领域中优秀期刊。
正式出版
收录年代

    塔式起重机负载能量耦合下消摆控制方法仿真

    商国旭李航王勋朱晓杰...
    446-449,511页
    查看更多>>摘要：由于塔式起重机的启动和制动过程对吊绳影响较大,致使吊钩上负载发生一定的摆动,无法快速将负载运送到目标位置,降低了工作效率.现提出一种负载能量耦合下的塔式起重机消摆控制方法.构建塔式起重机结构图,对其分析后得到动力学模型和其对应能量函数;加强壁架小车与负载间的能量耦合,求导能量函数;计算吊钩负载与目标位置间的误差信号,选取另外5 种不同的误差信号,将求导后的能量函数与误差信号结合起来,得到控制塔式起重机旋转的驱动力,在加入一定控制增益后,实现塔式起重机消摆控制.对所提控制方法展开性能实验测试,结果表明,所提控制方法可在最短的时间内,完成精度最高、效果最好、最稳定的消摆控制,使吊钩负载可以稳定的运送到目标位置.

    负载能量耦合塔式起重机消摆控制动力学模型控制增益能量函数

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    匿名大数据访问风险精准监测与仿真

    陈云云刘永山
    450-454页
    查看更多>>摘要：大数据已经成为一种经济资产,其包含大量的信息数据,服务器一旦遭到侵袭,就可能导致大量用户私人信息泄露.为实现大数据的安全共享与利用,提出基于深度对抗学习的匿名大数据访问风险监测研究.从主体、客体和环境三方面分析访问风险因素,主要包括访问时间、权限、数据敏感性、网络延时等因素;利用生成器和判别器生成深度对抗学习网络,将风险因素相关数据作为网络输入,提取风险特征;利用信息熵算法计算风险值,设定风险阈值,建立判别函数,利用该函数即可实现匿名大数据访问风险监测.实验结果表明,所提方法具备较强的特征学习能力,避免了监测过程中系统吞吐量过高,且监测结果准确.

    深度对抗学习匿名大数据访问风险监测信息熵算法判别函数

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于深度卷积神经网络的齿轮箱健康状态识别

    董洋王琳张驰赵群...
    455-459页
    查看更多>>摘要：齿轮箱为许多机械设备的重要传动部件,其健康运行状态识别对于设备稳定运行、安全运转等具有非常重要的意义.为准确地评价齿轮箱的健康状态,提出一种基于深度卷积神经网络的齿轮箱健康状态识别方法.本文首先采用变分模态分解(Variational Mode Decomposition,VMD)与小波阈值(Wavelet Threshold,WT)结合的方式对采集的齿轮箱振动信号进行降噪.其次,对降噪后的信号进行线性及非线性特征提取.最后,采用深度卷积神经网络(Deep Convolutional Neural Network,DCNN)建立齿轮箱的健康状态识别模型.实验结果表明,所提方法对齿轮箱健康状态的正确识别率达到 97.5%以上.

    齿轮箱变分模态分解深度卷积神经网络健康识别

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于BayesShrink阈值估计的混合属性数据聚类优化仿真

    董华松连远锋
    460-464页
    查看更多>>摘要：与单一属性数据不同,混合属性数据通常存在尺度不一致的特点,为了可以得到准确率更高的混合属性聚类结果,提出一种基于k最近邻的混合属性聚类算法.采用高频系数滑动窗口准确估计含有噪声的混合属性数据噪声方差,通过BayesShrink阈值估计算法得到最佳阈值,对混合属性数据展开去噪.采用k最近邻方法展开数据聚类,在去噪后的数据样本贡献度中加入特征权重,并计算融入贡献度后的特征权重欧几里得距离,距离越近,说明数据属于同一类别的概率就越大,对全部样本特征展开加权处理后,构建混合属性聚类模型,利用粒子群算法对模型展开寻优,获取最优加权特征向量,实现混合属性数据聚类.仿真结果表明,所提算法可以有效提升混合属性聚类结果的精度和聚类效率.

    混合属性数据阈值估计算法粒子群算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    绿色装配式建筑能耗异常数据可靠修正方法

    刁璇倪小磊郭正兴
    465-469页
    查看更多>>摘要：由于绿色装配式建筑受环境变化、设备故障等因素影响,使得能耗数据存在较多噪声,无法准确定位异常数据,导致对其修正难度较大.为了有效解决能耗数据存在异常和缺失等问题,提出一种绿色装配式建筑能耗异常数据快速修正方法.结合小波阈值去噪方法和卡尔曼滤波方法,去噪处理绿色装配式建筑能耗数据.利用基于密度的空间聚类算法(Spatial-Augmented Density-Based Spatial Clustering of Applications with Noise,SA-DBSCAN)算法,检测绿色装配式建筑能耗异常数据,引入反向传播(Backpropagation,BP)神经网络对其修正.经过大量仿真分析表明,所提方法可以准确检测绿色装配式建筑能耗异常数据,且修正精度较高,误报率仅为 0.15%、检测率高达98.09%,修正仅耗时12.8ms,可以为绿色装配式建筑能耗数据的可靠性和完整性提供有效支持.

    绿色装配式建筑能耗异常数据快速修正

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于TS-BiLSTM的电商平台评论质量分类模型

    高茂娇张顺香
    470-475页
    查看更多>>摘要：评论质量分类可用于筛选出高质量的评论,广泛应用在电子商务等多个领域.高质量的评论能够有效为商家和消费者提供产品选择的判断依据.但由于电商平台用户评论具有交错性和分散性的特点,特征提取过程较为复杂,传统的评论质量分类普遍采用机器学习的方法,分类的准确率不高.针对以上问题,提出一种基于 TS-BiLSTM(TinyBERT Self-Attention BiLSTM)的电商平台评论质量分类模型.首先用TinyBERT对评论文本进行预处理,构建词向量;然后利用双向长短期记忆网络对输入的词向量进行特征提取,并使用自注意力机制对提取到的特征向量进行加权计算;最后利用全连接与Softmax对加权后的特征向量进行分类,得到分类结果.实验结果表明,所使用的模型能有效提高电商平台评论文本质量分类的准确度.

    评论质量电子商务双向长短期记忆网络自注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于ACMD和相空间重构的转子不平衡故障诊断

    高扬帆王乾王新
    476-482页
    查看更多>>摘要：针对转子系统发生频率较高的不平衡故障,提出了一种基于自适应调频模式分解(Adaptive Chirp Mode Decomposition,ACMD)和相空间重构技术相结合的故障诊断方法.首先,通过ACMD将不平衡故障信号分解成若干个分量,使用相关系数进行模式选取;其次,对筛选出的最相关模式进行三维相空间重构(3-dimensional phase space reconstruction,3D-PSR)特征的提取;然后,基于修正后的k-NN分类方法(基于最小欧式距离)原则实现对转子系统不平衡故障的诊断.最后,在转子系统故障试验台上进行实验验证,和已有方法相比,提出的方法可以更有效提取出不平衡故障特征,并且能在样本较小情况下具有更高的准确率.

    不平衡故障自适应调频模式分解相空间重构最小欧式距离

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于PCA的大数据降维应用

    郭尚志廖晓峰李刚唐玉玲...
    483-486页
    查看更多>>摘要：随着互联网和信息技术的飞速发展,数据源的广泛性和复杂性给获取信息准确性带来了巨大的挑战.采用合适的降维算法可以把这些海量数据从高维降低到可以接受的范围、且不失去原数据表达的含义,而计算量大大降低,更容易理解.PCA(principal component analysis)即主成份分析作为数据降维的重要算法之一,利用正交变换,把一组相关的变量转化为一组线性不相关的变量,通常这种变换会减少变量个数,计算各成份在表达数据的贡献度,选取排列最前的贡献最高的几个特征即可表达整个数据集.实验表明,主成份从多维降至二维即可表达整个数据集,在精度可控的范围内使计算量大大降低.

    大数据降维降维可视化人工智能智能推荐人工智能与智能制造

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于时空深度学习模型的PM2.5预测

    胡克勇公雪瑶刘国晓王续澎...
    487-494页
    查看更多>>摘要：伴随着快速城市化进程,空气污染尤其是PM2.5严重影响着人们的身体健康,精准的空气质量预测能够为空气污染防治以及政府决策提供有力支撑.针对当前空气质量预测研究中存在的问题,包括缺失数据填充,时空特征信息提取等,提出一种基于三维卷积神经网络和长短时记忆神经网络构建的时空混合深度学习模型C3D-LSTM.模型通过三维卷积模块对时空维度上的特征信息进行联合提取,并利用长短时记忆网络学习长时间序列数据的能力,预测目标站点的PM2.5的浓度.基于北京市 22 个站点的真实数据集进行实验,结果表明,所提模型在平均绝对误差、均方误差和拟合系数三种指标方面均优于其它基准空气质量预测模型.

    空气质量预测卷积神经网络循环神经网络深度学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    融合TF-IDF算法和预训练模型的文本数据增强

    胡荣笙车文刚张龙戴庞达...
    495-500页
    查看更多>>摘要：针对自然语言处理领域的数据增强问题,首次提出了一种基于TF-IDF算法和预训练语言模型BERT融合的文本数据增强方法.首先,改进传统的基于随机策略的词元选择方法,避免对语义起到关键作用的词元进行改写,利用TF-IDF算法提取样本的非核心词,得到替换的目标词元;之后针对现有算法在生成新数据时,依赖输入样本而导致的增强样本多样化受限问题,融合BERT模型预测目标替换词元,并使用预测的结果替换目标词元.实验结果表明,基于TF-IDF和BERT预训练模型融合的文本数据增强算法有效提升深度学习模型的性能达 5.8%,优于现有的文本数据增强算法.

    自然语言处理深度学习文本数据增强预训练语言模型

      原文链接:
    • NETL
    • NSTL
    • 万方数据