670
浏览能源动力学硕士研究生论文范文提纲框架---数据驱动的能源动力装备服役质量状态综合评估技术研究
摘要:伴随制造业新一轮的科技革命与产业变革,我国作为制造业大国正面临更深层次的产业结构调整与升级,能源动力装备的安全性至关重要。作为典型的复杂系统,能源动力装备系统存在缺乏先验知识、单因素无法全面反映其运行状态的问题,不仅涉及经济效益还关乎社会安全。能源动力装备系统与复杂网络有天然联系,复杂网络的社团检测能简化分析能源动力装备系统运行网络,进而对其服役质量状态进行综合评估。复杂网络的社团检测主要包括静态和动态社团检测,目前对于工业制造领域的加权重叠社团检测研究还很少。复杂网络在复杂机电系统的动力学特性研究方面已经有了一定进展,但大多是理论分析和初步应用,仍需要进一步研究。因此研究数据驱动的能源动力装备服役质量状态综合评估技术具有重要的理论及应用价值。本文在国家2017年重点研发计划指导下,提出了以复杂网络的社团检测技术进行综合评估能源动力装备系统服役质量状态的具体思想,并对涉及的相关关键技术进行了进一步研究。本文首先综述了课题的研究背景和实际价值,其次围绕如何实现能源动力装备系统这一复杂网络的社团检测相关关键技术,本文在以下几个方面进行了带有创新价值的研究:(1)针对当前静态社团检测算法的不稳定、存在分辨率限制和无法检测重叠结构问题,提出了加权网络的重叠社团检测方法。(2)针对当前动态社团检测方法对于社团变化较大、较频繁无法准确检测的问题,提出了一种面向动态网络的增量算法框架。(3)研究了能源动力装备系统运行网络的预处理、构建和社团检测技术,最后使用python语言编程实现了能源动力装备系统运行网络社团检测方法,建立了能源动力装备系统状态综合评估指标,并验证了本课题的研究成果的具体应用效果。图18幅,表10个,参考文献68篇
关键词:加权复杂网络;重叠社团检测;节点重要度;增量;能源动力装备网络;
摘要
abstract
1 绪论
1.1 研究背景
1.1.1 课题研究的紧迫性
1.1.2 课题研究的复杂性
1.1.3 能源动力装备服役质量状态评估现状
1.1.4 课题研究的重要性
1.2 国内外主要研究现状
1.2.1 复杂网络在复杂机电系统研究中的应用
1.2.2 静态社团检测算法
1.2.3 动态社团检测算法
1.3 研究内容
1.3.1 加权重叠静态社团检测DBGLLJ算法
1.3.2 增量动态社团检测算法
1.3.3 数据驱动的能源动力装备服役质量状态综合评估方法
1.4 论文结构
2 社团检测相关理论和定义
2.1 社团结构
2.2 节点重要度
2.2.1 局部信息重要度指标
2.2.2 全局信息重要度指标
2.3 节点相似度
2.3.1 局部相似度
2.3.2 全局相似度
2.4 社团检测评价指标
2.4.1 模块度
2.4.2 扩展模块度
2.4.3 NMI值
2.5 社团检测常用检验网络
2.5.1 人工网络
2.5.2 真实网络
2.6 小结
3 基于节点相似性的BGLL重叠社团检测算法
3.1 BGLL社团检测算法
3.2 模块密度介绍
3.3 加权节点重要度评价指标
3.3.1 加权节点度
3.3.2 聚集系数
3.3.3 基于加权节点度和聚集系数的节点重要度参数
3.4 加权节点相似性衡量指标
3.4.1 Jaccard系数
3.4.2 基于Jaccard系数改进的加权节点相似性
3.5 加权重叠静态社团检测DBGLLJ算法
3.5.1 静态初始网络输入
3.5.2 加权重叠静态社团检测DBGLLJ
3.5.3 DBGLLJ算法总结
3.6 实验与分析
3.6.1 实验环境
3.6.2 评价指标
3.6.3 DBGLLJ在人工合成网络数据集上的实验
3.6.4 DBGLLJ在真实网络数据集上的实验
3.7 小结
4 基于增量的动态社团检测EICWN算法
4.1 社团关键结构提取
4.2 增量节点分析
4.3 动态社团检测算法
4.3.1 动态网络输入
4.3.2 社团演化过程的确定
4.3.3 动态社团检测
4.3.4 EICWN算法总结
4.4 算法实验及结果评价
4.4.1 实验环境
4.4.2 评价指标
4.4.3 算法在仿真数据集上的实验
4.4.4 算法在真实网络数据集上的实验
4.5 小结
5 能源动力装备服役系统状态综合评估
5.1 数据来源与预处理
5.2 能源动力装备服役系统网络构建
5.3 系统服役状态网络的社团检测
5.3.1 静态网络社团检测
5.3.2 动态网络社团检测
5.4 能源动力装备服役质量状态指标
5.5 小结
6 总结与展望
6.1 全文工作总结
6.2 未来研究展望
参考文献
附录 A
附录 B
致谢
[1]基于节点相似性的LFM社团发现算法[J]. 杨晓波,陈楚湘,王至婉. 复杂系统与复杂性科学. 2017(03)
[2]基于模块度优化的加权复杂网络社团发现算法分析[J]. 杨春明,王玉金. 西南科技大学学报. 2016(04)
[3]基于模块度优化的标签传播社区发现算法[J]. 李磊,倪林. 计算机系统应用. 2016(09)
[4]Complex network theory-based condition recognition of electromechanical system in process industry[J]. WANG RongXi,GAO JianMin,GAO ZhiYong,GAO Xu,JIANG HongQuan. Science China(Technological Sciences). 2016(04)
[5]Analytical and Experimental Study on Complex Compressed Air Pipe Network[J]. GAI Yushou,CAI Maolin,SHI Yan. Chinese Journal of Mechanical Engineering. 2015(05)
[6]基于Bayesian网络与复杂网络理论的特/超高压输电线路状态评估模型[J]. 蒋乐,刘俊勇,魏震波,龚辉,黄媛,李成鑫. 高电压技术. 2015(04)
[7]基于社会特征周期演化的机会移动网络路由转发策略[J]. 黄永锋,董永强,张三峰,吴国新. 通信学报. 2015(03)
[8]一种基于累积法的K分布的参数估计方法[J]. 高貂林,王新宏,彭华. 系统仿真学报. 2014(06)
[9]基于社会网络增量的动态社区组织探测[J]. 郭进时,汤红波,王晓雷. 电子与信息学报. 2013(09)
[10]利用节点效率评估复杂网络功能鲁棒性[J]. 周漩,张凤鸣,周卫平,邹伟,杨帆. 物理学报. 2012(19)