本文基于从SCADA系统收集的数据,提出了一种新颖灵活的故障预测解决方案。基于数据驱动方法提供两种不同级别的故障预测:(a)通用故障/状态预测和(b)特定故障类预测,通过基于无监督聚类算法和模式识别神经网络的两种基于机器学习的模块实现分别是网络。模型已经在六个光伏(PV)工厂的公园进行了评估,该工厂的功率高达10兆瓦,而且还有三个不同技术品牌的一百个逆变器模块。结果表明,所提出的方法在以下方面是有效的:(a)提前7天预测受试者一般性故障,灵敏度高达95%;(b)预测特定故障类别的损坏,时间从几小时到7天不等。该模型可轻松部署,用于在新的光伏电站和技术上进行在线监测,只需要提供历史SCADA和故障数据,故障分类和逆变器电气数据表。关键词:数据挖掘,故障预测,逆变模块,KeyPerformance指标,丢失生产
translated by 谷歌翻译
压缩是计算机科学中的一个重要主题,它允许我们在数据存储上存储更多数据。有几个techniquesto压缩任何文件。在本文中将描述压缩JPEG等图像的最重要的算法,并将其与另一种方法进行比较,以找出在图像上不使用此方法的充分理由。因此,为了比较文本,已知的最多编码技术是霍夫曼编码,它将以详尽的方式解释。在这篇手稿中将展示如何在图像上计算文本压缩方法,特别是如何选择相对于另一个的确定图像格式的方法和原因。在该手稿中研究和分析的方法是重新配对算法,其对于语法上下文来说是压缩的。在,并将显示该应用程序的良好结果。
translated by 谷歌翻译
将无人驾驶飞行器的航空测量能力与农业无人地面车辆的目标干预能力相结合,可以显着提高应用精密农业的机器人系统的有效性。在这种情况下,建立和更新该领域的共同地图是一项重要但具有挑战性的任务。使用不同类型的机器人构建的地图显示尺寸,分辨率和比例的差异,相关的地理位置数据可能是不准确和有偏见的,而在农业环境中发现的经典地图合并技术中的视觉外观和几何结构的重复性是无效的。在本文中,我们提出了AgriColMap,这是一种新颖的地图注册管道,它利用基于网格的多模态环境表示,包括植被索引图和数字表面模型。我们将来自无人机和UGV的地图之间的数据关联问题转换为多模态,大位移密集光流估计。使用投票方案选择的主要的相干流被用作点对点对应,以推断地图之间的初步非严格对齐。然后通过利用已注册地图的非常有意义的部分来执行最终细化。我们使用具有不同作物种类的3个视野的真实世界数据来评估我们的系统。结果表明,我们的方法在很大程度上优于几种最先进的地图配准技术,对大的初始失调具有较高的容忍度。我们在本文中发布了所提出方法的实现以及获取的数据集。
translated by 谷歌翻译
智能手机等个人电子设备可以访问各种行为信号,可用于了解个人的特征和偏好。在这项研究中,我们探讨了7,633人的群体和心理属性与数字记录之间的联系,这些人群在性别,年龄,地理分布,教育和收入方面与美国人口密切相关。我们根据道德基础和基本人类价值理论收集了经过验证的心理测量问卷的自我报告评估,并将此信息与来自网络浏览行为,智能手机使用和人口统计数据的被动收集的多模态数字数据相结合。然后,我们设计了一个机器学习框架,用于从行为数据中推断人口统计和心理属性。在交叉验证的环境中,我们的模型被发现具有良好准确性的人口统计学特征(加权AUC得分为性别为0.90,年龄为0.71,种族为0.74)。我们对道德基金会属性(0.66)和人类价值属性(0.60)的加权AUC得分表明,对复杂心理测量属性的准确预测更具挑战性,但也是可行的。这种联系可能对设计个性化服务,沟通策略和干预措施有用,并可用于描绘具有类似世界观的人的肖像。
translated by 谷歌翻译