支持向量数据描述法在设备故障诊断中的应用

针对机械故障诊断缺乏故障样本的问题,提出故障诊断单值分类法--支持向量数据描述方法(SVDD).该方法应用于机械故障诊断和状态监测中,只需要正常运行状态的数据信号,而不需要故障数据,就可以建立单值分类器,区分出正常和异常状态.试验以某海水泵为研究对象,采用基于核函数的主元分析作数据前处理,将得到的特征指标输入到SVDD分类器进行训练和测试.结果表明,SVDD分类器能很好的分辨出正常和故障状态,核函数主元分析具有优秀的提取性能.     

基于支持向量机的离心机振动信号采集及分析

为更准确地判断离心机工作状态，使用动态信号采集仪对离心机进行信号采集，并对数据进行预处理。使用支持向量机模型，提取离心机振动信号的时域和时频域信息作为其状态特征，使用主成分分析（PCA）降维技术得到低维、冗余信息较小、对状态信息表达一致的低维特征矩阵。将特征矩阵输入支持向量机进行分类识别，使用时域特征、时频域特征、时域+时频域特征作为输入，识别准确率可达90%。     

基于轻量级卷积神经网络的苹果表面缺陷检测方法

为了解决目前农业信息领域对苹果表面缺陷检测准确率低的问题,提出一种基于轻量级卷积神经网络的苹果表面缺陷检测方法.首先采集苹果缺陷样本图片制作实验数据集用于模型训练和测试;其次在AlexNet网络结构的基础上,引入深度可分离卷积代替原有网络中的标准卷积运算来进行图像特征的提取;最后利用全局平均池化方法代替原有网络中的全连...     

基于支持向量回归的机动车价格指数预测

用R语言构建支持向量回归(SVR)模型进行预测,采用控制变量的方法,改变模型参数(C,L,σ)对数据进行实验,最终得出最优参数组合。应用均方根误差(RMSE)和平均绝对误差(MAE)2个度量标准分析实验结果,发现支持向量回归对机动车价格指数预测精度高,性能良好,适宜对价格指数数据进行预测。     

基于最小二乘支持向量机的我国能源消费计算方法

本文提出利用最小二乘支持向量机方法定量计算能源消费量, 选取了人口数量、 经济增长、 技术水平、 产业结构、 固定投资、 路网密度、 对外开放、 政策影响等作为能源消费的影响因素, 将样本的影响因素数据作为输入量, 将样本的能源消费量数据作为输出量, 利用训练好的最小二乘支持向量机模型作为能源消费量定量计算的有效工具。 研究结果表明： 基于最小二乘支持向量机模型的计算结果与样本值拟合精度较高, 能较好且客观地反映各控制因素对能源消费量的影响, 对制定科学有效的能源规划和决策具有重要意义。     

基于神经网络的烟草包装机械故障信号检测方法

为降低烟草包装机械运行故障信号检测结果的均方差，提高检测精度，通过烟草包装机械运行信号采集与小波去噪、基于神经网络的故障信号识别模型训练、故障信号动态识别，提出一种全新的检测方法。通过实验验证，新的检测方法与基于时域分析法的检测方法相比，检测结果均方差数值更低，检测精度得到提升，可为烟草包装机械运行维护提供更可靠的技术条件。     

工程质量检测实验室推行标准化管理的措施

工程质量检测实验室推行标准化管理对项目工程建设责任主体各方的质量监督、质量控制及质量检测都有重要影响和意义,对项目工程建设的进度也会产生影响,标准化管理也是一个不断自我发展与完善的过程.本文阐述了通过加强全员标准化管理意识、建立动态标准化管理体系、建立信息网络化管理体系等几项措施达到标准化管理的动态发展与完善.     

基于SOM-MQE模型的设备故障预警方法

借助机器学习算法进行设备故障预警是保证设备安全可靠运行的有效手段,但故障数据样本难以获取,成为相关设备推广应用的一大挑战.构建一种结合自组织映射网络(SOM)和最小量化误差(MQE)的SOM-MQE模型,提出基于SOM-MQE模型的设备故障预警方法.首先,划分训练集和测试集,用训练集的设备正常状态数据训练SOM模型;然...     

高压直流输电系统不对称故障建模与仿真

传统的基于动态相量法的HVDC模型解析表达式是在理想条件下导出的,其换流器的数学模型仅考虑了交流侧的基波分量和直流侧的直流分量。当发生不对称故障时,该模型不能正确反映出HVDC系统的动态特性。为了解决这种模型在系统发生不对称故障情况下的计算精度和仿真速度的问题,文章考虑了交流基波电压不对称和直流电流中存在纹波的非理想运行工况,并建立了基于三相动态向量的HVDC系统动态模型。该模型能够反映当系统发生不对称故障时HVDC系统的动态特征。算例结果表明,HVDC动态相量模型和相应的EMT模型相比,不仅具有良好的精度,而且大大减少了仿真时间。     

产业技术学习率的动态双因素测度模型研究

从宏观层面上对产业技术学习率进行有效地测度和监测,可以为产业技术政策的适时调整提供重要的参考依据。通过研究产业技术学习过程的动态性和复杂性,本文在传统学习曲线的基础上构建了动态双因素测度模型,对产业的技术学习率进行动态地综合度量,并对模型进行了经济计量分析,最后采用我国制造业1994～2006年的数据进行实证分析。研究结果表明,该模型不仅能够消除双因素学习曲线对技术学习率动态测度的偏差,而且解决了动态学习曲线不能全面测度产业技术学习率的问题,通过测度模型得到的技术学习率能够比较全面准确地反映产业技术学习的实际发展情况。     

一种基于FCME的跳频通信干扰检测门限设计方法

针对跳频卫星通信在应用中面临恶意干扰威胁的问题,需要对接收信号进行干扰检测。首先使用宽带能量检测模型对接收信号进行建模,分析了检测统计量的概率分布形式,其次在FCME算法以及恒虚警门限设置方法的基础上,利用概率统计知识分析高斯分布下部分样本与总体的关系,加入迭代修正过程对噪底进行估计以设置满足恒虚警概率要求的门限,最后利用Matlab搭建仿真平台进行仿真分析。理论和仿真分析表明,基于FCME的迭代修正门限设计方法相比于已有方法在SNR为0 dB、无干扰条件下能获得满足虚警概率要求的门限,当存在部分频带干扰时算法性能下降,但所获得的门限仍能满足虚警概率要求。设计方法在干扰较弱或不存在时能满足虚警概率要求,改善了FCME算法虚警概率偏高的情况,应用于跳频通信系统干扰检测的门限设计是可行的,在工程实际应用中有一定的参考价值。     

基于模糊动态故障树的化工设备故障诊断方法研究

本文针对化工设备故障具有模糊性、动态性的特点,提出了建立模糊动态故障树对其进行预测诊断,重点对模糊动态故障树定量分析方法进行了研究,提出了基于最小割集、割序的定量分析方法。该方法将模糊动态故障树分解为模糊静态子树和模糊动态子树,然后分别建立以最小割集和最小割序为基础的定量计算模型,同时引入了弱三角范数的概念以减少由于数据模糊性扩散而引起计算结果不准确的现象。最后给出了最小割集、割序和底部事件重要度的计算公式,分析了化工设备故障诊断的流程,并通过实例验证了该方法具有计算准确,效率高,通用性强的特点,适用于化工设备的故障诊断。     

基于图像的地铁车站施工人员不安全行为识别研究

为了解决人工监测不能实时看护和及时管理地铁车站施工人员的不安全行为等问题,构建了基于KNN,MLP和LSTM模型的不安全行为识别神经网络模型。首先,通过行为理论研究和现场调查分析,对地铁车站施工不安全行为进行了分类;其次,通过实验构建人体数据集,基于人体骨骼关节点提取不安全行为特征,并进行模型训练;最后,基于MobileNet V1的SSD目标检测算法对施工人员进行定位和追踪,结合射线法判断目标是否跨越不安全区域并发出警报,搭建神经网络模型对施工人员的不安全行为进行识别,并获得计算识别率。结果表明：传统机器学习算法KNN总体准确率为93.45%,优化后的MLP和LSTM两种神经网络模型总体准确率分别达到93.94%和93.68%,相对KNN算法分别提高了0.49%和0.23%。因此所提模型能有效识别施工人员不安全行为,可为地铁施工安全智能识别技术应用提供参考。     

Reliable detection of runaway reaction precursors in liquid phase reactions

A theoretical approach for early on-line detection of runaway reactions based on temperature derivative estimates is described and shown to be feasible in the laboratory. On-line process measurements were processed to yield smoothed derivative estimates and confidence intervals. These estimates were then compared to characteristics of potentially hazardous situations. If a match was sensed, preventive or emergency measures could be initiated. The problem lies in the tradeoff between earliest possible detection and false alarm avoidance.     

应用虚拟仪器技术的异步电机故障诊断研究

介绍基于虚拟仪器技术构建的异步电机检测系统,实现了异步电机系统的参数检测和故障诊断。文章将基于LabVIEW的小波包理论应用于电机故障诊断研究,将小波变换极大模分析方法应用于信号突变成分的检测,有效地定位并检测出异步电机中的早期故障。最后,通过实验证明了基于小波理论的故障诊断方法的可行性。     

面向海洋环境数据采集和动态监控的物联网节点设计

为了实现海洋环境的有效监控,设计了一种面向海洋环境数据采集和动态监控的物联网节点。首先,定义了系统模型,将系统分为无线传感器网络、Sink节点和监控中心,将系统中的节点分为传感器节点和Sink节点,然后对传感器节点、Sink节点、传感器接口电路以及监控中心的硬件均进行了设计和描述,同时对传感器节点和Sink节点的软件流程进行了设计。系统测试表明文中方法能对海洋环境信息进行实时数据采集和动态监控,当出现异常情况时,给出报警以对用户进行提示,同时死亡节点数较少,具有成本低、功耗低和可靠性高的优点,具有很强的可行性。     

基于CenterNet的小学生英文手写体区域检测

为了探索智能批阅小学生作业的可行性,以小学生英文手写体为研究对象,建立了基于关键点的CenterNet模型。首先,针对低显存环境下CenterNet模型的构造与学习,提出了一种新的以组规范化(GN)替换批量规范化(BN)的池化模块结构改造方案,得到了改造版CenterNet模型;之后,将改造版CenterNet模型用于小学生英文手写体区域检测,实现了基于深度学习的英文手写体区域检测。将改造版CenterNet模型与原始CenterNet模型和CornerNet-Lite基准模型进行检测比较。实验表明：2种版本CenterNet模型的英文手写体区域检测精度和平均召回率均高于基准模型的相应值,改造版CenterNet模型的AP_0.5值甚至可达到73.1%,比基准模型高出近6%;此外,相比于基准模型,改造版的CenterNet模型的漏检情况更少,并在一定程度上有效抑制了误检。改造版的CenterNet模型不仅检测性能优于原始CenterNet模型,而且其学习过程更稳定、收敛更快,这为小学生作业智能批阅方案的设计提供了有价值的解决途径。     

基于数据融合的分布式入侵检测系统研究

针对分布式入侵检测在当今网络安全中发挥着越来越重要的角色,将数据融合技术引入到入侵检测系统中,提出了基于数据融合的分布式入侵检测系统设计方案,描述了分布式检测和决策融合的结构设计,讨论了数据融合决策问题的数学模型,运用理论推理论证了融合决策处理的可靠性。分析比对实验表明,该系统降低了入侵检测系统的虚警率,提高了检测率。     

基于改进SSD-MobileNet算法的AGV动态目标检测方法

为了提升自动导引运输车(automated guided vehicle,AGV)动态障碍物视觉检测的精度和帧率,提出了一种基于单镜头多盒检测器（single shot multibox detector,SSD）的改进算法。将轻量级MobileNet网络引入到SSD网络结构中,然后利用K-means算法对训练数据集中真实框的AR值进行聚类并更新,最后利用Jeston Nano嵌入式平台搭建了AGV实验系统,引入TensorRT加速引擎,分别对改进前后的SSD-MobileNet模型进行加速优化,并对比分析。结果表明：改进的SSD-MobileNet模型在AGV上使用TensorRT加速引擎的mAP值为79.1%,相比优化前提升了10.8%,对精度影响很小,而帧率达到了25 f/s,较原SSD模型提升了近4倍,且改进后模型规模也比优化前缩小了37%。采用改进算法能够使AGV在运输过程中完成动态障碍物检测任务,可代替人工实现货物高效运输,并节省运输成本,为智能化运输提供了一种新的思路。     

基于多特征融合GMM的阴影检测策略研究

将运动目标从背景中准确分割出的过程中,阴影的检测和消除起着重要作用。传统的目标和阴影检测算法一般都是基于目标颜色等单特征信息,因此在很大程度上受到了场景光照条件变化的影响而导致算法的执行效果降低。提出一种基于颜色信息和纹理信息的多特征融合的混合高斯模型检测算法,可以降低由单特征检测所带来较高的误检率。其中采用了两重阴影判决方法以确定真实阴影,首先通过颜色夹角进行疑似阴影的判决,进而根据前景区域和背景区域的相似度和颜色分量差值再次判决阴影。最后通过实验对阴影检测算法进行比较,表明了本文提出算法能够对阴影进行准确消除。