关键词： 鱼腥草   不同部位   化学模式识别   熵权TOPSIS法   槲皮苷  

摘要： 基于高效液相色谱(HPLC)指纹图谱比较鱼腥草不同部位(茎、叶)化学成分的差异性,并综合评价鱼腥草不同部位的质量。建立鱼腥草不同部位的HPLC指纹图谱,通过相似度评价、化学模式识别及熵权TOPSIS法对其化学成分进行差异性研究,并对其质量标志物(槲皮苷)进行含量测定。建立的HPLC指纹图谱中鱼腥草药材及其茎叶均确定了8个共有峰,指认了其中6个成分;聚类分析(CA)和主成分分析(PCA)结果表明鱼腥草叶和茎的质量差异大,叶和药材的质量较接近;偏最小二乘法-判别分析(OPLS-DA)发现4种成分是造成不同批次样品差异性的主要标志物;熵权TOPSIS法分析显示同批次鱼腥草药材与其茎叶既有相关性也有差异性,且四川产地的鱼腥草药材质量较佳;含量测定结果显示,同批次鱼腥草中的槲皮苷含量由高到低均依次为叶、药材、茎。鱼腥草不同部位HPLC指纹图谱存在显著差异。该方法可反映鱼腥草不同部位质量差异性,为鱼腥草药材的质量控制及资源开发利用提供参考。

关键词： Charging mode   Charging time   Random forest   Long short-term memory(LSTM)   Simplified particle swarm optimization(SPSO)  

摘要： Overcharging is an important safety issue in the charging process of electric vehicle power batteries,and can easily lead to accelerated battery aging and serious safety *** is necessary to accurately predict the vehicle’s charging time to effectively prevent the battery from *** to the complex structure of the battery pack and various charging modes,the traditional charging time prediction method often encounters modeling difficulties and low *** response to the above problems,data drivers and machine learning theories are *** the basis of fully considering the different electric vehicle battery management system(BMS)charging modes,a charging time prediction method with charging mode recognition is ***,an intelligent algorithm based on dynamic weighted density peak clustering(DWDPC)and random forest fusion is proposed to classify vehicle charging ***,on the basis of an improved simplified particle swarm optimization(ISPSO)algorithm,a high-performance charging time prediction method is constructed by fully integrating long short-term memory(LSTM)and a strong tracking ***,the data run by the actual engineering system are verified for the proposed charging time prediction *** results show that the new method can effectively distinguish the charging modes of different vehicles,identify the charging characteristics of different electric vehicles,and achieve high prediction accuracy.

关键词： 白术   指纹图谱   主成分分析   聚类分析   质量评价  

摘要： 目的:以有机酸类物质为指标建立白术药材的超高效液相色谱指纹图谱测定方法,并结合聚类分析及主成分分析法(PCA)评价不同产地的白术药材质量。方法:以十八烷基硅烷键合硅胶为填充剂(柱长为50 mm,内径为2.1 mm,粒径为1.7μm),以乙腈为流动相A,以0.1%磷酸溶液为流动相B,进行梯度洗脱,流速为0.25 mL/min;检测波长为325 nm。指纹图谱采用中药色谱指纹图谱相似度评价(2012版)软件,对不同产地的白术UPLC指纹图谱进行分析,并运用SPSS软件对指纹图谱进行统计分析。结果:指纹图谱共标定了9个峰作为共有峰,并指认其中7个共有峰,分别为绿原酸、新绿原酸、隐绿原酸、1,3-二咖啡酰奎宁酸、异绿原酸B、异绿原酸A和异绿原酸C,15批白术药材相似度均大于0.8。聚类分析将15批白术分为5类,PCA结果表明,前2个主成分的累积贡献率达到81.72%,选择这2个主成分因子即可对白术药材进行综合评价。根据综合得分可知,来自安徽亳州和河北安国产地的白术药材中有机酸类成分占比更大,其质量可能更佳。结论:以有机酸类物质为指标建立的UPLC方法简单、可靠,精密度、稳定性、重复性良好,结合PCA可以快速、客观地评价不同产地白术药材的质量差异,为白术水提制剂的质量评价研究奠定基础。

关键词： 高压直流电缆   局部放电   空间电荷   产生机理   模式识别  

摘要： 高压直流电缆需要面对空间电荷、潮流波动、温度变化、谐波、应力、绝缘缺陷等复杂运行条件的考验。多物理场下的高压直流电缆局部放电(partial discharge,PD)的研究尚处于起步阶段。复杂条件下的直流电缆局部放电产生机理尚不明确,且直流局部放电表征识别困难,动态特性复杂。该文总结多物理场对高压直流电缆PD的影响,对比空间电荷、电场、应力场、谐波与PD之间的关系,分析多物理场下直流电缆PD特征构建与模式识别的研究进展。进一步,展望多物理场下的高压直流电缆PD发展趋势,包括高压直流电缆“荷–场–热–力”多物理场PD模型、多物理场仿真、多物理参数联合实验、直流电缆PD多物理参数表征新特征构建与优选、直流电缆PD先进模式识别方法等,可为直流PD检测与诊断提供理论参考。

关键词： 创新升级   创新数量   创新质量   高技术产业  

摘要： 我国创新正从创新数量为主向创新质量为主转型升级,研究其作用机制、特征和规律具有重要意义。根据创新数量、创新质量水平建立了一种新的分析框架,从动态视角对创新升级开展研究,并以中国高技术产业为例,综合采用面板数据模型、面板门槛模型进行了实证研究。结果表明:高技术产业创新升级主要包括数量优先型升级与质量优先型升级两种模式;质量优先型创新升级能够节省更多的时间;我国目前总体上仍然处于创新升级的积累阶段;数量优先型升级研发人员作用更大,质量优先型升级研发经费作用更大;知识溢出对数量优先型升级影响显著,创新积累对质量优先型升级影响显著;研发经费对创新质量的贡献具有研发投入与创新质量门槛效应;研发经费对创新质量的贡献具有知识溢出门槛效应。

关键词： 局部放电   卷积神经网络   模式识别   增量学习   注意力图   非遗忘学习  

摘要： 针对变压器局部放电类型多样,局放数据以数据流的形式存在,不可能一次性获得完整的样本集的问题,本文采用基于增量学习的方法对变压器的局部放电模式识别进行了研究。首先,对局放信号进行时频分析,得到局放信号的边际谱图像作为网络模型的输入;其次,构造数据集,并模拟实际情况,将不同的局放类型划分为不同的任务;最后,利用GradCAM++生成注意力图并构造注意力损失,对非遗忘学习算法进行改进,从而实现网络模型故障模式库的自动更新。实验结果证明,本文所提的方法更加接近实际情况,不同于以往分类器的静态模型,其可以在不改变模型主体结构的前提下,尽可能地保留以前任务的知识,并逐渐扩展网络模型的知识;相比于其他增量学习算法,本文的方法进一步缓解了灾难性遗忘的问题,一定程度做到了局部放电模式识别的智能化。

关键词： 前列舒通胶囊   指纹图谱   化学模式识别   差异性标志物   全过程质量控制   高效液相色谱仪   盐酸小檗碱  

摘要： 目的 建立前列舒通胶囊的HPLC指纹图谱并结合化学模式识别,对前列舒通胶囊的整体质量进行评价。方法 采用HPLC法测得18批样品的色谱图,并进行相似度分析;以22个共有峰的峰面积为变量,进行聚类分析、主成分分析和正交偏最小二乘法-判别分析。结果 18批样品的指纹图谱中有22个共有峰,相似度均大于0.98,造成不同批次间的差异性成分为F3、F7、F16、F21等4个峰,其中,F16为盐酸小檗碱。结论 所用方法准确可行,可为“药材-中间体-成品”全过程的质量控制提供依据。

关键词： 水下目标识别   深度卷积生成对抗网络   卷积神经网络   模式识别   工频磁场探测  

摘要： 针对工频水下磁目标信号特征提取难、目标数据样本少、识别精度低等问题,提出一种基于深度卷积生成对抗网络(DCGAN)与优化卷积神经网络(CNN)相结合的水下工频磁目标识别方法。该方法通过滑动时间窗将信号由一维时序空间映射到二维灰度值图像,将实测水下磁异常信号利用DCGAN进行数据增强,之后构建卷积神经网络并引入DY-ReLU动态激活函数对CNN网络结构进行优化,以达到对目标信号的分类识别的目的。实验结果表明,经由数据增强的网络模型识别率提高了10%;相较于其他常用的静态激活函数,优化的CNN识别率分别提高了4.5%、4%、3%和2.5%,识别精度达到92.5%。验证了该方法的有效性,为水下磁异常检测提供一种新思路。

关键词： 光谱学   减肥药物   精神管制类药物   寄递   分子光谱   机器学习   模式识别  

摘要： 通过寄递渠道传播的含有非法添加成分的减肥药物是公安机关侦办食药环犯罪的重点打击对象。为快速鉴别此类药物,本研究采用分子光谱分析技术,对含艾司唑仑、西地那非、西布曲明、氟硝西泮、唑吡坦等5种精神管制类药物成分的“减肥药”进行检验,获取了145组光谱数据。采用主成分分析提取主成分因子对数据降维。基于所提取的20维数据,建立FDA模型、KNN模型、SVM模型并进行对比。在模型1中构建3个Fisher判别函数对5类样品进行判别,准确度达到100%;在模型2中K值的变化会影响分类器精度,通过对K值的调整能够快速对5类样品进行分类,准确率达到100%;在模型3中选用RBF核函数,分别对比唑吡坦与其他4类减肥药物分类效果,准确率均达到100%。通过实验中的数据集对唑吡坦不同品牌的样本进行识别和对实际案件进行分析,对公安机关侦办此类案件具有一定参考。

关键词： 中压配电网   接线模式识别   聚类算法   深度优先搜索算法   配电网规划  

摘要： 接线模式识别是配电网规划的基础,对于保障配电网可靠、安全、经济运行具有重要意义。结合10kV城市中压配电网接线模式特点,提出一种基于深度优先搜索分析和聚类算法的接线模式识别方法。首先,采用深度优先搜索算法将一个完整配电网划分为若干馈线树,作为模式识别的基本对象;然后,针对各种10 kV交流电网、交直流混联电网等典型网架结构,分别提取接线模式特征指标并形成特征参数库;最后,利用聚类算法将未知待识别线路的特征与已知特征库进行匹配。算例仿真结果验证了所提特征指标的有效性,聚类方法能够实现中压配电网接线模式的准确识别。