关键词： 声发射   工程陶瓷   模式识别   砂轮磨损   磨削烧伤   智能监测  

摘要： 工程陶瓷作为典型的硬脆性材料,其加工主要通过超硬精细磨料的精密磨削及研磨实现。在线监测磨削过程从而及时调整工艺参数是保证工件表面质量、提高磨削加工效率的重要途径,声发射凭借灵敏度高、实时响应的特性在磨削过程监测中得到了广泛的应用。本文阐述了声发射技术的基本原理,总结了磨削过程中声发射监测常用的信号分析方法,综述了声发射技术应用于工程陶瓷磨削过程中砂轮磨损与修整监测、磨削烧伤监测、工件表面质量预测及智能磨削智能监控系统构建等领域的国内外研究进展,并结合当前现状与不足对未来声发射技术在磨削加工监测中的应用前景进行了展望,以期推动声发射技术在工程陶瓷磨削监测领域的应用扩展。

关键词： 余甘子叶   指纹图谱   多指标定量分析   化学模式识别  

摘要： 目的建立余甘子叶的指纹图谱及多指标含量测定方法,为余甘子叶的质量标准提升提供实验依据。方法本实验采用HPLC法,色谱柱为Inertsil ODS-3 C_(18)(5μm,4.6 mm×250 mm),乙腈-0.1%磷酸水溶液为流动相,梯度洗脱;全波长扫描;柱温为30℃;流速为1 mL·min^(-1);进样量为5μL。用中药色谱指纹图谱相似度评价系统软件(2012版)对23批余甘子叶进行评价,建立指纹图谱和余甘子叶药材中表没食子儿茶素、柯里拉京、诃子联苯酸、鞣花酸及诃子酸5种成分的含量测定方法。用化学计量学评价余甘子叶质量。结果建立了23批余甘子叶HPLC指纹图谱,共标示出了14个共有峰,指认了表没食子儿茶素、柯里拉京、诃子联苯酸、鞣花酸和诃子酸,5种成分线性关系良好,相关系数r>0.9990。平均加样回收率分别为100.63%、99.37%、99.82%、98.88%、99.29%。聚类分析将23批余甘子叶分为2类,通过主成分分析,进一步评价不同产地间质量的差异。结论建立的余甘子叶HPLC指纹图谱及多成分含量测定方法准确、重复性好,可为余甘子叶的质量评价提供参考。

关键词： 模式识别   图像处理   应用  

摘要： 基于模式识别技术不断发展的基础上,介绍了模式识别的含义和模式识别应用的主流方法,提出了关于模式识别和方法现存的问题,说明利用模式识别技术在图像处理过程中的应用。模式识别大大促进了图像处理工作的工作效率,在医学、身份验证、交通网络等领域发挥了不容小觑的作用。

关键词： 计算机应用   软件工程技术   算法设计与分析   模式识别   人工智能   热点技术   计算机学科   算法理论  

摘要： 《计算机应用研究》创刊于1984年,是由省科技厅所属四川省计算机研究院主办的计算技术类学术期刊。《计算机应用研究》瞄准本学科领域迫切需要的前沿技术,及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果,其覆盖学科范围包括但不限于计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、系统软件与软件工程技术、模式识别与人工智能、体系结构。

关键词： 北山花岗岩   声发射   b值   AF/RA值   破裂模式  

摘要： 针对北山花岗岩开展了直接拉伸试验、巴西劈裂试验以及三轴压缩试验,试验过程中实时检测声发射事件。详细分析了声发射特征,并基于声发射特征通过Fisher判别方法建立了不同试验方式岩石破裂的识别模型,结果表明:(1)直接拉伸试验强度约为巴西劈裂试验强度的1.23倍;(2)巴西劈裂试验的b值呈“W”形变化趋势,而直接拉伸和三轴试验的b值呈现波动下降的趋势;(3)巴西劈裂试验的AF/RA值呈现稳定波动状态,直接拉伸试验的AF/RA值经历上升、下降、小幅波动3个阶段,三轴压缩试验的AF/RA值在应力达到峰值前波动下降,但在峰值后AF/RA处于大幅波动状态;(4)基于Fisher判别方法建立了3种试验试件破坏的识别模型,并进一步分析模型识别的正确率。

关键词： 太赫兹时域光谱   模式识别   水稻种子   特征选择   掺假鉴定  

摘要： 该文提出了一种基于太赫兹时域光谱的水稻种子模式识别方法。实验以10种不同品牌混合掺假的水稻种子为样本,基于采集的样本太赫兹时域光谱数据,通过建立Relief、随机森林(RF)、支持向量机递归特征消除(SVM-RFE)和最大相关最小冗余(mRMR)模型分别对样本光谱波长进行特征选择,最后设计分类器对4种特征选择方法处理后的样本进行分类识别。结果表明,基于布谷鸟算法(CS)优化的极限学习机模型对经RF特征选择算法提取后的样本光谱数据具有最佳识别效果,其准确率可达100%,实验对于法庭科学领域内种子的掺假鉴定具有一定的借鉴意义。

关键词： 离心机   不平衡   模式识别   特征提取   分类模型  

摘要： 为解决离心机不平衡的判断问题,结合实际产品的理论分析,本文提出一种基于振动信号的模式识别方法。本文方法在离心机不平衡问题的理论分析基础上,首先根据分析得出的比例系数采集对应振动信号,其次将该振动信号作为实验数据与实际运行数据进行特征值分析、分类器辨识过程,得出实际的比例系数,随后计算出当前离心机运转过程中所存在的离心力,最终依据离心力大小判断离心机设备的不平衡程度。

关键词： 声发射   疲劳损伤   支撑向量机   模式识别   安全预警  

摘要： 声发射作为一种现代无损检测技术,广泛应用于金属材料或设备的实时状态监测,对金属材料或设备的服役安全评价具有重要意义。作为高铁的重要组成部分,齿轮箱体的服役情况直接影响列车的安全性。针对高速列车齿轮箱的故障诊断与安全预警问题,传统的方法对齿轮箱零部件的早期失效不敏感,故障准确定位困难。因此,提出一种基于声发射技术对齿轮箱金属材料服役状态实时监测的方法。搭建带声发射检测功能的箱体材料疲劳试验系统,通过疲劳试验数据计算得到安全阶段与预警阶段的临界时间,对齿轮箱体材料疲劳实验过程中直至完全断裂时刻的声发射信号进行采集与分析,提取出能量与振铃计数的比值作为反映材料当前退化状态的主要特征量。分别采用支持向量机(SVM)和加权支持向量机(WSVM)构建分类器,并利用粒子群优化算法(PSO)进行参数寻优,对齿轮箱箱体材料疲劳裂纹扩展的各阶段进行损伤分类。实验结果表明,在齿轮箱箱体金属材料失效数据匮乏的情况下,SVM的分类结果严重偏向于安全阶段,而WSVM很好地兼顾了安全阶段与预警阶段的识别分类,对材料当前所处损伤状态分类的平均准确率超过90%,可以对金属材料的失效做出预警,为今后的在线监测奠定基础。

关键词： 腾讯位置大数据   城市人群活动   时空分布   Tucker张量分解   武汉都市发展区  

摘要： 探究城市人群活动模式有助于理解人群与城市空间的交互作用及影响机制。本文以武汉都市发展区为例,基于腾讯位置大数据,利用Tucker张量分解法和K-means聚类挖掘城市人群活动模式特征。结果表明:①用张量分解法处理地理位置大数据从多维度揭示城市人群活动时空模式是有效的;武汉都市发展区人群活动可分解为三种每日时间段模式、两种日常周期模式和五种地理空间模式,反映出武汉城市人群活动在时间段、周期和空间上存在显著差异。②得到四个层次空间结构,呈现为城市中心依次向外的圈层结构,各个聚类中以生活服务、购物服务、公司企业三种兴趣点功能为主。本研究可为优化城市管理和空间规划决策支持提供参考。

关键词： 模式识别   计算机视觉  

ISBN: (纸本)9787302618171

摘要： 本书由世界知名作者撰写, 使用独特的纲要展示了模式识别和计算机视觉的理论和应用方面的关键进展。本书在理论部分详细阐明各各种热门的学习理念和概念, 并在应用部分通过经典案例将理论与实践相结合, 充分体现了人工智能领域强大的国际研究兴趣。机器学习一直是模式识别和计算机视觉当前发展的关键, 本书是对前五版的补充, 强调了深度学习在模式识别和计算机视觉应用程序等许多方面的应用, 这些是在其他参考文本中难以获得的。