关键词： 模式识别   药效物质   药理效应   数学建模   SSA-1DCNN-Attention  

摘要： 中药复方药效物质的辨析以及药理效应的定量分析可以更好地了解其作用机制和科学内涵。但由于研究方式的限制与中药的复杂特性,使得对中药复方的药效物质的作用机制和药理效应的研究仍未取得重大突破,并且中药药效与活性成分在人体内的复杂作用关系仍缺乏较科学的解释,缺少一套系统化的评价模型。而对于中药的药效物质、药理效应的辨识与分析,这实质上是一个模式识别的过程,且模式识别中的神经网络结构更接近生物体内复杂精密的调控系统,能够快速准确地评价中药药效物质。因此,为了系统地分析和评价中药的药效物质与药理效应,本研究基于模式识别技术提出了一种结合数学建模（机理建模）和卷积神经网络方法的药物代谢与药效分析模型,主要贡献如下:（1）针对中药成分的药效物质辨析困难的问题,首先通过数学建模技术推导了简单房室下能够模拟药物代谢规律的药代动力学（Pharmacokinetic,PK）模型,得到药物浓度与时间的关系方程,并在此基础上用非线性最小二乘法进行参数拟合,得到药物时-量关系方程及其曲线。然后计算得到PK模型的评价指标药物峰值浓度(Cmax)、药物达峰时间(Tmax)、药物半衰期(T1/2)和药-时曲线下面积（area under the curve,AUC）,以某一确定性药物为参照,利用生物等效性原理确定药物产生药效的药效物质即活性成分。（2）针对复杂房室下药物在人体内代谢规律难以用常规的数学建模方法进行描述的问题,因此本文基于神经网络建立了1DCNN-Attention预测模型,并利用麻雀搜索算法（sparrow search algorithm,SSA）对预测模型进行优化。利用预测模型对药物在复杂房室的代谢过程进行仿真来预测药物进入机体随时间变化的规律以建立复杂房室下的PK模型。并将预测结果与常用神经网络模型进行比较分析,计算出相应的药代动力学参数,进一步确定药物的药效物质。（3）针对PK与药效动力学（pharmacodynamic,PD）模型研究脱节以及出现的药物效应变化滞后于药物浓度变化这一现象,本文在已建立的PK模型基础上引入效应室这一概念,采用半房室优化方法消除这一滞后问题。再利用线性模型和logistic模型来描述浓度和药物效应之间的关系从而建立相应的PD模型,从而建立了能够描述时间-浓度-效应三者关系的PK-PD模型。然后通过比较分析PD模型的参数实现对药物治疗病症的药理效应进行评价。（4）最后以青阳参皂苷M1和M2辅助苯巴比妥（phenobarbital,PHB）治疗癫痫为例,利用获得的实验数据对上述模型进行仿真,验证模型的可行性。结果表明,青阳参皂苷M1和M2为促进PHB抑制癫痫的药效物质,并且与PHB合用时能有效提高小鼠的癫痫抑制率。模型仿真结果与实际实验结果一致说明:本研究提出的分析模型在用于中药药效物质与药理效应评价分析方法具有合理性。该模型可为中药研究提供更加准确的数据支持,并为药物研究和开发提供一种新思路,从而加速中药现代化的进程,为药物研究带来更多的创新和突破。

关键词： 模式识别   运动想象脑电信号   小波半软阈值   改进型滤波器组共空间模式   改进型引力搜索算法  

摘要： 作为人类神经系统最重要的部分,人脑是学者们研究的重点。脑电是大脑中的大量神经元产生的电信号集合成的重要生理信号,更是相关学者们的研究焦点。脑电对人脑各个部位的功能的探索以及人工智能的发展都发挥着至关重要的作用。随着脑电应用领域、范围的不断扩大,脑电数据种类越来越多,对脑电处理方法的通用性、准确性等提出了越来越高的要求。运动想象脑电信号作为进行运动想象过程中大脑对应的功能区激发而产生的特征变化,是将运动想象脑电信号作为脑机接口系统输入信号的基础。本文对运动想象脑电信号的处理方法进行了研究,并使用第二届和第四届脑机接口(Brain-Computer Interface,BCI)竞赛的数据集对脑电信号处理方法进行测试,提出了新方法、新模型,提高了现有方法、模型的通用性、准确性。论文主要开展了以下内容的研究工作:第一:提出了一种改进型小波半软阈值方法。首先对原始信号进行小波分解,经小波分解后得到近似系数和细节系数,对得到的小波系数分别采用小波硬阈值方法、小波软阈值方法和改进型小波半软阈值方法对脑电原始信号进行消噪,将消噪后得到的信号重构,比较三种阈值方法的效果,并测试分析了独立成分分析方法的消噪能力。为验证后文构建的特征提取分类组合模型的性能提供了数据基础。第二:提出了一种基于重叠子带的滤波器组共空间模式(Overlapping Subband Filter Bank Common Space Pattern,OSFBCSP)脑电特征提取方法。该方法将脑电信号分为多个部分重叠的子带,利用共空间模式(Common Space Pattern,CSP)算法分别提取各个频带的特征,使用基于互信息的特征选择算法筛选有利于分类的若干特征。对该方法得到的特征与常用的特征提取方法进行对比,分析该方法的有效性。同时该算法与常用的特征提取算法构成了特征提取分类组合模型的重要环节。第三:提出了将广义径向基核函数(Generalized Radial Basis Functions,GRBF)用作支持向量机(Support Vector Machine,SVM)的核函数。与常用的多项式核函数、Sigmoid核函数、线性核函数、径向基核函数四种核函数进行仿真对比,选择表现优异的核函数用以提升支持向量机的性能。结果显示GRBF性能表现突出。因此,本课题选择GRBF作为SVM分类器的核函数。第四:提出一种改进型引力搜索算法(Improved Gravitational Search Algorithm,IGSA)对支持向量机参数进行优化,用以寻找GRBF核函数中的函数宽度?以及SVM算法中容错率因子C的最优参数以得到最佳SVM分类模型。将此算法与交叉验证算法(Cross Validation,CV)、遗传算法(Genetic Algorithm,GA)、引力搜索算法(Gravitational Search Algorithm,GSA)进行了优化性能测试对比,选择出最佳优化算法。并将六种特征提取算法与经过优化的支持向量机的组合算法在第二届和第四届BCI竞赛数据集上进行了测试,筛选出最佳的运动想象脑电信号处理组合模型。

关键词： 调制识别   不变散射卷积网络   深度学习   小波阈值降噪   多任务识别  

摘要： 随着无线技术的快速发展,信号的调制种类与信道环境日趋复杂,在军事和民用领域,精确的识别调制信号变得越来越重要。传统的基于决策理论与特征提取的调制识别方法需要先验信息、人为筛选特征等协助工作,随着深度学习研究的深入,基于神经网络的信号调制识别的方法已被广泛采用。目前大多数深度学习方法对数据依赖性较强,从数据中提取可解释的信息和知识的能力欠佳,因此,在设计神经网络时,需要通过在架构中嵌入与给定预测任务相关的专业信息和物理定律以提高识别稳定性。此外,噪声等干扰对调制信号识别有较大影响,如何减弱噪声的影响,有效提升信号的识别准确率一直是调制识别领域的重要研究课题。针对以上问题,本文将小波信号处理与深度学习相结合,开展基于不变散射卷积网络的信号调制模式识别研究。首先,本文对信号调制原理、神经网络相关理论基础知识进行了概述,分析了基于小波变换构建的不变散射卷积网络的原理与结构组成,为后续不变散射卷积网络与深度学习相结合的调制识别算法奠定理论基础。然后,设计基于不变散射卷积网络的信号调制识别算法,提升信号识别性能:该算法以不变散射卷积网络输出的散射系数为信号的特征表示,使用神经网络分类器对信号进行分类。针对调制信号的特点与不变散射卷积网络提供的特征表示,分析了不变散射卷积网络在调制识别中的适用性;针对输入调制信号的不变散射卷积网络散射系数的特点,设计了特征融合并行神经网络分类器,该分类器包括长短期记忆、子频谱归一化和残差模块,结合了卷积神经网络和循环神经网络在空间与时间特征提取上的优势;为减少噪声对信号识别的干扰,在不变散射卷积网络中集成小波阈值降噪环节。最后,设计了基于信噪比区间划分的多任务信号调制识别算法,提升了调制识别模型在不同信噪比条件下的泛化能力。算法首先将不同信噪比区间下的信号识别视为独立任务,减小信噪比的变化范围进而减弱噪声的影响;然后利用一种基于并行残差神经网络的信噪比区间识别方法对信号进行信噪比区间识别以确定信号所属任务;最后将信号输入至不变散射卷积网络中得到散射系数以提取数据的有效特征,根据信噪比区间识别结果选择对应任务参数独立的分类器对信号进行分类识别。实验结果表明,本文提出的算法能够有效削弱噪声的干扰,信号识别准确率得到有效提升,对调制模式识别领域的研究发展具有重要的参考价值。

关键词： 智能感官   深度学习   信息融合   模式识别   检测技术  

摘要： 智能感官可以模仿舌、鼻和眼等器官的感知特点,得到样本的感官信息。智能感官结合模式识别算法可以实现对食品的综合分析,目前智能感官信号处理方法多基于浅层机器学习方法,难以得到样本的深层次的有用特征,且由于食品的品质以多种形式表现,单一感官不能全面表征样本信息。本文基于电子舌、电子鼻和电子眼,结合深度学习和信息融合方法,研究了多智能感官信息融合检测技术,并用于食品质量检测和产地溯源。具体研究如下:(1)为实现陈醋酿造年限的准确分析,提出采用电子舌和电子鼻结合密集卷积网络-极限学习机(Dense Net-ELM)模型的检测方法。分别采取陈醋的电子舌和电子鼻响应信号,针对信号不同的特点,设计两个Dense Net模型ET-Dense Net和EN-Dense Net,用于提取信号特征,并通过特征拼接实现特征融合。采用极限学习机(ELM)对融合特征进行分类识别。实验结果表明,Dense Net能够有效提取到电子舌和电子鼻信号中的深层特征;相比于单一感官和传统方法,所提方法对不同年限陈醋检测准确性更优。(2)为实现对黑胡椒产地的溯源检测,提出协同应用电子舌、电子鼻和电子眼结合卷积神经网络(CNN)和通道注意力机制(CAM)的检测方法。使用三种智能感官采集黑胡椒的响应信号,并设计ET-CNN、EN-CNN和EE-CNN分别提取信号的特征,CNN的参数通过贝叶斯优化算法(BOA)进行全局优化。针对特征简单拼接难以体现不同感官特征重要性的问题,特征融合阶段引入CAM,实现特征高效融合。实验结果表明,CNN的特征提取能力明显优于传统机器方法,相比于使用单一感官,所提出的方法具备更好的性能。(3)为实现不同产地枸杞的溯源检测,提出一种电子舌、电子鼻和电子眼结合改进胶囊网络(Caps Net)的检测方法。针对电子舌和电子鼻信号的非线性、时序性特点,使用递归图与格拉姆角和场分别实现信号的二维化,将三种智能感官的二维信号进行数据级融合。引入多尺度特征提取模块(MFEM)和空间注意力机制(SAM)对Caps Net进行改进,并将其用于融合信息的模式识别。实验结果表明,相较于使用单一感官和不同结构的网络,所提方法取得更优的检测准确性。以上研究从模式识别技术和信息融合方法两个方向切入,为深度学习结合多智能感官信息融合的检测技术提供新的研究思路。

关键词： 齿轮箱   特征提取   模式识别   故障诊断  

摘要： 齿轮箱是机械传动系统的核心部件，对于设备的安全运行至关重要。准确诊断齿轮箱故障并采取有效的维护措施，对于增强传动系统的可靠性和减少经济损失具有重要的意义。本文以齿轮箱的关键部件轴承和齿轮为研究对象，重点研究基于自适应信号处理的特征提取和模式识别方法。主要研究内容如下:　　针对轴承微弱故障特征难以提取的问题，提出一种参数优化变分模态分解(VariationalModeDecomposition,VMD)和最大相关峭度解卷积(MaximumCorrelatedKurtosisDeconvolution,MCKD)的轴承微弱故障诊断方法。首先，引入天鹰优化算法(AquilaOptimizer,AO)优化VMD,将轴承振动信号分解为K个本征模态分量(IntrinsicModeFunction,IMF);其次，构建变异系数法-趋近最优排序法(TechniqueforOrderPreferencebySimilaritytoIdealSolution,TOPSIS)模态分量综合评价模型，筛选最优IMF;然后，采用AO优化MCKD,增强最优IMF的微弱故障特征;最后，通过包络解调辨识故障特征频率，实现轴承微弱故障诊断。使用美国凯斯西储大学的轴承微弱故障数据验证该方法的有效性。　　针对轴承复合故障特征难以解耦分离的问题，提出一种参数优化VMD和多点最优最小熵解卷积(Multi-pointOptimalMinimumEntropyDeconvolutionAlgorithm,MOMEDA)的轴承复合故障诊断方法。首先，采用AO优化VMD,将轴承振动信号分解为K个IMF;其次，构建熵权法-TOPSIS模态分量综合评价模型，筛选最优IMF;然后，采用AO优化MOMEDA,解耦分离最优IMF的复合故障特征;最后，通过包络解调分别辨识故障特征频率，实现轴承复合故障诊断。使用西安交通大学联合昇阳公司的轴承复合故障数据验证该方法的有效性。　　针对齿轮多失效形式难以准确识别的问题，提出一种参数优化VMD和支持向量机(SupportVectorMachine,SVM)的齿轮智能故障诊断方法。首先，采用AO优化VMD,将齿轮振动信号分解为K个IMF;其次，构建CRITIC-TOPSIS模态分量综合评价模型，优选IMF并提取能量熵，构建特征向量;然后，通过反向学习、萤火虫扰动、Tent混沌映射等策略改进AO,并通过改进天鹰优化算法(ImprovedAquilaOptimizer,IAO)优化SVM;最后，通过参数优化的SVM实现齿轮多失效形式的智能识别。使用千鹏公司的齿轮失效数据验证该方法的有效性。

关键词： 分布式光纤声传感器   模式识别   多域特征提取   线性判别分析特征降维   集成学习算法  

摘要： 分布式光纤传感技术具备抗电磁干扰能力强、监测范围广、定位精度高和隐蔽性好等优点,在周界安防、油气管道泄漏监测以及地震探测等基础设施领域具有重要的应用价值。在分布式光纤传感技术中,基于相位敏感光时域反射计的分布式光纤声传感器(Distributed Optical Fiber Acoustic Sensor,DAS)对外界振动信号非常敏感,可实时判断多处振动信号的位置和同时采集多类型扰动事件的时域信号。但是在实际应用中会存在外界环境噪声和无害的人为因素干扰,且该系统具有较高的灵敏度和复杂的光纤振动信号,因此容易产生扰动事件类型误判造成较高的误报率,从而极大地限制了该系统在实际应用场景的发展。针对这一问题,本文基于DAS系统深入展开特征提取与模式识别方法研究,主要工作是提升系统对振动信号类型的识别判断能力,并在降低系统误报率的同时进一步提升系统的识别效率。研究工作对于提升DAS传感系统的性能,降低系统误报率,促进在实际工程中的应用具有非常重要的意义和价值。本文主要包括以下研究工作内容: (1)针对DAS系统分析光纤振动信号检测原理,并根据外界振动信号非平稳性的特点,提出一种利用多域特征提取结合集成学习算法模型的识别方法。首先在特征提取前,对信号进行归一化预处理和去噪,采用谱减法去噪的方式去除信号中的宽带噪声,并将振动信号从带噪信号中有效分离;之后在此基础上提取振动信号人工特征(时域特征、语义域特征)和时频二维图像深度特征,并针对组合特征进行线性判别分析特征降维;最后通过构建随机森林和梯度提升决策树分类器,实现振动信号特征识别。 (2)搭建DAS传感系统实验硬件平台,并通过设计多振动信号实验、外场周界安防实验进行验证。其中在实验室内多振动信号实验中,基于随机森林模型识别准确率最高,对敲击扰动、摇晃扰动、风吹扰动及行走扰动的平均识别准确率达到99.21%,识别用时为0.82s。为进一步验证所提出的模式识别方法的准确性,在Ф-OTDR开放数据集上进行测试,其中利用随机森林算法对开放数据集中的六类扰动事件平均识别率达到96.01%,识别时长为2.64s。此外,在外场周界安防实验上利用人工特征实现对攀爬铁丝网入侵事件和自然风吹无害事件的识别,平均识别准确率为95.33%,识别用时仅为0.36s,充分验证本文所提方案在周界安防应用中的可行性。 (3)研究DAS传感系统在水轮机叶片缺陷检测应用中的可行性,根据实验系统采集模拟水轮机转轮叶片在出现裂纹、孔洞及正常情况下的三种光纤振动信号。实验结果表明,基于多域组合特征结合随机森林分类器的方法对三种状态下的光纤振动信号识别准确率分别为98.28%、98.45%和98.61%,平均识别准确率达到98.43%,识别时长仅为1.37s。此外,还通过实验研究水轮机主要参数(转轮叶片数量和转速)和DAS传感系统关键参数(采样率和脉冲宽度)对系统平均识别精度的影响,结果表明当叶片数量为5和转速为600r/min时所对应的平均识别精度较高,分别为98.36%和98.68%。而不同的采样率和脉冲宽度对最终识别精度的影响较小,当在25MS/s采样率和200ns脉冲宽度下,识别精度相对较高,实现98.52%的平均识别准确率。

关键词： MOS气体传感器   传感器阵列   混合气体检测   信号采集   模式识别  

摘要： 肾脏作为人体内重要的代谢器官,起到维持体内酸碱平衡的作用。但是随着医学实践中药物种类和使用频率的增多使患者肾脏受损的风险随之增加,这导致急性肾损伤的发病率也明显上升。人体呼出气体中的代谢标志物能够一定程度反应健康状况,据相关研究表明呼气检测作为一种无创、便捷、低成本的检测手段可用于急性肾损伤疾病的初筛和早期诊断。本文针对急性肾损伤患者呼气标志物中的氨气和丙酮气体,研究设计了基于FPGA技术的急性肾损伤患者呼气检测装置,通过构建金属氧化物半导体传感器阵列配合模式识别算法实现了急性肾损伤患者呼气标志物的检测。本文主要工作分为以下三个部分:1)研究了传感器阵列的选型和实验数据的预处理方法以及传感器故障识别算法。首先,根据实验目标搭建了实验所需的静态配气系统,对不同种类金属氧化物半导体(Metal-Oxide-Semiconductor,MOS)传感器的稳定性、灵敏度和相关性进行了测试,进一步分析了传感器特性,根据对比分析结果,从备选传感器中选取最优的四种传感器组成2*2的传感器阵列。其次,利用数据的预处理方法对获取的传感器数据进行预处理。最后,在传感器阵列测试过程中部分传感器出现了加热端老化、敏感端老化和接触不良等故障,使获取的数据出现较大波动,为了降低传感器状态异常对模式识别结果的影响,本文还对传感器故障识别方法进行了研究,在传统支持向量机(Support Vector Machine,SVM)检测方法的基础上,使用麻雀搜索算法(Sparrow search optimization algorithm,SSA)对其进行了优化,优化后的故障识别准确率提高了4.25%,研究结果表明,通过采用麻雀优化算法优化后的SVM模型,不仅可以有效地识别数据采集过程中的常见故障,还减少了数据冗余,同时还提高了检测系统的可靠性。2)自行开发设计了一款基于现场可编程门阵列(Field-Programmable Gate Array,FPGA)技术的急性肾损伤患者呼气标志物氨气和丙酮的采集及数据传输系统。首先对FPGA的开发环境和芯片类型进行了对比研究,最终选取了Altera公司的现场可编程门阵列EP4CE6F17C8,现场可编程门阵列的设计与综合在Quartus18.1软件下进行。其次,对呼气标志物采集传输系统进行了设计,将硬件系统分解为数据缓存模块、供电模块、接口电路模块、USB转串口模块、AD转换模块、通讯模块、显示模块以及时钟模块等部分,通过模块化的设计方式目的是为了提高开发效率,降低后续硬件升级的难度。最后,利用Altium Designer 21软件对整个系统的电路原理图进行绘制。3)研究了呼气标志物的定性和定量算法。由于MOS传感器存在交叉敏感性,需要选择合适的模式识别算法对呼气检测装置采集到的数据进行分析。在急性肾损伤患者呼气标志物定性识别过程中,通过使用蝙蝠算法(Bat Algorithm,BA)优化后的BP神经网络模型(Backpropagation neural network model,BPNN)对急性肾损伤患者呼气标志物氨气和丙酮识别精度达到了98.24%和98.17%,与未改进前的神经网络相比识别率分别提高了4.61%和4.68%。在定量分析过程中,选择使用粒子群算法(Particle Swarm Optimization,PSO)优化后的BP神经网络模型对急性肾损伤患者呼气标志物氨气和丙酮进行预测。实验结果表明,两种气体的平均绝对误差(Mean Absolute Error,MAE)分别为0.011436和0.019583,平均绝对误差与优化前的结果相比分别降低了0.00339和0.11551。综上,通过智能种群算法的优化,BPNN的预测效果得到了较大提升,具备更高的预测精度和泛化能力。

关键词： 材料数据库   材料数据发现   区块链   模式识别  

摘要： 材料是构成各种装备和工程的物质载体,在制造业不同的阶段和环节,都扮演着不可或缺的角色。随着数字化技术向材料领域的延申,通过大数据、人工智能等技术可以对海量的材料数据进行分析、挖掘和利用,大幅地提高材料研发效率、降低成本,材料数据的共享与流通有利于材料行业的创新与发展。然而,目前材料数据分散在多个平台和数据库中,隶属不同机构、组织,并且受限于中心化结构,开放程度不高,导致数据获取有限,形成了多个数据孤岛。针对材料数据孤岛式存储、数据共享应用困难的现状,对基于区块链的材料数据发现与共享机制进行了研究,旨在实现材料数据跨平台的共享与应用。具体如下: (1)针对传统中心化材料数据共享系统中的数据孤岛、隐私泄露等问题,提出了一种基于区块链的材料数据发现与共享模型,可将不同的材料数据库进行连接,打破不同实体材料数据分散化壁垒。该模型为融合“云-链-端”的协同模型,充分发挥了区块链和云计算平台的各自优势,可实现材料数据的高效存储、确权、发现、共享等应用,同时确保“数据主体不出域、数据可用不可见”,形成全新的材料数据安全共享模式。 (2)针对材料数据多模态、异构化、来源繁杂、存储分散的问题,提出了基于“成分-性能-结构-工艺”四面体要素的材料特征数据模式,旨在以最小的数据集获得最大产品辨识度,减轻区块链的计算与存储负担。建立了基于“云-链-端”协同框架的材料数据标识编码与解析方法,以实现多源异构材料数据的统一标识和寻址。并以钢铁材料、焊接材料、高温合金、稀土永磁合金为例,对其材料特征数据结构进行了研究。 (3)针对材料数据发现和隐私保护问题,提出了一种基于模式识别和隐私保护技术的材料数据发现算法。该算法利用材料特征数据进行材料相似度的计算,结合函数加密方法,可以在数据完全加密的情况下进行材料相似度计算与排序,进而实现相似材料数据的发现。通过比对实验表明,与明文相比,密文计算延迟时间在可接受范围内。 (4)基于所提出的材料数据发现与共享方法,开发了材料数据发现与共享原型系统。在区块链组网建链方式方面,提出了“节点-行业链-材料数据互联网”联盟链网络模型,不同材料构建不同行业链,采用不同智能合约,实现不同应用;设置了合理的监管机制、超级节点机制以及共识机制,可有助于可信材料数据共享网络的构建。在基于区块链的材料数据共享方法方面,提出了数据权限的分级管控方法,可对不同隐私需求的材料数据设置不同的权限策略;提出了“数据链”与“行为链”的构建方法,可有效地对材料数据和交互事件进行区块链存证;建立了材料大数据价值评估方法,为数据共享提供驱动力。基于本方法已在钢铁材料产业链5个典型节点之间,以及35个焊接材料产品体系之间,实现了数据发现、匹配与共享应用示范。并将本方法进行标准化,发布了《材料数据区块链通则》团体标准,以降低数据发现与共享系统应用难度,促进材料数据共享生态的建立。 上述研究为材料行业不同实体提供了“数据-隐私-共享”的数据流通可信通道,为材料产业链的数据共享提供了解决方案,有助于促进不同实体间材料数据的发现与共享,可为材料产业链实体间构建信任关系、共赢协作提供有效支撑。

关键词： 高压电缆   局部放电   典型缺陷   动态特性   特征寻优   模式识别  

摘要： 局部放电作为电缆绝缘问题的原因和表征,能够有效反映电缆绝缘缺陷状态,是高压电缆状态评估和故障诊断的有效手段。动态特性分析和模式识别对局部放电在线监测具有参考价值。本文围绕海上风电场高压电缆局部放电动态特性分析和模式识别开展研究,取得的主要成果如下:(1)开展了基于典型缺陷的海上风电场高压电缆局部放电耐压测试。制作环切刀痕、半导电粉末、应力锥移位和打磨不规则四种不同电缆缺陷段,搭建局部放电加压实验平台,设计局部放电耐压实验流程。在此基础上开展局放加压测试,采集4种典型缺陷的电缆局部放电信号,共计原始信号24918个周期,脉冲260906个。(2)分析了基于典型缺陷的海上风电场高压电缆局部放电动态特性。基于不同缺陷电缆局部放电原始信号,绘制局部放电相位图谱并对其进行分析。基于不同缺陷局部放电产生机理,分析了局部放电脉冲特性和传输特性。(3)开展了高压电缆绝缘缺陷劣化动态发展过程模拟与特性分析。分析高压电缆局部放电导致绝缘缺陷劣化过程中产生的放电类型及成因,基于放电原理开展电缆电晕放电、闪络放电和击穿放电实验,模拟绝缘缺陷劣化发展过程。基于实验加压和耐压数据,分析其绝缘缺陷劣化过程中的放电特性。(4)开展了基于特征优选与卷积神经网络的海上风电场高压电缆局部放电模式识别方法研究。基于局部放电原始数据提取一维特征17个并进行归一化,构建二维特征10个、三维特征10个、四维特征5个,共计42个特征参数。基于随机森林对42个特征参数进行重要性排序,选取重要性前10的特征作为模式识别输入参数。基于卷积神经网络的模式局部放电识别方法在最优参数下识别精度可达96.03%。

关键词： 激波探测   三维拓扑   层析重建   流场可视化  

摘要： 流动可视化技术在对流动的研究中扮演着重要角色。而激波和激波干扰是超声速或高超声速流动中的典型现象。激波及激波干扰会对武器的气动特性、稳定性、机动性、以及作战效能具有十分重要的影响。然而,传统的激波探测方法利用压强或密度等流动变量来主观确定激波位置,在其探测结果中往往存在多余的非激波碎片或出现漏识别等问题。由于其结果以离散面片的形式呈现,传统方法也无法识别出激波之间的拓扑结构,即激波干扰模式。因此,本文借鉴层析重建的思想,结合基于K-means聚类算法的二维激波模式识别方法,提出了一种新的三维激波模式识别方法。本文的主要研究内容如下:(1)采用一种新兴的基于K-means聚类算法的二维激波模式识别方法,获取激波之间的相对位置关系,从而得到完整的激波面及其拓扑结构,可有效改善传统方法结果中的错误激波及无拓扑结构等缺陷。在单激波算例中,对比结果表明由该新兴方法探测出的激波角与其理论解的偏差较小。在斜激波反射的算例中,采用该二维激波识别方法可准确识别出入射激波、反射激波及激波-壁面反射点。结果表明,该方法可以有效识别出激波的拓扑结构。(2)在上述方法的基础上,采用层析重建的方法,建立一种新的三维激波模式识别方法。首先按照特定的方向与间距,从三维流场中,抽取出一系列二维切片。然后针对每个切片处的流场,进行二维激波探测及模式识别。将识别结果中的点分为关键点与普通点,再建立相邻切片上关键点的映射关系(1-1映射、1-0映射及1-N映射),由此确定激波线的对应关系。利用逆向工程中曲面重构的思想,使用激波线与由关键点组成的边缘线重构出激波面,并根据关键点上的拓扑关系,推断出边缘线的拓扑信息,从而判断激波的相交模式。将该方法应用于一个球柱锥组合体算例,结果表明,该三维激波模式识别方法可正确识别出激波的拓扑结构。(3)为检验本文提出的方法,以单激波算例、激波反射算例、激波相交算例和双楔面算例为例,对比马赫数等值线和传统方法探测方法,结果表明本文方法准确度较高。并且本方法可以得到正确的激波拓扑结构,例如在激波反射类型发生变化的算例中,可以得到类型转换点的具体坐标和激波相交线位置。在球柱锥组合体算例和双楔角算例中,本方法能有效识别出类弹头、类进气道算例中的激波拓扑结构。因此,本文研究表明,该方法可准确识别出激波及其拓扑结构,可作为先验知识帮助激波装配法的发展,对于火箭、导弹等武器和飞行器的气动力热设计,也具有一定的参考价值和指导意义。