关键词： 壁挂式变频空调   监控系统   模式识别   粒子群优化PID  

摘要： 能源是人类赖以生存的重要物质保障,世界能源消耗逐年提升。空调作为空气调节电器,应用领域十分广泛,空调能耗占社会总能耗比重很高。因此,针对空调进行节能控制研究对节约能源和碳减排有一定的价值。本课题以壁挂式变频空调控制系统为研究对象,通过设计监控系统结合深度学习算法对空调进行控制模式识别,并通过改进的PID控制方法对空调温度控制进行优化,实现空调节能和智能化。本文的主要研究内容如下:1.对壁挂式变频空调的系统组成、工作原理和节能原理做出介绍。设计空调室内空气质量监控系统,系统架构设计包括硬件平台设计、软件层设计和云平台设计。传感器采集温湿度和空气质量参数,软件层进行数据分析和智能决策处理,云平台提供可视化界面和控制端口,用户可查看室内空气质量状态信息,学习空调指令能够实现空调的智能远程控制,提升用户舒适性。2.构建了基于遗传算法优化反向传播神经网络的模式识别模型,学习用户使用空调的习惯,可以自动变更控制策略,及时更新阈值来适应用户使用习惯,去判断调节空调的送风模式、除湿模式、制冷模式以及制热模式。并结合目标检测算法,识别室内人数和睡眠人数,实现空调睡眠模式的判别,将人数识别应用于后续节能控制系统的仿真设计。3.建立了变频空调温度控制系统理论数学模型,将改进的粒子群优化PID控制算法应用于简化的空调温度控制模型,在制热、制热稳态干扰下和制冷稳态干扰下进行Simulink仿真测试,并与模糊PID控制以及粒子群优化的PID控制进行对比,仿真结果表明改进的粒子群优化PID控制算法具有更好的控制效果和节能效果。然后建立仿真验证人数识别和改进的粒子群优化PID共同构建的节能控制系统,在室内人数增加、室内人数减少和室内人数变化频繁三种情况下进行测试,仿真结果表明控制效果可以做到有效抑制因室内人数变化带来的温度扰动。通过模型的验证分析,说明了空调模式识别和改进的粒子群优化PID控制策略的可行性,对于空调的节能有一定的参考意义。

关键词： 扩压器机匣   声发射检测   时间反转   模式识别   缺陷定位  

摘要： 钛合金材料的应用范围不断扩大,已经涉及到航空航天、船舶、压力容器等多个领域。随着对钛合金性能要求的提高,其应用前景更为广阔。钛合金因其具有出色的耐热性、高比强度和抗腐蚀性等特点而被广泛应用于航空重载设备,如扩压器机匣等。然而,在发动机运行过程中,扩压器机匣作为航空发动机冷端结构长期承受高温高压的工作环境,一旦出现损伤失效,将会造成不可估量的严重后果。因此,动态损伤监测对于航空发动机的安全运行具有重要意义,声发射检测技术则提供了一种可行的动态监测方法,及时发现损伤情况,确保扩压器机匣使用过程中的安全性。本文首先采用有限元COMSOL对扩压器机匣进行一比一仿真建模,研究声发射源在扩压器机匣内部的传播机理。采用上升时间不同的双极子源函数作为仿真激励源模拟不同类型的损伤声发射源,研究其在扩压器机匣不同结构处的声速变化传播特性;并加入高温环境,找出信号在不同温度下的变化规律;在仿真环境下对时间反转聚焦定位算法的精度作出了验证,为声发射监测评价扩压器机匣在高温环境下的工作状态提供了理论指导。接着对扩压器机匣易出现损伤的管座脚附近区域进行定位研究,采用弧面转化技术将类似于管板结构的管座脚三维结构转化为二维平面,采用断铅的方式模拟损伤声发射源,针对损伤声源的坐标位置利用基于时间反转的定位算法对其进行精确定位,该方法定位精度较声发射仪器定位精度有着明显的提高,且误差低于5%,满足实验、工程应用需求。然后,对扩压器机匣主体材料,即TA15钛合金,展开高温力学拉伸实验,研究其材料在冷端结构工作承受最高温度,即300℃下的材料变化特性,根据采集的声发射信号的特征参数对其信号分别进行经历分析、分布分析、关联分析,得出该材料在不同温度下的力学拉伸损伤演化、特征参数的变化规律及温度对特征参数的影响,将特征参数与高温力学拉伸整个实验过程相关联。最后,采用小波包分解技术和基于BP的神经网络模式识别对高温力学拉伸实验过程中的波导杆振动干扰信号与材料断裂损伤有效声发射信号进行识别。将声发射仪器采集的信号通过小波包分解,将能表征两类信号的能量特征进行提取,建立BP神经网络模型,将特征向量作为输入层输入,经过多组样本进行测试训练,最终实现对有效声发射信号的准确识别。

关键词： 麻雀搜索算法   狼群算法   BP神经网络   模式识别  

摘要： 滚动轴承作为旋转设备中重要的部件之一,在工业生产和活动中被广泛应用,其平稳工作对于设备的安全运行有重大影响。然而在实际使用过程中,由于环境和加工等不确定性因素,可能导致其本身发生故障,影响设备正常运行,甚至还会造成人身财产等方面的损失。因此,对滚动轴承故障进行及时检测和诊断就显得尤为重要,故本论文基于滚动轴承振动信号对滚动轴承状态识别展开研究,主要工作内容包括: (1)针对高背景噪声下滚动轴承故障特征难以提取的问题,本文提出了一种基于麻雀搜索算法优化变分模态分解(SSA-VMD)的特征提取方法。首先将采集的高噪音背景下的振动信号通过奇异值降噪;其次以均方根排列熵为适度值函数通过麻雀搜索算法对VMD分解参数进行最优参数选择,随后分解降噪后信号,以峭度值选取包含故障信息的主要IMF分量,将主要包含故障信息的IMF分量重构为新的振动信号,通过包络谱分析了滚动轴承故障特征;最后根据提出的方法在滚动轴承故障试验台进行了实验,验证了该方法可有效提取出滚动轴承的故障特征。 (2)针对BP神经网络反向传播慢,准确率低的问题,提出了一种基于狼群算法(WPA)优化BP神经网络的方法。首先构建BP神经网络,确定网络的结构;其次以WPA作为BP神经网络的反向传播函数,实现对BP神经网络权阈值的快速优化,避免了BP神经网络优化陷入区域最优解的现象;最后通过训练模型验证该方法在训练过程中,收敛速度更快。 (3)针对高噪音背景下,滚动轴承故障特征不明显,模式识别低的问题,提出SSA-VMD-WPA-BP神经网络的状态识别模型。通过滚动轴承实验台采集的振动信号进行验证,证明了该方法具有较高的故障模式识别准确率。 本文通过理论研究及实验论证,结果显示,本文提出的方法提升了模式识别准确率,并实现了对滚动轴承故障诊断研究方法的扩展。

关键词： 模式识别技术   激光控制系统   故障特征   故障误诊率  

摘要： 故障研究是保证大功率医用激光控制系统正常运行的重要技术,为提升大功率医用激光控制系统故障诊断的准确性,提出了基于模式识别的大功率医用激光控制系统故障诊断方法。采集大功率医用激光控制系统状态信号,提取特征,引入模式识别技术设计大功率医用激光控制系统故障诊断的分类器,并进行了大功率医用激光控制系统故障诊断的仿真实验。结果表明,本方法的大功率医用激光控制系统故障诊断正确率超过95%,误诊率控制在5%以内,获得了理想的大功率医用激光控制系统故障诊断结果,可以满足控制系统维护实际要求。

关键词： 超圆盘   最近邻分类   齿轮箱   模式识别   故障诊断  

摘要： 针对超圆盘分类器存在分类精度和分类效率较低等问题,引入松弛变量,并考虑当前类样本和异类样本的约束以避免超圆盘相交,从而得到更合理的类别区域估计,得到鲁棒超圆盘模型(Robust Hyperdisk Model,RHD),将RHD模型与最近邻分类方法结合,提出一种鲁棒最近邻超圆盘分类器(Robust Nearest Neighbor Hyperdisk Classifiers,RNNHDC).RNNHDC只需计算未知样本点到各类别RHD的距离,计算效率高,且可以直接用于多分类任务.最后将RNNHDC应用于齿轮箱故障诊断,在2个不同的齿轮箱数据集上进行实验验证,结果表明,RNNHDC分类精度高、鲁棒性强,可有效用于齿轮箱智能故障诊断.

关键词： 2型糖尿病   动脉粥样硬化   模式识别受体   代谢性炎症   综述  

摘要： 综述先天性模式识别受体如Toll样受体、NOD样受体、Rig-1样受体和C型凝集素样受体以及晚期糖基化终产物受体在糖尿病动脉粥样硬化中的促代谢性炎症作用。动脉粥样硬化是心血管疾病的危险因素。无菌炎症现在被称为代谢性炎症,在2型糖尿病的早期和晚期发挥关键作用,同时也是2型糖尿病和动脉粥样硬化间的联系桥梁。

关键词： 录井资料   保留时间   指纹对别   谱图重构   敏感参数   相似度分析   聚类分析   主成分分析  

摘要： 为了提高录井资料的应用价值,尝试利用录井智能解释软件对多项录井资料进行标准化、数字化处理,然后进行敏感参数提取,并利用模式识别技术充分挖掘新解释方法。基于该思路,阐述了多种资料处理技术,包括保留时间校正技术、指纹对别技术、谱图重构技术、敏感参数提取技术,并详细介绍了实现过程。利用多种模式识别技术所建立的新解释方法,包括相似度分析、多元统计分析等,在长庆油田后期生产中均取得了较好的应用效果,对录井技术创新发展有一定的借鉴意义。

关键词： 局部放电   残差网络   深度可分离卷积   迁移学习   D-S证据理论   模式识别  

摘要： 由于恶劣多变的海洋环境,电缆局部放电信号采集过程中存在很多未知而又复杂的因素,导致放电类型的识别准确率不高,易发生误识别。针对这一问题,提出一种基于双模型融合的电缆局部放电模式识别方法。分别构建基于残差网络和移动端网络的识别模型,引入D-S证据理论对单一模型的识别结果进行融合。针对证据冲突的情况,引入Hellinger距离改进D-S理论中的权重分配,提高识别准确率与稳定性。试验采用现场采集的局放信号所构成的PRPD图谱数据集进行验证。试验表明,融合后的模型平均识别率为97.22%,召回率为95.59%,双模型融合的各项性能均比单一模型有所提高,有效降低了误识别的发生,提升了识别结果的可信度,可更准确地实现对各类局部放电的模式识别,为海底电缆的稳定运行提供更好地支撑。

关键词： 留学生   人工智能与模式识别   百度飞桨   教学改革与实践  

摘要： 针对目前外国留学生人工智能与模式识别课程教学中存在的问题,提出将百度飞桨和AI Studio平台引入教学中,阐述如何利用百度飞桨和AI Studio平台直观性、易用性等特点,有效解决外国留学生在学习中的诸多难题,最后通过成绩分析说明教学效果。

关键词： 热轧   镰刀弯   跑偏   模式识别   控制模型  

摘要： 带钢热轧跑偏问题是影响带钢生产与板形质量的重要因素。轧制生产过程中,由于粗轧中间坯头部弯曲导致的精轧堆钢事故频发,不仅严重危害生产稳定性,还造成资源的严重浪费和企业的经济损失。为了解决上述问题,针对粗轧非对称板形影响因素,结合实测粗轧中间坯以及工艺过程数据,建立中间坯头部预控模型,并利用加权最小二乘法与模型自学习对模型增益系数进行优化,最终建立了基于粗轧镰刀弯的精轧跑偏预控模型。将模型计算值应用于现场生产后,有效降低了精轧带钢头部跑偏,具有较好的参考价值和指导意义。