关键词： 仿真数据分析   主导失稳模式   半监督学习   均值教师   虚拟对抗训练  

摘要： 电网仿真计算对电力系统规划、运行方式和控制决策制定具有重要的指导意义。在仿真计算中,一个重要的步骤是根据海量暂稳仿真数据分析电力系统的稳定性以及主导失稳模式,为后续制定紧急控制决策表提供帮助,该文采用深度学习克服传统方法难以有效区分实际电网中功角失稳和电压失稳的问题。为降低深度神经网络对有标注样本的依赖,进一步提出一种融合虚拟对抗训练(virtual adversarial training,VAT)和均值教师(mean teacher,MT)模型的半监督学习框架进行仿真分析中的主导失稳模式智能识别。VAT-MT模型分别构造一个教师网络和学生网络,通过对样本特征施加扰动后输入到两个网络中计算一致化损失来强化模型训练,同时采用VAT计算最大扰动方向提升模型的性能。在中国电科院36节点系统和东北电网上进行算例研究,结果表明,所提出的方法能够极大降低样本的标注成本,具有适应实际电网的能力。

关键词： 模式识别   卷积神经网络   手写数字识别  

摘要： 为了解决传统的多层神经网络在手写体数字识别中网络参数过多、计算量大、准确率低等问题,将卷积神经网络应用于手写体数字识别,设计了一种新的网络模型,在MNIST数据集上对网络模型进行训练;对比分析常用的优化算法在不同学习率时对识别效果的影响,选用具有自适应学习率的优化算法.利用MNIST数据集进行测试,本文模型识别准确率可以达到99%以上,损失接近于0.实验结果表明,利用该网络模型进行手写数字识别,识别率高、运算量小,提高了识别速度和准确率,具有很强的鲁棒性.

关键词： 藤络宁胶囊   高效液相色谱指纹图谱   化学模式识别   聚类热图分析   主成分分析   正交-偏最小二乘判别分析  

摘要： 目的:建立藤络宁胶囊HPLC指纹图谱,并结合化学模式识别方法评价藤络宁胶囊的质量。方法:采用Agilent 5 TC-C_(18)色谱柱(250 mm×4.6 mm,5μm)进行色谱分离,流动相为甲醇-0.1%甲酸水溶液梯度洗脱,流速为1.0 ml·min^(-1),柱温30℃,检测波长345 nm,进样量为10μl。采用《中药色谱指纹图谱相似度评价系统(2012A版)》对指纹图谱进行相似度评价,确定共有峰,结合聚类热图分析、主成分分析和正交偏最小二乘-判别分析等模式识别方法,对不同批次藤络宁胶囊进行质量评价。结果:10批藤络宁胶囊HPLC指纹图谱有18个共有峰,相似度均在0.950以上;通过聚类分析将样品按不同批次分为2大类;主成分分析与聚类分析结果一致;最后采用正交偏最小二乘-判别分析筛选出了不同批次藤络宁胶囊的5个差异标志物。通过与对照品图谱比对,确定了3号峰为绿原酸、7号峰为东莨菪内酯、13号峰为丹酚酸B。结论:建立的指纹图谱方法稳定、可靠、重复性好,可用于藤络宁胶囊的质量控制。

关键词： 超越冯诺依曼架构   神经形态计算   忆阻器   突触可塑性  

摘要： 现有的类脑计算电路存在的识别对象单一、识别率低等问题,限制了类脑芯片的发展。该文结合器件量子电导及存算一体架构,提出一种基于忆阻器的多模式识别CNN电路设计方案。该方案首先构建具有多阻态、高精度、可重构的忆阻器模型;然后采用CNN架构与权重量化方法,提高电路的训练速度与识别率;最后,在交叉阵列结构中进行电导映射,完成MNIST、Fashion-MNIST和EMNIST等多种模式测试。实验结果表明所设计忆阻器具有50个稳定阻态以及LTP突触可塑性;CNN硬件电路的多模式识别率均为90%以上,尤其是MNIST识别率高达99.08%,并验证了高斯噪声下电路的抗干扰能力。

关键词： 电力变压器   局部放电   故障诊断   模式识别   卷积神经网络   注意力机制   时频谱  

摘要： 结合局部放电信号的时频特性,提出一种基于注意力机制2D-1D深度残差网络的时频谱特征提取方法。对单个周期放电信号进行Gabor变换得到二维时频谱;通过二维频率密集型滤波提取频率特征,对得到的时间序列进行一维时间卷积以提取时间分布信息,同时融合通道注意力机制增加模型泛化性和鲁棒性。搭建变压器缺陷模型,并采集不同缺陷放电数据。通过实验,将所提出的方法与人工特征方法、经典卷积模型进行对比,结果表明,所提出的方法能够获得更高识别精度。

关键词： 仿生嗅觉系统   气体传感器   模式识别   智能传感技术  

摘要： 仿生嗅觉系统是所有生物感官仿生研究中进展较为缓慢的一项技术。本文介绍了仿生嗅觉系统的研究背景,通过分析人类嗅觉的基本原理及其与仿生嗅觉系统中不同组成的对应关系,详细阐述了仿生嗅觉系统在气体传感器、数据处理系统等方面的发展状况及存在的问题,讨论了仿生嗅觉系统的应用场景,并针对衍生出的新需求对仿生嗅觉系统的未来发展趋势进行了展望。

关键词： 井眼轨迹   形态多变   单一轨迹模型   井斜角   特征参数   轨迹分段   轨迹模式识别   三次b样条  

摘要： 针对井眼轨迹形态多变而测斜模式单一所导致的井眼轨迹拟合偏离真实钻进轨迹问题,文中提出了基于特征参数的井眼轨迹分段和模式识别方法。该方法基于充分的理论分析建立井斜角、方位角随井深的3次b样条函数,得到能够决定井眼轨迹某点邻近形状的曲线特征参数。根据该特征参数,结合各种模型的特征参数,构建井眼模式识别评价指标和分段指标,并选出最符合实钻的井眼轨迹模型。为了验证所提方法的有效性,设计了样机模拟实钻实验。研究结果表明,基于特征参数的井眼轨迹模式识别与分段方法能够有效提高井眼轨迹拟合的精度。

关键词： 红花   指纹图谱   化学模式识别  

摘要： 目的:建立不同产地红花的指纹图谱,结合化学模式识别方法评价不同来源红花质量。方法:通过HPLC法建立指纹图谱,采用相似度评价、聚类分析、主成分分析、偏最小二乘判别分析评价不同产地红花的质量。结果:成功建立了38批红花的指纹图谱,共确定12个共有峰,指认出其中6个成分,分别为羟基红花黄色素A、色氨酸、6-甲氧基山柰酚-O-β-葡萄糖苷、红花红色素、脱水红花黄色素B、槲皮素-3-O-β-D-葡萄糖-7-O-β-D-龙胆双糖苷。38批样品与对照图谱的相似度为0.848~0.984。聚类分析以及主成分分析可将红花样品分为2大类,偏最小二乘判别分析共筛选出5个质量差异标志性成分。结论:该研究建立的红花指纹图谱与化学模式识别方法可靠、稳定,可为评价不同来源的红花药材提供参考。

关键词： 质量控制   聚类分析   主成分分析   偏最小二乘判别分析  

摘要： 目的建立HPLC测定飞蛾藤属植物多指标含量的方法,为飞蛾藤属植物的质量控制提供参考。方法采用Agilent 5 TC-C18色谱柱(250 mm×4.6 mm,5μm),流动相乙腈-0.1%磷酸梯度洗脱,体积流量1.0 mL·min^(−1),柱温25℃,检测波长345 nm;并结合聚类分析、主成分分析及偏最小二乘判别分析评价飞蛾藤属植物中9种成分的差异。结果9种成分在各自范围内线性关系良好(r>0.9990),精密度、稳定性及重复性试验结果的RSD均<3.00%,平均加样回收率为97.29%~103.21%。聚类分析、主成分分析及偏最小二乘判别分析结果显示,16批飞蛾藤属植物可明显分开,组内样品有很强的相似性,而组间样品差异较大。通过PLS-DA中变量重要性投影分析发现4个差异性指标成分,分别为绿原酸、异绿原酸A、N-反式-阿魏酰酪胺和东莨菪内酯。结论建立了简便、精密的飞蛾藤属植物多指标含量测定方法,且通过统计方法证明绿原酸、异绿原酸A、N-反式-阿魏酰酪胺和东莨菪内酯为飞蛾藤属植物质量差异性评价的指标成分,为飞蛾藤属植物的区分及质量控制提供参考。

关键词： 往复压缩机   变分模态分解   多尺度样本熵   支持向量机   模式识别  

摘要： 往复压缩机气阀故障振动信号具有较强的非线性和非平稳性。为了从往复压缩机气阀振动信号中提取故障特征用于故障诊断,提出一种基于变分模态分解(variational mode decomposition,VMD)与多尺度熵(multi-scale entrope,MSE)的故障特征提取方法,并与采用麻雀寻优算法(soarrow search algorithm,SSA)优化的支持向量机(suppot vector mackine,SVM)相结合,用于往复压缩机气阀故障诊断;通过对往复压缩机气阀信号进行VMD分解,选取合适的内禀模态分量(intrinsic mode function,IMF)进行信号重构,基于MSE熵值分析构成特征向量集,最后将其输入SSA-SVM训练并识别故障类型。试验结果表明,基于VMD-MSE与SSA-SVM的故障诊断模型能有效并准确的识别往复压缩机气阀故障。