关键词： 降香   指纹图谱   含量测定   模式识别   质量评价  

摘要： 建立降香的HPLC指纹图谱及多成分含量测定方法。采用Agilent ZORBAX SB-C;色谱柱(4.6 mm×250 mm,5μm),以乙腈-0.5%磷酸水溶液为流动相,梯度洗脱,流速1.0 mL·min^(-1),柱温30℃,检测波长210 nm,进样量10μL。18批降香的指纹图谱相似度为0.343~0.779,表明不同批降香之间差异性较大;共标定了18个共有峰,指认了甘草素、阔叶黄檀酚等8种黄酮类成分,其中甘草素、木犀草素、柚皮素、异甘草素、刺芒柄花素、黄檀素、阔叶黄檀酚和生松素的质量分数依次为0.1341%~0.4952%、0.0282%~0.1670%、0.0163%~0.5913%、0.0535%~0.1880%、0.1424%~0.6401%、0.0680%~0.5907%、0.0032%~1.9807%、0.0096%~0.7402%;聚类分析将18批降香分3类,PLS-DA分析标记了降香中8个差异性成分,累计方差贡献率为90.5%。建立的降香HPLC指纹图谱和多成分含量测定方法操作简单、准确、具有良好的重复性和可靠性,可采用PLS-DA模型对降香药材的质量进行评价,为降香药材及其制剂的质量控制和临床应用提供了参考。

关键词： 采矿工程   微震波形   识别特征   判决函数   模式识别   算法软件  

摘要： 微震监测技术在矿山的应用需求日益增加,但还没有实现对有效信号与噪音信号的自动识别,严重制约了其应用效果与推广普及。深入研究与梳理了矿山强噪音环境下各主要待识别模式类,分别为凿岩、无轨设备行驶、溜井倒矿、电磁干扰、爆破与有效信号共六类,将有效信号模式类分为小能量事件与大能量事件2个子集,详细研究了各模式类的发生机制。通过收集各模式类的大量样本,研究抽取得到上述6类模式类的识别特征分别为:波形间隔时间Δt典型识别特征、波形持续时间t_(c)典型识别特征、总持续时间长度与内有单独事件个数联合的综合典型识别特征、t_(c)或主频f_(主)的典型识别特征、t_(c)与主频f_(主)联合的一般综合识别特征、t_(c)典型识别特征与排除法。采用预处理方法计算与统计得到了各识别特征值的分布概率。构建了识别性能优异的判决函数,建立了矿山微震波形特征自动模式识别算法。依托上述算法开发出了模式自动识别软件,通过在典型矿山的现场测试,有效信号的识别准确率为90.8%,现场应用效果好,实现了预期目标。

关键词： 纯电动汽车   双电动机驱动   驱动系统效率最优   参数匹配   模式识别  

摘要： 针对某型纯电动汽车,设计双电动机耦合驱动系统,并进行电动机参数匹配,提出了电动机耦合驱动效率最优控制策略.对驱动系统的工作模式进行分析,通过序列二次规划算法计算出电动机最优工作点以及驱动系统效率.基于驱动系统效率最优原则,通过比较每个工作点的4种工作模式下的驱动系统效率,提出多模式切换下双电动机耦合驱动系统的控制策略,重点对模式识别控制策略进行研究.建立联合仿真模型对所提出的效率最优控制策略进行试验验证.结果表明:提出的双电动机耦合驱动系统效率最优控制策略具有良好的控制效果,在整个NEDC(new European driving cycle)循环工况中,双电动机耦合驱动系统的平均效率为85.9%,驱动系统效率大于85.0%的电动机工作点占整个工作区间的55.0%,电动机可以工作在较高的效率区间内,电动机的负荷率更高,车辆动力性能和经济性能得到了提升.

关键词： 洗衣皂   拉曼光谱   模式识别  

摘要： 对13种洗衣皂进行拉曼光谱的数据收集,对拉曼光谱数据预处理后,利用5种不同的机器学习方法对于不同品牌洗衣皂进行训练和测试。训练集中5种模式识别方法,准确性从高到低依次为:线性判别、子空间判别、最近邻、决策树、支持向量机,其中线性判别和子空间的识别率均高于95%,训练效果较好。测试集中线性判别和子空间判别识别率高于90%,其中线性判别识别率为100%,其余3种方法识别率均低于50%。通过综合比对,线性判别的方法适合对于不同品牌洗衣皂的识别。

关键词： 对抗自编码   二维独立均匀分布   特征强化   聚类分析   生成模型  

摘要： 标准对抗自编码模型能够以自监督方式自适应提取输入样本的特征,并通过对抗机制对提取的特征施加特定的先验分布,从该先验分布进行采样输入解码器,则可生成与输入样本近似的样本。但在实际应用中,有时需要生成指定类别的样本;对于模式识别任务,通常还需要对多类别样本的特征进行提取,并强化特征间差异,从而进行聚类分析。针对上述需求,本文提出基于二维独立均匀分布对抗自编码的分析模型。在该模型中,根据类别信息构建二维均匀分布,便于对不同类别的可视化特征进行专属约束,从而强化不同类别特征间的差异;此外,通过自监督与对抗训练,使得对应特定类别信息的均匀分布样本能够生成指定类别的样本。方法经网络公开数据MNIST数据集进行了验证,研究表明,该方法能够利用与类别信息相关的二维独立均匀分布对隐变量进行约束,提高了特征聚类性能,并能够生成指定类别的样本。

关键词： 声发射事件   模式识别   改进的完全集合经验模态分解   多通道卷积神经网络  

摘要： 为精准识别地下矿山声发射事件,采用基于改进的完全集合经验模态分解模型(ICEEMDAN)和多通道卷积神经网络(MC-CNN)模型对声发射信号进行处理后得到分量图,根据各通道输入分量峭度值赋予不同权重,并利用卷积神经网络对输入数据进行训练,最终采用五折交叉实验方法验证该分类识别方法的可行性及有效性。结果表明:基于ICEEMDAN和MC-CNN模型分类识别正确率为97.64%,与其他传统识别方法相比能精准有效地对地下矿山声发射信号进行识别分类,显著提高卷积神经网络的波形识别正确率。研究结果可为地下矿山声发射事件识别分类提供借鉴。

关键词： 基于知识的系统   机器学习   人工智能   自然语言理解   非单调推理   计算机模拟   模式识别   机器视觉  

摘要： 自人工智能诞生以来,机器学习作为实现人工智能的途径,其主要宗旨是:通过研究使用计算机模拟或实现人类学习活动。经过几十年的创新发展,机器学习不仅在基于知识的系统中得到应用,而且在自然语言理解、非单调推理、机器视觉、模式识别等许多领域也得到了广泛应用,越来越受到产业界的高度重视。随着大数据智能时代到来,2017年国务院印发了《新一代人工智能发展规划》,明确将机器学习研究布局作为新一代人工智能前沿基础理论研究主题之一,新一轮智能产业变革的核心驱动力,重构生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新技术。

关键词： orbital angular momentum   mode identification   free-space optical communication   atmospheric turbulence  

摘要： Vortex optical communication has been a hot research field in recent years. A key step is mode recognition in the orbital angular momentum(OAM) free-space optical(FSO) communication system. In this article, we propose an OAM mode recognition method based on image recognition technology, which uses the interferogram between the vortex beam and the Gaussian beam to identify the OAM mode. In order to resist the influence of atmospheric turbulence on the recognition accuracy, we added a Gaussian smoothing filter into the recognition process. Moreover, we used random phase screens to generate interferogram sets at distances of 1 km and 2 km. The verification result shows that the proposed scheme produces high identification accuracy for the distorted optical field. The average accuracy can reach 100% and 87.78% under the conditions of medium-and strong-turbulence levels, respectively. It is anticipated that these results might be helpful for improving the reliability of the OAM-FSO communication system in the future.

关键词： 光纤   多包层Bragg光纤   光子晶体光纤   模式识别  

摘要： 光纤在信息通信领域的研究越来越广泛,而光纤中的模式识别技术为光纤模式分类提供了一种简洁的方法。通过阶跃光纤中波动方程的标量解,对横电波(TE)模式,横磁波(TM)模式,混合波(HE,EH)模式进行分类,在此基础上对特种光纤如多包层Bragg光纤,光子晶体光纤等具有代表性的光纤进行了仿真研究。以先前研究者提出的模式分类方法为依据,结合模式的电场线分布图和Ez方向的电场强度分布图,提出了一种具有普适性的模式分类方法,有助于研究者对光纤做进一步的探究。

关键词： 深度学习   缺陷识别   YOLOv4   模式识别  

摘要： 本文提出一种基于YOLOv4铜板带材表面缺陷检测模型,针对铜金属板带材生产过程中产生的表面缺陷形式多样、位置随机而导致难以快速定位和识别的问题,采用大数据驱动的深度学习策略,以铜带表面缺陷图像为训练样本,对YOLOv4目标检测模型进行训练,实验结果表明,改进的模型识别铜带表面缺陷的全类别平均精度均值(mean average precision,mAP)为93.37%,高于原始YOLOv4模型的全类别平均精度91.46%,检测速度达到49帧/秒,与双阶段的检测模型更快地R-CNN(faster region-based convolutional neural network,Faster R-CNN)相比,在保证检测精度的同时提升检测速度,能够满足在线检测需要,适合完成铜带工业生产过程中缺陷检测任务。