关键词： 表面肌电信号   模式识别   人机协同控制   粒子群优化轻量卷积神经网络   双输入卷积神经网络  

摘要： 随着现代技术的不断发展和人力资源结构的不断变化,机器人逐渐代替人类进行复杂或危险环境下的作业任务。表面肌电信号可以有效的表征生理动作反映运动功能信息,通过解码表面肌电信号来识别人的行为是动作模式识别的一种重要手段。目前肌电模式识别存在着分析方法准确率低、多自由度方面研究不透彻、动作简单不能贴合真实作业场景的问题,针对这些问题,本文系统性的研究了单臂肌电识别、双臂肌电识别和基于肌电的人机协同控制,主要工作如下: (1)设计单臂肌电模式识别模型及算法。分析单臂运动特点和基于肌电识别动作的原理方法,首先,采用三层卷积层和两个连接层搭建包含10952个结构参数的轻量卷积神经网络。然后,使用粒子群算法优化所设计的轻量卷积神经网络,建立自适应单臂肌电模式识别模型。最后,基于Ninapro数据库,将单臂肌电模式识别模型及算法与四种主流算法进行对比实验和消融实验,验证所设计模型对单臂肌电模式识别的合理性和有效性。 (2)设计双臂肌电模式识别模型及算法。分析双臂运动生理特点和信号特征,首先,利用两个结构相同参数共享的单臂肌电模式识别模型搭建双输入卷积神经网络。然后,设计数据整理策略和网络输入策略,建立自适应双臂肌电模式识别模型。最后,自主设计双臂肌电识别数据集,利用所设计的双臂肌电模式识别模型进行双臂差异实验和分类对比实验,验证了所设计模型对双臂肌电模式识别的合理性和有效性。 (3)完成基于肌电的人机协同控制任务。分析实际工程实践中操作人员的动作过程和任务特点,首先,根据实际需求搭建实验平台,采集单臂动作单元、双臂动作单元和双臂连续动作的肌电信号,建立实验数据集。然后,面向三组不同识别任务,设计实验方案和实验流程,采用所设计的粒子群算法优化的轻量卷积神经网络和双输入卷积神经网络,训练得到满足任务要求的肌电模式识别模型。最后,利用肌电识别模型和协同控制策略,实现基于肌电信号的NAO机器人控制。

关键词： 室内定位   地磁匹配   PDR   粒子滤波  

摘要： 随着全球卫星导航系统的发展,室外导航、定位系统已日渐成熟。然而,大部分室内环境会遮挡GNSS信号,在这种情况下使用GNSS信号难以满足室内定位的需求,甚至无法定位。目前在室内定位暂时还没有一种通用的、可靠的定位方案,在这种情况下,融合定位技术成为了室内定位领域的主要方式。集成在智能手机上的各种传感器不仅可以接收地磁信号,同时也可以用于行人航迹推算(PDR)。其中,PDR在短时间内相对精度较高,而长时间的误差累积会导致其绝对精度较低,而地磁室内定位技术则在长时间内可以维持比较稳定的精度。将地磁定位与PDR结合,可以形成优势互补,同时可以很大程度上解决误匹配的问题,是当前室内定位领域的热门方向之一。然而,在地磁与PDR定位技术中仍存在许多亟待解决的问题,本文针对这些问题进行了一系列研究,主要成果如下:(1)针对地磁模值指纹特征识度低的问题,提出一种基于Ada Boost的多特征组合定位匹配算法,将多维度地磁特征值与地磁模值的匹配模型进行训练组合从而得到新的匹配模型,降低了地磁定位特征的误配率,提高了地磁定位精度。(2)针对PDR定位中行人在不同运动模式下的步长估计与步点检测鲁棒性较差的问题,本文提出了一种基于随机森林的行人运动模式与手机姿态识别算法,通过该算法对行人不同运动模式进行分类,构建不同运动模式的步长模型与步点检测模型并加以组合,从而得到自适应的步长估计与步点检测模型。(3)针对PDR对行人非导航姿态下难以估计航向的问题,通过大量的数据采集以及训练分别对不同姿态、不同运动模式下的航向估计进行建模,并通过行人姿态识别算法将不同姿态与运动模式下的航向估计算法进行组合,提高了航向估计的鲁棒性。(4)针对传统的粒子滤波(PF)融合算法容易出现粒子退化、粒子贫化的问题,将扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)与粒子滤波融合得到E-UPF,有效地抑制了粒子滤波的粒子退化和贫化的问题,提高了粒子滤波的稳定性。

关键词： ZigBee   环网柜   在线监测   局部放电   模式识别  

摘要： 随着我国10kV及以下电压配网环网柜的安装与使用量日益增加,传统的环网柜周期性巡检运维方法由于工作量大、现场检测设备繁杂、检修时间长等原因,常会降低检测效率,存在漏检、误检等问题。针对上述原因和问题,本文研制了一款基于ZigBee无线组网技术的环网柜在线监测系统,主要为保证10kV及以下电压环网柜的安全可靠运行,大幅提高运维智能化水平。首先,我国的环网柜在线监测设备基本采用有线传输的通信方式,有线传输灵活性差、安装难度大且不利于运维人员对环网柜的检修。因此本文设计了基于ZigBee技术的无线组网方案,基于CC2530芯片设计了ZigBee组网单元,可以根据监测需求实现监测终端的任意组合。系统可以从电气故障、环境状态、以及局部放电等方面实现对环网柜的全方位监测,最终将ZigBee汇集的数据传输至上位机,实现对环网柜的远程在线监测。其次,针对环网柜中容易引起绝缘劣化的局部放电现象,设计了HFCT和TEV联合监测局部放电的方案,并研制了相应的传感器。通过Ansys软件仿真了感应电流密度在环网柜柜体上的分布情况及影响因素,决定通过比较TEV幅值大小及变化趋势来定位异常环网柜,并设计了TEV调理电路。设计了HFCT调理电路,为进一步研究局部放电识别,设计了四类缺陷模型并搭建试验平台提取放电样本。样本经信号预处理后,提取了统计特征、波形特征、分形特征和威布尔参数,经支持向量机(SVM)分析后平均识别率约为85%。为进一步提高识别率,采用相关性分析和类间距离分析筛选出6维最优特征参数,对6维最优特征参数进行SVM分析后识别率可达95%。最后,基于IAR和LabVIEW软件对监测系统的上位机和下位机程序进行设计,并在实验室验证了上述研究的准确性和可行性,经测试满足系统监测要求。为进一步验证系统的实用性,将监测系统安装在大庆市某变电站10kV环网柜内,当远程上位机显示故障报警后,经与变电站工作人员联系,确定发生过上位机显示的故障,验证了研制系统的可行性。

关键词： 电子鼻   葡萄   霜霉病   理化指标   模式识别  

摘要： 霜霉病是葡萄生产过程中常见的一种病害。在葡萄果园,植株一旦发生霜霉病,则极易拓展蔓延,且不易控制,进而影响田间产量和果实品质。虽然葡萄遭受霜霉病危害后,植株会表现出相应的症状,但如果仅依靠生产者的经验或通过肉眼来识别判断,则会存在明显的滞后性,即此时植株的生长发育已经受到较严重的危害。因此,积极探索一些有效的途径对葡萄霜霉病害的发生进行有效的监测并及时做出预警具有重要的意义。由于植物叶片在病菌的侵染下,叶片的生理代谢及其超微结构均会发生变化,因此,与健康叶片相比,病菌侵染的叶片其挥发性气体成分和含量也会有所差异。基于此,本研究结合葡萄霜霉病发病规律和生理生化指标动态分析,拟采用气敏传感技术（电子鼻技术）对葡萄霜霉病害的发生进行监测和预警分析,为葡萄生产中霜霉病的科学预防提供技术支持。本研究以‘香悦’葡萄为试验材料,分别采用3×10～2个·m L-1和3×10～4个·m L-1浓度的葡萄生单轴霜霉菌孢子悬浮液接种,并以健康生长的葡萄叶片作为对照。接种后,同步开展2项内容研究:（1）葡萄叶片接种霜霉病菌后生理生化指标动态分析;（2）基于电子鼻检测技术的葡萄霜霉病早期预警研究。主要研究结果如下:1.葡萄叶片接种霜霉病菌后生理生化指标动态分析。试验期间对不同处理叶片过氧化物酶（POD）活性、超氧化物歧化酶（SOD）活性、可溶性蛋白含量、可溶性糖含量、质膜透性指标的动态进行了测定分析,结果表明,在接种后的第1d,各测试指标变化均不明显;在接种后的第4d,经3×10～2个·m L-1和3×10～4个·m L-1两个浓度孢子悬浮液处理的叶片POD和SOD活性指标均显著高于对照（P<0.05）,而叶片可溶性蛋白和可溶性糖含量虽都有所升高,但接种浓度为3×10～2个·m L-1的处理组叶片可溶性蛋白和可溶性糖含量与对照之间的差异并未达到显著水平（P>0.05）;在接种后的第7d,经3×10～2个·m L-1和3×10～4个·m L-1两个浓度孢子悬浮液处理组叶片的POD活性与SOD活性较第4d有所下降,但两处理仍显著高于对照,而接种处理组叶片可溶性蛋白与可溶性糖含量相对稳定;在接种后的第10d,两个接种处理组叶片的POD活性、SOD活性、可溶性蛋白含量和可溶性糖含量均较第7d有所下降,其中POD和SOD活性下降幅度较大。而叶片质膜透性变化趋势表明,从接种后的第4d开始,接种病菌的两个处理组叶片质膜透性持续升高,且均显著高于对照。综上,葡萄叶片在接种病菌后,其生理代谢产生了较大的变化,且生理生化指标的变化趋势较复杂,因此仅通过生理生化指标的检测难以准确地判断葡萄叶片是否染病和实现病害的早期预警,且生理生化指标的测试工作量大,不便于实际操作。2.基于电子鼻检测技术的葡萄霜霉病早期预警研究。对供试葡萄品种进行定点定株调查,在使用孢子悬浮液对葡萄叶片进行接种后的第1d、4d、7d、10d,分别调查3×10～2个·m L-1和3×10～4个·m L-1两个浓度处理和对照组葡萄叶片霜霉病发生情况。葡萄叶片霜霉病的发病调查结果表明,在霜霉病的发展前期,叶片并没有明显的形态变化,因此使用人工观察法不能在发病前期进行有效检测。为了探索葡萄霜霉病早期预警的有效方法,本研究利用气敏传感仪（电子鼻）测试系统分别对葡萄健康叶片和接种不同霜霉菌孢子浓度(3×10～2个·m L-1和3×10～4个·m L-1)的叶片气味信息进行动态采集（1d、4d、7d、10d）,然后使用MATLAB软件提取电子鼻响应曲线的平均值和最大值作为特征值,并采用主成分分析（PCA）、Fisher线性判别分析（LDA）、随机森林（RF）、支持向量机（SVM）和BP神经网络模式算法对葡萄叶片霜霉病侵染进行识别分析。结果表明,采用的两种线性模式算法（PCA、LDA）进行识别,效果并不理想,即使在接种后的第7d,识别结果中健康叶片、接种霜霉菌孢子浓度为3×10～2个·m L-1和接种霜霉菌孢子浓度为3×10～4个·m L-1的叶片样本之间还有较大的的重叠部分,难以实现准确区分。而基于电子鼻响应数据提取的平均值为特征量,采用的3种非线性模式算法（RF、SVM、BPNN）的识别结果表明,与线性算法（PCA、LDA）相比,非线性模式算法识别准确率均较高,而且在达到准确识别的时间上也更具优势,其中SVM识别效果最佳,从接种后的第4d后开始就能够较准确地将葡萄健康叶片和霜霉病侵染叶片进行识别,其准确率为94.67%,在此之后的识别准确率更高。综上所述:采用电子鼻检测技术并结合SVM模式算法,不仅可以对葡萄健康叶片和霜霉病侵染叶片进行准确识别,而且与理化试验检测方法相比,具有快捷、无损、高效的优势。本研究验证了电子鼻检测技术在葡萄霜霉病早期预警应用上的可行性,从而为葡萄生产中病害防控提供科学依据。

关键词： 钢轨轮廓   激光位移技术   轮廓识别   模式识别   差分进化算法  

摘要： 钢轨是轨道交通不可或缺的组成元素,当列车高速、重载、高密度工作时,会对钢轨造成挤压、磨损,导致其变形,严重影响列车的作业安全。因此,对轨道磨耗做出及时、有效、准确的检测是非常有必要的。1传统的人工检测,具有效率低、人工因素影响大、且十分危险等缺点,已经不能满足我国快速发展的轨道交通需求。目前,车载非接触式钢轨断面轮廓测量主要采用的激光视像技术或激光位移技术来实现,通过放置于车底的传感器采集到与钢轨横截面形态一致的光条轮廓,然后将采样数据与标准轮廓数据进行配准,进而能够比较计算出该位置的钢轨磨耗。其精度高、效率高,是目前国内国外轨道维护发展的重点研究方向。本文基于二维激光位移传感器的车载式钢轨动态检测系统,重点研究内容为钢轨轮廓预处理识别与分类和钢轨磨耗高精确检测两个方面。针对钢轨轮廓分类识别的问题,本文利用二维激光传感器的采样数据,提出了一种基于统计分析的有效廓形和异常廓形的分类识别方法,实现了对有效廓形的甄别,以及对不同廓形类别的判识。首先,对比线路中不同区域采样到的钢轨剖面轮廓形状,选择轨头与轨腰处的不连续性和轨头与轨腰的形态相关性作为有效轮廓的识别凭证。其次,利用不同路况条件下的钢轨轮廓点云数据分布情况,从而实现对原始数据中难以评估磨耗程度的异常轮廓数据进行识别分类。通过现场试验结论可知,本文方法识别出的有效轮廓分布情况和实际线路大致相同,在行车测试速度8.3km/h的条件下,单个轮廓平均识别时间为9.78ms,有效性识别准确率达到97%以上。为得到钢轨磨耗的高精度检测结果,本文提出了一种基于差分进化算法的钢轨轮廓迭代旋转配准方法,该方法可以提高配准的鲁棒性和整体精度。研究发现,在钢轨轨颚的内拐线段处利用Ramer多边形逼近算法可以定位到轨头内侧直线,然后,以轨侧中点、轨颚间断点和轨腰间断点这三处特定部位作为基准,再通过比对采样轮廓与标准轮廓在同一坐标的相对位置确定旋转方向。最后,利用差分进化算法进行旋转迭代,从而实现钢轨轮廓的精确配准。实验结果表明,与其他现有方法相比,该方法在采样数据伴随有重度噪声,甚至数据缺失的情况下,依然能够满足较高的配准精度,极大的提高了检测系统的鲁棒性,具有较强的工程应用价值。本文最后,基于2D激光位移传感器构建车载式钢轨动态检测平台采集部分线路真实数据,对上述算法进行分析验证,论证了本文算法的可行性。

关键词： 高光谱   栀子   产地   模式识别   指标性成分   含量测定   预测模型  

摘要： 中药栀子（Gardeniae Fructus）为茜草科栀子属植物栀子（Gardenia jasminoides Ellis）的干燥成熟果实,属于临床常用中药材。栀子产地广泛,江西、福建等地均有种植,但是因产地生长环境、规格划分、采收期等因素的影响,导致药材质量参差不齐。目前药材质量检测多采用化学分析技术,如液相色谱法、气相-质谱联用法等,这些方法耗时长、价格高且技术要求严格,因此建立快速、无损而又准确的栀子鉴别检测方法,具有迫切的市场需求。本研究使用高光谱技术采集410～2500 nm内栀子的光谱信息,获取感兴趣区域（region of interest,ROI）内的平均反射光谱后,使用多元散射校正（MSC）、Savitzky-Golay平滑（SG平滑）、标准正态变换（SNV）、一阶导数（FD）和二阶导数（SD）5种预处理方法对数据进行降噪,结合多种算法模型,针对中药栀子的产地、商品规格、采收期以及指标性化学成分含量预测等问题,建立了一组快速无损检测的方法模型。以期为实现中药栀子药材质量快检体系的建立提供参考方法。主要研究内容和结论如下:1.中药栀子产地识别及主要化学成分含量测定采集了8个不同产地栀子以及栀子粉末的高光谱数图像,对图像进行黑白板校正后,提取样品图像感兴趣区域（ROI）数据,获得可见-近红外（VNIR,410～990 nm）、短波红外（SWIR,950～2500 nm）和全波段（410～2500 nm）的样品光谱数据,分别进行预处理后,使用PLS-DA、SVM和RF建立分类模型,结果显示,全波段-FD-Linear SVC模型适用于栀子产地分类,准确率均达到100%;VNIR-Linear SVC模型适用于栀子粉末产地分类,在准确率达到100%的同时,模型所需波段较少。基于UPLC-MS/MS法分别对8个产地栀子中的14个萜类成分（栀子苷、西红花苷I等）、8个有机酸类成分（原儿茶酸、咖啡酸、富马酸等）、6个绿原酸类成分（绿原酸、异绿原酸A等）、6个黄酮类成分（芦丁、栀子黄素B等）分别进行含量测定。结果显示,该方法精确度高、重复性好,单因素方差分析显示不同产地栀子样品中4个类别化学成分含量之间均表现出显著性差异（P<0.05）。高光谱技术可用于中药栀子及粉末的产地快速无损识别;UPLC-MS/MS法准确,重复性好,检测限低,能够客观反映不同产地中药栀子之间主要化学成分含量之间存在差异。2.中药栀子商品规格识别及主要化学成分含量测定（以江西和福建栀子为例）江西省和福建省是市场中中药栀子的主要产区,本研究以江西统货和选货栀子、福建统货和选货栀子作为样品,获取高光谱图像,校正和提取数据后,同样获得相应的VNIR、SWIR和全波段数据,使用OPLS-DA和SVM,分别基于江西统货和选货、福建统货和选货、混合统货和选货等三个维度构建快速识别模型。结果显示,上述3个维度最佳识别模型均为VNIR-FD-Linear SVC,训练集和预测集准确率均达到90%以上。使用UPLC-MS/MS法测定不同商品规格栀子中主要化学成分（同1）含量。使用t检验分析各成分不同商品规格之间的显著性差异。结果显示,对于本研究测定的成分,不同商品规格之间的绿原酸类成分、黄酮类成分均表现有显著性差异,萜类和有机酸类成分中部分成分含量表现有显著性差异（P<0.05）。高光谱技术可用于中药栀子商品规格的快速无损识别;含量测定结果能够客观反映中药栀子不同商品规格之间部分化学成分之间存在差异。3.中药栀子采收期识别及主要化学成分含量测定本研究采用来源于福建省同一基地6个不同采收期（10月-12月）的栀子样品,获取高光谱图像,校正并提取数据后,获得相应的VNIR、SWIR和全波段数据。预处理后使用PLS-DA、SVM和RF建立分类模型,通过比较训练集和预测集的准确率评价模型。结果显示,全波段-FD-Linear SVC模型适用于栀子采收期分类,训练集和预测集准确率分别达到100%和98.33%。使用UPLC-MS/MS法测定不同采收期栀子中主要化学成分（同1）含量。使用单因素方差分析各成分不同采收期之间的显著性差异。结果显示,对于本研究测定的成分,绝大部分成分（除京尼平、鸡矢藤次苷甲酯和栀子黄素B外）含量在不同采收期栀子中具有显著性差异（P<0.05）。其中,京尼平苷酸、山栀苷等成分的含量随采收期变化呈现下降趋势;西红花苷Ⅰ、西红花苷Ⅱ等成分的含量随采收期变化呈现上升的趋势;山栀苷B等成分以及有机酸类成分总含量、黄酮类成分总含量随采收期变化呈现先上升后下降的趋势。高光谱技术可用于中药栀子采收期的快速无损识别;含量测定结果能够客观反映中药栀子不同采收期之间绝大部分化学成分之间存在差异,且部分成分含量变化表现出规律性。4.中药栀子中指标性化学成分含量无损预测将收集到的

关键词： 等离子体诊断   谱聚类   模式识别   相干模式  

摘要： 为了改善等离子体约束状况,控制其中的各种不稳定模式,进而优化托卡马克的设计,必须对等离子体中的模式进行观测识别。因而大量的诊断系统比如电子回旋辐射成像(ECEI)、电子回旋辐射计(ECE)、磁探针、软X射线(SXR)和快辐射(Fast bolometer)等被设计出来用以观测等离子体的运行状态。经过这些系统在托卡马克上多年的运行,已经积累了大量的数据。这些数据对于核聚变的研究意义是十分重大的。然而,由于可控核聚变装置积累的数据量过于庞大,大量数据未得到充分挖掘,对于这种大数据处理,机器学习可以起到重要的作用。在机器学习的众多算法中,谱聚类算法因其迁移性强,不需要大量标签数据,对初值不敏感,可以用来识别各种形状的簇。并且其参数少,参数选取具有理论依据,识别精度高,效率高而具有独特的优势。因此本文利用谱聚类的方法实现了对数据的自动处理,可以方便快捷的找寻数据中蕴含的模式信息,而这些模式的发现对理解等离子体物理以改善等离子体约束有着重要意义。本文将谱聚类方法应用在EAST托卡马克装置中ECEI、ECE、磁探针、SXR和快辐射等不同诊断系统的数据上。针对一维诊断数据,采用时间聚类进行识别,对于多维诊断系统,采用空间聚类进行识别,在时域及频域上识别出了锯齿模,验证了谱聚类方法的迁移性,解决了监督学习在数据处理上迁移性差以及需要依赖大量标签数据的问题。最后本文利用ECEI及磁探针数据分别在时域及频域上发现了一种可能的新模式,为新模式探索提供了一种新思路。

关键词： 空间科学卫星   遥测数据   特征筛选   类别不平衡   集成学习  

摘要： 在空间科学卫星中,部分卫星具有特殊的实验模式,其工作模式的判断不同于常规卫星所采用的参数阈值判断方法,此类科学卫星具有多种工作模式,并且每种工作模式不是通过简单判断单个参数是否超过阈值得到的,而是针对大量参数的状态联合判断出来的。目前,地面运控人员主要使用基于人工实时监测的方法来监视此类在轨运行的参数复杂耦合、多工作模式的空间科学卫星,对于一些重点遥测参数地面人员会事先设定阈值,监视的过程中通过判断这些重要遥测参数是否超出事先设定的阈值从而识别卫星当前的工作模式。但该种方式存在耗费大量人力资源、移植成本高、可扩展性弱、前期设定的阈值可能不再适用、无法观测多个参数间的相互依赖关系等多种问题。因此,本文提出了一种基于集成学习的空间科学卫星工作模式识别方法,本文主要研究内容包括:1)以某型号卫星为例,对遥测数据与卫星工作模式进行数学化的定义和形式化的表述,同时将空间科学卫星工作模式识别的问题归约为机器学习领域中的多标签分类问题;2)分析空间科学卫星遥测参数数据的来源以及星上发送端和地面接收端的具体业务流程,同时针对地面接收端数据处理系统使用单机处理方式导致吞吐率不高的情况做出改进,使用流式计算的方式并行处理遥测参数数据;3)对获取到的原始遥测参数数据进行标签标注,分析数据集中的统计特性,对数据集进行缺失值填充、异常值剔除和数据归一化等预处理操作;4)总结给出通用的特征筛选处理思路,同时结合具体需求采用皮尔逊相关系数法和互信息理论来进行特征筛选;5)总结给出通用的类别不平衡问题处理思路,针对本文中数据集的特性和具体的业务需求,采用随机过采样、SMOTE过采样和SMOTE-Tomek混合采样三种方式分别处理数据集以解决类别不平衡问题;6)本文使用随机森林模型作为空间科学卫星工作模式识别的算法模型,为了确定基学习器这一参数,分别在不同基学习器数量下训练随机森林模型并评估其F1-score和训练时间;在确定基学习器这一参数后,分别在原始数据集、随机过采样后的数据集、SMOTE过采样后的数据集和SMOTE-Tomek混合采样后的数据集上训练并评估随机森林模型的正确率、F1-score和训练时间,证明数据过采样技术确实可以解决类别不平衡问题,同时比较三种数据过采样技术在效果上的差别;并且将随机森林模型与朴素贝叶斯模型、逻辑回归模型、支持向量机模型和CART决策树模型等其他机器学习算法模型进行对比。同时,针对传统随机森林在预测时存在的基学习器权重一致导致分类性能下降和所有基学习器参与投票导致性能下降的问题,本文提出改进的随机森林模型,改进的随机森林模型在进行预测时,首先使用K-means聚类对决策树聚类成多个簇,选择每个簇中分类效果最好即F1-score最高的决策树组成精选随机子森林,之后对于精选随机子森林中的每个决策树采取加权投票的方式来决定分类结果,并且将改进的随机森林模型与传统的随机森林模型的结果进行对比。实验证明,随机森林算法构建模型仅需4.36秒,分类性能优于朴素贝叶斯、逻辑回归、支持向量机等其他机器学习模型,随机森林模型对整体类别的识别正确率高达99.67%,可正确识别多数类样本和少数类样本,同时将随机森林模型改进后识别正确率可提升至99.68%,可为地面运控人员判断空间科学卫星工作模式提出决策依据。

关键词： 接触网状态检测   视觉检测   自监督表征学习   模式识别  

摘要： 轨道交通作为城市公共交通的重要组成部分给人们的出行带来了极大的便利,同时推动了城市的发展和社会的进步。接触网作为轨道交通列车获取电力的重要组成设施,其状态与轨道交通的安全稳定运行息息相关。随着轨道交通运营里程和弓架次的增加,接触网的故障率也变得越来越高。轨道交通线路行车密集,维修时间十分有限,因此需要准确快速的接触网状态检测方法以保证行车安全。然而目前的视觉检测方法不仅难以获得精准的检测结果,而且需要有先验知识的专业人员对大量图像数据进行标注。本文针对复杂条件下接触网状态检测的挑战性问题,提出了一种基于自监督表征学习的视觉检测方法。当标签稀缺时,使用大量未标记的数据进行自我监督预训练可以显著提高模型性能。具体来说,本文提出的方法能够充分利用大量容易获得的未标记图像,预先学习丰富的视觉表征,然后有效地指导下游检测模型和分类模型。检测模型用来检测吊弦线、电连接线状态和弓网间电弧;分类模型能够对接触网部件缺陷模式进行识别以确定故障原因和提供适当的维修指导。为了验证该方法的可行性和准确性,在开展研究时采集并建立了上海地铁接触网的真实场景数据集。通过在该数据集上进行训练与测试,结果显示,本文所提出的方法不仅解决了接触网标签数据稀缺问题,而且在接触网状态检测任务中m AP(mean Average Precision)达到了97.56%(IOU>0.6)和93.89%(IOU>0.8);在接触网关键零部件缺陷模式识别任务中准确率达到了94.98%。

关键词： 高山湖泊   古湖沼学   多重环境压力   水文调控   富营养化   鱼类引入   枝角类  

摘要： 云贵高原湖区是中国的五大湖区之一,湖泊众多、类型丰富。但是,近几十年出现了水文调控增强、水体富营养化、鱼类引入等多重环境压力,严重影响了湖库水体的环境质量和生态安全。目前,围绕云南高山湖泊开展多重环境压力的识别及关键生物群落(如浮游动物)响应模式的相关研究较少。湖泊沉积物是水体和流域环境变化的记录器,同时枝角类位于湖泊食物网的中间环节,且在沉积物中可以较好的保存并具有可靠的指示意义。因此,应用湖泊沉积物记录可以开展高山湖泊的环境压力识别与枝角类群落响应模式重建,从而为低纬高山湖泊的保护提供可靠的科学依据。为了探究近百年来,气候变化和人为活动对湖泊环境和典型生物群落(枝角类)的影响过程及差异,本研究选取了滇西北地区受人类活动影响程度不同的两个湖泊(云龙天池和大理西湖)作为研究对象,结合湖泊现代调查和历史文献资料等,开展湖泊表层沉积物和钻孔多指标分析。首先重建了两个湖泊的环境变化历史和枝角类群落(物种结构、个体大小、生物量等)演替序列,然后通过湖泊对比分析识别了近百年来枝角类群落响应水文波动、富营养化等人类扰动梯度下的变化模式和异同特征。进一步运用统计分析方法对比分析了两个湖泊的环境变化特征,定量识别了影响枝角类群落构建的主要环境因子和驱动机制。本论文的主要研究结果如下:(1)在时空尺度上,云龙天池的枝角类群落均主要以典型浮游属种象鼻蚤(Bosmina)为主。在空间尺度上,存在一个影响云龙天池枝角类群落构建的阈值水深(约7.7 m)。在群落结构变化的时间序列上,云龙天池的水深梯度是影响枝角类群落结构的主要环境因子,导致了枝角类物种的演替。表层沉积物记录显示,Bosmina的个体大小(如触角长、壳长、刺长)在水深梯度上均没有显著变化,而钻孔记录显示自1969年浮游动物食性的鱼类引入后,随着湖泊水深的不断增加,Bosmina的个体大小逐渐减小。(2)云龙天池近300年来湖泊水位呈“低水位-水位上升-水位下降-水位上升”的变化模式,枝角类群落呈“底栖-浮游-底栖-浮游”的演化模式。在1950s筑坝后,水位明显上升,沿岸带栖息地丧失,浮游枝角类显著增加并占优,底栖枝角类逐渐减少。(3)大理西湖受人类活动的影响显著,自20世纪50年代以来,沉积物叶绿素(Chl-a)及总氮(TN)、总碳(TC)含量明显增加,且1997年后呈现加速上升的趋势,表明了水体富营养化和初级生产力水平的持续增加。枝角类群落主要由象鼻溞(Bosmina)和盘肠溞科(Alona和Chydorus)组成。整个钻孔枝角类群落显著的变化特征为浮游种(Bosmina)相对丰度显著下降和底栖种(Alona guttata/rectangular)显著上升。方差分解结果显示,1950s以前枝角类群落变化主要受营养盐(解释了3.5%)和水动力(解释了3%)因子驱动,1950s后枝角类群落主要受TN指示的营养盐以及粒度指示的水动力影响。(4)两个湖泊近百年来均存在水文调控和营养水平上升过程。1950s以来粗颗粒物质均出现了先上升后下降的过程,指示了筑坝引起水动力增强以及筑坝完成后水动力减弱的过程。1950s,云龙天池和大理西湖的营养水平(TN、TC)整体呈上升趋势,同时,两个湖泊的C/N均在1950s快速上升而后逐渐下降,均指示了筑坝期间人类活动导致外源输入增多和湖泊营养水平上升的过程。对比分析表明,两个受人类活动影响强度不同的湖泊近百年来的环境变化幅度和生态响应模式存在明显的差异性。总体上,云龙天池近百年来水体环境和生物群落主要受水位波动(解释了16.8%)和鱼类引入的影响,大理西湖则主要受湖泊富营养化(解释了3.5%)的控制。综上,水文波动、富营养化和鱼类引入是影响滇西北地区高山湖泊生态环境变化的重要环境压力。其中人类活动影响较弱的云龙天池受气候变化的持续影响,而受人类活动影响显著的大理西湖,营养水平的持续上升是影响水体环境特征和枝角类群落的主控因子。因此在区域气候变化的长期背景下,对滇西北地区高山湖泊的环境保护和生态治理需要重点考虑流域污染物的输入、水文调控的强度和外来鱼类的引入。