关键词： 智能出钢   深度学习   模式识别  

摘要： 鉴于传统手动出钢控制稳定性差、工作环境恶劣易引发安全事故的弊端,开发了转炉自动出钢控制系统。通过钢包车定位控制系统、转炉倾角测量控制系统、炉口视觉检测系统、下渣检测系统、钢包称重系统、智能出钢控制系统共6大子系统,实现出钢过程的智能控制。系统现场应用测试表明:系统使用率>98%,自动出钢成功率>92%,有效减少渣层厚度10 mm。转炉智能出钢系统的投用,改变传统的出钢模式,减轻劳动强度,提升出钢的钢水质量和出钢操作的安全性,推进智能制造在钢铁行业的应用。

关键词： 模式识别   全英文教学   课程内容优化   实践教学设计  

摘要： 从课程内容优化、教学方式、实践教学设计等方面探索模式识别课程全英文教学的建设方案。教学实践表明,在图像等数据处理智能感知领域,学生的专业英语理解和表达能力得以提升,工程实践能力得到培养和强化,国际视野得以拓宽。

关键词： 卷积神经网络   机器学习   模式识别   人工智能   智能交通系统   CNN   车辆识别   训练模型  

摘要： 引言近年来,随着技术的不断发展,人工智能、机器学习和模式识别等方法被广泛应用于目标检测与识别,对图像和视频中的关键信息进行精确提取与分析。本实验基于Faster R-CNN,拟对视频中的车辆进行识别检测,以公开数据集作为样本,应用卷积神经网络对样本进行训练,提高训练模型的检测能力,对比复杂程度不同的网络结构,检验模型的准确率。本实验的研究结果将为智能交通系统的车辆识别研究提供建议,促进道路交通管控、安全监测等领域的发展。

关键词： 能量管理   混合动力船舶   控制策略   模型预测控制   模式识别  

摘要： 为了提高混合动力船舶能量利用效能,提升混合动力船舶燃油经济性,将在线工况识别与实时优化策略相结合,提出了基于支持向量机(support vector machine,SVM)与模型预测控制(model predictive control,MPC)的混合动力船舶能量管理策略。引入SVM理论,使用“美维凯越”号新能源游轮的实船数据,优化核函数类型及关键参数,构建船舶运行4个典型工况的在线识别模型;再通过对船舶当前时刻工况特征参数的分析与判断,确定船舶实时运行工况。以最小燃油消耗和保持储能单元荷电状态(state of charge,SOC)稳定为目标,以主机和复合储能单元之间的实时输出功率为优化变量,以功率需求预测模型为约束条件,构建模型预测控制MPC模型;为提高不同工况下功率需求预测的精度,提出基于多步马尔科夫模型的功率预测模型,并根据实时工况识别结果,更新MPC模型中的功率需求预测模型约束,实现船舶能量实时动态优化。最后,采用小波变换方法,将最优功率解分解成高频信号和低频信号;再根据复合储能单元中不同动力源工作特性的差异,将高频信号和低频信号分别分配给具有高功率密度的超级电容和具有高能量密度的蓄电池。为验证方法的有效性,开展了基于MATLAB的仿真实验,结果表明:在相同工况下,所提策略累计燃油消耗量为4 404.556 1 g,平均燃油消耗率为202.973 7 g/kWh;与基于单一模型预测控制的能量管理策略相比,所提方法可节省燃油消耗4.55%,验证了所提能量管理策略的有效性。

关键词： 局部放电   模式识别   DeformableDETR   目标检测   多源局部放电  

摘要： 基于图像的局部放电识别方法大部分仅对单源局部放电谱图有效,无法识别多源局部放电谱图。为实现对多源局部放电谱图的识别,该文提出一种基于Transformer架构的局部放电Deformable DETR目标检测模型,收集典型单源局部放电和多源局部放电数据,生成局部放电相位角解析和极坐标相位分布解析谱图数据集。在Deformable DETR模型中引入去噪训练任务和贝叶斯优化算法,优化了局部放电目标检测模型;编写局部放电谱图采集和识别程序,并使用优化后的局部放电Deformable DETR模型对单源和多源局部放电谱图进行识别。结果表明:局部放电Deformable DETR模型不仅可有效识别出单源和多源局部放电的类型,而且大幅提升了局部放电类型识别的收敛速度和精度等性能。在对真实绝缘缺陷电动机的局部放电谱图识别中,局部放电Deformable DETR模型的识别准确率达到91%,证明该模型在实际应用中的有效性。

关键词： 气体绝缘组合电器   局部放电   非线性尺度空间特征提取   图像融合   分布熵   模式识别  

摘要： 气体绝缘组合电器(gas insulated switchgear,GIS)局部放电(partial discharge,PD)缺陷类型的准确识别对电力设备的状态评估与故障诊断至关重要,为了解决PD模式识别中特征提取准确性不足的问题,该文提出一种基于极坐标分布熵优化的非线性尺度空间特征(KAZE)提取方法。首先,对光、电单参量图谱进行非下采样轮廓波变换(non-subsampled contourlet transform,NSCT),得到包含信息更丰富的光电融合图谱;然后,利用KAZE算法提取图谱典型特征点,并依据相位、幅值、尺度信息将特征点发散至极坐标,提取子区域分布熵构成特征向量;最后,将特征信息带入经自适应增强算法(Adaboost)优化的长短期记忆网络(long short-term memory,LSTM)进行模式识别验证,并与KAZE法、统计参数法、卷积神经网络(convolutional neural networks,CNN)进行对比。结果表明,该文提出的特征提取方法在不同训练集分布下均可达到较高的识别率,最高可达91%,相较于统计参数法、CNN分别提升8.8%和4.4%,可以为提高GIS局部放电特征提取准确性提供参考。

关键词： 白蒲黄胶囊   超高效液相色谱法   指纹图谱   化学模式识别   质量评价  

摘要： 目的 建立评价白蒲黄胶囊质量的超高效液相色谱(UPLC)指纹图谱和化学模式识别方法。方法 色谱柱为Waters Acquity BEH C_(18)柱(150 mm×2.1 mm,1.7μm),流动相为乙腈-0.02 mol/L磷酸二氢钾溶液(梯度洗脱),流速为0.3 mL/min,柱温为35℃,切换检测波长210 nm及323 nm,进样量为2μL。建立2个厂家10批样品的指纹图谱,并进行相似度评价、聚类分析(CA)和正交偏最小二乘判别分析(OPLS-DA),筛选不同批次样品的差异性标志物。结果 方法学考察结果显示,精密度、重复性、稳定性试验结果的RSD均小于2.0%。10批样品共标定了19个共有峰;通过与对照品比对,指认7个成分,分别为盐酸黄柏碱(4号峰)、绿原酸(6号峰)、咖啡酸(10号峰)、菊苣酸(11号峰)、黄芩苷(13号峰)、盐酸小檗碱(17号峰)、白头翁皂苷B_(4)(19号峰)。10批样品的指纹图谱相似度均不低于0.978。10批样品按厂家聚为2类;在OPLS-DA模型下,以变量重要性投影值大于1筛选出4个差异性标志物,分别为白头翁皂苷B_(4)(19号峰)、5号峰、菊苣酸(11号峰)、绿原酸(6号峰)。结论 该方法操作简单、结果准确,可客观评价白蒲黄胶囊的质量。

关键词： 风景园林   城市复杂建成环境   混合用地模式   绿色空间   降温效应   济南市老城区  

摘要： 城市绿色空间可以通过生态系统服务调节功能有效缓解城市热岛效应,降低高温健康胁迫风险。城市中心城区特别是老城区建成环境具有高度异质性,复杂建成环境中绿色空间的降温效应,特别是混合用地模式中绿色空间的降温强度、阈值、形状等还需进一步明晰。在厘清城市热环境影响因素和绿色空间降温机制基础上,构建了“冷热岛分析提取-混合用地模式聚类识别-混合用地模式热效应分析-典型绿色空间降温效应分析”的研究框架。针对当前城市绿地指标失实、结构失衡、功能失调等现实问题,选择济南市老城区典型片区进行实证研究,重点分析了中层建筑混合用地模式中绿色空间的降温强度、降温面积阈值、形状及植被覆盖度等,总结了具有高降温效能的绿色空间模式,为促进城市健康人居环境发展提供借鉴。

关键词： 声纹识别   BP神经网络   特征向量   权重因子   动态寻优   模式识别   变异因子   状态检测  

摘要： 针对变压器运行状态声纹识别的应用需求以及BP神经网络识别模型准确率较低等问题,提出了一种改进人工神经网络的变压器声纹识别技术。该技术以变压器声纹信号中的MFCC系数作为模型的输入特征向量,在BOA算法中引入动态权重因子和变异因子对BP神经网络权值和阈值进行寻优,开展声纹识别。实验结果表明,利用变压器声纹信号的32维MFCC特征系数可使识别准确率达到90%以上,优化后算法的运算速度比PSO-BP神经网络与BOA-BP神经网络提高了9.24%和8.64%,具有更高的运算效率和识别准确率。

关键词： 气体绝缘组合电器   局部放电   特高频   粒子群算法   极限学习机   模式识别  

摘要： 气体绝缘组合电器(Gas Insulated Switchgear,GIS)中的局部放电(Partial Discharge,PD)现象会对设备的长期稳定运行构成严重威胁,因此,准确有效地识别局部放电故障对保障电力系统的安全性至关重要。本文提出了一种基于特高频法(Ultra High Frequency,UHF)和改进粒子群优化-极限学习机(Improved Particle Swarm Optimization-Extreme Learning Machine,IPSO-ELM)模型的GIS局部放电故障类型识别方法,通过引入动态惯性权重和自适应变异操作的改进粒子群算法来优化极限学习机模型的关键参数,从而增强模型的分类性能,实现了对GIS局部放电信号的高效分类。测试集结果表明,改进后的模型分类准确率高达98.75%,可以有效解决目前诊断方法的不足。