关键词： 旋转机械   滚动轴承综合故障诊断   故障阈值   注意熵   自适应噪声完备经验模态分解   黏菌算法优化极限学习机  

摘要： 针对传统故障诊断方法只关注故障检测部分,而对样本是否存在故障的研究较少的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)-注意熵(AE)和黏菌算法优化极限学习机(SMA-ELM)的旋转机械综合故障诊断模型。首先,针对正常样本和故障样本的复杂性差异,建立了注意熵阈值,计算旋转机械的AE,并将其与阈值进行了比较,若熵值小于该阈值则表明样本存在故障,反之样本是健康的;然后,利用CEEMDAN对故障样本的振动信号进行了分解,提取前6阶分量的AE值;最后,将故障特征输入至SMA-ELM模型中进行了故障识别,利用3种旋转机械故障数据集对该综合故障诊断模型的可靠性进行了研究。研究结果表明:该阈值设置方法可以100%准确地检测样本是否存在故障,后续的故障诊断模型能够准确地检测出样本的故障类型,识别准确率分别达到了99.44%、100%和98%。该综合故障诊断模型能够避免正常样本被误判为故障样本,为旋转机械的故障检测提供了一种可行的思路。

关键词： GUI目标识别   模式识别   模板匹配  

摘要： 图形用户界面(GUI)目标识别属于重要的软件测试内容,为了提高测试工具的效率和准确性,研究过程以图像模式识别为基础,对传统的模板匹配技术进行优化,选择效果更强的图像灰度化算法、二值化算法和相似度计算模型,建立了快速模板匹配技术和GUI目标快速识别工具。经过性能测试,新开发的识别工具显示出优异的准确率和识别速度,优于同类检测方法。

关键词： 船舶推进   柴电混合动力系统   模式识别   能量管理  

摘要： 本文以一艘长江散货船为研究对象,从柴电混合动力系统的优化与设计出发,基于模糊识别与优化控制理论,通过制定运行模式判别方法与动力分配优化控制策略构建柴电混合动力船舶的能量管理系统.结合长江复杂工况下的航段划分,以提高船舶经济性与绿色性为目标,开展基于能量管理的柴电混合动力系统设计方案评估与分段航速优化.在船舶往返航程内燃油消耗量与碳排放量最小的情况下,获得了柴电系统的最优选型设计方案以及各航段的最佳经济航速,实现了柴电动力能源经济高效的综合利用.

关键词： 博士研究生   硕士研究生   网络空间安全   计算机视觉   互补优势   机器学习   模式识别   多模态  

摘要： 近日,计算机视觉与模式识别会议(CVPR 2024)所设第四届计算机视觉对抗性机器学习研讨会(The 4th Workshop of Adversarial Machine Learning on Computer Vision:Robustness of Foundation Models)论文接收结果公布,中山大学网络空间安全学院2023级硕士研究生刘宽融与2024级博士研究生梁嘉伟共同参与的论文“Unlearning Backdoor Threats:Enhancing Backdoor Defense in Multimodal Contrastive Learning via Local Token Unlearning”荣获杰出论文奖(Distinguished Paper Awar d)。多模态对比学习已经成为利用多种数据模态互补优势来构建高质量特征的强大范式。

关键词： 高压输电电缆   局部放电   模式识别   改进的磷虾群算法   深度信念网络   变分模态分解  

摘要： 针对当前高压输电电缆局部放电模式识别准确性不高的问题,本文提出了一种基于VMD-IKHA-DBN的高压输电电缆局部放电模式识别方法。首先分析了高压输电电缆局部放电产生原因及类型,并搭建了高压输电电缆局部放电实验平台用于采集原始信号。然后采用变分模态分解算法完成局部放电的信号分解,并引入多尺度排列熵理论构建特征向量样本集合。最后提出一种基于Logistic混沌映射、动态反向学习和高斯变异的组合策略改进的磷虾群算法用于优化深度信念网络超参数,从而得到基于IKHA-DBN的高压输电电缆局部放电模式识别模型。实验结果证明本文所提出的方法识别准确率达到了98.3333%且识别效率较高,实现了高压输电电缆局部放电模式的高效准确识别,在电缆运检工作中可以充分发挥工程效能。

关键词： 食用油掺假   多元线性回归   电子鼻   掺假检测  

摘要： 目前食用油市场发展迅速但掺假情况严重,既损害了消费者的利益,同时又干扰了市场秩序。且国内缺乏一套具有自主知识产权的智能便携式食用油掺假检测系统。本文设计了一款基于多元线性回归算法的便携式食用油掺假检测系统,该系统在多元线性回归算法(MLR)的基础上进行拓展,对电子鼻采集到的食用油的气味信号进行处理,实现对食用油的掺假成分的定性分析和定量计算。实验结果表明所设计的基于MLR的算法对食用油的定性分析准确率可达97%,对食用油掺假定量识别误差率小于4%。

关键词： 非本征法布里—帕罗干涉传感器   气体绝缘开关设备   局部放电   模式识别   复域相关  

摘要： 为了在复杂电磁环境中精准捕捉局部放电产生的微弱信号,设计了基于非本征法布里—帕罗干涉(EFPI)传感器的GIS局部放电模式识别方法。通过差分双波长光强强度比解调算法,粗解调EFPI传感器的腔长;利用复域相关算法,结合粗解调结果,精解调腔长,确定最终的EFPI传感器腔长,用于检测GIS设备的超声波信号;通过希尔伯特(Hilbert)变换GIS设备的超声波信号,得到Hilbert边际谱;利用2维—1维深度残差网络,提取Hilbert边际谱的特征,输出GIS局部放电模式识别结果。实验分析结果表明:该方法可有效确定EFPI传感器的腔长,采集GIS设备的超声波信号;得到GIS设备超声波信号的Hilbert边际谱;在复杂噪声环境下,该方法可精准识别GIS局部放电模式。

关键词： 光伏发电   模式识别   SSA-BP神经网络   功率预测   天气状态  

摘要： 文章提出了一种基于天气状态模式识别并结合SSA-BP(Sparrow Search Algorithm-Back Propagation)预测光伏出力的方法。首先,在分析辐照度、温度、风速等参数变化规律基础上,基于高斯混合模型,针对专业天气类型开展分类,获得类晴、类雨和类阴3种典型的广义天气;然后,将数据作为SSA-BP神经网络输入,对光伏电厂出力分类进行预测;最后,结合碳核算方法学对光伏发电项目碳减排量进行核算。结果表明:利用分类识别和改进的SSA-BP神经网络,在3种天气类型预测中平均相对误差分别为0.195,0.243,0.310;SSA-BP与其他模型相比,平均相对误差降低了17.8%~66.7%。此外,预测CO_(2)减排量与实际核算值相对误差为3.37%,亦表现出良好预测效果。

关键词： 粗集料   模式识别   迁移学习   图像超分   骨料级配  

摘要： 针对在复杂生产环境中获取图像质量受限的情况,提出使用迁移学习方法的分割模型帮助生产环境模型训练收敛,以及使用图像超分方法增强图像质量和扩大粗集料目标面积等改进策略,对生产场景下质量受限的粗集料图像进行有效分割和分析。结果表明,所得到的分割模型Model-L,不仅相比于在生产环境下直接训练的模型Model-P的mAP值提高了0.3以上,EMS值提高了27%,且在不同粒径范围的粗集料区间的有效分割数量均远远优于Model-P,级配结果也较为可靠,5~25 mm范围内与机械初筛的误差在10%以内。所提出的策略展现了一定的普适性,对于部分网络粗集料图片也具有良好的分割性能。