关键词： 模式识别  

ISBN: (纸本)9787560653464

摘要： 全书包括三部分内容，共15章。第一部分共7章，主要介绍了经典模式识别方法，着重讨论监督学习，即已知训练样本及其类别条件下分类器的设计方法，然后介绍了无监督模式识别，最后讲解了模式识别系统中，特征提取和特征选择的准则和算法；第二部分共3章，主要介绍了现代模式识别方法，包含支持向量机、组合分类器以及半监督学习;第三部分共5章，主要介绍了深度学习模式识别方法,从现有的深度神经网络出发，讲解了强化学习、宽度学习、图卷积神经网络等模式识别方法。最后，以实例的形式给出模式识别在各个领域中的应用，使读者对模式识别方法有更直观的认识。

关键词： 地面动目标检测   模式识别   空时自适应处理   卷积神经网络  

摘要： 地面运动目标检测方法是一种用于机载雷达中目标检测和参数估计的方法,在军、民两个领域应用广泛。然而机载雷达检测地面动目标时,存在严重的背景干扰,包括杂波、人为干扰和噪声等,如何从这些干扰中准确地估计运动目标参数一直以来都是研究者们努力的方向。随着高速、高性能数字信号处理器的发展,空时自适应处理(Space Time Adaptive Processing,STAP)被应用到地面运动目标检测中,现如今已成为机载雷达中用于实现动目标检测功能的重要组成部分。但STAP本身还存在一些缺陷,为了解决这些问题,随着新兴技术的出现和发展,研究者们有了新的方向。近年来,随着模式识别的不断发展,模式识别在雷达领域的应用越来越成熟。最近,研究者们提出了一种基于学习的动目标检测方法,它对辅助数据的数量不再限制,但仍有不少问题是地面运动目标检测问题中的难点问题。本文围绕动目标检测所涉及的随机相位目标回波、辅助数据很少、非均匀性环境以及低信杂比场景,进行了理论研究、数值仿真和实验验证等工作,主要创新和贡献如下:1.研究机载脉冲多普勒相控阵雷达接收的回波信号的简化模型,包括动目标、噪声、人为干扰以及杂波模型,给出了干扰及噪声协方差矩阵的估计方法,研究传统的全自适应STAP方法,给出了基于多项式分类的STAP方法。2.针对基于多项式分类的STAP方法所需的辅助数据仍比较多的问题,提出了基于支持向量机的动目标检测方法,在仅有1个辅助数据的情况下,相比于基于多项式的STAP方法,该方法能够在固定相位的目标回波情况下取得更好的检测性能。3.针对基于多项式分类的STAP方法和基于支持向量机的动目标检测方法在随机相位的目标回波、非均匀环境和低信杂比情况下性能差的问题,提出了基于卷积神经网络的动目标检测方法。相比于全自适应STAP方法、基于多项式分类的STAP方法和基于支持向量机的动目标检测方法,该方法不仅需要的辅助数据距离单元更少,而且能够在随机相位的目标回波、非均匀性环境和低信杂比场景下取得更好的检测性能。4.针对基于卷积神经网络的动目标检测方法训练数据样本数量不足的问题,提出了将辅助数据作为干扰背景,并将它们与不同信杂比、不同归一化多普勒频率和随机相位的人为构造动目标信号相加来增强训练数据集。以上方法,已通过仿真数据和Mountain Top实测数据的验证。仿真实验结果表明,以上方法可以实现不同情况下的动目标检测。

关键词： 人群出行时空模式   出租车轨迹数据   时间序列聚类   随机森林   驱动机制分析  

摘要： 人群出行时空模式是出行行为的时间分布与空间分布特征的集合,体现了城市居民出行行为的时空动态规律,透视了城市环境下的人地关系。目前,我国正处于快速的城市化进程中,城市内部土地利用和空间结构正发生着深刻的变化,针对人群出行时空模式的研究,从居民感知的角度获取城市空间和社会信息,为城市空间结构和功能结构的研究提供了新的视角。得益于基于位置服务(LBS)技术的发展,可获取的出行轨迹数据在质量、规模、信息密度等方面有了显著提高,突破了传统调查数据仅能分析个体出行的局限,支持城市居民集体出行时空动态特征的研究。出租车作为城市公共交通的重要组成部分,通过其轨迹数据挖掘人群移动规律,探索其中蕴含的人群出行模式,是理解城市区域空间结构和功能分化的重要途径,轨迹数据挖掘也因此成为GIS及相关学科的研究热点。已有研究分析了出租车出行需求的空间异质性,但对于出行行为在时间维度中的周期性变化特征仍缺乏相关研究。出行行为的时空差异分析可以在更精细的时空粒度下体现居民出行特征,为城市规划、交通评估、异常监测等工作中提供重要的参考依据。本文在分析出租车轨迹数据与道路网络关联的基础上,探讨了顾及路网约束的出租车轨迹数据集计处理方法,构建了出租车出行时间序列数据集。从出租车出行时空模式的时序特征出发,结合时间序列聚类方法识别具有相似出行模式的区域。利用随机森林构建出行模式与区域功能特征之间的关联模型,定量分析出行模式驱动机制,研究的主要内容与结论如下:(1)面向出行模式分析的出租车轨迹数据集计处理方法首先,本文依据出租车轨迹数据的结构特征,确定出租车上下车点(OD)数据的清洗与提取方法;分析OD数据的时间分布特征,确定以OD频次时间序列作为区域出行时空模式的主要特征;分析OD点与道路网络的关联,采用道路交点缓冲区构建研究单元,对出租车轨迹数据进行集计处理,获得出租车出行时间序列数据集,为出行时空模式提取奠定数据基础。(2)基于时间序列聚类的出租车出行时空模式识别和提取针对出租车出行时空模式研究单元对应的时间序列形态特征,利用结合距离度量与增长趋势相似性度量的时间序列相似性度量函数,计算研究单元间的时序相似性,结合基于密度的聚类算法,提出一种适用于出租车数据的出行时空模式识别方法。该方法可以有效的排除噪声数据的干扰,识别出具有相似时序特征的出行模式,提高了出行模式识别精度。(3)出租车出行时空模式驱动机制研究同类出行模式的空间分布范围内往往具有相似的用地类型和区域功能。通过POI数据构建区域功能特征集,利用随机森林建立出行模式与区域功能特征之间的关联模型,结合模型分类精度验证了区域功能对出行模式的驱动作用,通过计算特征重要性与特征贡献指标,确定定量分析出行模式驱动机制的研究方法。(4)南京市出租车出行时空模式识别与驱动机制实例分析以南京市2010年9月出租车轨迹数据为实验数据,利用上述的方法分别识别与提取工作日和周末的出租车出行时空模式,结合电子地图和南京市土地利用规划图对出行模式的空间分布特征进行初步分析。结合南京市POI数据构建驱动机制特征集,实验证明区域功能对出行模式存在较为明显的驱动作用,进一步计算特征重要性和特征贡献,定量化分析区域功能特征对出行模式的驱动机制。

关键词： 齿轮故障   启动电流   等角度重采样   特征提取   模式识别  

摘要： 齿轮箱作为调节转速和传递扭矩的常用旋转机械设备,在工业生产中得到了广泛应用,齿轮箱的正常运行是旋转机械安全稳定生产的前提条件,因此,实现齿轮的早期故障诊断具有重要意义。在实际生产中,由于存在诸如传感器安装不便,易受背景噪声干扰等缺陷,导致传统的振动信号分析法和噪声分析法难以实施。电机电流特征分析法是一种具有信噪比高、信息集成度高、信息获取方便等优点的齿轮故障诊断方法。许多大型旋转机组的运行过程中,由于机组状态变化较大,经常伴随着转速的升降。因此,对转速变化下的电机电流进行故障特征提取与分析很有必要。论文以电机启动电流信号为例,通过对其等角度重采样信号的故障特征提取,来实现对齿轮箱典型故障的有效识别。主要研究内容和结论如下:首先,介绍了基于电机电流信息的转子系统故障诊断方法研究,然后进行了转子系统齿轮故障对电机定子电流的变化规律探究,建立了转子系统负载与电机电流的数学模型以及不同齿轮故障激励的数学模型;并根据电机学基础在Matlab/Simulink模块中建立矢量控制型调速电机与齿轮扭矩输出的一体化耦合模型,选择不同的故障激励函数,分别采集电流信号并进行故障识别研究。其次,以启动电流为例,进行了变转速下电流信号特征提取方法的研究。作为一种典型的时域非平稳信号,传统的时域、频域分析方法不能对启动电流的故障特征进行有效提取,因此提出了基于等角度重采样的时频域分析法。此法先将时域非平稳信号转化为角度域平稳信号,然后进行时、频域的特征提取与分析。考虑到转速计、光电编码器安装不便等问题,本文选用一种基于瞬时频率估计的无转速计等角度重采样方法。并基于此方法成功的实现了启动电流信号的角域重采样,然后对重采样信号进行了阶次分析和时域特征参量分析,初步完成了齿轮故障的诊断。最后,对齿轮故障的模式识别方法进行了研究。利用特征评估方法选出重采样电流信号的敏感时域特征参量,分别采用基于统计学习理论的SVM分类方法和基于知识的BPNN分类方法进行故障模式识别,并对齿轮故障识别率进行分析与对比。结果表明:在对电机启动电流信号的特征参量进行齿轮故障识别时,GA-BPNN具有更好的适应性和更高的准确率。其得到综合故障识别率为90.1%,其中断齿故障识别率96.32%,磨损故障识别率81.51%,正常齿轮识别率92.47%。

关键词： 电力市场   售电公司   信用评价   自适应评价   模式识别  

摘要： 电力行业信用评价体系建设是建设中国社会信用评价体系的重要内容之一,是完善市场机制、推动电力市场健康、良好发展的关键要素。新电改后,电力市场主体逐步趋向多元化,然而由于市场主体诚信经营与合规意识较弱,交易规则存在漏洞,市场制度、市场监管方法尚未健全等原因,电力市场中仍有大量失信事件频发。电力市场中的失信行为严重损害了市场运行的效率与效益,给电力市场成员带来了经济损失。因此,必须建立科学、完善的电力行业信用体系,以改善市场信用环境、降低交易成本以及防范经济风险,为电力市场化改革带来新的动力。而售电公司是连接电力批发与零售市场的中间商,是购售电环节的重要承担者,其信用水平对市场化交易的开展有着重要的影响。因此,设计售电公司的信用评价指标体系与评价方法,对开展信用评价工作具有重要的现实意义。本文以信用评价相关理论为基础,针对售电公司信用评价指标体系与评价方法展开研究。首先基于我国电力行业信用体系建设存在的特殊性,指出我国电力市场信用管理的含义,分析售电公司在电力市场商品交换活动的信用表现,从基础信用、经营信用、交易信用以及其他信用四个维度构建售电公司信用评价体系。其次,为解决售电公司信用评价指标缺乏标准造成的评价等级边界难以确定的问题,提出基于自适应云模型的指标标准设计方法与评价方法。再次,为解决市场行为类指标缺乏统计口径的问题,提出基于云模型与模糊Petri网的市场潜在危害行为识别方法,并进行算例分析,分析结果表明:识别结果与一般认知和专家理解相符,具有有效性。最后,从售电公司、电力交易中心与其他市场主体三者的角度出发,对售电公司信用评价结果的分析与应用提出了相关参考与建议。

关键词： 离心风机叶片   故障诊断   模式识别   动态应变测量   经验模态分解   支持向量机   粒子群算法  

摘要： 离心风机作为一种用来输送气体的旋转机械,已经应用到生产生活的各个领域。叶轮是风机系统中最主要的核心部件,它对整个系统的好坏以及安全性能都起着决定性作用。叶片又是叶轮的核心部件,承受着多个力的相互作用,叶片断裂是风机系统中严重的故障隐患之一。目前对于离心风机叶片断裂程度大小的诊断以及相关实验研究相对不足,本文以某高速列车冷却系统的离心风机为研究对象,从实践角度出发,进行叶片故障诊断方法与实验研究。本文的主要研究内容如下:(1)针对离心风机叶片故障数据不足,本文采用有限元仿真与实验相结合的方法,寻找叶片依次破坏方式,进行叶片断裂程度的故障实验,组建叶片故障数据库。通过离心风机的静力学分析、有限元分析、自主搭建的应力应变测试实验台测试数据以及真实叶片断裂样本的相互验证,推断出叶片出现疲劳断裂的位置,并以此来人工模拟叶片实际不同断裂程度的四种状态下样本。然后搭建振动信号采集实验台,在蜗壳、轴承座以及台架底座上六个测点位置,分别采集了额定转速下叶片四种状态的振动信号,组建成叶片的故障数据库。(2)基于经验模态分解法(Empirical Mode Decomposition,简称EMD)对离心风机叶片进行故障特征提取。首先对振动信号进行时域频域分析,初步选择能够较好反映故障特征的测点。然后对信号进行EMD分解,通过能量分布、相关系数法与K-L散度法选择有效的固有模态函数(Intrinsic Mode Function,简称IMF),并提取有效IMF分量的峭度、瞬时能量占比、复杂度熵与精细广义多尺度熵组成风机叶片的故障特征向量。通过对比原信号与IMF分量之间的多尺度熵、广义多尺度熵和精细广义多尺度熵的区分度,验证IMF分量精细广义多尺度熵的优势。最后基于最小冗余原则选出最优振动测点,为离心风机叶片的故障预测奠定基础。(3)运用粒子群算法优化支持向量机(Support Vector Machine,简称SVM)对离心风机叶片故障模式识别。将最优测点的特征向量作为输入向量,通过核函数的选择与参数寻优得到最优支持向量机模型,识别准确率达到97.5%。同时通过样例验证测点优选方法的有效性。将多个特征组成故障特征向量与单个故障特征输入做对比,还将优化后的SVM与标准SVM和BP神经网络分别进行识别结果对比,优化模型的准确率最高,进而说明此优化模型的优势所在,以及在离心风机故障诊断技术的应用价值及其可行性。本文所述方法可为离心风机的故障诊断与实验研究提供参考与指导,对离心风机以及高速列车冷却系统的安全运行具有重要意义。

关键词： 连锁跳闸   节点注入功率   模式识别   BP神经网络  

摘要： 近半个世纪来,世界经济高速发展,电力发挥着至关重要的作用,而电网变得愈加庞大,这也导致整个电网的复杂性和脆弱性性增加了,从而导致了对电网的连锁跳闸以及连锁故障事件的预测变得更加困难,目前,关于连锁跳闸或连锁故障的预测与预防研究颇多。本文提出了一种采用模式识别方法的基于节点注入功率的连锁跳闸预测算法,主要内容包括:(1)依据电网中潮流分配的基本原理,详细分析了电网初始故障切除后,发生潮流转移时电网中各支路的电气量与节点注入功率之间的关系,进一步根据电网发生连锁跳闸时继电保护的动作行为,分别对电流型后备保护和距离型后备保护的动作方程进行了总结,并根据这两类后备保护的动作方程,以及动作方程中的电流和阻抗等电气量,详细地论述了电网发生连锁跳闸与节点注入功率之间的关系。(2)依托于电网连锁跳闸与节点注入功率之间的关系,提出了一种利用模型识别方法预测电网发生连锁跳闸的思路,并给出了具体的特征输入量和输出量,以及样本数据的形式。其中,输入特征量为电网中的节点注入功率,输出量为电网发生连锁跳闸的结果。(3)根据上述的样本数据形式,并结合模式识别方法及BP神经网络的有关理论,给出了基于模式识别方法的电网连锁跳闸预测算法,给出了详细的算法流程,并在MATLAB环境下编制了分析程序,利用IEEE-14节点系统和IEEE-39节点系统,分别进行了算例分析,通过这些算例分析进一步证明了本文提出算法的有效性。本文在训练和测试BP神经网络时,样本总数取为400,神经网络的隐藏层最多包含60个神经元。训练的最大迭代次数为1500次,训练要求准确度为0.00000002,学习率为0.1。结果表明,神经元的数量越多,准确度也是越大。据观察,对于IEEE39节点系统,当使用60个神经元时,预测准确度为100%,其中模拟时间为42秒。另一方面,对于IEEE14节点系统,当使用60个神经元时,预测精度为98.79%,其中模拟时间仅为6秒。时间上的差异是由于系统的复杂程度不同。总之,本文通过研究,初步验证了利用BP神经网络对电网连锁跳闸进行预测是比较有效的,可为进一步的研究和实际的运行提供借鉴

关键词： 石膏样小孢子菌   Dectin-1   TLR-2   TLR-4   细胞因子  

摘要： 目的:本试验旨在研究石膏样小孢子菌经皮肤和静脉感染小鼠后皮肤和肺脏组织中模式识别受体Dectin-1,TLR-2和TLR-4受体和细胞因子动态变化规律。方法:通过对C57BL/6小鼠皮下接种石膏样小孢子菌,分别在第3 d,7 d和14 d取病变皮肤组织病理学观察孢子定植部位和病理损伤;分别在第3 h,6 h和12 h取病变皮肤组织用荧光定量PCR检测受体mRNA的转录表达量;分别在第1 d,3 d,7 d和14 d取样,用荧光定量PCR检测细胞因子mRNA的转录表达量。通过对KM小鼠静脉注射石膏样小孢子菌,连续7 d记录小鼠体重的变化并连续30 d记录小鼠存活率。在第2 d,5 d和9 d取心脏,肝脏,脾脏,肺脏和肾脏通过组织载菌量,脏器指数和组织病理学评估组织病理损伤。在第2 d,5 d,9 d和14 d取小鼠肺脏组织通过qRT-PCR定量3种模式识别受体和14种细胞因子mRNA的转录表达水平,在第2 d,5 d和9 d取小鼠肺脏组织通过免疫荧光染色评估感染小鼠的肺脏免疫细胞的募集。结果:石膏样小孢子菌感染小鼠后导致皮下脓肿,大量的炎性细胞浸润,并伴有角质层增厚。试验中受体Dectin-1,TLR-2和TLR-4的转录表达量增加(p<0.01),细胞因子IL-6,IL-1β,IL-23,TGF-β,IL-17A,IL-17F和IL-22的转录表达量增加(p<0.01)。模式识别受体能识别石膏样小孢子菌表面模式识别分子从而激活Th17途径,分化成熟的Th17细胞分泌细胞因子IL-22,IL-17A和IL-17F。石膏样小孢子菌静脉注射感染小鼠后导致小鼠体重减轻(p<0.001),并且随着孢子浓度增加死亡率增加(p<0.01)。从组织载菌量,脏器指数,组织病理学等结果表明进入血液循环的石膏样小孢子菌主要定植于肺脏并导致肺脏严重受损。在试验期间,3种模式识别受体和14种细胞因子mRNA的转录表达水平在肺中显着增加(p<0.05)。均呈现达到高峰并逐渐下降,其中TLR-2,TLR-4,IL-6,IL-1β,IL-23,IL-10,IL-4,IL-17A,IL-17F,IL-22,TNF-α和IFN-γ的转录表达量在感染后第2 d达到最高峰,Dectin-1,IL-9和IL-13的转录表达量在感染后第5 d达到最高峰。TGF-β和IL-12的转录表达量在感染后第14 d达到最高峰。炎性细胞浸润主要包括巨噬细胞,树突状细胞和多形核中性粒细胞,主要浸润的部位在肺泡隔和支气管周围。结论:(1)当皮下注射石膏样小孢子菌后,模式识别受体能识别石膏样小孢子菌表面模式识别分子从而激活Th17途径,分化成熟的Th17细胞分秘细胞因子IL-22,IL-17A和IL-17F,从而发挥抗石膏样小孢子菌的作用;(2)当小鼠深度感染石膏样小孢子菌,肺脏模式识别受体能识别石膏样小孢子菌表面模式识别分子从而激活Th17途径,分化成熟的Th17细胞分泌细胞因子IL-22,IL-17A和IL-17F,促进中性粒细胞、巨噬细胞,树突状细胞的募集,从而发挥抗石膏样小孢子菌的作用。

关键词： 空中交通管理   模式识别   离场排序   航路网交通流优化   混合整数规划   纯整数规划   协同控制  

摘要： 论文针对现有研究存在的不足,借助数据挖掘、最优化理论建模、数值模拟与交通动力学建模等方法,从完整覆盖机场跑道,离场航段以及航路网的航班离场过程系统地展开研究。论文的创新点及主要工作总结如下:(1)基于非负张量分解(NTF)对天津机场包括航班流方向、航空公司运营方式、航班时刻、航班类型等各因素在内的航班延误张量进行分解,并在CP分解和BCD算法的作用下提取出了具有显著特征的航班延误模式。设计了具有延误水平模式得分聚类间隔,延误峰值占比以及结合航班量分布Pearson相关分析的模式特征和信息提取方法用于模式特征和信息的解释。通过跨模式的比较与模式信息分析,挖掘了各影响因素及其组合对于天津机场进离场航班延误的影响。其结论不仅可以在明确当前存在问题的同时加深对于航班时刻安排和面临的限制与挑战的理解,而且为空中交通管理部门决策者在规划层面缓解航班延误提供依据和新的视角。(2)针对近距离相邻机场中低优先级机场由于受周边高优先级机场活动制约而导致的航班流方向之间延误相关性强且延误分布极不均衡的特点,构建了包括运行间隔变化,时隙利用与航班正点率影响并同时考虑效率和公平目标的航班离场排序混合整数规划(Bi-objective MIP)模型。通过设计基于禁忌搜索(Tabu search)的启发式算法对问题进行了求解,以实现在改进受限航班流方向运行效率的同时确保公平性和正点率的目标。通过与天津滨海机场实际运行数据对比,在保证航班流方向之间公平性的情况下,其总体航班延误可减少25.5%,航班正点率提高18.94%。(3)基于边传输模型(LTM)提出了航路网进出流率协同控制的空中交通流纯整数规划模型。该模型同时考虑了航空路网进入、离开延误和航班空中飞行总时间,还特别增加了航路同高度汇聚点、分散点和交叉点的容量约束以及空中等待策略约束,能够对现实中的运行需求进行精确刻画。此外,为了能够对问题进行高效的求解,设计了一种支持禁忌规则变异操作和自适应变异概率选择的遗传算法。通过GAMS调用Cplex求解器进行验证显示出该算法具有较好的求解质量。此外,模型可便捷地通过参数和设置的调整以适应不同策略目标的需要。数值试验结果表明,在具备空中等待策略时,最多可减少49%的进入延误,显示其能够缓解由于航路网需求与容量不平衡所导致的航班延误,并为航路网进出流率协同控制问题提供战术层面的支持。(4)聚焦于机场接入航路的离场航段,对距离较近机场由于使用相同航路网入口而存在竞争性接入的场景进行了研究。通过航班流方向放行间隔的精确设置以及竞争机场间不同延误权重组合的构造,建立了可实现直接和间接控制的航路网入口竞争性接入协同离场控制优化模型。通过对北京机场和天津机场的数值模拟显示,其能够根据机场优先级差别和运行需求来对共享资源进行配置,在提高空域系统效能的同时,还可为动态精细化空中交通流量管理提供参考和支持。

关键词： 断路器   变分模态分解   弗雷歇距离   相关向量机   故障诊断  

摘要： 断路器是电力系统设备中至关重要的一环。断路器在运行过程中如果出现故障,直接威胁电网的稳定运行,对社会的经济发展带来隐患,因此对于断路器的可靠性有着非常严苛的要求。断路器振动信号包含着丰富的机械运行状态特征,传统的时频分析技术由于一些固有原因往往不能精确的获取振动信号中的特征参量,需要更加快速、精确的故障诊断方法代替。首先,本文以Z65型断路器作为对象,搭建硬件平台,主要采集了拒分、拒合、机构卡滞、基座螺栓松动以及正常运行状况下的振动信号,用作后续特征提取以及故障识别使用。其次,本文以经验模态变换(Empirical Mode Decompositon,EMD)作为对比,为了解决模态混叠等固有问题,改善信号高频特征的提取性能,提高故障识别速度,本文提出了一种基于改进变分模态分解(Variational Mode Decomposition,VMD)的断路器故障诊断方法。利用弗雷歇距离和VMD的改进方法对断路器不同故障类型的振动信号进行分解处理,避免产生过分解,并得到数个具有中心频率和有限带宽的模态;其次,求取每个模态的奇异值作为输入相关向量机(RVM)的特征向量。最后,通过与基于经验模态分解的故障诊断方法和支持向量机(SVM)结合的方法对比,本文方法表现出更好的特征提取性能,有效地提高了断路器机械故障诊断的正确率和识别速度,在微弱故障的检测上也有更精准的表现。