关键词： 主变压器   局部放电   信号特征   模式识别  

摘要： 本文研究了主变压器局部放电(局放)信号的特征提取与模式识别算法。首先,分析了主变压器局放信号的基本特征,包括其时域、频域特性以及与变压器运行状态的关系。接着,介绍了多种特征提取方法,包括时域、频域、时频域联合方法以及高阶统计量分析,深入探讨了各方法在局放信号中的应用与优势。随后,研究了局放信号的模式识别方法,涵盖了传统机器学习算法(如支持向量机、决策树、随机森林等)和深度学习方法(如卷积神经网络、循环神经网络等)。此外,评估了这些算法的性能,包括准确率、召回率等指标,并分析了误识别和误报警的原因。通过这些研究,本文为主变压器局放信号的精准识别与故障诊断提供了理论依据和技术支持。

关键词： 高效液相色谱法   指纹图谱   化学模式识别法   超高效液相色谱-线性离子阱/静电场轨道阱质谱法   质量评价   化学成分鉴定   墨染樱  

摘要： 取干燥墨染樱花瓣,粉碎,过筛,分取0.500 g,加入25 mL 70%(体积分数,下同)甲醇溶液,超声30 min。冷却至室温,用70%甲醇溶液补足重量,摇匀后过0.22μm滤膜,续滤液按照仪器工作条件测定。以高效液相色谱法采集10批不同采收期的样品的指纹图谱,并结合相似度分析和化学模式识别法对10批样品质量进行评价。基于超高效液相色谱-线性离子阱/静电场轨道阱质谱法鉴定样品中的化学成分。结果显示:比对10批样品的指纹图谱,筛选出8个共有成分,通过对照品比对确定了2个共有成分绿原酸和芦丁;10批样品的指纹图谱与对照指纹图谱的相似度均大于0.980,说明不同采收期样品质量较稳定;将8个共有峰的峰面积导入SPSS 21.0软件和SIMCA 14.1软件,系统聚类分析、主成分分析、正交偏最小二乘-判别分析(OPLS-DA)模型均将10批样品分为4类,且分类结果完全一致;以变量重要性投影分析筛选引起质量差异的标志物,共筛选出3个成分;通过质谱库和文献比对,鉴定出48个化学成分,包括黄酮类19个,有机酸类18个,萜类4个,其他类7个。

关键词： 新能源风机   故障模式识别   机械故障   数据挖掘   老化问题  

摘要： 为了保障电网的稳定运行和经济效益,风力发电机组的运行状况尤其重要。现有研究已借助高频振动信号,针对风力发电机组矛盾宿命的机械故障问题,构想出了一套新颖的故障诊断及维修决策方法。该方法乃是利用数据挖掘技术,结合风力发电机组的实时运行信息,打造一个故障模式识别模型,借此达成实时监测数据,预警和准确校验风电机组可能存在的潜在故障。通过具体实践中的使用案例证实,这一法门不仅能精确定位故障所在,进而进行故障等级评估,也能为接下来的维修决策提供科学的参考依据,具有极高的应用价值。同时我们发现,通过实施该方法后,可以大幅提高风电机组的运行稳定性,以及维修效率。此外,对于风电机组长时间运行出现的老化问题,我们还通过研究发现,该模型能够对风电机组运行过程中可能出现的老化故障进行预测,从而实现对老化过程的科学管理,有助于提升风电机组的使用寿命和效率。该研究的成果对于新能源风机发电机组的稳定运行十分关键,有望推动新能源发电机组故障处理技术的进一步发展。

关键词： 中国计算机学会   机器学习   《软件学报》   模式识别   人工智能   学术活动   优秀学术论文   山西大学  

摘要： 第二十届中国机器学习会议(CCML 2025)由中国人工智能学会和中国计算机学会联合主办,中国人工智能学会机器学习专业委员会和中国计算机学会人工智能与模式识别专业委员会协办,山西大学承办。该系列会议每两年举行一次,现已成为国内机器学习界最主要的学术活动。会议现公开征集优秀学术论文(中文),会议录用的论文将被推荐到《软件学报》《计算机研究与发展》等合作期刊,欢迎相关领域的研究者和学生积极投稿。

关键词： 数据融合   模式识别   信息化建设  

摘要： 底层数据采集、安全生产自动化建设均是煤矿信息化建设的关键内容,利用数据融合能够打破现阶段煤矿安全生产各子系统的“信息孤岛”局面,利用模式识别能够对煤矿数据资源需求展开特征提取和特征分析。基于此,本文从煤矿信息化建设现状入手,阐述智慧煤矿安全管控平台架构,分析数据融合和模式识别在煤矿信息化建设中的具体实施内容,并详细介绍了数据融合和模式识别在煤矿信息化建设中的关键技术,以期为煤矿信息化建设提供借鉴。

关键词： 快速存取记录器(QAR)   民机异常飞行   模式识别   风险评价   聚类分析  

摘要： 为实时评估与监测飞行风险,利用聚类分析方法挖掘快速存取记录器(QAR)数据蕴含的异常模式,分析民机异常飞行模式的影响因素;以欧氏距离表征QAR参数样本之间的相似性,建立基于K-means的异常飞行模式识别模型,定义异常模式偏离程度;基于全球商用喷气式飞机致命事故起数和死亡人数占比,结合异常模式偏离程度、异常模式持续时间、飞行阶段、安全不期望事件发生的可能性和安全不期望事件发生后果严重程度,提出一种基于QAR数据的民机飞行风险量化评价方法;使用某航空公司实际飞行QAR数据,通过实例验证民机异常飞行模式识别和风险量化模型的可行性。结果表明:异常模式多出现在巡航阶段及各飞行阶段交替临界时刻,不同航班不同飞行阶段异常飞行模式及风险分布差异明显,航班总风险值均值为166.94,但异常值高于386.97,滑跑起飞阶段的异常飞行风险相对偏低,均值为5.95;巡航阶段的异常飞行风险相对偏高,均值为93.46。

关键词： 导电水凝胶   抗冻   机器学习   模式识别   智能分类  

摘要： 随着科学技术的发展,基于柔性传感器的可穿戴设备已成为热门研究之一。水凝胶是一种高分子凝胶材料,具有良好的生物相容性和柔韧性,是制备柔性传感器的热门材料之一。然而,传统的水凝胶存在导电性不足、在极端环境下易失水和结冰等缺点,严重地限制了其实际应用。总结了导电水凝胶和抗冻导电水凝胶的分类和制备方法;探讨了导电水凝胶的导电性能和低温下的抗冻性能;论述了导电水凝胶与机器学习智能算法相结合实现智能分类的应用。最后简要说明了抗冻导电水凝胶存在的问题和未来研究的方向。.

关键词： 模式识别   深度学习   目标检测   YOLOv8  

摘要： 为了使采摘机器人能够在果园复杂环境下(如不同光照条件、叶子遮挡、密集的苹果群和超远视距等场景)对成熟程度各异的苹果果实进行快速且精确的检测,本文提出一种基于改进YOLOv8的苹果果实检测模型.首先,将EMA注意力机制模块集成到YOLOv8模型中,使模型更加关注待检测果实区域,抑制背景和枝叶遮挡等一般特征信息,提高被遮挡果实的检测准确率;其次,使用提取特征更加高效的三支路DWR模块对原始C2f模块进行替换,通过多尺度特征融合方法提高小目标检测能力;同时结合DAMO-YOLO的思想,对原始YOLOv8颈部进行重构,实现高层语义和低层空间特征的高效融合;最后,使用Inner-SIoU损失函数对模型进行优化,提高识别精度.在复杂的果园环境中,以苹果作为检测对象,实验结果表明:本文所提算法在测试集下的查准率、召回率、mAP_(0.5)、mAP_(0.5~0.95)以及F1分数分别达到86.1%、89.2%、94.0%、64.4%和87.6%,改进后的算法在大部分指标上均优于原始模型.在不同数量果实场景下的对比实验结果表明,该方法具有优异的鲁棒性.

关键词： 传感器技术   多分类高斯支持向量机   模式识别   事件信号  

摘要： 为了有效提升光纤信号识别精度,采用了一种基于多分类的高斯支持向量机(SVM)的信号事件类型判别方法,先通过汉宁窗卷积的方法以及95%能量的原则来识别事件发生始末段信息,再从时域、频域以及尺度域等角度出发,对归一化后的多种特征参数的均值与离散性进行分析,并选取合适的主要特征参数,最后采用基于多分类高斯SVM算法对3组不同事件类型进行了分类识别,通过理论分析和实验验证,取得了不同类型光纤事件信号的数据。结果表明,对30组实验数据的事件类型进行模式识别,正确率在96%以上。该方法流程满足了光纤传感的事件信号高精度识别要求,对光纤传感器应用具有较重要的参考价值。

关键词： 极端天气   天气雷达图像   模式识别   预警系统  

摘要： 极端天气事件,如强对流风暴、骤雨和台风,其携带的破坏性能量对社会经济构成了严峻挑战。在这些灾难性气候面前,及时而精确的预警机制显得尤为关键。伴随着科技的飞速发展,现代气象科学已能通过尖端观测设备和技术手段,捕捉到大气变化的蛛丝马迹。特别是天气雷达,这一探测利器在提供高精度实时气象数据方面,扮演了不可或缺的角色。对这些宝贵数据的深入挖掘与分析,不仅使得我们能够更为精确地勾勒天气系统的动态面貌,更是构建了一套高效且可靠的极端天气模式识别与预警体系,为防灾减灾事业提供了坚实的科技支撑。本文旨在深入探讨基于天气雷达图像的极端天气模式识别与预警系统,以期在全球气象服务领域,尤其是我国,贡献一份智慧与力量。