关键词： 滚珠丝杠副   模式识别   迁移学习   故障诊断  

摘要： 滚珠丝杠副作为数控机床进给系统的核心部件，对其进行故障诊断研究具有重要的意义。针对数控机床存在运行工况与加工工艺耦合导致稳态信号难以提取，以及外置传感器安装受限于结构空间导致数据采集难以有效开展等问题，本文提出了一种跨位置模式识别的滚珠丝杠副故障诊断方法。首先，提出转速趋势识别的多物理量信号稳态数据提取方法，快速获得稳态数据，消除加工工况变化对后续分析的影响。然后，提出一种改进小波卷积的深度迁移学习方法，通过跨位置模式识别实现故障诊断。最后，采用滚珠丝杠副故障模拟试验台数据进行方法验证，其故障识别平均准确率达到了97.19%以上。本文研究对复杂工况下数控机床故障诊断与智能运维研究提供了一种新的方法和思路。

关键词： 生态系统服务簇   结构模式   综合区划   K-均值聚类   广东省  

摘要： 识别区域生态系统服务簇及其结构模式,是揭示人地系统客观规律的前提和基础。基于中国气候区划、农业自然区划和主体功能区划成果和三级流域单元,并遵循统一性、一致性、区域共轭性等规律,坚持尽可能保持自然与行政边界完整性的原则,对广东省陆域进行自上而下为主的地域区划,以最大化保持流域单元和生态系统的完整性;按照区划单元测算粮食供给、原料生产、水资源供给等12项区域典型生态系统服务价值量和z-score分值,最后运用K-均值聚类法,进行生态系统服务簇与模式识别。得到以下结果:广东省陆域涵盖中亚热带、南亚热带和边缘热带3个自然地带,可划分为9个经济片区共34个自然的流域单元,形成了“3+9+34”的三级地域区划方案;识别出水文调节保护型、水土保持调节型、生态保育公园型、生态宜居和谐型、综合协调供给型共5类生态系统服务簇的结构模式,展示出广东省陆域生态系统服务簇以珠三角为核心的空间对称分布模式;受地形、地貌等自然地理环境和土地利用等人类活动的影响,不同区域生态系统服务簇各具独特的地形和地理特征,承担着的生态系统服务功能各异。基于这些结果,研究提出生态系统服务簇模式的差异化生态系统管控措施,为省域国土空间规划的实践提供研究支撑。

关键词： 电缆终端   局部放电   模式识别   Vision Transformer   数据训练  

摘要： 电缆终端缺陷类型一般与局部放电信号特征密切相关,因此可以通过对局部放电信号进行模式识别来实现缺陷分类。对15 kV XLPE电缆终端4种典型缺陷的放电脉冲波形和时频谱图特征进行分析处理,得到可用于识别的数据样本,然后分别采用Vision Transformer模型、LeNet5、AlexNet和支持向量机对数据进行训练,对比不同算法的识别准确率。结果显示在数据充足的情况下,Vision Transformer模型的识别精度高于其他识别算法。所提方法及结论可为电缆附件的绝缘评估提供可靠依据,具有一定的指导意义。

关键词： 燃气轮机   模式识别   深度学习   条件对抗域自适应   跨工况   气路故障诊断  

摘要： 近年来,基于模式识别的方法已大量应用于燃气轮机气路故障诊断,并取得一定效果。然而其故障识别准确率常局限于单一工况。为解决基于模式识别的气路故障诊断方案在多种工况下的故障识别准确率低下的问题,该文建立基于深度学习和条件对抗域自适应的模型,用于提取跨工况不变特征,进而提升模型对工况差异干扰的抗性,并保障模型在多种工况下的气路故障识别准确率。此外,该文设计多种跨工况故障诊断任务来验证所提出方案的有效性。

关键词： 深度学习   模式识别   长短时记忆网络(LSTM)   脉冲神经网络(SNN)   手语识别  

摘要： 手语识别是人机交互领域中的重要问题之一。随着人工智能技术的发展,越来越多的机器学习和深度学习方法被应用在手语识别任务上。文章设计一种轻量级的长短时记忆脉冲神经网络(long short-term memory-spiking neural network,LSTM-SNN)手语识别模型用于识别常用手语。首先提出自适应脉冲编码,将手语信号转化为脉冲信号;接着将脉冲信号输入到改进的带泄漏整合发放(leaky integrate-and-fire,LIF)神经元模型,以时间驱动的方式进行信息传导,完成网络训练。在收集到的101个手语手势数据集上的实验结果表明,该模型准确率达到95.37%,表明该文提出的模型优于其他深度学习和机器学习模型。

关键词： 交通工程   驾驶行为模式   人工智能   高速工况   自然驾驶试验   识别模型  

摘要： 准确识别车辆当前驾驶行为模式是自动驾驶领域亟待解决的技术问题。为实现驾驶行为模式精准解析,提高模型识别精度和可靠性,通过开展自然驾驶试验,采集高速工况下20名驾驶人的驾驶行为数据及视觉特性数据等多源参数信息,分析4类典型驾驶行为模式(自由行驶、跟车、左换道、右换道)运行规律及多源参数耦合特性。基于主成分分析法确定4类驾驶行为模式表征指标集,使用支持向量机、随机森林决策树算法建立驾驶行为模式识别模型,通过学习训练,分析比较模型识别结果,对识别效果较好的模型进一步优化,分析优化模型对4类驾驶行为模式识别精度的时序性变化特征。研究结果表明:支持向量机模型、随机森林决策树模型、基于多层感知器神经网络的随机森林优化模型总体识别精度分别为89.4%、90.5%、91.9%;4类驾驶行为模式的AUC(area under the curve)值均高于0.93,可较好地识别车辆当前驾驶行为模式。此外,随机森林优化模型对4类驾驶行为模式的识别精度均随时间推移,呈现先增长后趋于稳定的变化态势,且同一时刻的自由行驶及跟车模式识别精度高于向左及向右换道模式。研究结果可为高级别自动驾驶系统决策及控制策略的制定提供理论基础和技术支持。

关键词： 制图综合   道路网   网眼   模式识别   多层次认知   网格模式  

摘要： 道路网作为城市骨架,其模式识别对于地图综合、空间数据挖掘与多尺度表达具有重要意义。针对大比例尺数据中局部异质性明显的道路网格模式识别问题,提出基于网眼的城市道路多层次复合网格模式识别方法。首先分析了道路网眼直线和网格模式的多层次认知特点,提出了“基础网眼→复合网眼→规则模式”的多层次认知顺序;然后考虑复合直线模式的组合性、延伸性和直线性约束,设计了道路网眼直线模式、包含关系和并列关系的识别方法;最后通过对直线模式的组合分解,提取道路网眼的网格模式。试验表明本文方法能有效识别路网数据中的复合网格模式,识别结果符合人类认知特点。

关键词： 舒肝平胃丸   一测多评法   含量测定   化学模式识别分析  

摘要： 目的建立一测多评法(QAMS)同时测定舒肝平胃丸中甘草苷、柚皮苷、橙皮苷、新橙皮苷、甘草酸铵、川陈皮素、和厚朴酚、厚朴酚和苍术素等9种成分的含量,并评价其质量。方法采用超高效液相色谱法,以新橙皮苷为内参物,建立其他8个成分的相对校正因子,同时用一测多评法(QAMS)和外标法(EMS)分别测定舒肝平胃丸的9个成分的含量,计算其含量并比较和外标法之间的差异。结合化学模式识别分析对其进行质量评价,筛选可能影响其质量的标志性成分。结果上述9种成分在各自质量浓度范围内线性关系良好(R2﹥0.9995),专属性良好,精密度、重复性、稳定性、加样回收率的RSD值均≤3%,聚类分析结果显示舒肝平胃丸聚为3类,正交偏最小二乘法-判别分析结果显示橙皮苷、川陈皮素、新橙皮苷、和厚朴酚、柚皮苷、甘草苷等6个成分可能是影响样品质量的标志性成分。结论文章所建立的QAMS法结合化学模式识别分析可用于舒肝平胃丸的质量控制。

关键词： 统计过程控制(SPC)   随机森林   离合器   模式识别   机器学习  

摘要： 传统控制图作为统计过程控制(statistical process control,SPC)的核心工具,对影响制造过程的系统性因素识别效率较低。文章针对传统控制图对系统性因素识别不充分的问题,提出基于随机森林的控制图模式识别模型,利用网格搜索法进行参数优化,建立基于随机森林算法流程和控制图模式识别模型以识别影响过程失控的系统性因素;以汽车离合器为例,将基于随机森林的模式识别算法应用到离合器制造过程中,并与支持向量机(support vector machine,SVM)、逻辑回归(logistic regression,LR)等机器学习算法相比较,结果验证了随机森林模型对控制图模式识别的可行性和有效性。

关键词： 人工智能   自然语言处理   机器学习   模式识别   北京邮电大学   国家自然科学基金   国家级项目   数据科学  

摘要： 陈光1978年6月出生,北京邮电大学人工智能学院副教授,主要研究方向是模式识别与机器学习,目前主要研究自然语言处理,在国际高水平期刊和学术会议发表论文数十篇,主持和参与多项国家自然科学基金、重点研发计划等国家级项目。其创办的微博账号“爱可可-爱生活”,聚焦人工智能主题,以专业的学术品味、广阔的领域视野、敏锐的业界观察、丰富优质的资源推荐,为广大人工智能、机器学习和数据科学爱好者所熟悉和喜爱。