关键词： 人参   人参芦   人参皂苷类   高效薄层色谱   HPLC指纹图谱   模式识别  

摘要： 目的对人参根茎(芦头)、主根的色谱指纹图谱进行比较分析,检视其化学成分整体一致性,为人参是否去芦头炮制提供依据。方法采用高效薄层色谱(HPTLC)比较人参不同部位样品的色谱一致性;运用HPLC测定人参不同部位的指纹图谱,并结合对照品进行共有峰鉴定及相似度分析;采用主成分分析和正交偏最小二乘判别分析(OPLS-DA)进行差异性分析。结果HPTLC图谱中,人参芦头、主根及全参特征图谱相似,并且有较清晰的共有条斑7~9个。HPLC指纹图谱显示,人参芦头、主根及全参的色谱图有13个共有峰,鉴定了6个峰,包括7个人参皂苷,分别为人参皂苷Rg1&Re(混合峰)、Rf、Rb1、Rc、Ro、Rd;各样品相似度范围为0.842~0.993;各峰面积的差异综合贡献了样品间的相似度差异,其中芦头为主要影响;人参皂苷Ro、Rb1等6个成分为差异标志物,在人参芦头中相对含量显著高于主根。结论人参芦头与主根和全参化学成分类型一致,人参炮制去芦头将导致人参整体有效成分人参皂苷损失。结合资源、人力成本方面考虑,建议人参炮制时无须去芦,以全参入药。

关键词： 拓扑分解模型   模式识别   空间一致性   实体   地类图斑  

摘要： 针对数据融合和综合过程中出现的空间不一致性问题,提出了一种基于拓扑分解模型的面状数据空间一致性检测及处理方法:①该模型将矢量数据看作具有语义信息的弧段集,根据空间关系识别弧段对的方式检测空间不一致问题;②在模型应用过程中,使用权重法或拟合法来处理空间不一致性;③经北京市中心城区房屋实体数据、地类图斑数据验证,在数据重构后,房屋实体的空间不一致问题修复率达到98.06%,地类图斑间、地类图斑与线状河流间的空间不一致问题修复率分别达到93.75%、95.74%。试验结果表明,该方法为空间一致性检测及处理提供了一种有效的思路。

关键词： 补骨脂   盐制工艺   熵权TOPSIS法   模式识别  

摘要： 目的优选盐补骨脂不同盐制工艺,比较不同盐制品的差异。方法建立补骨脂超高效液相色谱(UPLC)特征图谱,采用综合评分法,以补骨脂素和异补骨脂素总含量、特征图谱峰面积为评价指标,优选"盐炙""盐蒸""盐喷""盐微波"4种不同炮制工艺;采用熵权TOPSIS法及聚类分析、主成分分析等化学模式识别方法比较不同补骨脂盐制品的质量差异。结果优选的盐补骨脂"盐炙"工艺为170℃炒制13 min,"盐蒸"工艺为蒸制1 h,"盐喷"工艺为110℃炒制13 min,"盐微波"工艺为微波加热105 s。熵权TOPSIS综合评价结果表明,不同补骨脂盐制品质量排序为盐炙品>青盐炙品>盐喷品>盐微波品>盐蒸品;聚类分析结果表明,不同补骨脂盐制品可聚为2类,其中盐炙品与青盐炙品聚为一类;盐喷品、盐蒸品和盐微波品聚为另一类;主成分分析结果表明,不同补骨脂盐制品可聚为4类,其中盐炙品、青盐炙品、盐喷品分别单独聚为一类,盐微波品与盐蒸品聚为同一类。结论不同盐制方法炮制的盐补骨脂化学成分存在差异,研究结果可为盐补骨脂的炮制工艺优化和不同盐制品识别提供参考。

关键词： 智慧工地   施工管理信息化   视频监控   模式识别  

摘要： 阐述智慧工地的系统管理技术,包括智能视频监控、模式识别、虚拟现实技术的应用,分析建筑工程中的安全管理状况,智慧工地中的安全管理系统应用。

关键词： 局部放电   深度可分离卷积   迁移学习   模式识别   智能巡检仪  

摘要： 针对传统方法判别电缆局部放电类型非常耗时,且准确率较低等问题,提出了一种基于MobileNet的电缆局部放电模式识别方法。对电缆高频局部放电带电检测仪器采集到的各类PRPD图谱进行预处理与数据增强,形成图谱库;将预先训练好的MobileNetV1模型中的权值迁移到局部放电的新任务中,对模型进行网络结构和权值的微调;对迁移后的新模型进行训练,将训练得到的识别率最高的模型作为测试模型,并对测试集中的PRPD图谱进行测试。实验结果表明,该算法的识别准确率可达96.4%,并有效提升了训练的收敛速率。将该算法应用于基于安卓设备的智能局部放电巡检仪,在实际场景下,能够实现局部放电缺陷类型的快速识别,且识别准确率达到95%以上。

关键词： 局部放电   谱图特性   模式识别   深度学习   混合智能  

摘要： 为了研究电力电缆局部放电的模式识别,解决传统单一智能算法识别率低的问题,文中提出了一种融合多深度学习算法的混合智能算法。首先,设计并制作5种典型缺陷模型以模拟实际电力电缆中的缺陷,据此展开实验并收集数据;然后,通过对PRPD谱图的相窗归一化、去极端值等改进,以及绘制PRCD谱图,更全面凸显局部放电有用特征;最后,训练基于PRPD或PRCD的多种深度学习分算法,通过可信度融合得到混合智能算法。实验结果表明,该混合智能算法相比常规单一深度学习算法识别率有显著提升,总体可达98.504%,能够准确分辨出模拟电力电缆缺陷的5种类型,具有良好应用前景。

关键词： 故障诊断   模式识别   深度学习   一维卷积神经网络   模拟电路   注意力机制   特征提取  

摘要： 为了进一步提高模拟电路故障诊断的正确率,提出一种基于多重注意力机制的一维卷积神经网络故障诊断方法。该方法针对数据的维度调整网络参数,采用自适应力矩估计算法为不同的参数设计独立的自适应性学习率从而训练网络,并引入多重注意力机制以增强网络提取特征的能力,从而提高诊断正确率。实验结果表明,在对Sallen⁃Key滤波器电路诊断测试时正确率达到100%,在对四运放双二阶滤波电路进行故障诊断时,该方法仍具有99.74%的正确率,相比不添加注意力机制的方法高出1.8%,展现出较强的诊断能力。

关键词： 局部放电   图谱融合   NSST   SR   模式识别  

摘要： 为解决气体绝缘输电线路局部放电光电联合检测过程中因信号缺失对模式识别造成干扰的问题,提出一种基于非下采样剪切波变换(non-subsampled shearlet transform,NSST)和稀疏表示(sparse representation,SR)的光电图谱融合算法,将光学局放相位分布(phase-resolved partial discharge,PRPD)图谱和特高频局部放电PRPD图谱通过NSST分解为低频和高频子带图,基于最大绝对值和SR进行子带图融合,然后经过NSST逆变换得到融合图谱。最后,提取图谱特征并降维,代入K近邻、支持向量机、朴素贝叶斯和决策树分类器进行模式识别,并与其他融合算法效果进行对比。实验结果表明:不论样本总体数量大小、样本训练集与测试集相对数量比例大小,该文提出的算法均能较完整地融合两种源图谱的信息,局放模式识别准确率高于单一NSST算法或SR算法。在小样本(150)情况下,准确率可达89.2%,样本足够大时,准确率最高可达98.5%;当训练集样本数小于测试集样本数时,准确率依旧在70.0%以上,最高达88.0%。该文提出的融合算法可为提高气体绝缘输电线路局放模式识别准确率提供参考。

关键词： 居民地   地图综合   格网模式   聚类分析  

摘要： 对居民地实施地图综合前,必须进行其分布模式的识别,才能保证综合后保持原有模式。已有研究成果中,注重根据特定的居民地分布模式进行研究,设计识别算法,而根据大量实际地图进行定量研究的成果较少。本研究从格网模式居民地的特征入手,从城市地图上采集了80个居民地,选取30个典型的格网模式居民地,进行统计分析,获取街道网矩形度的均值和标准差。采用层次聚类和K均值聚类方法,用另外50个居民地进行实验验证。结果证明,基于聚类分析的居民地分布模式识别准确率较高。

关键词： 北柴胡   配方颗粒   高效液相色谱法   指纹图谱   化学模式识别   柴胡皂苷  

摘要： 采用高效液相色谱-蒸发光散射检测器法,依据“中药色谱指纹图谱相似度评价系统(2012版)”建立北柴胡饮片和北柴胡配方颗粒的指纹图谱,并进行相似度评价,确定共有特征峰。采用SPSS 22.0和SIMCA 14.1软件进行聚类分析、主成分分析和正交偏最小二乘法-判别分析,筛选影响饮片和配方颗粒质量的差异性成分。结果显示,10批北柴胡饮片有24个共有峰,相似度均不低于0.985;20批北柴胡配方颗粒有16个共有峰,相似度在0.858~0.998。共指认了6个共有峰,分别为柴胡皂苷c(峰6)、柴胡皂苷f(峰7)、柴胡皂苷a(峰9)、柴胡皂苷d(峰18)、柴胡皂苷b2(峰28)、柴胡皂苷b1(峰29)。聚类分析和主成分分析结果一致,北柴胡饮片和北柴胡配方颗粒各为一类,有16个峰的变量重要性投影(VIP)值大于1,可能是二者的差异性物质。建立的指纹图谱法简便可行、重复性好,可用于评价北柴胡饮片和北柴胡配方颗粒的质量。