关键词： 电力电容器   金属化薄膜   局部放电   模式识别   时-相合成谱图  

摘要： 局部放电类型与电力电容器薄膜早期绝缘劣化程度密切相关,对局部放电类型的准确识别将有效改善电容器的运行状态和保障电网安全。本文设计了金属化薄膜电容器中易产生的薄膜间尖端缺陷、气隙缺陷和沿面缺陷模型,分析了电容器薄膜局部放电的时间序列谱图和相位分布谱图特性及平均放电量Q和放电重复率F的发展规律。将Q和F的变化曲线取点拟合,并与局部放电信号进行相关性分析,将相关性系数作为时域特征量。提取局部放电相位分布谱图的正负半周偏斜度、正负半周陡峭度和正负半周不对称度作为相位特征量。提出了一种基于时-相合成雷达谱图的电力电容器薄膜局部放电模式识别方法。通过对合成谱图中特征量封闭图形外接矩形的重心坐标进行聚类分析,利用重心坐标分布的象限对薄膜局部放电进行模式识别。结果表明:该方法相较于传统的单一谱图模式识别准确率更高,为电容器设备的在线监测和故障诊断提供了理论依据。

关键词： 损伤模式   压力容器   检验  

摘要： 压力容器是一种用途十分广泛的密闭容器,在经济、军事、民生等方面,都发挥着重要的作用。然而,压力容器同样具有一定的危险性,在一定的条件下,就会发生损伤,当损伤积累到一定程度时,就会导致压力容器失效,给周边人群、建筑与环境等造成破坏。基于损伤模式识别的压力容器检验,能够有效发现压力容器在使用过程中发生的损伤,预判可能出现的失效,同时,对较为容易出现损伤的区域进行判断,从而起到良好的预防作用。基于此,本文首先对压力容器的概念展开介绍,并针对基于损伤模式识别的压力容器检验展开探讨、以供参考。

关键词： 电磁阀   故障诊断   电流检测   小波包分解   主元分析   多特征融合   C参数支持向量机  

摘要： 为提高基于驱动端电流检测的电磁换向阀故障诊断方法的可靠性和识别准确度,开展了电磁换向阀故障模式识别方法研究。提出一种基于多特征融合的方法对电流信号时频分析和时域参数的特征值提取融合;通过设计电磁换向阀驱动端电流信号的采集实验,获取电磁换向阀驱动端电流的时域信号和二阶变化率的多特征曲线,提取时域参数及二阶变化率相应频带能量作为特征值,构建多特征融合的特征向量;采用基于径向基核函数的多分类支持向量机对电磁换向阀进行模式识别。结果表明:基于多特征融合的支持向量机较基于能量特征值的支持向量机可提升8.7%的识别精度和42.11%的验证准确率。

关键词： 钢轨轮廓检测   模式识别   二维采样点云   复杂轨形   分类统计  

摘要： 钢轨断面轮廓检测装备能够测量钢轨的磨耗情况,为铁路维修保养提供重要参考。能否及时准确地从普通轨道、道岔、接头等复杂路况条件下识别出有效钢轨廓形制约了检测装备的实际应用性能。通过对二维线激光采样数据的统计分析,实现对有效廓形和异常廓形的分类识别。首先,对比线路中不同区域的钢轨轮廓形态,选择轨头与轨腰的间断性和轨头与轨腰的形态相关性作为有效轮廓的识别依据。其次,利用不同路况条件下的钢轨轮廓点云数据分布情况,实现对原始数据中难以评估磨耗程度的异常轮廓数据进行识别分类。现场实验测试结果表明,该方法识别出的有效轮廓分布和实际路况基本一致,在行车测试速度8.3 km/h的条件下,单个轮廓平均识别时间为9.78 ms,识别准确率达到97%以上。

关键词： 电梯群客流   模式识别   长短期记忆网络   均方差标准化  

摘要： 交通流模式识别是电梯群控系统进行优化调度必不可少的前提,针对高层住宅电梯交通流模式识别问题,经典的模式识别方法如支持向量机、模糊推理方法等应用广泛,但其仍存在长期记忆不足,识别准确度不高等缺点。深度学习中的LSTM适合学习电梯交通流时间序列中的长期依赖关系,因此本文提出一种基于LSTM的高层住宅电梯群交通模式识别方法。方法通过LSTM建立神经网络模型,学习电梯交通流时间序列中的长期依赖关系,用Softmax分类器进行分类,同时通过Adam算法优化网络参数。实验结果表明,上述算法下的交通模式识别较传统的支持向量机(SVM)、多元线性回归等方法识别精度上有明显提高。

关键词： 模式识别   偏最小二乘法   主成分分析法   人工神经网络法   支持向量机  

摘要： 随着信息化及智能化制造的普及,酿酒行业面临海量数据的采集和统计需求,依托于大数据系统和快速检测方法的各种模式识别方法建模在酒行业中的应用越来越广泛。总结了偏最小二乘法、主成分分析法、人工神经网络法、支持向量机及其他模式识别方法在酒行业中理化检测、质量等级分类、品牌鉴别、酒龄鉴定、产地溯源、智能摘酒等方面的应用研究成果。此外,还对不同方法间组合使用建模进行了说明,旨在为酒类酿造过程中产生的模糊数据建模、分析和应用提供思路。

关键词： 模式识别   支持向量回归机   非平行支持向量回归机   L1范数损失  

摘要： 针对NPSVR训练速度和预测精度问题,提出一种基于L1范数损失的非平行支持向量回归机L1NPSVR模型,用于预测数值输出。L1NPSVR通过求解两个较小规模的凸规划问题,建立一个ε_(1)-不敏感的下界函数和一个ε_(2)-不敏感的上界函数。在L1NPSVR模型中,每个优化问题同时最小化训练样本的L1范数损失和铰链损失,以保证模型的稳定性,减轻噪声和异常值的影响。L1NPSVR通过求解一对更小的优化问题来提高模型的运行效率。仿真结果验证了所提出方法的可行性及有效性。

关键词： 补中益气产品   HPLC   指纹图谱   化学模式识别   质量标志物   口服液   合剂   水丸   蜜丸   浓缩丸   层次聚类分析   主成分分析   正交偏最小二乘法-判别分析   甘草酸   橙皮苷   肌苷   胸苷   毛蕊异黄酮-7-O-葡萄糖苷  

摘要： 目的 建立补中益气产品HPLC指纹图谱,并结合化学模式识别对相关产品(口服液、合剂、水丸、蜜丸、浓缩丸)进行质量标志物分析。方法 以Kromasil 100-5-C18柱(250 mm×4.6 mm,5μm)为色谱柱,流动相为乙腈-0.2%甲酸水溶液,体积流量0.80 m L/min,检测波长260 nm,梯度洗脱;对20批补中益气产品的HPLC指纹图谱进行相似度评价,结合层次聚类分析(hierarchical cluster analysis,HCA)、主成分分析(principal component analysis,PCA)和正交偏最小二乘法-判别分析(orthogonal partial least squares-discriminant analysis,OPLS-DA)对色谱峰进行综合处理和分析。结果 以补中益气产品HPLC指纹图谱中的16个色谱峰为共有峰,20批样品的相似度为0.799~0.933;指认其中10个共有峰。HCA、PCA、OPLS-DA分类结果显示,20批补中益气产品可聚为4类,补中益气浓缩丸聚为一类,补中益气水丸聚为一类,补中益气蜜丸聚为一类,补中益气合剂与11批口服液聚为一类。OPLS-DA筛选出变量投影重要性分析值(variable importance in projection,VIP)大于1的共有峰依次为峰2(肌苷)、3(胸苷)、10(橙皮苷)、15(甘草酸)、6(毛蕊异黄酮-7-O-葡萄糖苷),以上特征峰可作为补中益气产品的质量标志物。结论 建立的HPLC指纹图谱方法简便快捷,专属性、重复性良好;结合化学模式识别分析,为补中益气产品质量评价标准体系的建立提供参考。

关键词： 改进树路径匹配   层次聚类算法   人才培养   模式识别  

摘要： 针对当前人才培养模式识别算法的识别时间较长、识别精度较低的问题,提出基于改进树路径匹配的人才培养模式识别算法。通过划分不同应用状态下的人才培养模式,采用改进树路径匹配算法,构建树路径模型,利用文档对象模型树实现模式匹配。将根节点作为初始节点并匹配因素最多路径,运用层次聚类算法,建立距离矩阵,设立模式匹配相似度要素,将模型内距离最近的簇实施合并,获得高精度人才培养模式识别模型,实现人才培养模式识别。实验结果表明,所提方法的模式识别时间较短,模式识别结果满意度较高,能够有效提高模式识别精度。

关键词： 达斯玛保丸   HPLC   指纹图谱   化学模式识别   没食子酸   木香烃内酯  

摘要： 建立藏药达斯玛保丸的HPLC指纹图谱,并运用化学模式识别方法,为其质量评价提供依据。采用HPLC法,利用CA、PCA和PLS-DA进行评价。对没食子酸、木香烃内酯的含量进行测定,以Cosmosil 5C18-MS-II为色谱柱(250 mm×4.6 mm,5μm),甲醇–0.04%甲酸水溶液进行梯度洗脱,流量1.0 mL/min,检测波长225 nm。结果表明12批达斯玛保丸共标定出21个共有峰,相似度均大于0.98。12批样品可分为3类,通过PLS-DA筛选出10个标志性化合物,其中指认出没食子酸(峰1)、木香烃内酯(峰18)。实际样品测试结果为没食子酸和木香烃内酯的含量范围为6.11~7.87 mg/g,0.42~0.57 mg/g。该方法可稳定、有效地用于藏药达斯玛保丸的质量评价。