课程文献中心 更多>>

关键词： 滑坡   易发性建模   LR   SVM   编码器  

摘要： 目的为了在有限样本下提升机器学习模型挖掘数据特征的能力,提高模型预测精度,方法选取四川省雅砻江和大渡河中下游省级水土流失重点预防区九龙县、康定市、泸定县和木里县为研究区,选择12个影响因子构建滑坡易发性评价指标体系,使用确定性系数(certainty factor,CF)量化评价指标,对比逻辑回归(logistic regression,LR)和支持向量机(support vector machine,SVM)模型,在表现最优的模型上添加降噪自编码器(denoising autoencoder,DAE)和卷积自编码器(convolutional auto-encoders,CAE),并对比各模型所提取数据的特征。结果结果表明:CF-SVM模型的精确率(P),F-measure、Kappa系数,总准确度(overall accuracy,OA)和ROC曲线下与坐标轴围成的面积(area under curve,AUC)相较于CF-LR模型的分别提高了31.9%,1.1%,17.1%,8.5%,8.6%;添加DAE编码器后,CF-SVM-DAE模型的召回率(R),Fmeasure,Kappa系数和总准确度(OA)相比于CF-SVM模型的分别提高了8.1%,5.8%,8.1%,4%;添加CAE编码器后,CF-SVM-CAE模型的召回率(R),F-measure,Kappa系数和总准确度(OA)相比于CF-SVM模型的分别提高了0.4%,0.2%,0.2%,0.1%。结论选用的机器学习方法中,CF-SVM模型预测精度更高。在CF-SVM模型基础上添加DAE编码器比添加CAE编码器鲁棒性更好,因此,CF-SVM-DAE模型在所有模型中表现最好,更适合滑坡易发性评价。

关键词： 电磁超声信号   变分模态分解   小波降噪   阈值函数  

摘要： 为自适应地滤除电磁超声检测信号中的低频偏置与高频噪声,降低噪声对后续信号特征分析的影响,提出了一种将变分模态分解与改进阈值的小波变换相结合的二级框架降噪算法。该方法首先使用变分模态分解对信号进行分解并使用评价系数选择合适的模态函数分量对信号进行重构,之后使用改进阈值的小波变换法进行二次滤波。通过对不同噪声水平的仿真信号进行降噪处理,验证了该方法的优越性,在实际缺陷检测信号的降噪处理中也表现出了优异的性能。因此,该方法能够用于电磁超声检测信号的降噪。

关键词： 二硒化铼   过渡金属硫化物   传统孤子   高阶锁模  

摘要： 二维材料作为可饱和吸收体在光纤激光器领域的应用引起了人们极大的兴趣。过渡金属硫化物(TMDs)作为二维材料中的一类,因其较好的光电特性和环境稳定性已经被广泛用于超快光纤激光器中。二硒化铼(ReSe_(2))作为TMDs中的一种,通过一系列表征手法预测其具有良好的非线性光学效应。本实验通过液相剥离法制备ReSe_(2)纳米片溶液,并与聚乙烯醇(PVA)溶液混合后制成1 mm×1 mm的膜片贴在光纤跳线头的端面形成可饱和吸收体。该膜片的调制深度和饱和强度分别为8.8%和4.9 MW/cm^(2)。将该可饱和吸收体集成进光纤腔中,在泵浦功率为143.6 mW、色散为-0.682 ps 2时,获得了稳定的传统孤子。进一步调整偏振态和泵浦功率,获得38阶稳定的谐波锁模运转。实验结果表明ReSe_(2)具有良好的脉冲调制能力,在掺铒光纤激光器领域有一定的应用价值。

关键词： 分布式光纤声波传感   语音端点检测   低信噪比   音高信息   自相关函数  

摘要： 分布式光纤声波传感器(DAS)可用于隧道塌陷事故中的人员搜救、人声信号定位。但在基于DAS的语音活动检测(VAD)中,使用户外采集的真实数据进行语音提取面临着以下问题:受限于嘈杂的现场环境和有限的采集信号方式,收集到的语音易被复杂强噪声干扰,无法获得干净的语音数据用于监督训练。为了解决上述问题,本文提出一种基于短期自相关特征的算法(ST-ACF)进行语音活动检测,结合了音高信息和自相关函数检测语音帧的相关谐波特征,使得算法在极低信噪比(小于-10 dB)的DAS环境下仍能提取所有有效人声。ST-ACF算法包括预去噪阶段和语音检测阶段。在预去噪阶段,基于对语音音高信息周期性的研究,设计双通道时间窗口,对两类典型噪声进行预去噪。在语音检测阶段,提出一种改进式自相关函数,考虑特征值和变化幅度两个维度,通过其乘积最大化语音和噪音之间的距离,提高了算法对临界数据的处理能力。算法改进后能得到与特征出现频率匹配的最佳频谱窗口,可利用其寻找局部谐波,并通过分析局部谐波区分语音和非语音。实验使用DAS真实数据和NOISEX-92数据集中的6类噪声,采用指标误帧率对算法进行评估。结果表明,ST-ACF在高能噪声环境中表现优异,误帧率仅为19.74%,相较于基线算法提升了5.91%;同时,在DAS数据集上,ST-ACF也表现出最佳性能。总体而言,通过时间窗口和自相关函数的改进,ST-ACF在处理DAS语音数据时表现出色,对不同噪声环境都具有良好的检测性能,展现出应用于多种复杂场景的潜力,拓展了基于分布式光纤语音信号处理方向的研究。

关键词： 柑橘叶片   氮磷含量   高光谱   深度学习   无损检测   检测系统  

摘要： 【目的】设计一款柑橘叶片氮磷含量高光谱检测系统。【方法】基于SR-GRU网络训练构建氮磷含量反演模型,获取柑橘叶片光谱数据和叶片氮磷含量。设计基于云边端架构的柑橘叶片氮磷含量检测系统,对易受户外光线干扰的光谱信号提出改进iForest-SAM算法进行异常光谱检验剔除,对波段多、体积大、传输慢的光谱数据提出基于过完备学习字典的稀疏LoRa报文进行快速传输。系统边缘端在柑橘园内作为LoRa网关,移动终端使用稀疏LoRa报文经边缘端发送至云端加载反演模型进行预测。【结果】SR-GRU反演模型对柑橘叶片氮磷元素含量的反演效果最佳,模型的决定系数分别为0.929和0.865,归一化均方根误差分别为0.083和0.079。系统单次柑橘叶片氮磷含量检测耗时均在1 s以内,LoRa节点连接稳定,基于互联网的Web程序运行稳定,页面平均加载时间在0.5 s以内。【结论】该系统满足对柑橘叶片氮磷含量及时检测的实际应用需求。

关键词： 电机轴承   无监督自编码器   故障识别   偏移点  

摘要： 电机的运行稳定性可以通过监测轴承的振动情况进行判定。为了进一步提高电机轴承故障识别能力,设计了一种基于无监督自编码器的电机轴承故障识别方法。在特征加强下使得数据长度大幅减小,在很大程度上增强了算法的识别效率及精准性。研究结果表明:与无监督自编码器相比,无监督变分自编码器将变分结果当作全新样本的故障辨识准确率更低,表现出来更大的优越性在最大偏移点数取值范畴逐渐扩大时,辨识准确率不断提高,在其数值为150左右可实现接近100%的辨别准确率结果。该研究有助于提高电机轴承的故障识别能力,也可拓宽到其它的机械传动领域。

关键词： 深度学习   机器视觉   智能电表   缺陷检测  

摘要： 智能电表在生产、运输过程中常因多种因素导致显示缺陷或外观信息磨损丢失从而影响电表的正常使用.为此,设计基于深度学习的智能电表缺陷检测系统,通过采集电表图像进行预处理,在处理后的图像中提取出不同的检测区域,将深度学习和机器视觉检测技术融合,分别对LCD显示屏、外观标牌和拉闸灯3个区域进行分类定位和缺陷检测.测试证明该系统检测准确率高,漏检率低,可适用于大规模检测,满足实际应用需求.

关键词： 纤维与波导光学   光纤布拉格光栅   线性边缘滤波法   聚合物   超声波传感  

摘要： 针对裸光纤光栅对超声波响应灵敏度较低的问题,本文提出一种聚合物封装的光纤光栅传感器,通过在光纤光栅周围封装一层厚度远超光纤直径的聚合物涂覆层,提高了光纤光栅在受到超声波作用时的应变灵敏度。首先,建立光纤光栅传感模型,根据传输矩阵法仿真分析了聚合物杨氏模量和泊松比对光纤光栅应变的影响。随后,利用聚氨酯(PU)、聚丙烯酸酯(ABR)与聚氯乙烯(PVC)塑料三种不同参数的聚合物材料封装光纤光栅,通过线性边缘滤波法将光纤光栅的波长漂移转化为电压信号,测量封装后的传感器对超声波的传感特性。研究结果表明,聚合物杨氏模量的降低与泊松比的提高有助于改善光纤光栅对超声波的响应灵敏度。三种材料中,PU封装后的效果最好,峰值电压达到139.6 mV,约是裸光纤光栅的15倍,且封装后的传感器的峰值电压随着距声源距离的增大呈指数型衰减,符合超声波在水中的理论衰减趋势,可以用来还原空间中的声场状态。

关键词： 隔爆型电气设备   隔爆罐   控制系统   隔爆试验  

摘要： 矿用防爆产品主要分为隔爆型、本安型、浇封型等,其中隔爆型应用最广。爆炸试验是评估隔爆型电气产品是否符合标准并适用于爆炸危险环境的关键依据。为检验隔爆型电气产品的防爆性能,研制了一套隔爆试验检测系统,该系统结合爆炸罐、硬件控制系统和测试软件,实现了自动化控制。实测结果表明,该系统稳定性高、数据准确可靠,有效提升了检验效率。

关键词： 六维力/力矩传感器   压电式   解耦算法   长短期记忆神经网络   维间耦合  

摘要： 针对压电式六维力/力矩传感器存在的维间耦合导致传感器测力性能下降问题,提出了一种基于长短期记忆神经网络(LSTM)的压电式六维力/力矩传感器解耦算法。首先,通过六维力传感器静态标定实验,获取解耦算法所需的实验数据,并对其进行处理;然后,通过分析传感器维间耦合产生的原因及LSTM神经网络解耦原理,构建LSTM神经网络解耦模型;最后,采用基于LSTM神经网络的解耦算法,对传感器输出的多维非线性特性开展优化,解耦后得到传感器输入、输出之间的映射关系和对应的输出数据,并与径向基函数(RBF)及最小二乘(LS)解耦算法进行对比分析。研究结果表明:所使用四点支撑式压电六维力传感器的最大重复性误差为1.55%;采用基于LSTM的神经网络算法解耦后,传感器输出结果的最大非线性误差、交叉耦合误差分别为0.55%和0.28%,均小于RBF和LS算法。LSTM神经网络解耦算法能有效减少六维力/力矩传感器的维间耦合,提高传感器的测量精度,对航空航天领域的发展具有参考意义。