摘要:弱磁检测技术是以铁磁材料力磁耦合效应为原理,通过采集构件表面自漏磁场信号,对铁磁材料的应力集中、早期损伤 等进行诊断的无损检测技术。 其主要优点包括无需激励磁化设备、无需提前处理构件表面、操作简单等等。 梳理了近 5 年来弱 磁检测方法研究进展,总结了缺陷处磁信号描述与计算方法,重点分析了利用弱磁检测技术判断与定位缺陷、缺陷损伤评判准 则等方面的主要研究成果,陈述了缺陷定量化反演的进展,最后讨论了弱磁检测技术在工程上的应用现状。 基于此,对弱磁检 测技术的未来发展趋势进行了展望。

摘要:电磁流量计在工业生产过程中扮演着重要角色,但易受流体中气泡的影响导致测量结果出现波动进而影响测量精度。 定量分析气泡在电磁流量计测量过程中产生影响的规律对提高电磁流量测量精度和实现气液两相流测量具有重要工程意义。 针对上述问题,首先从权重函数角度入手,采用解析法建立了气泡尺寸、气泡偏心以及气泡数量对电磁流量测量影响的理论模 型;其次,通过仿真和实验研究了管径为 100 mm,圆形点电极半径为 5 mm 的电磁流量系统受气泡不同状态的影响,并采用输出 电压灵敏度分析了气泡不同状态下对电磁流量测量的影响规律。 研究结果表明,随着气泡尺寸增加其影响大小随之增加,气泡 尺寸变化过程中影响在 0. 3% ~ 5%范围内变化,最大为 5%;气泡(直径为 10 mm)沿电极方向偏心产生的影响在 0. 25% ~ 0. 6% 范围内,且随偏心距离的增加而增加;气泡沿垂直电极方向偏心距离增加产生的影响微小,在-0. 2% ~ 0. 2%范围内波动;同时, 在气泡流动过程中,气泡越靠近电极截面影响越大并在电极截面位置产生影响最大值,单气泡最大值分别为 0. 18%、0. 22%、 -0. 20%,随着气泡数量增加产生的影响逐渐增加,3 气泡和 6 气泡影响最大值分别为 0. 36%和 2. 3%。 本研究补充和完善了电 磁法测量气液两相流权重函数相关理论,得出气液两相流中气泡不同状态对电磁流量测量系统的影响规律,为提高电磁流量测 量检测精度和实现气液两相流电磁测量提供技术支持。

摘要:磁巴克豪森噪声效应可反应铁磁性材料交变励磁时磁畴的动态转动与形变的统计意义特征,从而作为铁磁性材料应力 状态、材质劣化及早期微损伤检测和评估的无损检测技术。 目前针对磁晶各向同性材料的磁巴克豪森噪声检测已获得大量规 律并建立了工程适用方法,但大部分规律和方法在用于磁晶各向异性材料检测时常会产生错误的检测结果或是产生较大误差。 为了探明这种不适用性的原因,搭建了周向磁巴克豪森噪声测量系统,以 X60 钢为例测试磁各向异性分布情况,从易磁化轴方 向、周向磁各向异性图幅值与形状、不同特征参量表征等 3 方面揭示同块材料表面磁晶各向异性分布情况。 研究发现磁晶各向 异性材料上不同位置的周向磁巴克豪森噪声分布是不均匀的,使得基于同种或同批材料试块产生的基准标定曲线用于实际试 件检测时不再具备有效性,这是造成检测错误和误差的关键原因,而以往的研究多认为同块材料上磁晶各向异性分布是一致 的,或忽略了其分布特性的影响。 这种现象的发现对磁晶各向异性材料磁巴克豪森噪声检测提出了新的难题和挑战。

摘要:针对具有参数不确定性的电动代步车系统,提出一种基于区间自适应阈值和控制律重构策略的主动容错控制方法。 首 先,建立电动代步车系统的不确定性诊断键合图模型,并设计基于区间解析冗余关系的区间自适应阈值以提高参数不确定下的 故障检测性能。 其次,设计系统无故障情况下滑模控制律以实现代步车速度跟踪。 接着,构建参数故障条件下的滑模控制律, 利用极限学习机对滑模控制律中用来补偿未知参数故障的控制项进行实时估计,并利用故障检测结果进行控制律的实时切换。 最后,通过实验结果分析,验证了基于区间自适应阈值的鲁棒故障检测方法有效性,以及参数故障下主动容错控制方法的可 行性。

摘要:为解决木材和空气介质之间声阻抗不匹配引起超声波衰减大,导致检测信号的信噪比低、测量精度不高等问题,本文将 相位编码脉冲压缩技术应用到木材空气耦合超声检测系统。 采用巴克码序列作为相位编码方式,分析了脉冲压缩激励信号产 生和接收信号经互相关匹配滤波器后解调检测原理。 以有节子和裂纹缺陷的木材作为实验对象,通过单点扫描对比缺陷处与 非缺陷处检测信号的差异,最后使用 C 扫描对木材缺陷检测精度进行定量分析。 结果表明,相比正弦激励信号,采用 13 位巴克 码作为编码激励信号可使检测信号的信噪比提高了 9. 12 dB,C 扫描结果对节子型缺陷定量识别精度为 90%,且能有效检测节 子中宽度为 1 mm 的裂纹。 验证了基于脉冲压缩的木材空气耦合超声检测无需与被测材料接触,也能够有效提高木材缺陷识 别能力。

摘要:针对污水处理过程 COD 难以实时准确测量的问题,提出了基于 TentFWA-GD 的 RBF 神经网络软测量方法。 为解决现 有 RBF 神经网络用于复杂工业过程软测量建模时存在网络参数难以确定及训练过程易陷入局部极值等问题,进一步提高 RBF 神经网络模型的预测精度与泛化能力,引入了 Tent 混沌映射对烟花算法(fireworks algorithm,FWA)进行改进,利用混沌运动的 全局遍历性维持 FWA 的种群多样性并避免算法早熟收敛;将 TentFWA 算法与 GD 方法有机融合提出一种改进的 RBF 神经网 络组合训练方法以改善网络的学习能力。 将基于 TentFWA-GD 的 RBF 神经网络用于构建 4 个 Benchmark 函数拟合模型和农村 生活污水处理过程 COD 在线软测量模型。 仿真与应用结果表明,相对于其他神经网络模型,该模型具有较低的函数逼近误差 和较高的 COD 预测精度。 其中 COD 软测量模型训练结果的均方误差和平均绝对误差分别为 0. 18 和 0. 25,测试结果的两种误 差分别为 0. 23 和 0. 36。

摘要:在工业生产过程中超声流量计凭借非接触测量、适用多种流体介质等优点发挥着重要作用。 针对目前超声流量检测抗 干扰能力差,检测精度较低等问题,提出了一种结合模式识别的四声道非满管超声流量计;该系统通过带浮点运算的高性能 ARM 处理器进行 FFT 运算,求出四声道的综合流速;配合边缘计算芯片来识别出管道的液位,并基于液位修正模型提升识别稳 定性。 在液位识别模型中利用特征提取模块和空间注意力机制模块来提取有效特征,使用随机森林进行液位分类。 实验结果 表明,DC-SAM 算法相对于其他模型更快收敛,准确率达到 96. 6%;该系统在流量实验中,对比标定流量计能达到 96. 5%的准确 度,且具有较好的线性度;可以准确识别液位和流量,在保持较高测量精度的同时满足检测的稳定性要求。

摘要:针对路灯触电事故发生时触电电流幅值相对较小、且叠加于线缆及灯具的固有剩余电流之中,从而导致其难以准确检 测的问题,提出一种多参量融合的路灯触电事故检测方法。 该法通过采集路灯系统集总剩余电流、灯具电流和相电压信号的瞬 时值,分别计算其中疑似人身触电事故剩余电流分量、随机容性剩余电流分量和负载电流有效值变化率的归一化特征量,进一 步利用模糊逻辑器将这些特征量进行融合处理得到人身触电事故综合特征识别系数后,与经验阈值比较从而判别是否有人身 触电事故发生。 实验和工程应用结果表明,该方法可有效提高路灯照明系统中人身触电事故的识别准确性。

摘要:为了改进单一传感器对目标物体的检测范围小、检测特征少以及检测准确率较低的问题,提出一种视觉与二维激光雷 达的目标检测方法。 在视觉检测方面提出一种改进的 GoogLeNet 算法实现视觉对目标物体的识别,该方法相比 GoogLeNet 算法 在对 6 种目标物体的识别准确率上提高了 0. 7%。 在二维激光雷达检测方面采用欧氏聚类算法对二维激光雷达的点云数据聚 类,接着使用 RANSAC 算法对聚类簇中的数据点进行筛选,最后使用卡尔曼滤波算法对目标物体的位置进行预测,实现二维激 光雷达在特定平面上 360°对目标物体进行跟踪检测和定位。 实验结果表明,该方法使得移动机器人扩大了检测范围、增加了 检测特征并提高了识别准确率。

摘要:为提高螺杆转子磨削效率开发螺杆同步磨削装置,分别采用不同方式对螺杆凹凸两面进行磨削,由此会在连接处产生 重复磨削区域。 为保证重复磨削区域表面质量满足螺杆使用要求,对该区域表面粗糙度进行预测。 首先基于瑞利分布建立砂 带表面磨粒分布模型;在此基础上,根据磨削去除机理及螺杆廓形对磨削后的螺杆表面形貌进行预测;其次,依据表面粗糙轮廓 度定义得到不同工艺参数下的表面粗糙度预测值。 最后通过螺杆磨削及测量实验验证提出算法的准确性。 实验结果表明提出 的算法平均误差为 6. 27%,最低误差为 0. 16%,因此提出的算法可为螺杆转子砂带磨削表面粗糙度预测提供理论依据。

摘要:针对磁异常探测中载体干扰磁场会极大的影响测量结果的问题,提出一种基于 RLS 算法的磁异常探测载体干扰磁场 补偿方法。 首先,对磁异常探测中的干扰进行分类,建立测量模型;然后,将模型转换为标准多元线性方程,通过正交约束和线 性约束降低共线性,经 RLS 算法求解模型参数,并进行模型仿真验证算法正确性;最后,进行有无异常载体有限元仿真,通过 RLS 算法解算无异常时仿真数据获取补偿参数,并用补偿参数对含异常仿真数据进行补偿。 结果表明:经补偿误差显著降低, 无磁异常实测实验的补后改善比为 10. 3,该方法可用于磁异常探测中的载体干扰磁场补偿,有效提升了磁异常探测的抗干扰 能力,对掩埋物检测、矿产勘探、反潜等工作都具有重要意义。

摘要:复杂场景中的目标感知是深度学习在计算机视觉中最重要的研究领域之一,而复杂交通场景中的车辆检测与跟踪是当今 众多学者研究的热点问题。 在视频目标检测过程中由于运动物体的时间维度特征信息利用不充分,导致在长序列之间的时间特 征极其容易被忽略,本文提出一种时空一致性的视频车辆的检测跟踪算法。 该算法由双分支网络结构组成:分支一是由基于空间 相关性的 Transformer 网络模块组成,该分支网络主要用于判断前后帧的相关性、感知相邻帧之间的一致性,预测目标车辆时空一 致性的关联度;另一网络分支是由基于交叉特征金字塔融合的网络模块组成,该模块主要是提取检测对象的局部信息结合浅层的 空间边缘信息和深层的语义特征信息,提取对象空间位置的特征信息。 该网络结构将 Transformer 机制和交叉特征金字塔模块相 结合,利用 Transformer 对长序列之间时间关联性敏感和特征金字塔网络模块对边缘信息敏感的特性,对视频帧对象进行检测和跟 踪,确保相邻帧的长程相关性以及边缘和深层的特征信息深度融合。 实验结果表明,本文设计的双分支网络结构在视频目标跟踪 和检测中取得更好精度和更快的收敛速度;同时在显著性视频目标检测中,实验表明算法的有效性和泛化性。

摘要:针对水下低质量成像、水下目标形态大小各异、以及水下目标重叠或遮挡导致水下目标检测精度低的问题,提出一种结 合数据增强和改进 YOLOv4(you look only once)的水下目标检测算法,在 YOLOv4 的主干特征提取网络 CSPDarknet53 中添加卷 积块注意力机制(convolutional block attention module,CBAM),以提高网络模型特征提取能力;在路径聚合网络( path aggregation network,PANet)中添加同层跳接和跨层跳接结构,以增强网络模型多尺度特征融合能力;通过数据增强方法 PredMix(predictionmix)模拟水下生物重叠、遮挡等显示不完全的情形,以增强网络模型鲁棒性。 实验结果表明,结合数据增强和改进 YOLOv4 的 水下目标检测算法在 URPC2018(underwater robot picking control 2018)数据集上的检测精度提升到了 78. 39%,比 YOLOv4 高出 7. 03%,充分证明所提算法的有效性。

摘要:为了减小雷达探测对导弹、飞机和舰船等隐身设备的威胁,设计了一款低 RCS 的超宽带高增益 Vivaldi 天线。 通过分析 天线在不同频率下的表面电流分布,在不影响天线辐射性能的前提下,采用一种简单有效的改变天线外形的方法,并在辐射臂 两侧加载矩形加半圆形的异形结构。 这种结构可以减少辐射器表面的散射,从而使单站 RCS 降低。 测试结果表明,所提出的 天线工作带宽为 4. 7~ 11 GHz,最大增益达到 11 dBi,与原始天线相比,在保持良好辐射性能的同时,在工作频段范围内 RCS 最 大缩减为 18. 5 dB,可以应用于低 RCS 的隐身系统。

摘要:在超高速高精度模数转换器(ADC)设计中,低压运算放大器及其数字辅助校准算法至关重要。 基于 40 nm CMOS 工 艺、工作电压 1. 1 V,设计了一款 500 MS / s、12 位流水线 ADC。 系统采用前端无采保结构及低压级间运算放大器以降低系统功 耗。 本文提出了一种基于数字检测的算法校准级间增益和电容失配误差,使用较小的面积和功耗有效提高了 ADC 的整体性 能。 本数字校准方案将 ADC 的差分非线性(DNL)和积分非线性(INL)从 2. 4 LSB 和 5. 9 LSB 降低为 1. 7 LSB 和 0. 8 LSB。 对 于 74. 83 MHz 的正弦信号,校准技术分别实现了 63. 14 dB 的信号-失真噪声比(SNDR)和 75. 14 dB 的无杂散动态范围(SFDR), 功耗为 123 mW,满足设计指标,证明了带有数字校正的低压流水线 ADC 设计的有效性。

摘要:间歇故障的累积会导致电子系统健康状态退化,正确识别电子系统间歇故障严重程度是保障系统安全运行、降低维护 成本的关键。 针对间歇故障特征难以准确提取导致传统识别方法失效的问题。 本文提出了一种基于长短期记忆(LSTM)网络 的间歇故障严重程度识别方法,首先将间歇故障注入电子系统获取足量不同严重程度的训练数据。 再用这些数据训练由 LSTM 网络与 softmax 全连接层网络构建的严重程度识别模型。 最后,通过对典型电路的故障注入,使用训练好的 LSTM 网络对间歇 故障严重程度进行识别,实验结果证明了方法的有效性和可行性。

摘要:针对频谱范围广的电能信号去噪问题,为了在去噪时保留电能信号中的高频谐波分量,采用控制子带个数和带宽的方 法,提出一种基于功率谱特征判决器控制的非均匀子带分解小波去噪算法。 其主要特点是采用信号功率谱幅度分割的方法,对 小波包变换子带进行非均匀分解,动态调整小波包去噪结构,优化小波包去噪系数选择,从而在去除高频电磁噪声的同时保留 高频谐波。 使用该方法对多电飞机自耦变压整流器(ATRU)电能信号进行去噪,对应不同信号能够实现自适应非均匀子带分 解,合理保留信号谐波成分。 实验结果表明,该算法在滤除电磁干扰噪声的同时有效信号高频特征保留量为 89. 21%,获得了更 好的去噪效果。

摘要:针对站球机器人在坡面运动过程中,由于系统振荡倾向性导致的姿态估计不准确以及在估计中存在噪声等问题,设计 了一种基于 Huber 鲁棒估计的改进互补滤波姿态解算算法。 首先,对站球机器人在斜坡上进行了动力学分析和运动性能分析。 其次,利用 Huber 鲁棒估计抑制站球机器人在坡面运动过程中由于机身振荡所引入的干扰噪声,并改进互补滤波进行姿态解 算。 最后,为了减少磁力计输出不稳定对姿态解算的干扰,设计了一种数据平滑切换方法。 实物实验结果表明,设计的基于 Huber 鲁棒估计的改进互补滤波姿态解算算法相比于互补滤波算法,对俯仰角、横滚角和偏航角的估计精度分别平均提高 19. 21%、25. 48%和 36. 04%,该算法可以有效地抑制站球机器人在坡面运动过程中由于机身振荡引入的噪声,能够保证姿态解 算的准确性和实时性。

摘要:针对加窗傅里叶滤波(WFF)对电子散斑干涉条纹滤波时间长的局限性,提出了一种基于二维 Kaiser-Hamming 窗口的 傅里叶快速滤波法(KH-WFF)。 首先,将 Kaiser 窗和 Hamming 窗组合,设计了二维 Kaiser-Hamming 窗口,然后将 WFF 中的 Gaussian 窗口替换为二维 Kaiser-Hamming 窗,去掉多余的非正交基函数从而减少时间复杂度。 把 KH-WFF 和 WFF 应用到模拟 条纹和真实条纹,结果表明滤波后的条纹光滑度,细节保护程度和保真度相差不大,都成功得到了连续性好的解包裹相位,而 KH-WFF 对实际应用环境下采集到的一副条纹的滤波速度是 WFF 的 12 倍。 最后分析不同图像尺寸、窗口大小和频带宽下 KH-WFF 和 WFF 的执行速度,证明 KH-WFF 的时间复杂度更低。 实验证明提出的方法在减少执行时间的同时也提供了几乎相 同的滤波效果。

摘要:针对滚动轴承原始振动信号重要特征信息被较强背景噪声淹没以及提取的时域特征冗余度较高、相关性较强的缺点, 提出一种基于最大相关-最小冗余(max-relevance and min-redundancy, mRMR)特征筛选和随机森林的滚动轴承故障诊断研究方 法。 首先将原始信号进行自适应噪声完整集成经验模态分解(CEEMDAN)得到一系列固有模态分量(IMFs),分析 IMF 并去掉 高频噪声和一部分虚假分量,再将信号进行重构并提取其时域特征,通过 mRMR 去除冗余性和相关性较高的特征向量,使筛选 出的特征子集与标签有最大的依赖性,最后将该特征子集输入到随机森林分类器进行分类。 实验表明,mRMR 具有优良的特征 搜索策略,重要特征均靠前得到选取,仅需 3 个特征便能达到较高的分类准确率,效率高于其余特征选择算法。

摘要:不平衡牵引电流与 ZPW2000 系列轨道电路移频信号存在共同传输通道,其中牵引回流和高次谐波成分都将对移频信 号产生影响,当列车依靠 CTCS-2 级列车运行控制系统提供运行许可时,增加了安全运行风险。 为有效去除高次谐波干扰,获取 无绝缘轨道电路移频信息,设计了基于 VMD 与 Hilbert 变换相结合的移频信号处理方法。 首先利用 VMD 将谐波干扰信号分解 为若干不同频率段的 IMF;然后对所有 IMF 求解中心频率,确定各谐波干扰频率,根据预测算法和相关性验证,确定当前无绝缘 轨道电路所对应的本征模态函数;最后通过对该 IMF 进行 Hilbert 变换分析确定当前无绝缘轨道电路中移频信息。 通过对仿真 和实验室实测信号分析发现:该方法不但可以有效抑制模态混叠现象,使各谐波干扰成分从混合信号中准确的分离,而且能够 准确求解出移频信息,为干扰条件下准确解调行车许可信号提供了借鉴意义。

摘要:为减少车辆行驶过程中由于卫星信号失锁及惯导累计误差对航向角的影响,结合场景特征的提取、表达和数字地图信 息,提出了一种基于直线检测和数字地图匹配的车辆航向角估计方法。 首先,根据地图匹配的坐标点计算车道线地图对应点的 方位角,计算车辆航向角与车道线方位角的角度差;其次,通过改进的 FLD 直线检测方法识别并计算道路图像中车道线直线的 角度;将双侧车道线直线角度作为 BP 神经网络的输入,以预测角度差作为网络输出;最后,结合预测角度差和车道线方位角得 到实时车辆航向角。 经实验验证,所提方法的航向角估计精度与现有估计方法及普通传感器测量结果相比具有一定的优势。

摘要:针对目前交流牵引电机转子轴向通风孔存在散热效果欠佳的问题,提出一种新型的转子齿部轴向通风槽结构。 通过建 立交流牵引电机共轭传热分析求解域模型并对其开展传热分析,得到相应的流体场与温度场分布图,根据该分布图并针对其转 子端环与齿部温度偏高的问题,提出一种新型的转子齿部轴向通风槽结构;分析了该新型通风槽结构参数对电机转子散热效果 及电机相关性能指标的影响,研究了通风槽最佳结构参数的优化设计方法,并对其效果进行了仿真验证,同时与传统轴向通风 孔结构进行了对比分析,结果表明:所提出的新型转子齿部轴向通风槽结构相对于传统轴向通风孔结构,在保持电机相关性能 指标基本不受影响的情况下,其转子齿部与端环的温度得以明显降低,从而显著提升了其通风散热效果,对于降低电机总体温 升从而延长其使用寿命具有重要意义。

摘要:为提高算法对车辆检测的准确性,解决原有算法在复杂交通场景下对车辆检测效果不佳的问题,提出一种基于注意力 机制和改进密集连接网络结构的车辆检测方法。 首先在过渡层中使用 SoftPool 整合密集块之间的特征信息;其次通过轻量化 通道注意力机制加强有效通道特征的表达,将其作为 Darknet-53 的深层特征提取层;引入 CIOU 损失作为模型的边界框位置预 测损失项,使用深度可分离卷积缩减模型体积;与原算法相比 mAP 值提高 2. 6%,模型体积缩减为原来的 42%,实验证明本算法 在复杂交通场景下具有良好的检测性能。

摘要:在大规模自动化生产过程中,为了对不同型号的电视机主板进行测试,需要一种能同时输出不同格式、多种接口、多种 分辨率的视频测试信号源。 通过对多媒体视频传输原理及不同格式视频接口信号的研究,在一片先进的 Artix-7 系大规模可编 程 XC7A100T 芯片上,实现了超高清、高清的数字视频 HDMI 接口信号和模拟标清视频 VGA、CVBS、YPRPB 格式的信号同时输 出。 首先,根据视频显示的基本原理,产生对应不同分辨率、不同场频的并行数字视频基带信号。 然后,将并行的超高清、高清 分辨率的数字视频信号进行并串转化,成为串行的 TMDS 信号,送到 HDMI 接口显示;将并行标清分辨率的信号送入调制模块 及数模转换转器成为 CVBS、VGA、YPRPB 格式的模拟视频信号。 在一片 XC7A100T 芯片内将并行的超高清、高清数字信号转 换成串行差分 TMDS 信号,节省了视频信号的并串转换处理芯片,节约了成本。 整个系统提高了产生视频测试信号的集成度, 减小了测试装备的体积,方便生产视频设备的厂家进行测试。

摘要:基于运动想象(MI)的脑-机接口(BCI)近年来被应用于肢体运动功能的可塑性康复。 采用视觉辅助刺激可以有效增强 MI-BCI 系统的分类性能,但视觉障碍患者无法使用。 因此本文设计了基于听觉辅助刺激的 ASMI-BCI,发现动态声音辅助刺激 可以提高大脑运动相关皮层的兴奋性,增强系统的可分性特征。 10 名在校大学生(5 男 5 女,平均 22. 6 岁) 3 类实验范式(CSW、C-DA、C-DV)的平均结果表明,C-SW 范式分类正确率最低、C-DA 次之、C-DV 范式正确率最高。 听觉辅助刺激范式的最优 分类正确率可达 76. 03%,相比传统 MI-BCI 范式显著性提升了 8. 83%,且 60%的被试使用该范式的分类正确率可高于 70%。 使 用动态听觉辅助刺激范式可以为视觉障碍患者提供一种特征调制和 BCI 性能增强的新模式、新方法。

摘要:针对当前情绪脑电信号(emotion electroencephalogram,EM-EEG)识别研究中时间域信息的时间尺度难以把握和空间域 信息易被忽视致使辨识率停滞不前,以及采集 EM-EEG 时通道过多导致信息冗余和信息处理成本增加等问题,提出了基于 CNN 的时-空卷积优化融合网络进行 EM-EEG 识别研究。 该融合网络由提取 EM-EEG 时域信息的长卷积( long convolution,LConv)CNN 和提取 EM-EEG 空域信息的 CNN 并联组成,在 CNN 模型时-空优化中使用粒子群算法( particle swarm optimization, PSO)对时域 CNN 中的 L-Conv 尺度进行了优化,并使用短时功率谱(short time power spectrum,STPS)的相关分析方法进行空域 CNN 模型通道数目优化,深层且有效地提取了 EEG 中的时间域和空间域特征。 结果表明,提出的时-空卷积优化融合 CNN 在 SEED IV 数据集上对平和、悲伤、恐惧、高兴 4 种情绪最终准确率可以达到 90. 13%,相比传统单一 CNN 的识别准确率提高了 4. 76%,并且通道数目由 62 路降低至 33 路,缩减了 46. 77%,证实了本方法的可行性。

摘要:智能手机的网络请求导致其续航能力下降,合并转发技术可有效降低能耗,但设置最优的合并转发时间仍是技术发展 的关键,通过大量人工实验解决该问题耗时耗力。 因此,基于统计模型检验,使用工具 UPPAAL-SMC,以概率时间自动机对安卓 设备中用户请求以及 WiFi 模块进行仿真建模,量化能耗、延迟、用户满意度等属性,进而利用统计模型检验,对不同请求频率的 场景进行蒙特卡洛模拟,获得延迟对能耗以及用户满意度的影响。 最终进行多目标优化,求得通用最优合并转发延迟时间为 22 s,在满足用户体验的前提下平均降低了 20%的能耗。 该方法可在不同的使用场景下模拟得到通用最优合并转发延迟时间, 为开发者提供参考。

摘要:ZY(J)7 电液道岔转换设备已在高速铁路大量投入使用,对其进行精确的故障诊断有助于高速铁路道岔的日常维护作 业。 以 ZY(J)7 道岔故障文本数据作为研究对象,提出一种基于 LDA( latent dirichlet allocation)主题模型与关联规则分类技术 相结合的高速铁路道岔故障诊断模型。 该模型首先采用 LDA 主题模型实现 ZY(J)7 道岔故障文本数据的特征提取;其次,由于 道岔各故障类别数据的不均衡性,将原有的关联规则分类算法引入类支持度相关概念进行不平衡数据的处理,最终实现 ZY(J)7 道岔的故障诊断。 通过对某铁路局 2017~ 2019 年的 ZY(J)7 道岔故障文本数据进行实验分析,实验结果表明提出的故 障诊断方法分类精确率和召回率分别达到 95. 08%和 90. 24%,既保证了整体分类的准确率又有较好的小类别分类性能。

摘要:灯泡贯流式水电机组在运行过程中,由于受水力因素、机械、工况等因素影响,很容易导致转轮叶片与转轮室发生故障, 严重影响水电机组安全运行。 在分析灯泡贯流式水电机组转轮叶片与转轮室故障信号特征的基础上,提出了一种基于 K 均值 (K-Means)和莱特准则(Wright′s criterion)的水电机组故障在线检测方法。 该方法利用主元分析(PCA)对水电机组振动和噪声 信号特征降维后,融合莱特准则改进传统 K 均值算法,以实现 K 值的自适应选择,对特征进行在线聚类,能快速准确识别水轮 机变负荷状态与金属扫膛故障。 将本文方法应用到五凌电力近尾洲水电站灯泡贯流式机组故障检测中,实验结果表明,采用该 方法的故障在线检测准确率为 100%、变负荷在线检测准确率为 96. 7%,运行近 10 个月没有出现故障误报和漏报,表明了该方 法的有效性。