基于数据驱动的卷积神经网络电容层析成像图像重建

针对电容层析成像技术的图像重建问题，提出了基于数据驱动的卷积神经网络图像重建方法。根据气固两相流的流型特点，通过数值模拟的方法随机生成了60000组介质分布图像，并利用有限元法计算了与之对应的电容向量，从而建立了一个“电容向量-介质分布”数据集；然后根据电容层析成像图像重建特点建立了卷积神经网络模型，对数据集中的训练集进行学习和训练，并利用测试集对训练结果进行了验证与评价。在此基础上，对获得的ECT图像重建卷积神经网络模型进行了静态实验和流化床测试实验研究。模拟和实验结果表明：所建立的卷积神经网络能较好地实现ECT图像重建，可直接用于流化床内的颗粒浓度分布测量。     

基于深度学习的工程作业智能监控技术的模型优化测试

为了改善输变电工程作业人工检测效率低、人员财产安全风险频发问题，提出了一种基于神经网络模型压缩目标检测技术，结合改进的卡兹曼滤波进行目标跟踪，实现无人机对输变电工程的智能监控。通过深度可分离卷积模型，降低参数数量、提高推理速度，引入注意力机制和剪枝算法，降低神经模型复杂度和非必要参数，减少信息处理数量。同时采用欧氏距离改进的卡尔曼滤波进行目标跟踪，提升目标跟踪的实时性和准确性。实验结果表明，提出的组合模型算法与传统算法对比，可以充分提取文本的高频特征信息，对于不同颗粒度的数据集的准确率提升8%,召回率降低4%,性能更优，具有一定的科研及应用价值。     

基于深度学习的图像识别算法研究与应用

为了提高图像识别算法的精度，提出了一种语义分割和图像分类相结合的架构。该架构使用U-Net网络来提取图片目标区域，然后对目标区域进行分类。在测试阶段，使用了公开数据集中的河道图像构建数据集，并用LabelMe软件标注河道目标，构建用于进行语义分割实验的河流水面图片数据集。实验结果表明，提出的基于U-Net的河道语义分割算法能够很好地完成河道提取任务。同时在河流水面污染等级分类中，还提出了一种基于分组卷积和双注意力机制的河流水面污染图像分类算法。实验结果表明，所提出的河流水面污染识别方法具有一定的实用性和可行性，在实际应用中可以为相关研究和应用提供参考和支持。     

卷积神经网络在PCS系统辅助诊断油井示功图的研究

近年来,随着中国石化油气生产运行指挥系统(PCS)的建设,越来越多的采油数据接入了系统,数据体量越来越大,由此为机器学习奠定了基础。本文利用卷积神经网络的经典模型Inception V3,通过建立各工况的示功图训练数据训练卷积神经网络的模型,在模型建立过程中不断修改训练参数和样本集数据,最终实现了卷积神经网络在PCS系统辅助诊断。     

基于紫外可见光谱的地表水水质硬度检测方法研究

分析在紫外、可见光波谱中可用作地表水遥感条件下硬度检测的资源,并利用卷积神经网络排除该检测过程中的不稳定性。经过仿真测试,该算法较传统的Ca、Mg离子吸收光谱法,在分析精度和结果数据稳定性方面有显著提升。     

专利介绍

一种基于一维卷积神经网络的智能汽车轮胎偏磨预测方法申请公布号:CN 113761649A申请公布日:2021年12月7日申请人:江苏大学发明人:周海超、关浩东、李慧云等本发明介绍了一种基于一维卷积神经网络的智能汽车轮胎偏磨预测方法。该方法包括获取基础数据、构建训练集和验证集、建立轮胎偏磨预测模型和轮胎偏磨预测4个步骤。该方法可实时采集轮胎的振动信号数据,对采集到的振动信号进行截取和归一化,获得测试样本,将测试样本输入到训练完成的轮胎偏磨预测模型中,得到汽车轮胎的偏磨预测结果。本发明根据采集到的轮胎振动信号数据进行汽车轮胎偏磨预测,其建立的汽车轮胎偏磨预测模型能够自动提取数据中的特征,在不需要停车检测的情况下,可以实时并有效地检测轮胎偏磨状态,节省人力的同时降低了经济损失,提高了汽车的轮胎状态监测与安全续航行驶能力。     

专利介绍

一种基于一维卷积神经网络的智能汽车轮胎偏磨预测方法申请公布号:CN 113761649A申请公布日:2021年12月7日申请人:江苏大学发明人:周海超、关浩东、李慧云等本发明介绍了一种基于一维卷积神经网络的智能汽车轮胎偏磨预测方法。该方法包括获取基础数据、构建训练集和验证集、建立轮胎偏磨预测模型和轮胎偏磨预测4个步骤。该方法可实时采集轮胎的振动信号数据,对采集到的振动信号进行截取和归一化,获得测试样本,将测试样本输入到训练完成的轮胎偏磨预测模型中,得到汽车轮胎的偏磨预测结果。本发明根据采集到的轮胎振动信号数据进行汽车轮胎偏磨预测,其建立的汽车轮胎偏磨预测模型能够自动提取数据中的特征,在不需要停车检测的情况下,可以实时并有效地检测轮胎偏磨状态,节省人力的同时降低了经济损失,提高了汽车的轮胎状态监测与安全续航行驶能力。     

基于计算机视觉的化工企业人员不安全行为自动识别技术研究

将计算机视觉技术应用在安全生产事故频发的化工企业中,旨在解决生产过程中遇到的人员不安全行为难题。本文首先筛选出化工行业中涉及的5类典型高风险作业活动为研究范围,并进行聚类分析,辨识出具有代表性的几种人员不安全行为;然后通过现场拍摄和公开数据集获得5000张图像数据集,并进行图像预处理和标注;其次基于训练集利用卷积神经网络对算法模型进行训练,获得改进的算法模型,同时提出了自动识别的工作流程;最后,给出工程实践应用的前景和展望,为下一步化工企业安全生产工作的智能化、数字化、信息化提供建议。     

基于计算机方法的混凝土识别与应用研究

为提高混凝土裂缝识别检测的效率,建立卷积神经网络模型,并结合MATLAB对混凝土裂缝形态开展识别。当图像进行灰度处理后,通过理论公式得到了图片特征信息,分析出混凝土裂缝识别效率与二值化阈值的关系,建议二值化阈值取0.3～0.6之间;采用3种检测算子进行裂缝边缘检测,通过对比得到了各检测算子的适用范围:拉普拉斯算子更适用于灰度不同区域,索贝尔算子的识别效率与二值化阈值有关,边缘检测算子能够全面的反映出边缘裂缝情况。卷积神经网络图像识别方法能够为混凝土结构的安全状态评估提供理论和技术支持。     

机器学习驱动锅炉燃烧优化技术的现状与展望

伴随可再生能源发电装机容量快速增加,深度调峰过程中负荷多变、燃烧失稳等不稳定工况对火电机组的燃烧优化控制提出了更高要求,快速发展的人工智能技术与深度学习算法为锅炉参数预测建模及优化提供了重要手段。在机器学习算法方面,总结了特征筛选与建模算法的研究现状,提出了传统统计学方法与线性降维方法的科学解释性较差且不能很好地辨识高维数据,结合深度学习算法的特征筛选方法在处理复杂的火电机组数据时优势更明显;对比了多种神经网络在NO_x排放浓度建模中的优缺点,其中长短期记忆神经网络与卷积神经网络在处理时序数据时效果更好、集成模型通过组合不同学习器的优势可提高整个模型的泛化能力和鲁棒性。在预测模型的应用方面,通过对SCR脱硝系统建立预测模型可以方便运行人员模拟并修正可调参数,同时作为软测量手段监测燃烧系统运行状态;引入NO_x排放浓度预测模型的前馈控制和模型预测控制等先进控制手段可有效改善火电机组传统PID控制效果较差的问题;在多目标优化中NO_x脱除效率通常与锅炉效率或脱硝成本共同作为优化目标,以期实现经济效益与社会效益的和谐统一。     

基于卷积神经网络的多孔材料有效扩散系数预测

提出了一种利用卷积神经网络预测多孔材料内有效扩散系数的方法,其中多孔材料微观结构的训练样本通过计算机随机模拟生成,对应的有效扩散系数通过有限元方法计算,并联用Matlab和Comsol实现,卷积神经网络训练在单块NVIDIA K80 GPU上进行,训练过程中出现的过拟合现象通过Dropout进行缓解。训练后的卷积神经网络对测试集的预测精确度达96.70%。利用这种方法,能够通过多孔材料的显微图片快速和准确计算其有效扩散系数。     

基于卷积神经网络的撞击流反应器浓度场混合特性

基于PLIF测试技术结合卷积神经网络技术提出混合性能预测方法，分析水平对置撞击流反应器浓度场混合特性，能准确预测其内部浓度场的混合均匀度及混合时间。基于卷积神经网络构建了混合性能预测模型，利用水平对置撞击流反应器浓度场实验数据对构建的模型进行有监督地训练并进行预测，预测结果显示对混合均匀度的预测准确率达95%，计算效率提高了99.99%。为更好地理解混合性能预测模型对混合均匀度的预测机理，本文对其卷积层输出进行可视化处理，通过功率谱分析卷积核的响应给出了撞击流反应器浓度场特征提取的物理解释。最后利用预测模型搭建混合均匀度快速获取系统并应用于撞击流混合特性研究。所提出的基于卷积神经网络的预测模型可以有效分析水平对置撞击流反应器的混合特性，预测模型可靠、适用范围广，为深度学习算法应用于撞击流领域提供了方案经验。     

面向炼化场景的烟雾火焰识别技术

本文基于计算机视觉技术通过视频自动识别石油炼化企业内的烟雾和火焰。常见的烟雾火焰识别模型多数基于公开的数据集,训练的模型适用于森林、日常常见的火焰,而石油炼化企业的烟雾火焰需要在刚发生时就能及早发现,另外受光照、水蒸气、遮挡等多因素的制约,常见模型难以实现即时、准确的检测炼化厂内的烟雾火焰。本文基于更快的区域卷积神经网络（FasterR-CNN）模型,采集石油炼化厂内的真实数据,充分进行模型训练,实现了对炼化厂内烟雾火焰的高效准确识别,准确率达到90%以上,可辅助提升石油炼化企业的安全水平。     

基于卷积神经网络的化工旋转机械故障识别

针对化工旋转机械故障识别困难的问题,以旋转机械离心泵为例,通过分析二维卷积神经网络存在的问题,对卷积神经网络故障识别模型进行优化.首先利用小波变换等方法对机械振动信号进行特征提取,得到显著特征集,再利用降维方法去除不必要的环境噪音等冗余特征,使特征信息更容易被卷积神经网络识别;然后构建基于一维卷积神经网络的旋转机械故障...     

基于大数据聚类的化妆品包装符号元素特征提取

研究了基于大数据聚类的化妆品包装符号元素特征提取方法。初始化处理水平集函数,获取化妆品包装符号元素图像的局部标准差图像,根据余弦相似性确定局部标准差图像像素点在轮廓曲线上的演化方向,水平集演化改进SPF函数,完成符号元素分割;计算大数据的离散样本频谱特征,由置信度获取数据聚类中心的粒子最优解的向量矩阵,完成数据聚类;结合卷积神经网络和AutoEncoder,通过卷积、过滤以及池化操作,在输出层存在的节点中获取最大激活值,实现化妆品包装符号元素特征的提取。实验结果表明,所提方法的特征提取时间较短、特征辨识力有所提高且提取准确率较高。     

基于改进极限学习机的透明塑料裂痕检测

针对透明塑料中微小裂痕难以检测的问题,提出了基于改进的极限学习机算法的检测方法,采用卷积神经网络以组建特征提取器;同时,采用基于狮群算法优化的改进极限学习机算法以构建分类器。在改进极限学习机算法中,狮群算法被用于优化隐含层神经元和输入层神经元之间的权重矩阵,提高了透明塑料微小裂痕检测实验中的识别率。     

基于RBFNN的焦化烟气脱硫脱硝过程建模

基于某焦化公司烟气脱硫脱硝一体化装置的运行数据,研究此过程的静态建模方法。依据工艺原理及相应数据预处理方法构建数据集,通过K-均值聚类算法实现对过程工况的划分与样本集的约简,利用神经网络对脱硫与脱硝过程的每一工况分别进行静态建模,仿真结果表明此方法及相应神经网络模型有效。     

BP神经网络模型在橡胶配方优化中的应用

利用神经网络中的误差逆传播校正算法(BP模型)建立起橡胶配合剂与性能之间的非线性多目标模型，用遗传算法对BP神经网络模型的算法进行了改进，以试验数据为基础进行神经网络的训练，得到可预测橡胶配方性能的BP神经网络模型。以胶粉在全钢子午线轮胎胎侧胶中研究为例，对BP神经网络模型进行了验证。同时，与回归分析方法进行了比较，结果令人满意。     

用于电能表分拣装置的数字图像处理方法研究

针对智能电能表分拣装置图像识别需求,研究了电表液晶显示数字识别方法.在图像预处理阶段,应用直方图均衡化方法增强灰度图像,使用开操作增强前景后,再用Otsu算法做二值化处理.在液晶显示区域定位阶段,应用Canny算法检测边缘,提出使用了一种双向卷积结合连通域分析的滤波方法缩小目标区域,最后使用Hough变换结合几何形状特...     

失效情景下气体探测器多目标布置优化

目前有关气体探测器布置优化研究较少考虑探测器的失效情景,本文以某柴油加氢装置的硫化氢气体探测器布置优化为例,提出一种失效情景下气体探测器多目标布置优化方法。首先对待检测区域的潜在泄漏源进行辨识,构建泄漏场景集并进行场景缩减,通过计算流体力学方法预测泄漏实时浓度场。其次,以时效性和鲁棒性作为评价指标,以考虑泄漏场景概率和探测器失效概率的检测时间最小化、探测器网络鲁棒性最大化作为优化目标函数,并结合逻辑约束条件建立数学模型。在此基础上,采用基于模拟退火的多目标粒子群算法对模型进行求解,得到Pareto非劣解集,采用理想点逼近法（TOPSIS）对Pareto解集进行排序得到最优方案,最后决策者可根据不同需求确定最终布置方案。