考虑数据不平衡的轨道交通装备液压系统内泵泄漏智能诊断方法研究

针对液压系统内泵泄漏诊断的数据集不平衡问题,提出了一种两阶段处理方法,使用变分编码器对少数类样本进行合成,将少数类故障样本补全到和正常样本一致。再使用焦点损失对故障分类模型进行训练,增强分类器对难分类样本的诊断能力。所提出方法经过消融实验验证,能够有效处理不平衡数据集。     

无线显示适配器码率控制算法与FPGA实现

对无线视频数据流的码率可变性、无线信道的高误码率引起的传输问题,提出了一种基于H.264码率控制技术草案JVT-H017的信道信源联合码率控制算法;结合无线信道状态和图像复杂度的预测,建立了有效的码率控制模型;在实际应用中,依靠降低计算复杂度,保证了实时性传输,同时保证一定的视频质量,实现帧层和宏块层的控制,并完成了算法的FPGA硬件设计.实验结果显示,在工作主频28.1MHz下,消耗逻辑门数约为4.8万门,可实时控制编码器编码,用于无线显示适配器.     

图像分形维数计算及其边缘提取

为提高遥感影像中地物边缘信息的提取精度,以离散分形布朗随机场(DFBR:Discrete Fractal Brown Random field)模型为依据,尝试设计并利用Matlab编程实现一种基于遥感影像单个像元的分形维数计算算法.该算法将影像的灰度空间映射成分形维数空间,然后在该空间进行变换和边缘检测.地物空间分布及其影纹结构边缘特征的差异,使计算分形维数所选窗口大小成为关键.选取研究区局部地段高空间分辨率遥感影像作为实验数据,通过计算不同窗口下像元分形维数,得到最佳边缘信息提取的计算窗口.实验结果表明,该算法在同类计算中更符合遥感数据的特点,提高了遥感影像地物边缘信息提取精度.     

一种基于密度的模糊自适应聚类算法

针对密度聚类算法对邻域参数设置敏感的问题,提出一种基于密度的模糊自适应聚类算法.算法在无需预先设置聚类数以及邻域参数的情况下,可以自适应地根据样本间距离关系确定邻域半径得到样本密度,并根据样本密度逐渐增加聚类中心.为了保障聚类结果的正确性,同时提出一种新的模糊聚类有效性指标以判断最佳聚类数,消除了密度聚类算法对参数的敏感性.用UCI基准数据集进行实验,发现本文算法在对数据进行聚类时,聚类质量较原始密度聚类算法在准确性和自适应性方面均有显著提高.      

基于编码器与NFC修正融合的带式输送机轨道式巡检机器人定位方法

轨道式巡检机器人的高精度定位技术是带式输送机智能化巡检的重要研究方向之一,而矿用带式输送机距离超长,工作环境复杂,严重影响巡检机器人的定位精度。针对目前的轨道式巡检机器人定位技术在矿用带式输送机巡检领域存在的问题,提出了基于编码器和NFC双传感器修正融合的高精度定位方法。分析带式输送机轨道式巡检机器人轨道与环境特性对编码器系数的影响,提出轨道分段原则。利用机器人搭载的编码器数据反馈特点,构建编码器递推定位方法。通过机器人运行的历史数据,对编码器系数进行分段分方向修正,并提出基于递推最小二乘的编码器系数修正方法,以提高编码器对轨道环境的适应性。在此基础上,根据机器人所在轨道分段的位置不同,在段端基于卡尔曼滤波算法实现编码器和NFC数据融合,在段内利用分段分方向修正系数与编码器信息进行递推定位,实现轨道式巡检机器人连续高精度的定位。针对所提方法搭建了实验平台并进行了实物测试,实验结果表明,相较于编码器定位、RFID定位和两者融合定位三种传统定位方式,基于编码器和NFC的修正融合定位算法能够有效提高轨道式巡检机器人定位对轨道环境的适应性,同时提高轨道式巡检机器人的定位精度。      

TC4钛合金基于Voce方程的稳定流变本构模型研究

提出了一种包含流变软化的本构的构建方法。通过采用圆柱体试样的热压缩模拟试验,在塑性应变速率为0.1 s-1和20 s-1之间时,观察到TC4钛合金在750～950℃范围内均存在流变应力随着塑性应变降低的流变软化现象。采用双Voce方程对试验数据拟合得到了大塑性变形条件下的稳定流变应力。采用LevenbergMarquardt非线性拟合算法得到了TC4钛合金包含流变软化的本构方程。并且发现Levenberg-Marquardt非线性拟合算法求得的本构方程参数比线性拟合误差更小。结果表明文中提出的流变应力计算方法规避了变形不稳定区域对特征变形抗力判断的干扰,得到了符合指数函数的材料高温稳定流变本构模型,在新型金属材料热加工工艺开发中具有较强的应用价值。     

基于Segment Anything的堆叠球团粒度检测

球团的合理粒度分布对其质量至关重要。通过深入研究现有方法,针对球团粒度检测中不完全分割和过度分割等问题,提出了Pellet-SAM(PelSAM)分割方法。该方法继承于Segment Anything(SAM)结构,主要操作是冻结图像编码器和提示编码器的相关参数,并在图像编码器上添加轻量级的空间和通道适配器及微调掩码解码器,使用标记的球团分割数据集对网络进行训练,从而实现对球团图像的准确分割。由于分割后的球团轮廓呈现类圆形,为了便于计算球团直径,先采用最小二乘法对分割后的球团轮廓进行圆拟合;再应用小孔成像原理,结合摄像头和球团表面的距离及摄像头的焦距等因素计算比例系数,然后利用该系数计算图像中球团颗粒的实际大小;最后根据球团颗粒的实际大小将球团粒度分布划分为4个范围,即小于8、[8,12]、(12,16]以及大于16 mm,其中[8,16] mm的为合格球。试验结果表明,该方法在球团分割数据集上取得了96.8%的准确率,比UNet和DeepLabv3方法分别提高了21.0和12.6个百分点。在实际工厂环境下,该方法计算得到的球团粒度分布与人工筛分测量的结果相近,最大误差仅为1.74个百...     

一种基于特征选择的组合分类器在带钢表面缺陷分类中的应用

针对大规模数据集的分类问题,提出一种基于特征选择的新型组合分类器算法FS-Bagging。首先利用Re-liefF算法和Pearson相关算法对原始特征集进行特征选择,得到次优特征集;然后利用Bagging的思想,对次优特征集进行随机放回采样后得到一系列的特征子集;再用各特征子集对应的训练数据分别构建分类器,并将得到的多个分类器采用投票方法进行组合。最后利用国内某钢厂带钢表面质量检测系统中的实际数据,对18种缺陷进行分类实验。实验结果表明,FS-Bagging算法在效率、分类正确率方面都优于Bagging算法。     

特征选择算法在ECoG分类中的应用

研究了基于运动想象的皮层脑电信号ECoG的特点,针对BCI2005竞赛数据集I中的ECoG信号,通过提取频带能量获得了想象左手小指及舌头运动时的特征,结合Fisher,SVM-RFE及LO算法对特征进行选择,采用10段交叉验证的方法得到训练数据集在各维特征数下的识别正确率并选出最佳特征组合.结果表明:三种特征选择方法中SVM-RFE算法所选出的特征组合可以获得最低的识别错误率以及最低的特征维数,针对所选出的特征组合,使用训练数据集的特征对线性支持向量机进行训练,使用训练好的模型对测试数据集进行分类,识别正确率可以达到94%.     

基于约束信息的并行k-means算法

为获得分布式数据集上用户所期望的聚类结果,提出了基于约束信息的并行k-means聚类算法.在分析并行k-means能够有效实现对水平分布式数据集进行聚类的基础上,修改并行k-means算法的目标函数,设计约束并行k-means算法,将站点用户的约束信息以chunklet的形式引入到分布式聚类过程,从而引导算法执行有偏搜索.约束并行k-means算法在理论上保证无约束样本簇内距离最小的同时能够确保chunklet约束中的样本与对应的簇中心之间的平均距离最小.实验结果表明,约束并行k-means算法能够有效改善并行k-means的聚类精度,同时在分布式环境下能够得到与已有约束聚类算法在集中式数据集上相等价的聚类结果.     

一种实时有效的蜂群模式挖掘算法

针对实时相关运动模式挖掘应用的需求,提出了一种实时地发现关闭蜂群模式的簇重组算法(CLUR).该算法维护一个候选蜂群模式列表,在每个时间戳采用基于密度的聚类算法对移动目标进行聚类,根据聚类结果组合所有的最大移动目标集,记录相应的时间集,然后构建候选蜂群模式,并更新到候选列表.算法给出了三种更新规则和一种插入规则,用于实现候选蜂群模式列表的更新,同时降低了候选列表的冗余度,提高了算法的效率.在每个时间戳结束时可通过关闭检测规则实时地发现当前时刻的关闭蜂群模式.在合成数据上的综合实验验证了CLUR算法的正确性、实时性和高效性,CLUR算法适用于实时相关运动模式挖掘系统.      

四分位法和迭代法对数据分散的能力验证检测数据统计分析结果的比较

能力验证是指利用实验室间比对,按照预先制定的准则评价参加者能力的活动。四分位法和迭代法均是分析能力验证数据的稳健统计分析方法,可以用来计算数据目标标准偏差,评价实验室上报数据是否合格。通过分析多项检测能力验证数据,比较了两种稳健统计分析方法的计算结果。分析数据的结果表明,当上报数据的标准化四分位距与基于经验模型的再现性标准差之比(H值)大于2或稳健变异系数CV大于0.05时,各实验室间检测能力相差较大,能力验证数据分布较分散,迭代计算次数大于1次,标准化四分位距与迭代法计算的稳健标准差比值大于1,四分位法放宽了能力验证的评价标准。     

基于EMD的概率数据top-κ相似性连接

选取EMD(earth mover's distance)作为度量概率数据相似性的标准.EMD具有抗噪性好,对概率分布间的微小偏移不敏感等优良特性,但却具有三次方的复杂度.针对此问题,提出EMD-κJon算法,在相似性搜索方面,基于线性规划的对偶理论为概率数据构建索引,避免不必要的EMD求精计算;在处理流程方面,以复杂度较低的范围查询为主要操作,并逐步缩小搜索阈值.通过使用真实数据集对EMD-κJoin进行测试,证明EMD-κJoin极大提高了基于EMD的概率数据top-κ相似性连接操作的执行效率.     

8.8m^2热处理炉应用硅酸铝纤维的节能评定

本文介绍了8.8m~2热处理炉的热平衡测定,运用编制计算程序,建立数学模型的方法,用计算机进行了该炉的热平衡测定计算,使大量计算工作由繁变简,保证了计算的精度。对8.8m~2热处理炉粘贴硅酸铝纤维前后进行的两次热平衡测定结果数据进行了比较,得到该炉粘贴纤维后热效率提高,单位热耗降低的效果,说明硅酸铝纤维是热处理炉的理想绝热材料。     

能力验证检测数据的两种稳健统计分析方法比较及结果合理性判断

四分位法和迭代法均是计算检测能力验证数据目标标准偏差的稳健统计分析方法, 其计算结果将直接用于判断实验室上报数据是否合格。利用195套(100多个检测项目)检测能力验证数据, 比较了两种稳健统计分析方法计算结果。模拟和实际数据计算结果均表明, 当数据分布趋势是正态分布时, 两种方法结果基本吻合, 但对于数据分布明显偏离正态分布检测项目, 四分位法计算得到的标准偏差过严, 导致实验室上报数据满意率明显下降, 出现统计学“弃真”错误。以删掉离群值后的经典统计法结果作为依据, 对两种方法合理性进行了判断。对于固体样品, 四分法与迭代法结果(标准偏差)比较接近, 两者相对偏差平均值为5.7%;液体样品为13.8%, 两者差别较大。迭代法既减小了离群值对统计分析结果的影响, 又避免了判断离群值时采用不同规则可能带来的人为因素影响。建议尽快将迭代法纳入国内检测能力验证数据评价标准体系。     

梅钢能源计量检测信息系统的应用

介绍了梅钢能源计量检测信息系统的现状、组成,论述了系统的关键设备与关键技术,并对系统实现的主要功能进行了阐述。梅钢能源计量检测信息系统为公司相关能源计量管理人员提供了实时和分析数据,能够及时地发现能源计量仪表存在的各种问题,并立即进行处理,减少了故障处理时间,有效地提高了流体能源量的计量率,从而降低了产销差率,保证了能源计量数据的实时、真实、准确、可靠,该系统的应用,使梅钢公司的能源计量检测水平上了一个新台阶。     

光电编码器的原理及应用

介绍了光电编码器的基本功能和原理。分析了绝对值编码器和增量型编码器的结构特点、信号传输方式及选用标准。应用编码器控制后,有效地改善了设备的整体性能,明显提高了重复定位的精度,保证了生产的稳定顺行。     

基于无偏Q值反馈的社区划分算法

在分析现有社区划分算法的基础上,针对当前算法Q值有偏及权值未体现等缺陷,提出了一种基于无偏Q值反馈的社区划分算法.该算法首先利用传递权值计算出节点间的相似度;然后,采用随机游走策略确定最优社区数,以解决现有划分算法中Q值有偏的问题;最后,在最优社区数确定的情况下,利用划分结果评价Q值反馈更新信息素矩阵以驱动后续的划分,从而达到快速收敛的目的.针对计算机构造的数据集以及实际网络的实验分析结果表明,与现有算法相比,该算法在社区划分方面具有更高的准确率及更快的收敛速度,能够达到社区划分以及核心节点发现的目的,可被推广应用至移动社会网络模型的建立中.     

大型圆柱体钢锭加热时间计算的集总热容法应用

用集总热容法计算瞬态导热时,要求毕渥数(Bi)小于0.1.利用集总热容法理论推导大型柱体钢锭在非稳态导热条件下的解析解,将解析解的计算数据与实验数据进行对比,两者吻合很好.该方法拓展了集总热容法用于毕渥数远大于1的物体热传导计算.经现场工艺实践验证,证明计算温度值是准确可靠的,对大型圆柱体钢锭加热工艺制定提供了一种新的计算方法.     

基于近邻的不均衡数据聚类算法

针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题,提出一种基于近邻的不均衡数据聚类算法（Clustering algorithm for imbalanced data based on nearest neighbor,CABON）。CABON算法首先对数据对象进行初始聚类,通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合;并给出一种类别待定集的动态调整机制,利用近邻思想实现此集合中数据对象所属类别的重新划分,按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中,得到最终的聚类结果,以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法（Imbalanced K–means clustering method with multiple centers,MC_IK）和非均匀数据的变异系数聚类算法（Coefficient of variation clustering for non-uniform data,CVCN）在人工数据集和真实数据集上分别进行实验对比,结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”,聚类效果明显优于K–means、MC_IK和CVCN算法。