深度学习识别光网络单元故障的设计与应用

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。     

综合改进奇异谱分解和奇异值分解的齿轮故障特征提取方法

针对齿轮故障特征微弱，在强背景噪声下难以有效提取的问题，提出了一种改进奇异谱分解（ISSD）结合奇异值分解（SVD）的齿轮故障特征提取方法。针对奇异谱分解（SSD）算法中模态参数需凭经验选取的缺陷，基于散布熵优化算法对SSD算法进行了改进，在得到既定的一组奇异谱分量的基础上，根据峭度值最大准则筛选出了最佳奇异谱分量并进行了SVD处理，采用奇异值能量标准谱自适应地确定了信号重构阶数以还原信号和提高降噪效果。最后对信号进行包络解调以提取齿轮故障特征，将所提方法运用到仿真信号和齿轮实测信号中，并同传统包络谱、SSD包络谱以及经验模态分解结合SVD(EMD-SVD)方法进行了对比分析，结果表明，所提方法的降噪和特征提取效果更佳，能够更加有效地实现齿轮故障的判别。     

主溜井排尘与生产分区并联回风技术研究

四川某矿山东部上部作业区域处于东、西部分区通风系统之外，针对原主通风系统无法负担此区域的实际情况，为节省新系统投资及建设周期，研究利用其1#主溜井排尘通风系统与此区域形成并联回风通路的方式解决该区域通风问题，即东部上部区域端部回风井污风与排尘风井污风并联回风汇至上部汇风中段，汇集污风统一经由上部排尘风机排至地表，该系统方案既保障了矿井东部上部作业中段（分段）生产用风与溜井排尘用风的需求，同时节约矿井东部上部系统独立建设及运行成本。     

Road Extraction from High Resolution Remote Sensing Image based on Shape Analysis with Gestalt Theory

Simulating the psychological experience of human vision，a road extraction model based on the format tower is proposed to extract the road in the high resolution remote sensing image from the perspective of morphology.Firstly，based on the spectral and texture information，the suspected road targets are extracted by using segmentation technology.Then these targets are classified according to their reliability and extract the road targets for each category.Finally，three types of identified road information are verified and merged，and the continuous smooth road extraction results are obtained.Experiments on real high resolution images show that the results are consistent with the visual perception of the human eye，and the overall classification accuracy is higher，indicating that the algorithm is effective and feasible and has good use value.     

碎软煤层条带瓦斯地面高效抽采技术研究

为了提高碎软煤层条带瓦斯抽采效率和效果,基于目前地面瓦斯抽采主要采用垂直井或从式井的方式抽采效果差、效率低的现状,通过理论和实验分析论证了穿岩层压裂改造煤储层的可行性,提出了在目标煤层顶板岩层中钻水平井,并通过垂直向下射孔以及采用泵送桥塞分段进行压裂的方式进行地面瓦斯抽采。试验结果表明:顶板分段压裂水平井单井产量高、高稳产期更长、产量衰减更慢;有效水平井段控制区域内瓦斯下降均匀,更有利于进行条带瓦斯抽采;相同投资条件下,采用水平井的方式瓦斯抽采效率和投入产出比更高。     

某高校既有建筑室内人员相关VOCs目标污染物的实测分析

为研究高校既有建筑室内人群散发对室内VOCs的影响，对高校不同人群样本的教室及会议室两类典型人群密集房间，共82个人群样本对象进行了VOCs采样分析，得到不同实际场景下的人员相关的VOCs浓度水平，并对其潜在的影响因素进行分析。结果表明，共确认了29种与室内人员相关的高检出率且较高浓度值的物质，包括芳香族化合物9种，烷烯烃类9种，酮类和醛类8种，醇酯类以及卤化物3种，并得到主要VOCs物质的浓度水平和I/O比。对影响因素的统计分析表明，室内人员密度、季节和房间类型对不同VOCs物质存在显著性影响，其中季节性因素对目标VOCs污染物影响最为广泛，其次是房间类型与室内人员密度。该研究可为进一步了解人员密集室内VOCs污染现状及控制策略提供一定的科学参考。     

因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。     

萃取塔数学模型及过程强化的若干研究进展

萃取塔因生产能力大、占地面积小、密闭性好等优点，在石油、化工、生物、医药和环境工程等多领域被广泛应用。本文从以下几个方面介绍了萃取塔近些年的研究进展：综述了传统萃取塔（脉冲萃取塔、转盘塔与Kühni塔等）的水力学、轴向扩散与传质模型的发展，分析比较了表面张力、传质方向、放大效应等因素对模型的影响；介绍了计算流体动力学（CFD）在萃取塔中单液滴、单相流模拟、液-液两相流模拟、外加能量模拟、与群体平衡模型（PBM）耦合模拟中的应用进展；介绍了国内外设计开发的新型萃取塔，包括改变传统塔的内构件和引入多种外场能量等方式来强化相间传质。研究表明，将先进实验研究方法、准确经验模型和可靠理论计算相结合，将会是萃取塔研究的重要手段和方向。     

一类两性分枝过程条件均值增长率的极限性质

本文主要研究随机环境中配对依赖人口数两性 Galton-Watson 分枝过程的条件均值增长率的极限性质．利用上可加函数的性质，得到配对单元平均增长率的极限性质和该过程条件均值的上界和下界．文中给出了关于过程条件均值增长率的两个序列，利用配对单元平均增长率的性质，获得了这两个序列的极限性质．随机环境中配对依赖人口数两性分枝过程比较复杂，本文的结论推广了现有的研究成果．     

Food recognition using neural network classifier and multiple hypotheses image segmentation

ABSTRACT

This paper proposes the multiple-hypotheses image segmentation and feed-forward neural network classifier for food recognition to improve the performance. Initially, the food or meal image is given as input. Then, the segmentation is applied to identify the regions, where a particular food item is located using salient region detection, multi-scale segmentation, and fast rejection. Then, the features of every food item are extracted by the global feature and local feature extraction. After the features are obtained, the classification is performed for each segmented region using a feed-forward neural network model. Finally, the calorie value is computed with the aid of (i) food volume and (ii) calorie and nutrition measure based on mass value. The experimental results and performance evaluation are validated. The outcome of the proposed method attains 0.947 for Macro Average Accuracy (MAA) and 0.959 for Standard Accuracy (SA), which provides better classification performance.