变电站外围监视入侵鼠类的目标跟踪研究

针对变电站围墙外鼠类动物的监视问题,提出一种基于监控视频图像处理的多特征融合Camshift目标跟踪算法。采用多特征融合的方式,消除背景干扰,并引入线性外推法预测机制,通过预测目标的空间位置信息,矫正Camshift算法搜索框的中心位置,解决因目标受到遮挡或运动速度过快,导致跟踪框漂移的问题。与传统的Camshift算法进行对比,实验结果表明,该算法能有效消除背景干扰,且鼠类目标被严重遮挡或快速运动时,仍能准确跟踪。     

基于TS-FNN的城市固废焚烧过程MIMO被控对象建模

针对城市固废焚烧(MSWI)过程中因机理反应复杂、不确定性严重等原因导致被控对象模型难以建立的问 题, 设计了一种基于(T-S)型模糊神经网络(FNN)的多输入多输出(MIMO)模型. 首先, 描述了MSWI过程的核心工艺 流程并分析了模型的影响因素; 接着, 设计了面向过程控制的被控对象建模策略, 其由工况识别模块、数据预处理 模块、特征约简模块、被控对象模型训练模块与被控对象模型测试模块组成; 最后, 通过实验表明了所构建模型的 有效性, 为研究MSWI过程的优化控制算法奠定了基础.     

选择性集成核极限学习机建模及其应用研究

针对选择性集成逆向传播神经网络(GASEN-BPNN)模型训练学习速度慢,选择性集成极限学习机(GASEN-ELM)模型建模精度稳定性差等问题,提出一种基于遗传算法的选择性集成核极限学习机(GASEN-KELM)建模方法。该方法首先通过对训练样本进行随机采样获取子模型训练样本;然后采用泛化性、稳定性较佳的核极限学习机(KELM)算法建立候选子模型,通过标准遗传算法工具箱,依据设定阈值按进化策略优化选择最佳子模型;最后通过简单平均加权集成的方式获得最终GASEN-KELM模型。采用标准混凝土抗压强度数据验证了所提出方法的有效性,并与GASEN-BPNN和GASEN-ELM选择性集成算法进行比较,表明所提出方法可以在模型学习速度和建模预测稳定性方面获得较好的均衡。     

基于在线集成学习技术的工业控制网络入侵防范技术探讨

目前,冶金、煤炭、电力、石化、核能、航空、铁路、水处理、地铁等国家基础设施普遍采用工业控制网络系统。这些系统具有网络层次多（设备层、控制层、管理层）、接入复杂（有线/无线接入、本地/远程接入、长时/临时接入）、设备类型多（智能仪表、过程控制系统电脑、制造管理系统电脑）、用户计算机水平层次高低不同（工人、硬件工程师、软件工程师、管理办公室人员）等特点。当前国际网络安全形势表明,如何对具有这些特点的工业控制网络进行有效防护是目前信息安全领域重点关注的问题之一。文章首先对工业控制网络的信息安全与入侵防范技术现状进行了分析,指出如何研究具有在线自适应更新能力的人工智能入侵防范系统是当前发展趋势之一;然后对当前机器学习的研究热点“在线集成学习”技术进行了综述;最后给出了将在线集成学习技术用于工业控制网络入侵防范系统所涉及到的研究内容。     

大型汽轮机低压转子锻件的制造技术

在现代社会，电力工业在国民经济中占有举足轻重的地位。电力不足，已成为制约我国经济发展的重要因素，发展电力工业已刻不容缓。随着技术的进步，现代发电设备正在向高参数、大容量和高效率的方向发展，通过“八五”期间300MW，60（）M引进型火电机组大型锻件关键技术攻关，我国已在这一领域取得了ZO多项科研成果，有的达到国际先进水平，有的处于国内领先地位，上重厂是国内能生产300MW600MW转子锻件的三家重机厂之一，在消化吸收从日本制钢所室兰工厂（JSW）弓l进技术和按美国西屋公司标准进行大型转子锻件生产的过程中，坚持冶炼…     

基于深度迁移学习的大雾等级智能认知方法研究

已有雾气检测模型存在缺陷以及深层神经网络优化存在困难。模仿人类认知模式,借鉴迁移学习和闭环控制理论思想,探索了一种基于动态交错组卷积的雾气等级智能认知方法。首先,构建交错组卷积层以降低卷积运算的通道冗余;其次,构建可区分性测度指标和认知决策信息系统,获取雾气图像多层次差异化简约特征空间数据结构;再次,设计深层随机配置网络分类器,构建具有强泛化能力的分类准则;最后,基于广义误差和熵理论,仿人类反复推敲比对的认知模式实时评测雾气等级认知结果的可信度,基于迁移学习机制实现雾气图像多层次差异化特征空间及其分类准则的自寻优重构,对可信度低的雾气图像进行再认知。15 000幅大雾图像的平均识别率为95.98%,实验结果表明,所用方法与其他算法相比,增强了模型的泛化能力,提升了模型的认知精度。     

冲天炉炉料的简便计算法

炉料计算表中,横座标表示原材料中某种元素含量的百分数(％),纵座标表示该原材料占全部金属装料量的百分数(％),横座标和纵座标交点的数值就是该原材料所带入的某种元素的数量占全部金属装料量的百分数。     

基于多模态特征子集选择性集成建模的磨机负荷参数预测方法

如何融合球磨机系统研磨过程所产生的多模态机械信号构建磨机负荷参数预测(Mill load parameter forecasting, MLPF)模型是当前研究的热点. 针对上述问题, 本文提出一种基于多模态特征子集选择性集成(Selective ensemble, SEN)建模的MLPF方法. 首先, 对多模态机械信号进行时频域变换得到高维频谱数据; 接着, 采用相关系数法和互信息法对多模态频谱进行线性和非线性特征子集的自适应选择; 最后, 采用优化和加权算法对上述特征子集的候选子模型进行自适应地选择与合并, 得到基于SEN机制的MLPF模型. 采用磨矿过程实验球磨机的机械信号仿真验证了所提方法的有效性.     

面向工业过程难测参数建模的双窗口概念漂移检测

针对工业过程数据固有概念漂移特性导致软测量模型性能恶化、需识别漂移样本以有效更新模型等问题,提出一种面向工业过程难测参数建模的双窗口概念漂移检测方法.首先,在离群样本检测窗口采用支持向量回归获得实时过程数据中包含的离群样本;接着,在分布检测窗口计算离群样本与历史样本集间的欧氏距离;最后,结合多种分布检验方法,新定义能够表征离群样本蕴含分布变化的检验漂移度指标,进而实现漂移样本的有效识别.采用合成和真实工业过程数据集验证了所提方法的有效性,表明具有优于已有方法的性能.