基于多层感知器的气液两相流流型识别方法

通过对电阻层析成像数据采集原理和深度学习网络的研究,提出了一种基于阵列电阻值和多层感知器深度学习网络相结合的流型识别方法。利用电阻层析成像系统中的16个电极传感器来获取流型样本数据,并构建出流型识别数据库,然后对多层感知器深度学习网络进行训练,获得可以识别不同流型的网络。实验结果表明,采用阵列电阻值结合多层感知器网络对流型进行学习和识别的方法,流型识别准确率可以达到95%,解决了流型图像生成过程与数据特征预选过程中流型特征损失的问题,流型识别性能得到了提高。     

基于双向流固耦合弹性环式挤压油膜阻尼器建模及动力学特性研究

利用数值方法建立了弹性环式挤压油膜阻尼器(ERSFD)的流固耦合模型,分别利用有限元方法以及有限体积法建立了弹性环和内外油膜的CFD数值模型,并进一步利用分时迭代的弱耦合方法实现了油膜以及弹性环控制方程的耦合求解,获得了内油膜的压力分布特性及弹性环的变形,并进一步识别了油膜和弹性环的动力学特性系数;研究了涡动频率、凸台数目、凸台高度、凸台宽度以及弹性环厚度对阻尼器动力学特性系数的影响。结果表明,弹性环的凸台高度对ERSFD油膜动力学特性系数的影响最为明显,ERSFD油膜阻尼与涡动频率无关。     

基于可信度分析的钻井液脉冲信号识别方法

针对随钻测量过程中钻井液脉冲信号识别困难的问题，在分析钻井液脉冲信号的产生原理及噪声特性的基础上，通过研究信号波形特征属性和信号相似度，建立了基于可信度分析的钻井液脉冲信号识别方法。根据该方法设计的钻井液脉冲信号识别原型系统能够实现灵活多变的交互式控制、动态参数调整和处理过程可视化实时呈现，在真实数据模拟中获得了很好的效果。基于可信度分析的钻井液脉冲信号识别方法有较好的适应性，可以准确、智能地识别复杂矿场环境中的真实信号波形，为随钻测量工作的顺利进行提供了技术支撑。      

扩展稀疏表示稳健HRRP目标特征提取方法

为提高低信噪比下高分辨一维距离像目标识别性能，提出扩展稀疏表示的噪声稳健目标特征提取方法。本方法通过对稀疏表示的扩展，实现对目标高分辨一维距离像局部特征与全局特征的提取。其中，在训练阶段利用支持向量理论与字典学习原理，对特征提取字典进行优化提高特征向量的可分性。在测试阶段，利用因子分析模型匹配方法对去噪声字典进行优化，从而实现对噪声的有效抑制，保证了目标识别系统的噪声稳健性。利用实测数据对本方法性能进行测试，结果表明本方法可在低信噪比条件下有效地恢复目标高分辨一维距离像，并实现较高的识别正确率。     

命名实体识别技术综述

命名实体识别是自然语言处理中的热点研究方向之一,目的是识别文本中的命名实体并将其归纳到相应的实体类型中。首先阐述了命名实体识别任务的定义、目标和意义,分析提出了命名实体识别的主要难点在于领域命名实体识别局限性、命名实体表述多样性和歧义性、命名实体的复杂性和开放性;然后介绍了命名实体识别研究的发展进程,从最初的规则和字典方法到传统的统计学习方法再到现在的深度学习方法,不断地将新技术应用到命名实体识别研究中以提高性能;接着系统梳理了当下命名实体识别任务中的若干热门研究点,分别是匮乏资源下的命名实体识别、细粒度命名实体识别、嵌套命名实体识别以及命名实体链接;最后针对评判命名实体识别模型的好坏,总结了常用的若干数据集和实验测评指标,并给出了未来的研究建议。     

电缆聚氯乙烯绝缘层热变形性能的影响因素研究

基于IEC 60811-508:2017的热变形性能测试方法,采用控制变量法开展了电缆聚氯乙烯绝缘层的热变形试验,结合微观形貌观测,分析了温度、载荷等因素对聚氯乙烯电缆绝缘热变形性能的影响。结果表明:随着温度的升高、载荷的增大,聚氯乙烯电缆绝缘的热变形性能显著降低。     

空间交会对接位姿测量中特征靶标快速识别

空间交会对接中,需实时测量追踪航天器上视觉传感器与目标航天器上特征靶标之间的位姿,而其前提是快速、准确识别特征靶标。提出一种四同心圆环特征靶标的快速识别算法。该算法首先使用优化的Otsu算法进行图像分割,然后采用连通域识别方法进行轮廓提取,最后根据圆的周长与面积的关系确定圆轮廓,并采用最小二乘法进行圆拟合,提取特征圆心。通过实验对方法进行验证,结果表明,该方法能在2 m距离内准确、快速识别特征靶标,且与优化前算法相比,该方法运算效率提升了近10倍。     

基于集成DBN的肺部肿瘤计算机辅助诊断模型研究

针对目前肺部肿瘤计算机辅助诊断模型存在的识别精度不高和漏诊率、误诊率降低困难等问题,提出一种基于集成深度信念网络(DBN)的肺部肿瘤计算机辅助诊断模型。首先,探讨不同的隐层数和隐层节点数对DBN识别性能的影响,从而确定合适的网络结构,并以该网络结构在三个模态(CT,PET,PET/CT)肺部图像构成的样本空间构建三个单一DBN个体分类器(CT-DBN,PET-DBN,PET/CT-DBN);然后,探讨输入图像大小、RBM学习率、训练批次大小、反向传播次数对DBN识别性能的影响,从而确定合适的参数训练三个单一DBN个体分类器;最后,采用"相对多数投票法"对三个DBN个体分类器进行集成,得到该模型的最终结果。实验结果表明,基于集成DBN的肺部肿瘤计算机辅助诊断模型的整体性能优于三个单一DBN个体分类器。     

基于卷积神经网络的驾驶员不安全行为识别

提出了一种基于卷积神经网络的驾驶员违规行为识别方法。首先，利用特定卷积神经网络对驾驶员的实时图像提取特征，然后并行对多种行为分别进行二分类。建立了一个真实场景下的驾驶员违规数据集，在此数据集上的测试说明了该方法的高效和良好的泛化能力。实验结果表明，该方法在约10万张图像的数据集中对打电话、吸烟、不系安全带3种行为分别达到了99.85%、99.62%、98.68%的识别率，同时使用当前较先进的Inception-v3和Xception模型测试，也获得了类似的识别效果。