基于人工神经网络的柴油机失火故障诊断

车载诊断系统在诊断失火故障时,采用基于曲轴段角加速度和阈值规则相结合的方法,该方法在内燃机高速轻载运行时诊断单缸完全失火工况存在一定的局限性。通过对比分析失火和正常工况下曲轴瞬时转速的幅频和相频特征,提取不同谐次的幅值和相位信息,结合人工神经网络作为故障模式识别工具,得到了一种改善方法。通过台架实验,对此改善方法进行了单缸完全失火、两缸完全失火和单缸一定程度失火的故障诊断测试。结果表明,在实验条件下该方法可以有效识别不同的失火模式,并可在单缸失火模式下实现失火程度判别。同时,该方法通过少量工况数据训练神经网络,即可实现一定转速范围内的失火诊断,可行性强,可用于发动机失火故障在线诊断。     

一种下肢运动意图识别算法性能实时测评系统* .txt

摘要：对腿部运动意图识别算法的实时性能进行综合可靠的评价是实现下肢假肢灵活稳定控制的前提。提出一种逐层分级的基于下肢运动意图识别算法的实时测评方法，对算法的可靠性、稳定性以及运动意图识别速度进行综合评价。利用开发的运动意图识别算法评测系统，对基于肌电信号源和机械信号源的两种运动意图识别算法进行了实时性能测试，发现肌电信号源的算法识别时间大于机械信号源算法，但是其算法稳定性优于机械信号源算法。进一步地，还利用该评测系统有效地区分出正常识别策略与异常识别策略，发现正常策略的动作识别稳定系数比异常策略高25%左右。因此，所提的基于下肢运动意图识别算法的实时测评方法，能够对不同信号源算法以及不同识别策略的实时性能进行有效评价，为智能下肢假肢控制系统开发提供可供参考的测试平台。 .txt     

Allocation and sizing of battery energy storage system for primary frequency control based on bio-inspired methods: A case study

This paper presents a new procedure for optimal allocation and optimal sizing of a battery energy storage system (BESS) for primary frequency support in an isolated power system. For the BESS allocation, a transmission bus system with larger frequency decline is recognized and the BESS sizing is performed by a constrained optimization strategy based on a new modified metaheuristic, called Developed Harris Hawks Optimization (DHHO). The simulation results of the suggested DHHO are compared with Bat Optimization Algorithm (BOA) and Genetic Algorithm (GA) from the literature to show the method efficiency. The final results showed higher precision with lower required iterations for the suggested DHHO method. Also, the proposed DHHO gives lower investment costs for BESS with lower power and energy requirement toward the other compared methods.     

Improved Input and State Estimation for Linear Stochastic Systems with Direct Feedthrough

This paper is concerned with the problem of joint input and state estimation for linear stochastic systems with direct feedthrough. Based on the fact that each unknown input between any two time steps is always bounded, a novel improved algorithm is proposed. Compared with existing results, this algorithm can effectively enhance estimation accuracy. Moreover, the stability of the algorithm is also discussed. Finally, an illustrative example is given to demonstrate the effectiveness of the proposed approach.     

视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。     

钢轨交流闪光焊接过程过梁爆破特征分析

以高速摄影技术作为主要研究手段，研究钢轨交流闪光焊接过程过梁爆破特征，并结合热成像系统采集焊接过程温度场，以此为数据基础定量分析了钢轨交流闪光焊接过梁爆破特征. 结果表明,钢轨交流脉动闪光焊接工艺模式下，加速闪光阶段具有几个阶段中最高的闪光频次46.93次/s，脉动闪光阶段具有最低的闪光频次11.07次/s；连续闪光阶段闪光烈度为0.009 2 mm/次，是几个阶段中最强的，脉动阶段的闪光烈度最弱，为0.003 8 mm/次；从闪光加热因子来看，脉动阶段最高，符合了该阶段积累热量的主要目的；加速闪光阶段最低，是由于该阶段为了制造保护气氛产生的气化过梁带走了较多的热量；从闪光均匀度看，闪光最不均匀的阶段是闪平阶段，最均匀的阶段是脉动阶段，这恰恰说明了两待焊端面的微观平行情况在闪平阶段最差、脉动阶段最佳.     

掺铒单模光纤飞秒脉冲激光器和放大器

为了获得一种被动锁模掺铒光纤振荡器及功率放大器，数值模拟出超短脉冲在光纤中的传输和演化过程，并基于此搭建了一种被动锁模掺铒光纤飞秒振荡器及功率放大器。实验获得了中心波长1560 nm、重复频率100 MHz、输出功率30 mW、脉冲宽度85 fs超短脉冲。通过采用PPLN晶体进行倍频，进一步获得了输出功率5 mW，中心波长780 nm的飞秒脉冲。该光纤激光器为全保偏光纤结构，具有体积小巧、可靠性高、稳定性好的特点。     

基于随机模型的动车组制动模块稳健优化设计

针对目前产品优化设计中未考虑设计变量随机性和灵敏度指数对产品质量特性的影响及优化求解效率低等问题，提出一种综合考虑灵敏度指数与质量损失函数的稳健优化设计方法。通过假设设计变量的分布类型，得到设计变量的概率分布特征，将设计变量对产品质量特性的灵敏度指数与质量损失函数加权整合，并以此作为优化目标，以设计变量的容差作为约束条件，构建随机稳健优化模型。通过扩大种群数目、改进控制参数及增加惩罚因子的方法对遗传算法进行改进，结合改进的遗传算法对优化模型进行求解，得到优化模型的全局稳健最优解。以某动车组制动模块为例，采用给出的方法对其进行稳健优化设计，验证该方法的有效性与合理性。优化结果表明，该方法能够实现动车组制动模块的稳健优化设计，提高了制动模块的抗干扰能力。     

神经网络全局势函数在多相催化中的应用

当今的多相催化研究需要新的技术和方法从原子尺度上表征活性中心结构和反应中间体。本文作者课题组近期开发了理论模拟新技术来探索催化剂活性位点结构，即基于神经网络势函数的大规模原子模拟（LASP）软件中实现的全局神经网络势函数计算方法。本文介绍了该方法可以显著降低催化体系的计算代价，而维持与密度泛函理论同一级别的计算精度，从而解决多相催化中的许多复杂问题。本文对神经网络势函数方法的实现细节和目前已实现的应用场景进行了详细介绍。神经网络势函数可以用来预测材料晶体结构，理解高压氢化条件下TiO₂表面的结构演化和确定三元氧化物ZnCrO晶相中合成气制甲醇活性位点。最后文章分析了神经网络势函数的局限性和今后可能的三个研究方向，即材料性质预测、多元素体系神经网络势函数构造和化学反应拟合。     

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.