基于词共现与SOM神经网络的机器人研究

针对传统财务报表审计方法存在自动化和智能化水平不高，导致财务报表审计效率低的问题，结合RPA技术的特性，设计一个基于词共现与SOM神经网络的财务报表审计机器人。首先，基于RPA技术对财务报表审计机器人的整体结构进行设计，通过RPA技术实现自动核账、发票识别等功能；然后采用词共现与SOM神经网络实现审计线索的发现；最后通过以上模块实现财务报表审计机器人自动审计。实验结果表明，RPA机器人通过文本聚类，可发现审计中的线索，且线索准确率达85%,高于传统的算法。由此说明，通过RPA技术结合人工智能算法可实现财务审计的智能化，更好地提高财务效率。     

基于机器学习的CT设备故障自动化识别系统

CT设备由于故障点数量存在不确定性,导致故障识别率低,提出基于机器学习的CT设备故障自动化识别系统。根据故障特征,设计系统硬件的框架和功能模块;软件单元设计根据CT设备正常状态信号分布,设定故障判定依据,采用神经网络算法,检测和划分故障信号的类型,结合大数据融合算法,优化故障识别系统,输出识别结果,实现CT设备故障自动化识别。实验结果表明：设计的故障自动化识别系统将电压波动控制在0值上下,峰值控制区间在[-0.5,0.5],并且最低故障识别准确率达到了90.3%,准确识别和划分了故障类型,因此,设计系统有效提升了故障识别的准确率和抗干扰能力,运行稳定性好。     

基于RPA的审计机器人巡检航迹在线校准系统研究

为了提高审计机器人巡检航迹在线校准的准确性,提出基于RPA(RPA机器人流程自动化Robotic process automation)的审计机器人巡检航迹在线校准系统设计方法。将航迹在线校准系统的设计分为整体架构、指令程序加载流程、人机交互系统级服务等层面,采用端到端的流程化指令传输控制方法,建立航迹在线校准系统的底层控制指令输出模块,采用基础服务构架体系,在B/S架构体系上实现对航迹在线校准系统人机交互控制。构建审计机器人巡检航迹校正的记录控制器模块,在LOG-CONTROL-BLOCK中进行航迹校正过程中的反馈控制,采用RPA反馈修正算法,实现对审计机器人的巡检航迹自适应校正和误差反馈跟踪。在集成DSP(数字信号处理Digital Signal Processing)信息处理平台中实现校准系统开发设计。测试结果表明,采用该方法进行审计机器人巡检航迹在线校准的误差反馈性能较好,提高了巡检航迹校正的准确性。     

基于连续隐马尔科夫模型的英语翻译机器人语音识别系统

语音识别系统在音频质量较差时,经常出现识别错误的情况,为提高识别精度,基于连续隐马尔科夫模型设计英语翻译机器人语音识别系统。在硬件中,设计音频信号接收器和机器人音频识别模块主处理器。在软件中,对音频信号量化并预加重处理,计算帧移距离与每帧长度之间的比值,获取模拟信号转换频率与基本单位量化指标;基于连续隐马尔可夫模型构建语音文本解编码器,计算窗函数的宽度,在网格中获取马尔科夫链概率路径,比较不同概率路径的复杂度;设计英语翻译机器人语音识别算法,得到英语翻译机器人的语音识别结果。由实验数据可知：该系统在三种不同音频质量下的语音识别准确率均在75%以上,较其他系统更稳定,在同等音频质量下,准确率更高,可见连续隐马尔可夫模型的语音识别系统优于其他系统。     

基于XGBoost融合算法的RPA销售账目核对机器人设计

针对现有RPA机器人销售账目自动对账精度不足的问题,提出基于XGBoost融合算法进行RPA销售账目核对机器人设计,并重点对XGBoost的融合算法进行设计。在XGBoost融合算法中,通过多层采样的OPTICS进行数据类簇划分,以挖掘财务数据中的从属关系,完善数据逻辑,通过XGBoost根据OPTICS输出的类簇信息进行数据分类,以降低XGBoost对训练过程的依耐性;在RPA销售账目核对机器人中,以时间+内容的标准形式对销售账目进行命名,然后采用XGBoost融合算法进行账目分类,最后通过pandas进行账目比对。实验结果表明,XGBoost融合算法具有较高的财务数据分类精度、销售账目分类精度;该RPA销售账目核对机器人可按照设定周期对销售账目进行自动核对,且核对精度较高,基本满足设计需求,对企业财务的数字化转型具有一定推动作用。     

基于深度学习的交互式英语口语自动翻译系统设计

受到传统英语口语翻译系统对口语词汇特征转换局限性的影响,算法对词汇翻译的过程只能调用系统设定词汇特征作为翻译词句的特征识别判定标准,导致词汇特征识别翻译精度偏低,整体交互效率与实际口语翻译要求差距偏大。为了解决上述问题,利用深度学习算法的样本训练机制,结合口语翻译特点,对系统交互量与翻译数据分别加以特征训练,通过重新设计交互硬件,全新定义翻译系统硬件结构;基于深度学习算法的交互语义识别分析、基于深度学习的翻译词汇与语句输出特征融合、深度学习下翻译数据的自动交互输出围绕深度学习算法,对系统软件层参量进行全局优化设计,通过与对比系统的实际应用测试结果表明,采用深度学习算法设计的翻译系统,具有口语交互翻译效率高、翻译精度高、稳定性好的特点。     

基于特征重构的广义回归神经网络故障识别方法应用研究

近年来,流程工业事故频发,这使得加强生产过程的安全保障迫在眉睫,对故障识别的准确性提出了更高的要求。本文提出了一种基于特征重构的广义回归神经网络故障识别方法。首先,引入"字典表"的功能构建"故障字典表":其次,采用核主元分析方法对"故障字典表"进行主元提取,实现数据降维以及降低计算复杂度;第三,"故障字典表"索引定位,通过数据样本与"故障字典表"的比对,对数据样本进行特征重构;最后,运用广义回归神经网络算法对数据样本进行学习训练,用以计算系统输出变量进行故障识别。通过对TE(Tennessee Eastman Process)过程进行故障识别仿真实验,结果表明,该方法对非线性时序系统具有较高的故障识别能力,为复杂过程工业大型系统的故障识别提供了新的思路和方法。     

基于嵌入式的教育机器人设计

为提高教育机器人的灵活性和应用性,根据当前高校教学的教育需求,研究以“MCU+FPGA”作为基础设计核心,设计一个基于嵌入式的教育机器人。首先,对教育机器人系统整体方案进行设计;然后,分别对系统硬件和软件进行具体设计。其中,硬件平台设计分别从核心控制、端口资源和通讯端口进行具体设计;软件设计则分别从MCU下位机与FPGA软件两个方面入手;通过软硬件两个部分的设计实现教育机器人的整体设计;最后分别对设计系统软硬件和整体性能进行应用测试。应用结果表明,设计系统的平台端口功能完善,种类丰富,硬件平台资源的开放性和灵活性有所提升,具备较好的应用效果,系统整体性能在人机交互方面的识别准确率高达100%,系统性能优越,可在教育领域进行推广和应用。     

基于D-H参数的爬壁机器人吸附控制系统设计

传统爬壁机器人吸附参量存在同步不对称的问题,导致爬壁机器人吸附控制系统输出控制量精度降低,影响机器人整体控制效果;为了解决爬壁机器人吸附参量不对称问题,提出基于D-H参数的爬壁机器人吸附控制系统设计;基于D-H参数特点,设计系统总体框架,框架共分为硬件与软件两部分;硬件主要利用动态陀螺仪控制器控制处理指令数据,完成处理模块设计;通过无线控制遥感器KJ-F6000X-T6实现控制模块设计;软件部分采用与D-H参数相关的算法对控制程序进行设计;通过实验对比数据表明:提出设计系统具有同步爬壁机器人吸附参量对称性,单次控制量、双次控制量、多次控制量系数分别为0.7、0.6、0.5,符合控制系数标准范围,能够提升系统控制量输出精度。     

机械系统仿真RPA原型研究

针对目前在机械仿真软件中许多操作是重复且枯燥的这一问题,研究提出了一种基于图像文字识别,通过模拟外设交互动作,来执行既定的仿真流程的机器人流程化（RPA）的解决方案。主要对该解决方案中的软件架构、各模块流程以及软件界面这些核心内容进行了设计。为了验证该解决方案的有效性,以Solidworks为例,对该RPA系统进行了测试,测试结果表明,对于Solidworks这类机械仿真软件,可以自动化地执行用户既定的任务目标,自动化地完成三维模型的创建。因此,使用了该解决方案后,可以极大地减少业务人员的操作时间和操作失误,从而带来更好的用户体验。     

基于深度学习的车辆驾驶行为识别系统设计

传统系统的计算能力较弱,在车辆驾驶行为识别实际应用中经常出现错误识别,准确率较低,为此提出基于深度学习的车辆驾驶行为识别系统。系统硬件方面设计了主控制器、惯性传感器和报警器3个硬件设备,软件方面设计了数据清洗和基于深度学习识别驾驶行为两个功能模块,利用数据清洗模块对原始数据进行无效值处理、标准化处理,将处理后的数据利用深度学习网络模型进行分析,输出识别结果。实验结果表明,该系统的准确率高于传统系统,能够准确识别出车辆驾驶行为。     

依托信息化手段打造审计铁腕

传统审计工作的软肋 现代审计主要以抽样审计为主,审计师在评价审计对象内部控制制度的基础上抽取一定的样本进行审查,由此推断总体特征,并对会计报表发表审计意见.     

基于FVQMM的说话人识别方法

为了进一步提高基于高斯混合模型的与文本无关说话人识别系统的识别性能,本文针对高斯混合模型在建模时需要较多的训练数据的缺陷,提 出了一种新的应用于小样本说话人识别系统的与文本无关说话人识别方法,该方法综合考虑了模糊集理论、矢量量化和高斯混合模型的优点,通过用模糊矢量量化误差尺度取代传统高 斯混合模型的输出概率函数,减少了建模时对训练数据量的要求,提高了模型精度和识别速 度。同时由于模糊集理论起到了“数据整形”的作用,所以增强了目标说话人数据的相似性。实验结果表明该方法针对小样本数据的说话人识别系统,识别性能优于传统的基于高斯混合模型的说话人识别系统。     

依托信息化手段打造审计铁腕

传统审计工作的软肋 现代审计主要以抽样审计为主，审计师在评价审计对象内部控制制度的基础上抽取一定的样本进行审查，由此推断总体特征，并对会计报表发表审计意见。     

基于机器学习的VoIP流量在线识别系统

针对目前VoIP离线识别无法满足复杂网络环境中流量监控系统的实时性与高精度要求,设计并实现了VoIP流量在线识别系统。首先,基于数据挖掘工具WEKA中集成的机器学习算法,在扩大训练集的基础上对流统计特征进行筛选并搭建分类器模型。然后,利用JPcap库提出并设计边抓包边检测机制,实现VoIP流量快速识别。实验结果表明,该在线识别系统实时性高,且能达到92%的精度。     

基于语言特征和迁移学习的英语翻译机器人纠错系统研究

针对英语翻译机器人智能纠错需求，基于语言特征以及迁移学习，构建用于英语翻译机器人纠错系统的方法。其中，利用DNN-HMM声学模型搭建机器人语音识别模型，并以汉语语音识别为基础任务，通过迁移学习构建对应的英语语音识别系统。实验结果证明，使用训练共享隐层所有层的方法与仅使用英语数据进行基线系统训练的方法相比1 h训练集错误率下降了24.38%,20 h训练集错误率下降了4.73%,显著提高了系统的识别精度，对英语翻译机器人纠错性能有一定的提高。     

工程图对象识别规则自动获取方法的研究

分析了工程图中工程对象的构图特点，设计了适用于识别的对象特征组结构．提出了通过抽取对象特征组、由特征组自动生成识别规则的方法．提出了在识别系统中加入对象特征抽取以及识别规则自动生成与调整功能使识别系统能方便地适应新图例从而提高适应能力的方法．该方法已应用于一个建筑工程图自动分析软件并取得了较好的效果．     

基于离散傅里叶变换的多旋翼无人机循迹检测系统设计

传统多旋翼无人机循迹检测系统在循迹数据检测方面存在数据动态性强,变数大的问题,影响循迹检测整体效果。为此提出基于离散傅里叶变换的多旋翼无人机循迹检测系统设计;设计系统主要分为检测硬件与执行程序两部分,其中,检测硬件分别设计了数据传感器、数据采集模块、数据逻辑变阻器与信号分量控制器模块,通过各模块共同实现信号分量控制器调制输出;软件部分通过离散算法设计循迹数据离散处理程序,通过离散傅里叶变换对循迹数据传输通道内的回路进行闭环转换,设计循迹数据傅里叶变换输出程序,实现多旋翼无人机循迹检测系统设计;通过实验数据的对比表明,设计系统优化了多旋翼无人机循迹数据识别精度,能够有效提升系统整体循迹效率,具有实际应用性。     

基于浅层特征的印刷品分拣识别系统

针对印刷领域印刷品的识别问题,设计了一种基于浅层特征的视觉识别系统.浅层特征适用于对精准特定目标的识别,SIFT是一种被广泛使用且效果良好的浅层特征.该系统首先建立一个小型样本图像数据库,然后采用SIFT算法进行特征提取并与样本图像进行匹配识别.另外,该系统实现了在线学习的功能.经过实验验证,该系统可以实时、准确的实现对印刷品内容的识别.     

基于FR-CNN算法的线路巡检元件故障识别仿真

由于传统故障识别方法的特征提取精度较低,得出的线路巡检元件故障识别的误差较大.于是提出基于FasterR-CNN算法的线路巡检元件故障识别方法.根据线路巡检元件的运行规律划分其状态,并设置相应的状态特征,作为元件故障识别的比对标准.利用巡检机器人内置的硬件设备,实时收集线路巡检图像,并通过压缩和透视畸变校正两个步骤,实现对巡检图像的预处理.构建FasterR-CNN网络模型,并利用该模型提取巡检元件图像特征,并针对防震锤、间隔棒和绝缘子等元件得出最终的故障识别结果.经过仿真测试得出结论,与传统识别方法相比,设计识别方法的mAP指标值提高了0.316,即识别精度有所提升,且识别耗时较短,具有一定的有效性.