基于度量元学习的铁路小样本入侵目标检测方法

异物入限是导致铁路安全事故频发的主要原因之一，传统深度学习需要大量训练样本进行网络训练，但铁路场景中入侵样本很少且难于获取。本文提出了基于改进度量元学习的铁路小样本异物入侵检测方法。为了让入侵目标的特征表征在分类时发挥更大作用，提出了基于通道注意力机制的特征提取网络；为解决样本数量不足时个别样本在特征空间中产生偏离的问题，提出了一种基于类中心微调的网络用于类别中心的修正；同时，基于center loss与交叉熵构建了中心相关损失函数用于小样本网络训练，提升特征空间中同类别特征分布的紧凑性。在公共数据集miniImageNet上与经典小样本学习模型中最优的相比，本文算法在5-way 5-shot设置下图像分类准确率提升了7.31%。在铁路入侵小样本数据集的5-way 5-shot消融实验表明：本文提出的通道注意力机制（Channel Attention Mechanism,CAM）和中心相关损失函数分别提升0.86%和1.91%的检测精度；提出的类中心微调和预训练方法对检测精度的提升效果更明显，分别达到3.05%和6.70%，上述模块综合应用的提升效果达到了7.90%。     

一种基于入侵检测的模式匹配算法研究

通过对入侵检测系统的基本概念、发展历史和趋势进行详细论述,以及对各种检测方法进行深入的分析,在Boye Moore算法的基础上提出了一种改进算法来实现入侵检测的关键部分——模式匹配,提高了探测引擎的处理速度。通过实验验证,该改进技术能明显提高系统的检测效率和稳定性,达到了对系统研究和设计的初衷。     

基于改进YOLO v5s的垃圾检测算法

垃圾分拣是一个环境恶劣、重复性高、体力消耗大的岗位，适宜通过智能化设备代替人工进行垃圾分拣。文中提出一种基于YOLO v5s进行改进，用于垃圾识别分类的改进YOLO v5s视觉检测算法。首先进行结构改进，通过改进损失函数、引入K聚类锚框等改进，对2种注意力机制模块及2种嵌入的位置进行比较和选择以提高精度，并通过融合SPPF模块进行提速改进。结构改进后，通过对比实验数种训练策略，进行训练策略改进。同时在搜集到的小型数据集上进行比较，两部分改进后的算法比原算法的m AP提高了1.35%，同时对检测速度影响较小，并与其他算法进行了对比。     

数据挖掘在入侵检测领域的应用研究

为了使入侵检测智能化,将数据挖掘技术引入入侵检测系统中。重点介绍了其主要技术关联规则、分类算法在入侵检测中的应用。     

冷轧带钢力学性能在线检测系统算法模型研究

针对力学性能在线检测系统算法模型精度不足、模型单一等问题,对冷轧带钢力学性能在线检测系统原算法进行了改进,将干扰真值加入算法模型,将跟随干扰波动较大的特征值剔除;根据出钢记号对所有的冷轧带钢进行分类,不同类号运用不同的算法模型,其精度分析表明,改进后的算法能提高算法的精度.     

应用于产品表面缺陷检测的神经网络IBS-Net北大核心CSCD

通过将深度学习的两阶段目标检测算法应用于表面缺陷检测中,并依据产品表面缺陷的特性改进网络,提出了IBS-Net算法,实现缺陷的分类识别与定位。IBS-Net改进在于提出了特征相关的非极大抑制方法(FR-NMS)和正样本扩充方法(PSA),依赖特征层间语义关系筛选候选框,将含有局部缺陷信息的候选框作为半正样本以辅助分类任务,体现由部分缺陷推知整体缺陷的思路;其次,利用缺陷之间的互斥性,提出了多类别非极大抑制方法(CR-NMS)应用于后处理阶段,以优化预测结果;此外,利用缺陷之间的重要性差异,改进了表面缺陷检测评估方法。实验结果表明:IBS-Net对13类芯片表面缺陷和6类热轧钢带表面缺陷的检测综合精准度分别达94.8%和89.2%,证明本算法具有良好的有效性和工程应用价值。     

基于EfficientNet-YOLOv3的多氧压表识别方法

为了提高氧压表的检测效率，同时完成多块氧压表的识别，利用改进后的YOLOv3目标检测算法对工业上的氧压表进行检测。首先将原YOLOv3特征提取网络调换为EfficientNet网络，提高算法的特征提取能力；其次通过制作的加强型数据集，实现仪表的特征增强；最后，利用K-means算法对数据集进行聚类，得到合适的Anchor box，提高仪表定位精度。实验结果表明，改进后的YOLOv3算法可同时完成3块氧压表的识别，且识别精度高，降低了氧压表的漏检率，并且在平均精度上达到了96.73mAP，相比于未改进的YOLOv3算法提高了7.5%,检测速度为54.2FPS，比其他目标检测算法具有更好的检测性能。     

基于机器视觉的箱体类金属工件铆接质量检测方法研究

针对箱体类金属工件铆接质量难以检测、检测效率及精度低的问题,通过分析半空心铆钉铆接特点,基于机器视觉技术,提出了一种特征融合与机器学习结合的铆接质量检测方法。首先,为了克服铆钉反光及背景噪声和纹理的影响,提出改进的Retinex图像增强算法和多阈值目标分割算法,得到铆钉及镦头等感兴趣区域;其次,为了准确描述缺陷特征,提取目标区域的几何形状及Zernike矩等12维特征向量;最后,设计了基于ELM分类算法实现缺陷的分类。实验结果表明,该方法能够准确检测出铆接质量缺陷,“合格-缺陷”二分类和缺陷多分类检测正确率分别为95.2%和92%,且满足实时在线检测需求。     

基于多分类支持向量机算法的PCB焊点检测研究

针对PCB焊点检测分类的应用需求,采用基于机器视觉的"图像特征+分类器"的技术方案,研究总结了焊点图像特征提取方法,并采用多分类支持向量机算法实现焊点分类;在检测算法具体实现上,综合考虑多类别样本空间均衡、类间离散程度以及分类器数量,在算法性能、分类器训练与分类执行效率3方面取得平衡。实验结果表明,该检测方法对焊点类型的正确识别率达到了97.9%,证明了方法的有效性。     

用于滚动轴承故障检测与分类的支持向量机方法

介绍了支持向量机原理与算法，给出了基于支持向量机多类故障层次分类检测模型以及多类故障分类器构建方法及步骤。用滚动轴承实验数据对分类器的性能进行检验，并与神经网络分类器性能进行初步对比，结果证明了支持向量机方法用于轴承故障检测与识别的可行性和有效性。     

IDENTIFYING REGIONS OF INTEREST IN SPECTRA FOR CLASSIFICATION PURPOSES

Distinguishing between separate classes of time-series data can often be simplified by using frequency-domain methods. Different states of a process can often result in different shapes and amplitudes in a spectral representation of the time series. The interpretation of the spectrum can be achieved in this case by identifying frequency regions which have a high discriminative power between the different classes, the so-called regions of interest (ROI). The discriminative power of two sequences is high if statistical or geometric parameters differ significantly between the classes. In this paper, a new approach for identifying these ROI, which makes use of image processing techniques is given. This new algorithm was developed in a research project with the aim of monitoring solenoid valves by analysing their mechanical vibration during switching on or off. Failure detection as developed in this project can be used for condition-based maintenance. However, it is anticipated that this new method can be generalised to many other similar types of classification problems.     

顾及长尾分布的机载LiDAR点 CNN 语义分割

针对目前PointNet++系列网络模型倾向于牺牲尾类分割精度以保证全局分割精度这一现象，构建顾及数据长尾分布的机载LEDAR点云语义分割网络，主要涉及两方面内容，聚类最远点采样和空间自注意力机制下的局部特征学习。聚类最远点采样通过类内点云最远点采样、划分区域最远点采样以及基于置信度的均值漂移（Mearshift）聚类组合策略，最大程度保留尾类样本并通过循环赋权方式使每类样本均能被网络充分学习；空间自注意力机制下的局部特征学习为结合不同空间编码方式增强采样点邻域拓扑结构的学习，以利于从稀疏样本数据中完整学习目标空间结构。公开数据集实验表明，本文网络模型整体分割精度和平均F，较 PointNet++分别提升6.3%和6.6%，并优于其它6种PointNet++系列网络模型及新公布的10种网络模型，具有良好的泛化性能与应用价值。     

Optimization of the number of clusters: a case study on multivariate quality control results of segment installation

When encountering too many records, each of which has several attributes, clustering of the data is an important issue on mining and classification. Recently many advances on clustering algorithms have been made such that clustering of data is done precisely and quickly. Clustering algorithms use optimization algorithms which simultaneously provide the number of clusters as default. These algorithms cluster the data so that those which belong to a cluster have maximum similarity and those in different clusters have minimum similarity. The k-means algorithm is a traditional algorithm for clustering problems. One of the most important difficulties of clustering algorithms is determining the number of clusters before starting the algorithm. In other words, by having knowledge on distribution of data, the number of clusters should be estimated and then imported to the problem as an input. In this paper, the data collected on quality control of mechanized tunneling are analyzed. They consist of measurements of 16 characteristics for 200 initial installed rings of segments on the tunnel walls inspected by the quality control team. A dynamic validity index is used and combined to the k-means algorithm for clustering the data so that the optimal number of clusters can be determined simultaneously. The application of the algorithm shows that the total installed rings can be clustered into four clusters. These four classes of quality can best describe the total installed rings on the tunnel in comparison of other number of classes (or clusters). Furthermore, this approach helps the quality team to determine the most effective or best performance executive team whom their installed rings have best class and minimum variations.     

基于双识别器对抗的开放域自适应故障诊断方法

领域自适应问题在机械设备故障诊断领域已被广泛研究，当前大多数封闭域自适应方法通常都假设源域和目标域共享相同的标签类型空间。然而，这不完全符合机械设备真实的诊断需求，实际上会出现新的故障类型，因而传统依据边缘分布对齐的方法难以处理此开放域问题，不能正确辨识出已存在的样本类型和新出现的类型。针对源域和目标域标签类型空间部分重叠的这另一典型开放域诊断问题，提出了一种基于双识别器对抗的开放域自适应故障诊断方法。两个结构相同的神经网络被引入进行对抗性训练，以增强模型对已知类型辨识的领域自适应性能，利用源域与目标域熵最大与最小化策略，以及目标域样本输出的二元交叉方案用以建立分界线隔离新出现的未知类型。利用轴承数据和自吸式离心泵数据进行分析验证，实验结果表明：所提方法相对于典型的封闭域和开放域模型，能更准确的判定机械设备已存在的故障类型和新出现的未知故障类型，在各诊断任务中，均能达到90%以上的正确率。     

浮游植物粒级结构的原位测量

浮游植物粒级通常采用采集水样的分级叶绿素法来测定,比较费时且难以实现剖面连续测量。本文提出了一种基于测定海水光吸收来反演浮游植物粒级结构的原位测量系统。该测量系统硬件主要由高稳定光源、光学窗口、样品管、光纤高精度微型光谱仪、数据采集系统等组成。测量数据基于遗传算法来分析浮游植物粒级结构。海上初步试验结果表明,该仪器能够测定水下300 m之内的浮游植物粒级结构,实现1 m剖面分辨率的连续测量,尤其适用于分析50~80m深度叶绿素最大值层的浮游植物粒级结构变化,在未来海洋浮游植物粒级结构测定中有良好的应用前景。     

正交迭代局部Fisher判别转子故障诊断

通过局部加权邻接矩阵重新定义类内散度和类间散度,建立局部Fisher判别函数,在特征值求解过程中以正交迭代方式找出最优投影向量,得到故障诊断模型。该方法能保证数据降维过程中的重构误差最小,并可直接运用故障诊断模型识别增量数据,避免了一般流形学习模式识别时对动态增量数据需要重建模型的问题。转子故障诊断试验表明,对于多传感器振动特征融合信号,相对其他流形学习算法,正交局部Fisher判别(orthogonl locally Fisher discriminant,简称OLFD)的故障诊断效果最好。     

类间数据不均衡条件下基于平衡随机森林的轴向柱塞泵故障诊断方法

针对轴向柱塞泵实际故障诊断中采集到的故障类数据远少于正常类数据的情况,为提升故障分类精确率,提出了一种基于平衡随机森林(Balanced Random Forest,BRF)的轴向柱塞泵故障诊断方法.BRF算法是随机森林(Random Forest,RF)的改进算法,将欠采样方法与RF结合,强化了RF处理非均衡数据的能...     

稀土元素对SnAgCu焊点内部组织的影响机制

随着人们环保意识的逐渐增强,新型无铅钎料的研究成为电子工业中的研究热点,而稀土元素的添加可以显著改善钎料的性能,基于含稀土Ce无铅钎料的钎焊试验,采用扫描电镜和能谱仪研究稀土元素Ce对SnAgCu焊点内部组织的影响机制。结果表明,稀土元素在SnAgCu焊点内部以CeSn3的形式存在,且稀土相形态各异。采用化学亲和力来表征稀土元素Ce与Sn、Ag、Cu之间的内在联系,从理论上证明Ce的“亲Sn性”。采用乌尔夫原理研究稀土元素的吸附现象,解释稀土元素Ce对SnAgCu焊点内部金属间化合物的细化作用。由SnAgCuCe焊点组织分析,发现基体组织中颗粒尺寸大小排序为CeSn3>Cu6Sn5>Ag3Sn,从理论上证明纳米Ag3Sn颗粒在SnAgCuCe焊点强化中发挥着主要的作用。研究结果可以为新型无铅钎料的研究提供理论支撑。     

Integrated information modelling for CIM

The development of strategic plans for the stepwise introduction of computer integrated manufacturing requires models and modelling techniques to describe the business processes, functions and the required data and their relation to the desired system components. Several modelling methods have been analyzed. The fundamental deficiency is the missing integration between the process and the data models from the enterprise viewpoint. The paper shows the key issues of an object-oriented (OO) modelling method which can be used for CIM-planning as well as for the integration of CIM-standards, e.g. STEP, which are currently under development in European and international commities. The main OO-features like encapsulation, inheritance and the class concept were used to describe enterprise object-classes and the process which change the instances of these classes. The feature-structure of the object classes and the aggregation to complete models were shown.     

基于集成NSET和模糊软聚类的风电机组齿轮箱状态监测

风电机组齿轮箱的故障频率和维修成本较高,有必要对其运行状态进行实时监测。非线性状态估计(NSET)算法有着对记忆矩阵依赖大、无法有效利用数据资源改善精度、实时性差等不足。为此,提出一种基于模糊软聚类和集成NSET的状态监测方法:使用模糊软聚类将历史数据分为边界有重叠的不同类别,实现工况的软划分并构造多个不同工况的NSET模型作为个体学习器;以参数回归方法作为结合器,可在不影响实时性的同时,使用大量数据训练参数以改善精度。用某2 MW风电机组的齿轮箱故障数据进行验证,结果表明,相比常规方法,提出方法的精度和实时性均更优;通过预测残差均值和基于残差构造的健康指数,能够灵敏、准确的反映齿轮箱的早期故障及其发展趋势。