基于MWSPCA-CBR的智能预警方法研究及其在石化工业中的应用

石油钻井是一项高风险性、耗资巨大的系统工程。为了智能预警石油钻井过程中的异常，缩短非生产时间，降低相关风险，提出一种基于移动窗稀疏主元分析法（MWSPCA）的案例推理（CBR）异常智能预警方法（MWSPCA-CBR）。首先利用MWSPCA算法分析钻井过程中的实时数据，快速定位出异常可能发生的时间，然后使用基于案例推理方法分析异常数据，确定可能的异常类型，并为实时监控专家提供相关异常的处理方法。所提方法应用到石油钻井过程异常预警中，实验结果验证了所提方法的可行性和有效性，为钻井过程降低风险成本提供了新思路。     

基于流形学习的整体正交稀疏保留鉴别分析

稀疏保留投影是一种有效的特征提取方法,但是其主要关注样本间的全局稀疏重构关系,并且得到的投影变换通常不是正交的。在实际应用中,图像数据往往处于高维空间中的一种低维流形中,正交性一直被认为有利于提高鉴别能力。文中以有监督学习的方式在稀疏保留投影中引入了流形结构保留,并使得投影空间正交,从而提出了一种新的特征提取方法,即基于流形学习的整体正交稀疏保留鉴别分析（MLHOSDA）。在人脸和掌纹图像数据库的实验结果表明此方法具有较好的识别效果。     

EPKS控制系统在聚酯装置改造中的应用

通过Experion PKS系统在中国石油辽阳石化分公司30万t/a聚酯装置DCS系统跨平台改造中的应用实例,介绍Experion PKS系统的硬件构成和网络结构,并就调试过程中遇到的问题及解决方法进行具体介绍.     

基于Hilbert-Huang变换的提升机齿轮箱故障诊断研究

Hilbert-Huang变换是用经验模式分解方法(EMD)将信号分解为有限个固有模态函数(IMF),然后再利用Hilbert变换获得时频分布特征的分析方法.介绍了该方法的基本原理,并将Hilbert-Huang变换应用于齿轮箱的故障诊断中,对IMF分量进行边际谱分析,并判断齿轮的故障.研究结果表明,Hilbert-Huang变换是一种有效的齿轮箱故障诊断方法.     

承德地区富锶土壤与农作物锶含量特征

锶是人体必不可少的微量元素之一,前人对承德地区土壤和农作物中锶的研究很少。本文通过测定承德地区1200 件表层土壤和多种农作物及中药材的根、茎、叶、花、果实等样品中锶含量,发现承德地区土壤中的锶含量较高,但具有分布不均匀的特征。土壤锶分布受深大断裂控制,同时与岩性关系密切,特别是火成岩建造。农作物中锶的含量为0.77~26.60 mg/kg,主要分布在根、茎、叶等部位。19 种中药材中锶含量最高的黄芪叶锶含量高达116 mg/kg。不同种类的农作物富集锶的能力不同。总体来讲,中药材中锶含量要高于叶菜类,叶菜类锶高于粮食作物类,粮食作物类锶含量高于水果类。采用浇灌不同浓度的含锶水试验,在一定的浓度下,对小白菜中锶含量有一定的增加作用。浇灌同等量的锶浓度水的情况下,幼苗期、成熟期、衰老期,土壤锶高的小白菜中锶含量高于土壤锶低的小白菜中锶含量。本文通过测定承德地区土壤和农作物中锶含量,查明本地区土壤和农作物中锶的分布规律,为特色功能农产品的开发提供科学依据。     

基于IMU与激光雷达紧耦合的混合匹配算法

针对线、面特征匹配的激光雷达测距与地图构建算法(Lightweight and Ground-Optimized Lidar Odometry And Mapping,LeGO-LOAM)在自动导引运输车(Automated Guided Vehicle,AGV)室内室外实时建图与定位时,易出现激光里程计累积误差大和旋转估计不准确等问题,本工作采用惯性测量单元(Inertial Measurement Unit,IMU)与激光雷达紧耦合的LeGO-LOAM算法,通过IMU为激光雷达提供的初始位姿信息,构建IMU与激光雷达联合误差函数,实现位姿共同迭代优化.其中,对于室外结构化信息较少时,在点对点的迭代最近点算法(Iterative Closest Point,ICP)较高定位精度的基础上,结合LeGO-LOAM算法和ICP算法互补性,进一步提出基于IMU与激光雷达紧耦合的混合匹配算法:当环境中结构信息较多时,激光里程计采用LeGO-LOAM算法,而当环境中结构化信息较少时采用ICP算法.实验结果表明,基于IMU与激光雷达紧耦合的混合匹配算法可有效降低激光里程计相对位姿误差和累积误差,提高AGV小车定位精度以消除部分地图重影.     

基于滑窗滤波和多项式拟合的时变信道估计方法

基于长期演进（LTE）的车辆到一切（LTE-V2X）标准沿用LTE标准的帧格式,并采用块状导频辅助的单载波频分多址（SC-FDMA）系统完成信道估计。然而,由于V2X信道的时变特性,接收机信道估计面对巨大的技术挑战。因此,设计了一种基于滑窗滤波和多项式拟合的时变信道估计方法。针对导频符号处的噪声问题,在最小二乘（LS）方法基础上,采用了自适应长度的滑动窗口滤波进行降噪处理,从而保证导频符号处的信道估计精度。另外,根据多普勒频移大小,设计了自适应阶次的多项式拟合方法来跟踪数据符号处的信道变化。仿真结果表明,所提方法在LS方法的基础上有良好的去噪效果,在低速移动情况下的估计精度介于LS方法和线性最小均方误差（LMMSE）方法之间,而该方法在高速移动条件下能更好地拟合信道的时变特性,且性能上超过了LMMSE方法结合线性插值的信道估计方法。以上结果说明,所提方法相对于对比方法具有更好的自适应性,适用于不同的信道噪声和终端移动速度下的LTE-V2X通信场景。     

结合降噪卷积神经网络和条件生成对抗网络的图像双重盲降噪算法

针对图像降噪中降噪效果差、计算效率低的问题,提出了一种结合降噪卷积神经网络（DnCNN）和条件生成对抗网络（CGAN）的图像双重盲降噪算法。首先,使用改进的DnCNN模型作为CGAN的生成器来对加噪图片的噪声分布进行捕获;其次,将剔除噪声分布后的加噪图片和标签一同送入判别器进行降噪图像的判别;然后,利用判别结果对整个模型的隐层参数进行优化;最后,生成器和判别器在博弈中达到平衡,且生成器的残差捕获能力达到最优。实验结果表明,在Set12数据集上,当噪声水平分别为15、25、50时：所提算法与DnCNN算法相比,基于像素点间误差评价指标,其峰值信噪比（PSNR）值分别提升了1.388 dB、1.725 dB、1.639 dB;所提算法与三维块匹配（BM3D）、加权核范数最小化（WNNM）、DnCNN、收缩场级联（CSF）和一致性神经网络（CSNET）等现有算法相比,结构相似性（SSIM）评价指标值平均提升了0.000 2~0.104 1。实验结果验证了所提算法的优越性。     

结合改进角点检测的优化核相关滤波方法

通常,核相关滤波（KCF）算法易受遮挡等实际检测情况的影响。为使跟踪结果更为准确,提出了结合改进角点检测的优化核相关滤波方法。由自适应Harris角点数量适宜且鲁棒性强的特点,解决了广义霍夫算法提取冗余边缘点速度慢,以及因光照变化导致的边缘点提取不完整的问题。同时,自适应阈值法的引入将噪声对角点提取的影响降为最低。将目标分块并对每一目标子块单独跟踪,由子块间相对位置解决KCF算法在尺度发生变化时目标易丢失的问题。此外,对学习率参数进行了自适应更新,降低了KCF算法的学习率,减少了在目标被遮挡时的模型更新误差。结合交并比与匈牙利算法关联多个目标,逐一取出对应坐标并由广义霍夫算法描绘的目标轮廓得出最终位置,抑制了目标快速运动时KCF算法的漂移现象。实验表明,所提方法有效提高了目标跟踪的可靠性。     

一种融合极限学习机和改进烟花算法的混合式目标跟踪技术

针对背景杂波干扰、目标外观形变导致的跟踪精度差的问题,论文提出了一种基于融合极限学习机和改进烟花算法的混合式目标跟踪技术(OSELM-FWA).该技术在提取图片特征信息时,为了剔除冗余信息、保留边缘轮廓处的颜色信息,提出梯度稀疏矩阵作为特征信息提取工具来提取图片的颜色特征信息;同时为了提高运动模型的预测精度,提出了一种改进烟花算法来生成候选目标样本,该算法不同于传统烟花算法采用固定不变的常量作为爆炸半径参数,而是在其基础上加入目标的运动速率量来调整烟花半径参量,而且为了控制烟花的多样性,该算法还根据烟花置信度方差的变化情况动态调整烟花的变异概率,将烟花的多样性维持在最优范围内;另外为了及时地更新目标外观模型,利用目标的置信度变化率来调整更新样本数目,随后运用在线极限学习机增量的学习相应数量的目标信息.最后,论文将该跟踪技术在标准数据集OTB上进行对比实验,通过实验得到该跟踪技术在处理复杂环境下的目标跟踪问题时,不仅兼顾跟踪的实时性而且拥有较高跟踪精度.