基于多源信号融合的离心泵叶轮磨损故障分析

针对离心泵故障信号易被噪声淹没、数据分析困难的问题,提出了一种基于多源信号融合的离心泵叶轮磨损故障分析方法。采集离心泵叶轮正常状态和磨损状态下蜗壳、出水口和底座3处的振动信号及原动机接线端的电信号;采用小波包分解提取振动信号的特征频段,通过横向比较各频段能量值确定底座可作为最佳检测点,通过纵向比较各频段能量值以缩小频率分析范围;在缩小频率分析范围的基础上,采用线性调频Z变换对原动机接线端的电信号进行频谱分析,将故障特征频率与3次谐波频率分离,从而精确提取到故障特征频率。试验结果验证了该方法的有效性。     

煤矿顶板定向探放水钻孔“一孔多用”方案探讨

本文针对潞安矿区余吾煤业分别施工的顶板富水区专项探放水孔和瓦斯富集区的瓦斯抽采钻孔,提出了将顶板定向探放水钻孔改造为瓦斯抽放孔的"一孔多用"的方案和施工方法,并就效果和推广应用的可行性进行了分析。     

基于新鲜度的冷链物流配送多目标优化模型*

针对传统选址模型忽视客户对物流服务水平满意程度这方面的不足,建立考虑客户满意度的基于新鲜度对损失成本影响的冷链配送中心选址模型。本文以客户满意度来表示物流的服务质量并结合易腐品的新鲜度对时间的敏感性特征,建立了最小化物流成本和最大化客户满意度的多目标优化模型,采用主要目标法将模型转化成单目标模型进行求解。求解算例所得的多组非劣解反映了物流成本与客户满意度之间的悖反关系,同时包含了以物流成本最小化为目标的传统选址模型的最优解,表明了多目标模型的优越性。对比结果说明新鲜度条件下建立的冷链物流配送网络模型比传统模型节省了更多的物流成本,进而验证了该模型的正确性。     

基于小波多尺度聚类水平集的医学图像分割

针对医学图像低对比度、灰度不均匀等特点,提出了一种小波多尺度聚类水平集的图像分割方法,能够很好地解决医学图像灰度不均匀的问题。首先,利用小波多尺度分析的良好信噪分离能力提取各尺度下图像的有效边缘信息,将边缘信息添加到水平集模型的能量函数中从而提高模型的局部控制能力。然后,基于灰度不均匀的图像模型,派生出对于感兴趣区域的局部灰度聚类,在每个点的邻域内定义基于灰度的局部聚类准则函数。将局部聚类准则函数转化为全局准则函数。在水平集框架中,该准则根据水平集函数定义了代表图像域划分的能量项和引起图像强度不均匀的偏置域。最后,从小波变换的顶层低频子带图像开始逐层采用改进的聚类水平集方法分割图像,并将分割结果通过插值方式传递至下一层作为分割的初始轮廓,最终实现灰度不均匀医学图像的分割。实验结果表明,该方法能够有效地分割医学图像,具有计算更加鲁棒稳定、效率更高和更加准确的优点。     

基于深度学习的遥感图像目标检测与识别

为解决目前的遥感图像目标检测算法存在的对小尺度目标检测精度低和检测速度慢等问题，提出了一种基于深度学习的遥感图像目标检测与识别算法。首先，构建一个含有不同尺度大小的遥感图像的数据集用于模型的训练和测试；其次，基于原始的多尺度单发射击（SSD）网络模型，融入了设计的浅层特征融合模块、浅层特征增强模块和深层特征增强模块；最后，在训练策略上引入聚焦分类损失函数，以解决训练过程中正负样本失衡的问题。在高分辨率遥感图像数据集上进行实验，结果表明所提算法的检测平均精度均值（mAP）达到77.95%，相较于SSD网络模型提高了3.99个百分点，同时检测速度为33.8 frame/s。此外，在拓展实验中，改进算法对高分辨率遥感图像中模糊目标的检测效果也优于原多尺度单发射击网络模型。实验结果说明，所提改进算法能够有效地提高遥感图像目标检测的精度。     

带学习过程的随机K最近邻算法

针对传统K最近邻（KNN）算法没有学习过程,进行分类预测时需要遍历全部学习样本、时效性差且对k值敏感的缺点,本文提出了两种带学习过程的随机KNN算法（RKNN）,包括对样本Bootstrap抽样的SRKNN算法和对样本特征Bootstrap抽样的ARKNN算法,均属于Bagging集成学习,学习多个简单KNN后投票输出结果。算法对样本的特征进行组合得到组合特征,简单KNN基于组合特征得到。重点研究了如何选取特征的最优组合系数,得到了取得最好分类精度时的特征最优组合系数选取规则和公式。RKNN算法在构造简单KNN时引入学习,分类时不再遍历全部学习样本而只需要用二分查找法即可,其分类时间复杂度比传统KNN算法分类时间复杂度低一个数量级。RKNN算法的分类精度比传统KNN算法的分类精度有大幅提升,解决了使用KNN算法难以选取k值的问题。理论分析和实验结果均验证了本文RKNN算法的有效性。     

应用多索引加法量化编码的近邻检索算法

目的 海量图像检索技术是计算机视觉领域研究热点之一,一个基本的思路是对数据库中所有图像提取特征,然后定义特征相似性度量,进行近邻检索。海量图像检索技术,关键的是设计满足存储需求和效率的近邻检索算法。为了提高图像视觉特征的近似表示精度和降低图像视觉特征的存储空间需求,提出了一种多索引加法量化方法。方法 由于线性搜索算法复杂度高,而且为了满足检索的实时性,需把图像描述符存储在内存中,不能满足大规模检索系统的需求。基于非线性检索的优越性,本文对非穷尽搜索的多索引结构和量化编码进行了探索新研究。利用多索引结构将原始数据空间划分成多个子空间,把每个子空间数据项分配到不同的倒排列表中,然后使用压缩编码的加法量化方法编码倒排列表中的残差数据项,进一步减少对原始空间的量化损失。在近邻检索时采用非穷尽搜索的策略,只在少数倒排列表中检索近邻项,可以大大减少检索时间成本,而且检索过程中不用存储原始数据,只需存储数据集中每个数据项在加法量化码书中的码字索引,大大减少内存消耗。结果 为了验证算法的有效性,在3个数据集SIFT、GIST、MNIST上进行测试,召回率相比近几年算法提升4%~15%,平均查准率提高12%左右,检索时间与最快的算法持平。结论 本文提出的多索引加法量化编码算法,有效改善了图像视觉特征的近似表示精度和存储空间需求,并提升了在大规模数据集的检索准确率和召回率。本文算法主要针对特征进行近邻检索,适用于海量图像以及其他多媒体数据的近邻检索。     

地质构造对采煤机械设备的影响及探测

在分析地质构造对采煤机械设备的影响的基础上,提出了震波探测、现场观测和钻孔探测这三种探测方法,以加强对煤矿断层、褶皱和顶底板等复杂地质构造的探测,为采煤机械设备作业的顺利进行提供科学的方法依据。