切削深度对微细轴类零件加工精度影响的实验研究

金属切削过程中，不同的切削参数对零件的加工精度影响是不同的。通过车铣和车削两种加工方法的对比，重点研究了切削深度对微细轴类零件加工精度的影响问题。通过对实验结果的分析显示，车铣加工和车削加工微细轴时切削深度的变化对加工精度的影响很小，一般情况下可以忽略。     

基于先验知识与DBM采样的类不平衡用电数据分类方法

智能电网建设过程中现有客户标签体系不够完善,针对海量用户用电数据的分类管理中带有标签的样本数据量小以及类不平衡分布的问题,提出了一种基于先验知识与深度玻尔兹曼机(DBM)采样的不平衡用电数据分类方法。首先,提取负荷曲线的特征,建立采样原则,利用先验知识和DBM对负荷曲线进行采样。然后,将采样数据通过极限学习机(ELM)网络进行训练。最后以爱尔兰用户用电数据为数据源,通过与原始非采样、随机过采样、合成少数类过采样技术(SMOTE)的对比性实验分析结果表明,所提出的基于先验知识与DBM采样的不平衡用电数据分类方法能够更好地对类不平衡用电数据集进行分类,实现用户用电行为的分析,有效支撑用户侧错峰避峰工作。     

基于深度学习直流闭锁判断的高风险连锁故障快速搜索

大容量直流输电系统的快速发展及多馈入直流系统的出现,增加了系统发生连锁故障的风险。建立了基于深度学习的直流闭锁快速判断模型,提出一种高风险连锁故障快速搜索方法。直流闭锁快速判断模型以网络结构和故障位置相关的稳态特征量作为输入,利用堆叠降噪自动编码器(SDAE)提取输入的高阶特征,可以快速判断交流故障是否导致直流闭锁。根据交流故障后正常线路的负载率情况衡量该故障的影响程度,进而得到线路停运风险;搜索过程中采用深度优先策略,以高停运风险为搜索方向,优先获取故障概率较高的交直流连锁故障。实际电网仿真结果表明,所提方法能够快速给出高风险交直流连锁故障的传播路径和故障概率,可用于在线安全预警和防控决策。     

基于传统图像处理算法和深度学习的轨道区域识别研究

异物侵入是造成铁路安全事故的重要原因,检测异物入侵的前提是准确的轨道区域识别。传统图像处理算法基于轨道图像的边缘特征和直线特征,综合运用Sobel算子和Hough变换识别图像中的铁轨,然后确定轨道区域。深度学习技术快速发展,在图像处理等方面展现了巨大的潜力。利用深度学习的目标检测算法,基于MaskR-CNN模型,训练轨道区域识别系统,通过在实际图片上验证效果,证明了系统识别的有效性。     

基于AutoEncoder的油气管道控制系统异常状态监测方法

压缩机控制电路的健康状态管理在管道运输中至关重要。通常油气管道压缩机系统部署地点远离城市,环境恶劣,且负荷高、工作时间长,因此故障频发。构建可靠的健康状态检测模型通常需要大量的故障样本,然而在实际数据中,故障样本相对稀缺。采用一种基于自编码器(auto encoder,AE)的单分类方法对油气管道控制系统的异常状态进行辨识。该模型仅需对系统的正常工作状态进行学习,通过编码器可实现特征的自适应提取,从而对数据进行抽象表示,并获得较好的非线性映射能力;当数据分布异常时,系统可区分其与正常信号间的差异,并进行预警。实验部分采用西部输油管道控制系统中实地获取的通信解码信号以及电源信号进行验证,并以单分类支持向量机方法作对比实验,表明了所提出方法的有效性。     

人工智能在能源互联网中的应用综述

人工智能技术具有高效解决复杂问题的突出优点。能源互联网是信息技术与能源相结合的产物,可以为消费者提供灵活的能源共享服务。由于可再生能源具有间歇性和波动性,对可再生能源的有效利用对能源供需信息的实时性要求越来越高,能源的供需曲线也变得更加复杂多变,因此人工智能技术在能源互联网中具有广泛的应用前景。人工智能技术已经被广泛地应用于能源互联网领域中的系统建模、预测、控制和优化等方面。文章对人工智能技术在能源互联网典型应用场景的研究现状进行了综述,并对未来的发展方向进行了展望。     

地下车库地下室室外顶板结构设计

纵观现今缤纷繁多的住宅小区规划，为增大室外景观布置，大多将车库移至地下以充分利用地下空间。但在实际施工图设计开始时，往往是室外景观设计还未进行，地面景观(如假山、土坡等)位置、高度等未定。如果仅按地下式车库顶板至地面的覆土深度取值或确定荷载，就会因取值不当，在使用中出现结构梁板开裂，严重的还可能发生安全事故。以下介绍本人近年来在此方面的设计、施工经验。     

基于改进深度卷积神经网络的步态识别算法

针对传统步态识别算法因服饰携带物变换、视角等协变量因素变化导致的识别能力下降问题,提出了一种基于改进深度卷积神经网络的步态识别算法。该算法利用分层处理机制从步态数据中提取步态特征,能够降低常见变化和遮挡等情况对识别精度的影响,同时,算法根据实验确定了网络中每层特征图的最佳数量、特征图的最佳尺寸以及要用于步态识别的输入特征的类型,能够处理相对较小的数据集而无需使用任何增强或微调技术。CASIA-B步态数据库仿真实验表明,所提出的卷积神经网络覆盖了交叉视图步态识别和无主题的步态识别问题,能够克服与步态识别相关的协变量因素问题,具有更优的步态识别精度。     

基于奇异值分解行人对齐网络的行人重识别

为解决行人重识别的训练数据集中自动检测出的行人图像背景过大和行人部分缺失的错位现象问题,使用空间变换网络层对图像错位进行处理。为优化整个网络的深度学习过程,提高图像检索能力,增加网络特征层,使用奇异值向量分解方法对其进行处理。将行人对齐网络和奇异向量分解相结合,构造奇异值分解行人对齐网络,既可解决图像错位问题,又提高图像特征的相似性度量的效果。在Market1501、CUHK03和DukeMTMC-reID数据集上进行试验,并与行人对齐网络和其他深度学习与非深度学习的行人重识别方法进行比较,试验结果中整个网络的平均检索精度和行人图像第一次匹配正确的概率平均达到了65%和80%左右,这表明奇异值分解行人对齐网络可以提高对行人匹配的效果。     

板框式机架定位孔深度的控制

准确地配装板框式机架框板间的定位垫、控制框板间隙可避免热模锻油压机承载时框板间的开缝现象。介绍了在板框式机架定位垫配装过程中,利用工艺手段保证装配质量,制造出用户满意的设备。