多工况下基于EEMD-ICNN的输油管道泄漏识别

针对多工况下管道泄漏信号预处理繁琐、误报率高的问题，提出了一种集合经验模态分解(EEMD)结合改进卷积神经网络(ICNN)的泄漏识别模型。所用识别方法采用EEMD将泄漏信号分解成若干个具有稳态性能的固有模态分量(IMF),通过相关系数划分出噪声主导向量并予以去除实现信号重构；提取重构信号的一系列指标特征作为ICNN模型的输入进行特征提取，实现管道多工况分类；ICNN在每个卷积层和池化层之间加入批量归一化层，以此加快网络训练速度。结果表明：所提模型能够快速准确识别出停泵、调阀、泄漏、正常工况，且在较少训练数据下平均识别准确率可达98.25%。与未改进的CNN和SVM分类识别模型相比，该方法有效提高了识别准确率。     

方便食品需求旺 加快复工满足市场供给

你家附近的超市里,哪个口味的方便面被剩下了?这是疫情暴发后社交媒体上的热门话题之一。当评论区里人们热烈讨论那些被剩下的方便面到底“有什么错”时,还有很多人甚至没有机会面对这样的选择,因为无论是超市货架、还是生鲜电商平台上的方便面和速冻水饺都已经被抢购一空。