基于场景自适应的船舶吃水值计算方法

在船舶吃水值检测工作中,传统的人工水尺读数方式往往会受场景限制,例如到港船只型号各不相同;船体水尺标志倾斜程度以及水尺本身刮擦、锈蚀和残缺的程度也不同;不同气候及时间段采集的光照条件差别很大,这些因素都将影响水尺图像识别读数的结果,导致货物质量计量不准确。针对以上问题,提出了一种基于场景自适应的船舶吃水精确检测的方法。对不同场景下采集的图像用亮度表达值,对图像的明暗进行判断分类,采用不同阈值的修正型伽马校正最大化图像信息;利用改进的语义分割算法对船体、水体和水尺字符进行分割;结合分割后的水体与水尺字符信息对图像进行矫正,对大M字符进行识别,并换算出吃水深度。通过实测表明,该算法能适应不同场景下的船舶水尺吃水值的计算,比例换算为像素级别,与人工读数对比,计算结果更贴近标准值,为水尺计重提供了更精准的数值。

基于改进YOLOv8的输送带异物检测研究

针对基于深度学习的输送带异物检测模型参数量大、检测速度慢等问题,提出一种基于改进YOLOv8的输送带异物检测方法。利用Ghost模块设计主干网络CSPGhostNet,减少模型参数量和计算量;采用Alpha-IoU损失函数作为目标框回归损失函数,提高网络模型的收敛速度和检测精度;利用网络剪枝对检测模型剔除冗余参数。在嵌入式平台NVIDIA Jetson Xavier NX上进行实验,结果表明,相较于原YOLOv8l模型,改进模型mAP为90.5%,帧率提高375%,运算速度达到30帧/s,实现了有限计算资源下输送带异物的实时检测。

基于改进时空图卷积神经网络的钻杆计数方法

针对现有钻杆计数方法存在劳动重复、计数误差较大、未考虑动作的时序信息等问题,提出了一种基于改进时空图卷积神经网络(MST-GCN)模型的钻杆计数方法。首先,通过矿用监控摄像头获取井下打钻视频数据,采用Alphapose算法在图像序列中提取人体的关键点信息,得到单帧图像上的人体骨架和连续图像序列上的骨架序列数据,进而构建表征人体动作的骨架序列;然后,在时空图卷积神经网络(ST-GCN)模型的基础上设计了MST-GCN模型,采用远空间分区策略关注骨架上距离较远的关键点运动信息,通过注意力机制网络SENet融合原空间特征与远空间特征,从而有效识别骨架序列上的动作类别;最后,在打钻视频上利用支持向量机辨识打钻姿势来决定是否保存骨架序列,若骨架序列长度保存到150帧则使用MST-GCN模型识别动作类别,并根据实际打钻时间设置相邻动作的识别间隔,从而记录动作数量,实现钻杆计数。实验结果表明:在自建的数据集上,MST-GCN模型的识别准确率为91.1%,比ST-GCN、Alphapose-LSTM和NST-GCN动作识别模型的准确率分别提升了6.2%,19.0%和4.8%,模型的损失值收敛在0.2以下,学习能力更强。在相同条件的打钻视频上,MST-GCN模型、人工方法和改进ResNet方法的平均误差依次为0.25,0.75,21次,说明MST-GCN模型的计数效果更好。在真实打钻1300根的现场应用中,MST-GCN模型的平均误差为9根,误计数结果低,能够满足实际需求。

基于TDLAS的痕量CO浓度检测系统及温压补偿

利用可调谐二极管激光吸收光谱技术（TDLAS）实现气体高灵敏度,高精度的非接触式检测。为避免二次谐波信号随环境中温度和压强的改变导致实测出现较大误差,需对测得的气体浓度进行温压补偿。实验以2332nm波长作为CO的中心吸收波长,以质量分数125×10^-6,1001×10^-6,1701×10^-6的CO作为实验气体。提出了利用BP神经网络补偿模型,并采用遗传算法（GA）与粒子群算法（PSO）优化BP,修正受温压影响的标气浓度,并进行了仿真测试对比。实验结果表明,采用PSO优化BP补偿效果最好,修正后的CO浓度平均相对误差约为1.55%,有效提高了CO气体检测系统的精度。

基于区域分块的SIFT图像匹配技术研究与实现

针对目前SIFT算法在特征匹配过程中出现的搜索范围广、处理数据量大、速度慢的问题,提出一种基于区域分块思想的新型SIFT匹配法。首先将待匹配图像进行双边二分区域分块处理;其次采用投票机制方式选取可信匹配子块,缩小原始匹配区域空间;随后结合SIFT算法提取可信匹配子块的特征点,并进行初步匹配;最后结合双向RANSAC算法去除伪匹配点对,提高匹配的准确率。实验结果表明:基于区域分块的改进SIFT算法比标准SIFT算法具有更强的实时性和鲁棒性,在实际图像匹配中具有一定的应用价值。

接地网腐蚀状态监测传感器的优化布置方法

针对目前发变电站接地网的检测问题,常用的物理方法需大规模挖掘来检查接地网的腐蚀和断裂情况,不但影响发变电站的正常运行,还影响环境绿化,造成巨大的经济损失。设计了一种检测接地网腐蚀状态的三电极传感器;提出了对接地网电位分布准确判断的有限元法,先利用有限元法对接地网及周围土壤建立三维有限元模型;然后使用有限元软件ANSYS Maxwell对接地网模型进行计算,得到接地网中电场的分布情况;最后在接地网电位相对较强和较弱的土壤区域埋设三电极传感器。结果表明:利用有限元法对接地网进行建模可以仿真出接地网的电场分布,找出接地网电位较高和较低的部分,有效地简化了接地网;在不影响发变电站正常运行的情况下,根据传感器的腐蚀情况判断接地网的腐蚀情况,极大地降低了经济损失,具有实际可行的意义。

基于遗传算法的支持向量回归机参数选取

针对支持向量回归机(support vector regression,SVR)的参数选择问题,提出了基于遗传算法的SVR参数自动确定方法。分析了SVR各参数对其性能的影响,根据已有的样本集确定遗传算法的搜索区间,然后在该区间内对搜索的参数进行最优选取。为了减少所选参数对训练样本的依赖性,借鉴交叉验证的方法,把训练集分为估计子集,用来选择模型;确认子集选择参数,以推广能力最好的一组参数作为最终参数。将所提出的方法应用于受噪声影响的标准函数,实验结果表明,由该方法所得参数确定的SVR具有较优的预测性能。

基于模糊可拓层次分析的接地网腐蚀速率预测

针对变电站接地网腐蚀问题,提出一种将可拓层次分析法与模糊贴近度两种算法相结合的结构,用于建立接地网腐蚀速率预测中。首先,利用可拓层次分析法构造判断矩阵求出影响接地网腐蚀因素的各个权重;其次,采用拟合思想构建样本站点中各指标与腐蚀速率的函数关系;最后,结合模糊技术计算样本间贴近度求得腐蚀速率。结果表明,所提出的可拓层次分析法能够较客观地确定影响腐蚀速率因素的权重,所构建的模糊接近度模型预测能够有效地预测接地网腐蚀速率。

混沌背景中微弱谐波信号检测的SVM方法

为了提高混沌背景下的微弱谐波信号检测能力,提出了一种提取混沌背景中微弱谐波信号的支持向量机(support vector machines,SVM)方法。该方法的突出特点是针对小样本或嵌入维数未知的情况,建立混沌噪声的一步预测模型,抑制噪声对混沌背景信号预测的影响,起到预滤波作用,然后从预测误差中提取微弱谐波信号。实验结果表明,该方法具有比传统RBF神经网络预测方法更强的稳健性和泛化性,在信噪比(SNR)为-47.931dB时仍可检测出强混沌中的微弱谐波信号。

煤矿杂散电流监测系统子网设计

针对矿井下杂散电流检测环境复杂、干扰严重、不适于敷线等特点,组建了ZigBee无线传感网络,使系统的可扩展性、通信可靠性得到加强。考虑到无线传感网络容量有限,提出结合嵌入式网关,实现增加子网络或添加分站式杂散电流监测系统。嵌入式网关将无线传感网络数据转入有线工业监控网络,建立地域杂散电流数据库,以加强对地域的整体安全分析和管理。试验验证了该系统应用于矿井下复杂环境杂散电流检测的正确性及可行性。

基于最小风险的SVM及其在故障诊断中的应用

结合两类错误分类造成损失不等这一故障诊断特点,提出了基于最小风险的SVM方法。进行了三个方面的研究:a.在Platt提出的样本后验概率基础上,给出了修正的分类面以及修正的后验概率估算方法,并分析了该方法的合理性;b.将最小风险决策与SVM输出的后验概率有机融合,使该方法对故障的诊断更加敏感,减小漏判概率;c.以电液伺服阀故障诊断为例,对样本数据经K-L变换后进行可视化研究,分类结果表明了该方法的可行性。

井下无人驾驶列车惯性导航定位系统

目前井下无人驾驶列车定位技术根据安装在车轮上的光电传感器推算列车位移,当井下无人驾驶列车行驶在潮湿轨道上发生打滑现象时,会产生定位误差。针对该问题,提出了一种井下无人驾驶列车惯性导航定位系统。该系统在现有井下无人驾驶定位技术基础上引入惯性导航模块,结合光电传感器数据和惯导数据,采用双阈值算法判断列车行驶异常状况,提高了无人驾驶列车的安全系数。惯性导航模块采用LPMS-NAV2测量目标载体的加速度、航向角,并计算目标载体的位置坐标;针对惯性导航模块测量目标载体加速度时受重力加速度影响的问题,采用z轴加速度补偿方法来消除重力加速度引入的误差;针对惯性导航模块定位时存在累积误差的问题,引入权值反馈约束算法,通过构建平方差损失函数对系统定位点进行权值约束,以降低累积误差。在井下巷道每个岔路口设置位置信标,对定位信息进行二次校准,进一步提高定位精度。室内测试结果表明,井下无人驾驶列车惯性导航定位系统的平均定位误差为0.52m。

接地网腐蚀速率的非参数集群预测方法

针对接地网腐蚀速率的小样本及参数建模问题,建立了一种非参数集群分类预测模型。采用接地网腐蚀速率等级分类策略降低了预测模型的复杂度;采取自助法(Bootstrap)产生自举子集,避免小样本问题;结合非参数—KNN分类法和Adaboost法,对所有自举子集建立多个弱分类器,并集群成强分类器。实验结果表明,与KNN分类法相比较,非参数集群算法得到的腐蚀速率等级和实测分类可以较好吻合,该模型适用于接地网腐蚀速率的预测。

轧机液压伺服系统的双线性模型

从轧机液压伺服系统的原始机理模型出发,建立了该系统的非线性模型———双线性模型,并进行了仿真。仿真结果证明了这种模型的有效性。

基于粒子群优化RBF神经网络的液压钻机故障诊断

提出了一种基于粒子群优化径向基神经网络的液压钻机故障诊断方法。该方法使用虚拟仪器及LabVIEW软件对液压钻机的特征信号进行采集,利用粒子群优化算法对径向基神经网络的径向基中心值、宽度以及权值进行优化,实现了液压钻机的故障诊断。结果表明,基于粒子群优化径向基神经网络的液压钻机故障诊断方法在小样本情况下,诊断准确率高,实用性强。

基于参数自整定模糊PID的挤压式供水系统

研究挤压式供水系统优化控制问题,系统存在控制多变的参数。为保证整个系统稳定运行,通过分析系统管网压力近似数学模型可知,采用常规PID去控制挤压式供水系统,难以保证系统适应控制系统的参数变化,压力始终有较大波动,稳定性差。为解决上述问题,提出了将模糊控制与PID控制相结合的方法,设计了一种参数自整定模糊PID控制器去控制挤压式供水系统,弥补了系统稳定性差的问题。并在MATLAB仿真软件中进行了仿真验证,为供水系统稳定性控制提供了依据。

煤矿带式输送机异物检测

针对现有基于深度学习的带式输送机异物检测方法存在检测速度慢的问题,提出了一种改进YOLOv3模型,并将其应用于煤矿带式输送机异物检测。该模型以轻量化网络DarkNet22-DS作为主干特征提取网络,DarkNet22-DS利用深度可分离卷积替换标准卷积,大幅减少了网络参数,并通过复合残差块提高了特征利用效率;通过引入加权双向特征金字塔网络及双尺度输出来改进特征融合网络,提升了模型对大块异物的检测效率;采用完全交并比损失函数作为目标框回归损失函数,充分利用目标框信息间的相关性,提高了模型的收敛速度和检测精度。将改进YOLOv3模型部署在嵌入式平台Jetson Xavier NX上进行煤矿带式输送机异物检测实验,结果表明,相较于YOLOv3模型,改进YOLOv3模型权重文件大小降低了91.4%,大幅减少了模型参数,检测速度提高了16倍,达30.7帧/s,满足煤矿带式输送机异物实时检测需求。

基于核的多故障分类器及其应用

提出了一种基于核的多类别模式识别算法(简称核子空间法,KSPM),依据此算法建立了多故障分类器.该方法的主要思想是:将原输入空间中的数据经一个非线性映射,映射到一个高维的特征空间(或核空间),突出各类样本之间的特征差异,利用线性子空间模式识别思路进行分类.经核矩阵特征分解,可以形成各类别对应的特征子空间,然后分别计算待分类模式与各类特征子空间的距离实现模式分类.多故障分类器应用于液压泵故障诊断结果表明,该故障分类器可实现多故障的识别和诊断,并且具有算法简单和故障分类能力强的优点.

基于支持向量机的液压泵在线故障预警

为了实现液压泵自动故障预警,提出了一种基于在线单类支持向量机的新方法.与离线单类支持向量机不同,该方法可根据输入样本的变化不断地及时调整自由参数,实现持续学习.同时提出了一种在线检测奇异值的鲁棒性算法.最后,从液压泵振动信号的时域信息中提取诊断特征参数,组成最小诊断参数组合,建立了液压泵在线故障预警系统,并进行了仿真研究.

电流串联双调压喷嘴试验台测控系统设计

喷嘴是发动机推进室的重要组成元件,通过研究其工作原理,根据流量特性检测需求,设计了一套集硬件线路设计和工艺采集于一体的喷嘴试验台测控系统;针对系统电路进行改造,利用信号传输特性设计了电流串联回路,解决了传感器重复使用的问题;建立以太网通信,利用Labview创建共享变量调用PLC数据,设计了阶梯式双调压采集系统,提高了试验工况和参数采集的精度;实验表明,系统可以通过上位机界面实现信号的实时采集以及数据处理、记录与分析等功能,试验工况误差达到1%。