基于贝叶斯元学习的小样本转辙机故障诊断

转辙机作为转换道岔的关键设备,其工作状态的及时诊断对铁路行车安全和运输效率至关重要。针对铁路现场转辙机型号多、故障样本少、故障类别不均衡等实际问题,提出一种基于PLATIPUS贝叶斯元学习的小样本转辙机故障诊断方法。首先介绍转辙机动作数据的微机监测采集原理及典型故障模式,然后分析贝叶斯元学习的小样本分类优势,在此基础上构建基于PLATIPUS算法的小样本转辙机故障诊断框架,并使用具有4个卷积模块的卷积神经网络作为故障诊断分类器,以模型损失、收敛速度和分类准确度为指标,通过实验确定模型的任务批次大小、元学习率、基础学习率等超参数。依托元学习片段式训练模式下的双层优化机制及贝叶斯元学习对模型不确定性的度量,诊断模型使用少量训练样本便可得到高准确度的故障分类器,并可实现不同型号转辙机故障的快速迁移诊断。最后以ZD9型和ZYJ7型2种典型转辙机的现场小样本数据为例进行测试验证,并与相关方法进行对比实验。实验结果表明,该方法在单型号转辙机故障诊断场景下准确度在95%以上,在跨型号转辙机故障迁移诊断场景下准确度可以达到91.98%。该方法对多种型号的转辙机非均衡小样本数据场景具备良好适应性,为铁路现场转辙机故障诊断提供了一种新的可行方案。

基于Kaldi的普米语语音识别

为提高普米语语音识别系统的性能,引入深度学习模型进行普米语语音识别,该模型是一个高容量复杂的网络模型。以Kaldi语音识别工具包为实验平台,分别训练5种不同的声学模型,且这5种模型中包含一个有4隐层的深度神经网络模型。比较不同声学模型得到的语音识别率发现,G-DNN模型比Monophone模型的语音识别率平均提升49.8%。实验结果表明,当增加训练集的普米语语音语料量时,基于深度学习的普米语语音识别率会提升,而基于深度学习的普米语语音识别系统的鲁棒性比其余4个声学模型的普米语语音识别系统的鲁棒性更强。

基于HTK的佤语特定人孤立词语音识别

佤语是云南省西南部的一种跨境语言,构建佤语语音识别系统对国家安全、跨境文化交流和经济贸易都有着重要的意义.基于HTK平台,针对1 860个佤语常用词进行特定人孤立词语音识别.语音语料来源为录音棚和田野录音,语音规模录音棚男性2人、女性2人,田野录音男性3人、女性2人,每人每个词发音5遍,总的语料数量为83 700条.实验结果表明,对于上述的语料,进行的基于HTK的佤语特定人孤立词语音识别正确率在92%以上.

基于PSO-SVM的普米语语谱图识别

使用基于粒子群算法优化支持向量机识别算法实现对普米语语音的识别.首先通过傅立叶变换绘制出每条普米语语料的语谱图;再次,提取每张语谱图的图像特征构建特征向量;最后,运用支持向量机实现对普米语孤立词的分类.在运用支持向量机进行分类时,为了能够找到全局最优解,使用粒子群算法对支持向量机中的惩罚参数c和核函数参数g进行了优化,基于最优参数的分类准确率达到了89. 8%.

基于自适应变分模态分解的佤语孤立词共振峰估计

基于变分模态分解算法实现对语音共振峰的提取,针对其存在共振峰合并和虚假峰值2个主要问题,通过对分解模态数、平衡约束参数的分析,提出了自适应变分模态分解法.并从的正交性、能量保存度2个方面证明了该方法的可行性;最后,利用该方法实现对佤语共振峰的估计.实验结果表明,基于自适应变分模态分解对佤语孤立词的共振峰估计平均正确率可达85.50%.

基于HTK的佤语非特定人孤立词语音识别研究

在HTK平台上实现非特定人的岩帅佤语孤立词语音识别;运用小波去噪原理对原始语音去噪,来提高语音段的信噪比;对有声段预处理、提取MFCC特征参数,训练和建立了HMM模型库,最后进行识别,结果提高了孤立词语音信号的准确性。