基于深度学习的纹理布匹瑕疵检测方法

布匹瑕疵检测是纺织工业中产品质量评估的关键环节,实现快速、准确、高效的布匹瑕疵检测对于提升纺织工业的产能具有重要意义.在实际布匹生产过程中,布匹瑕疵在形状、大小及数量分布上存在不平衡问题,且纹理布匹复杂的纹理信息会掩盖瑕疵的特征,加大布匹瑕疵检测难度.本文提出基于深度卷积神经网络的分类不平衡纹理布匹瑕疵检测方法(Detecting defects in imbalanced texture fabric based on deep convolutional neural network,ITF-DCNN),首先建立一种基于通道叠加的ResNet50卷积神经网络模型(ResNet50+)对布匹瑕疵特征进行优化提取;其次提出一种冗余特征过滤的特征金字塔网络(Filter-feature pyramid network,F-FPN)对特征图中的背景特征进行过滤,增强其中瑕疵特征的语义信息;最后构造针对瑕疵数量进行加权的MFL(Multi focal loss)损失函数,减轻数据集不平衡对模型的影响,降低模型对于少数类瑕疵的不敏感性.通过实验对比,提出的方法能有效提升布匹瑕疵检测的准确率及定位精度,同时降低了布匹瑕疵检测的误检率和漏检率,明显优于当前主流的布匹瑕疵检测算法.

目的层预约的模糊神经网络电梯群控策略

根据目的层预约电梯系统的新型客流分配模式,分析并归纳出目的层预约情况下电梯群控系统的特征属性,提出一种多目标模糊神经网络电梯群控策略.把目的层预约电梯系统的特征属性作为多目标模糊神经网络的输入,建立并训练模糊神经网络,最后利用该模糊神经网络进行派梯计算.仿真试验证明该群控策略可得到满意的效果.与传统电梯群控策略以及其他目的层预约电梯群控策略的对比试验证明,该方法在提高电梯平均系统时间、长候梯率、长乘梯率及节约能耗等方面都体现出较好的性能优化效果,对高峰交通流模式下的电梯群控系统效果显著.

基于Fast-RVM的在线软测量预测模型

生化需氧量(biochemical oxygen demand,BOD)是评价水质好坏和污水处理效果的关键指标之一。由于污水生化处理过程复杂,在线仪表维护困难,生化需氧量无法得到快速精确地测量。针对这一问题,提出了一种基于Fast-RVM的在线软测量回归模型来实时在线预测出水指标BOD。该模型采用基于贝叶斯框架的相关向量机来在线预测输出指标,并且引入快速边际似然算法来加快模型的更新速度。通过污水数据的仿真实验,结果表明该在线模型的预测精度高于离线模型,泛化能力强,模型在线更新的快速性尤为突出,能较好地实现污水处理中出水水质的实时在线预测。

基于目的层预约的改进型粒子群电梯群控调度策略

针对单一粒子群算法的派梯策略优化运算过程中容易陷入局部极值点的状况,结合模拟退火理论,提出一种改进型的粒子群电梯群控派梯策略,应用到目的层预约的电梯群控系统中.通过仿真和对比试验可知,基于目的层预约的电梯群控系统能有效地提高服务的各项指标,改进型的粒子群电梯群控调度策略可有效减小乘客候梯时间和电梯启停次数,改善电梯运行性能.

基于核函数的加权极限学习机污水处理在线故障诊断

污水生化处理中的运行故障会引起出水水质不达标、运行费用增高和环境二次污染等严重问题,需要及时准确地对运行故障进行诊断。考虑到污水处理过程运行状态数据的不平衡性造成故障诊断准确率下降,提出了一种基于核函数的加权极限学习机污水处理过程实时在线故障诊断方法。该方法以极限学习机为基础,采用加权的方式处理数据的不平衡特性,通过核函数的非线性映射来提高数据线性可分的程度。仿真实验证明,本文建立的污水处理在线故障诊断模型在线测试精度高,泛化性能好,模型在线更新速度快,能够比较好地满足准确性和实时性,实现对污水处理过程的在线故障诊断。

基于自优化的多属性高斯核函数相关向量机方法

在相关向量机的预测模型中,核函数的选择和核参数的取值对模型预测性能影响很大.针对这一问题,文中采用多属性高斯核函数建立相关向量机预测模型,提出了一种自优化的核参数学习方法进行参数优化,并将该模型用于二维标准函数预测和污水处理系统出水水质预测,与不同核函数下的相关向量机模型以及不同参数优化方法下获得的预测模型进行了对比实验.结果表明,基于自优化的多属性高斯核相关向量机模型对低维数据的参数敏感度较低,对高维数据有良好的输出精度和稀疏性,在污水出水水质预测中获得比较满意的结果.

基于相关向量机的污水处理出水水质预测模型

针对污水生化处理过程复杂、重要出水指标预测困难且误差比较大的情况,提出了一种基于相关向量机的污水处理出水水质预测模型.首先利用模糊单调递增依赖算法对输入数据进行属性约简,并结合经验确定输入属性,然后利用相关向量机建立预测模型,对模型参数进行寻优,以实现最优预测.实验结果表明,文中提出的预测模型预测精度高、泛化能力强,能较好地满足污水处理出水水质的预测要求.

基于改进型Faster R-CNN的行人目标检测

在行人目标检测中,小尺度、低像素的行人目标检测和行人遮挡等问题是模型训练的难点。针对深度学习Faster R-CNN网络对小尺度行人以及遮挡行人目标检测效果较差的情况,提出一种基于soft-NMS、GIoU和多尺度训练方法的改进型Faster R-CNN行人目标检测模型。在该改进模型中,Soft-NMS缓解行人密集检测中的因遮挡导致的漏检情况,GIoU对网络的损失计算进行改进,提升网络检测效果,多尺度训练方式能够提升小尺度与低像素的行人目标检测的准确率。仿真实验结果验证了该方法的有效性,改进的Faster R-CNN模型在Caltech行人数据集上的检测精度由64.2%提升到了70.4%,且在漏检率和误检率上都优于传统Faster R-CNN模型。

新型电梯群控系统交通模式识别方法

电梯交通模式识别是电梯群控调度的一个关键问题.针对实时变化的电梯交通流数据,提出一种新型的电梯系统交通模式识别方法.在不增加数据采集量的基础上,首先对基本交通信息进行预处理,再采用多值分类的支持向量机算法,对电梯群控系统建立交通模式分类器.建立的分类器可以根据交通流数据的变化,自适应地识别出建筑物内的最大客流层及次大客流层(厅堂除外).仿真结果表明,这种交通模式识别方法能较准确地辨识出各种交通流模式,并且通过对比试验,证明该算法的识别准确率优于人工神经网络算法,体现出较好的泛化能力,实用性强.

基于不平衡学习的集成极限学习机污水处理故障诊断

污水处理过程的故障诊断数据具有高度不平衡性,影响了故障诊断效果,尤其是降低故障类别的识别正确率,导致出水水质不达标、运行费用增高和环境二次污染等问题出现。据此提出一种基于加权极限学习机集成算法的污水处理故障诊断建模方法。该方法将不平衡分类评价指标G-mean引入以加权极限学习机为基分类器的Ada Boost集成分类模型,定义新的基分类器初始权值矩阵更新规则和集成权重计算公式,用于基分类器的迭代学习。由仿真实验结果可知,基于加权极限学习机集成算法的污水处理故障诊断模型,可有效提高分类性能G-mean值和整体分类精度,特别提高了故障类的识别正确率,验证了基于加权极限学习机的集成算法在不平衡性污水处理故障诊断问题上的有效性。

基于SVM的电梯群控系统交通流模式识别

针对电梯群控调度中的交通流模式识别问题,提出了一种基于多值分类支持向量机的电梯交通流模式识别方法.文中介绍了电梯交通流模式识别的设计流程,并建立了相应的电梯交通流模式识别器.结果表明,基于支持向量机的交通流模式识别方法能够较准确地辨识出各种交通流模式.通过对比试验,证明了该算法的识别准确率优于人工神经网络算法,体现出较好的泛化能力,具有一定的实用价值.

混合电梯群控系统建模及免疫优化派梯策略

电梯群控系统是一种典型的混合系统,包含了连续状态和离散状态以及复杂的人为逻辑策略,利用细胞自动机原理对电梯群控系统建模,能准确描述系统的连续动态、离散事件及其相互影响,同时也能完整有效地包容各电梯运行及管理两大部分。模型结构简单,具有较强适应能力和可扩展性。将人工免疫优化算法应用于混合电梯群控系统中进行派梯优化,模拟生物免疫系统的人工免疫(AI)优化算法采用高变异克隆避免种群陷入局部最优,加速优化速度,取得了比较好的效果。

基于不平衡分类的Bagging集成污水处理故障诊断

在污水处理过程故障会导致出水水质下降、运行费用增高甚至造成环境的二次污染,而污水处理故障诊断数据的典型不平衡特性,严重影响了故障诊断的效果,尤其会导致故障分类的正确率偏低.针对此问题,文中提出了一种基于加权极限学习机的改进Bagging集成污水处理故障诊断建模方法;以加权极限学习机为基分类器,以Bagging集成框架建立集成分类器;定义可调整的过采样倍率公式,通过虚拟少数过采样算法(SMOTE)对少数类样本进行过采样,以保证基分类器间的多样性;以不平衡分类性能指标G-mean值为基础,定义新的基分类器输出权值更新公式,以提高故障类别识别率.仿真实验表明,该污水处理故障诊断模型的性能优于其他对比算法,可有效提高G-mean值和整体分类正确率,特别是提高了故障类别的识别正确率.

基于人工免疫算法的污水处理系统节能优化

针对污水生化处理过程节能优化控制中,如何确定控制变量最优设定值的关键问题,提出一种基于人工免疫算法的污水生化处理系统节能优化控制策略.在前置反硝化的活性污泥污水生化处理基准模型BSM1仿真平台上,建立好氧池溶解氧浓度和缺氧池硝酸氮浓度的PI控制器,提出以出水水质指标为约束条件、以鼓风能耗和泵送能耗最小为优化目标的控制方案.采用具有全局优化能力的人工免疫算法,计算控制器的最优设定值,让控制器跟随优化设定值对氧传递系数和内回流量进行控制.用3种不同天气条件下的入水数据进行仿真实验,结果证明了该算法的有效性和鲁棒性.

基于细胞自动机的电梯群控系统建模及其面向对象实现

文章针对复杂的、具有时间和空间离散性和随机性的电梯群控系统,提出一种运用细胞自动机理论进行建模的新方法。由细胞自动机模型模拟电梯运动行为,派梯队列进行派梯控制,构造了基于细胞自动机的电梯群控系统模型。模型结构简单,运行效果良好。仿真程序采用面向对象的编程方法实现,提高了软件的重用性和模型的可扩展性。该建模方法具有一定通用性。

模糊粗糙集在污水处理过程中的应用

污水处理过程是个典型的多变量、非线性、具有强外部干扰的复杂工业过程。因此,如何进行污水处理工艺过程的故障诊断成为一个研究课题。本文结合基于模糊粗糙集的属性选择方法及支持向量机分类机理,提出一种新的故障诊断方法。首先使用基于粗糙集的属性选择(FRFS)对过程特征变量进行约简,去除数据中的噪声,并降低过程数据的维数,获得具有代表性的过程特征信息,同时充分利用SVM的良好推广性能,提高了预测分类精度。最后将改故障诊断方法应用于广州沥滘污水处理厂,仿真结果表明了该方法的优越性。

眼镜生产车间信息采集及评价系统

针对眼镜生产车间品质管理仍采用纸质作为信息传递的媒介,存在信息产生、传递方式耗时费力,准确性低,实时性差等问题,采用Android平板电脑为终端并利用Wi-Fi构建现场通信网络,开发C/S结构的眼镜生产车间信息采集及评价系统。结果表明,通过该系统在眼镜厂的运用,企业节省了大量人工成本,提高了生产效率和产品质量。基于Android的车间信息采集系统运行稳定、可靠,可帮助眼镜厂增加产品附加值,提高利润以及市场竞争力。

基于立体体系的运动控制系统课程教学改革探讨

以运动控制系统课程为例,提出了建立理论课程立体体系(基础课—专业基础课—主干专业课)和实验课程立体体系(理论课程—MATLAB仿真实验—实物实验课程—开放性实验)的课程教学改革新思路,帮助学生将分散的基础知识综合地应用到主干专业课程中,加深对基础知识的理解,提高主干专业课程的学习能力。该教学改革思路对其他综合性主干专业课提高教学质量也具有参考和借鉴价值。

特殊天气污水溶解氧浓度的自适应广义预测控制

污水处理过程具有非线性、时变、大滞后的特点,尤其在雨天暴雨等特殊天气下,污水的入水波动会对控制器造成严重干扰;文中提出一种基于模糊神经网络模型的自适应广义预测控制算法,实现对污水处理过程中溶解氧浓度的实时控制;该算法利用反馈线性化思想实现自适应广义预测控制器的设计,在证明其李雅普诺夫稳定的同时,得到修正系统的受控自回归积分滑动平均模型参数自适应规则,动态调整模型参数使系统跟踪误差达到最小;仿真实验结果表明,该算法能够稳定、快速地控制溶解氧浓度,具有较强的抗干扰能力和鲁棒性,该控制算法特别适合用于污水处理过程的特殊天气(如雨天和暴雨天)中。

MIS系统的数据库设计研究与应用

本文主要研究了管理信息系统 (MIS)的数据库设计概念和方法 ,并结合某电力企业MIS系统数据库建设实例 ,介绍一种具有实际应用性和通用性的设计方法。