基于Retinex先验引导的低光照图像快速增强方法

低光照图像增强旨在提高在低光照环境下所采集图像的视觉质量.然而,现有的低光照图像增强方法难以在计算效率与增强性能之间达到很好的平衡,为此,提出一种基于Retinex先验引导的低光照图像快速增强方法,将Retinex模型与Gamma校正相结合,快速输出具有对比度高、视觉效果好和低噪声的图像.为获取具有良好光照的图像以引导确定与输入图像尺寸大小一致的Gamma校正图,提出基于Retinex模型的先验图像生成方法.针对所提先验图像生成方法在极低光照区域中存在颜色失真的问题,提出一种基于融合的Gamma校正图估计方法,采用反正切变换恢复极低光照区域的颜色和对比度,以提升Gamma校正图在极低光照区域的增强性能.为抑制输出图像的噪声,考虑到完全平滑的Gamma校正图不会平滑细节纹理的特点,提出基于域变换递归滤波的Gamma校正图优化方法,降低输出图像噪声的同时保持颜色和对比度.实验结果表明,所提方法不仅在主客观图像质量评价上优于现有大多数主流算法,而且在计算效率上具有十分显著的优势.

基于半定量概率图模型的溯因分析方法

复杂工业系统的故障原因定位可协助操作人员快速调整设备运行参数,保障生产高效稳定地运行.铝电解过程机理复杂且外部因素干扰多,信息具有不确定性特征,难以建立精确的定量模型,而定性分析的准确度不高.为此,本文针对铝电解溯因过程的层次性、相关性、不确定性的特点,构建了一种基于半定量概率图模型的溯因分析框架,将定量和定性分析相结合,通过不确定理论对信息进行处理和描述,采用图形符号可视化知识变量间的因果关系,再基于概率图模型的推理方法实现不确定性条件下的溯因诊断,为实现铝电解异常槽况的原因分析与定位提供了理论支撑.

流形结构化半监督扩展字典学习的旋转设备故障诊断

针对有标签数据不足及传统故障诊断模型判别性差的问题,本文提出一种流形结构化半监督扩展字典学习(MS-SSEDL)的故障诊断方法.首先,为改善缺少有标签数据而导致模型的识别性能较差问题,在MS-SSEDL模型中提出无标签数据重构误差项,利用无标签数据学习置信度矩阵,从而学习得到扩展字典以增强字典学习的表示性.然后,为增强MS-SSEDL模型的判别性,通过保存数据的流形结构,学习数据中内在几何信息的稀疏表示,增强信号表示能力及字典判别性.最后,在数字图像、轴承故障及齿轮故障公共数据集的实验表明所提MS-SSEDL方法比其他先进方法的识别性能更优越.

基于动态注意力深度迁移网络的高炉铁水硅含量在线预测方法

铁水硅含量是反映高炉冶炼过程中热状态变化的灵敏指示剂,但无法实时在线检测,造成铁水质量调控盲目.为此,提出一种基于动态注意力深度迁移网络(Attention deep transfer network, ADTNet)的高炉铁水硅含量在线预测方法.首先,针对传统深度网络静态建模思路无法准确描述过程变量与铁水硅含量之间的关系,提出一种基于注意力机制模块的输入过程变量与输出硅含量之间的动态关系描述方法;其次,为降低硅含量预测模型训练时对标签数据的依赖,考虑到铁水温度与硅含量数据之间的正相关性,利用小时级硅含量标签数据微调基于分钟级铁水温度数据预训练好的深度模型的结构,进而提高基于动态注意力深度迁移网络的硅含量预测精度;同时,为增强预测网络的可解释性,实时给出了基于动态注意力机制模块计算的每个样本各过程变量对铁水硅含量的贡献度;最后,基于某钢铁厂2号高炉的工业实验,验证了该方法的准确性、有效性和先进性.

基于时序关联矩阵的高炉冶炼过程多重关联时延估计方法

高炉冶炼过程由炉料传输反应时间和冶炼单元在空间和时间分布上的差异带来的变量时延影响了数据的准确性和真实因果关系,因此有效地估计过程变量间的时延信息,并在时序上配准数据,是后续过程建模、优化控制与性能评估的核心.考虑到变量间时延的多重关联性,提出了一种基于时序关联矩阵的时延参数估计方法.首先,根据过程变量的时延参数在时空上重构对应的时序关联矩阵,并引入灰色关联分析量化时序矩阵的多重关联相关性;接着,考虑到穷举所有时序关联矩阵的时间复杂度,提出了一种双尺度协同搜索策略的动态多群粒子群算法用于快速寻找最优的时延参数,提出的粒子群算法能兼顾全局探索能力和局部探测能力并跳出局部最优解;最后,基于一个数值仿真和某钢铁厂2#高炉的工业实验验证了所提时延参数估计方法的可行性和有效性,且通过所提方法在时序上重构的数据能有效提高后续硅含量软测量模型性能.

FSNet:基于频率特性的烟雾图像分割网络

烟雾图像分割是对烟雾进行识别与精准定位的基础,是火灾预警的重要手段.针对烟雾分割时存在过分割、欠分割以及边界拟合粗糙的问题,本文提出一种基于频率分离特性的烟雾图像分割网络.所提出的频率分离模块将特征图中的烟雾区域分离为低频主体部分和高频边界部分,同时基于多任务学习设计多模块权重自适应损失函数对烟雾整体、主体、边界分别监督学习,起到细化烟雾边界和改善烟雾整体分割结果的作用;此外,结合可变形卷积提出改进的空洞空间金字塔池化模块以解决其信息利用率低和特征关联性差的问题.在对比实验中,FSNet的烟雾交并比为76.55%,比基线网络提高了4.25%.可视化分割结果可以看出,FSNet能有效缓解过分割、欠分割,所得烟雾边界更平滑,烟雾图像分割的整体性能获得较大提升.

基于特征层密集连接与注意力机制的宽度学习系统及其在锌浮选过程的应用

本文针对宽度学习存在计算消耗资源大、计算过程冗余数据较多等问题,提出了一种基于特征层密集连接与注意力机制的宽度学习系统(DCA-BLS),并利用其建立锌浮选过程快粗槽底流品位在线预测模型.首先将宽度学习系统的特征层不同窗口进行密集连接,引入弹性网络进行稀疏化处理,利用注意力机制处理特征节点,获得不同特征节点的权值,再将加权后的特征节点与输入的数据相结合,共同作为增强层节点的输入,使模型更为紧凑.在公共数据集和锌泡沫浮选数据上将DCA-BLS与其他预测算法进行了对比实验,实验结果表明,本文提出的方法训练时间短,且相较于其他所比较方法具有更高的准确率.

基于故障传播与因果关系的故障溯源方法及其在牵引传动控制系统中的应用

针对故障溯源问题,提出一种基于故障传播与因果关系的故障溯源方法.该方法首先建立体现时空特性的系统故障传播模型;其次利用Granger因果关系技术判定不同观测点信号间的因果关系,确定适合提取信号故障特征用于故障诊断的观测点;然后提取系统运行时这些观测点故障特征和故障传播时间;最后同故障传播模型中对应观测点的时空特性相匹配,从而确定故障类型与位置,实现故障溯源.所提方法在高速列车牵引传动控制系统半实物仿真平台上进行了实验验证,结果表明该方法可行有效.

流程工业知识自动化及其在铝电解生产中的应用

流程工业中存在大量的知识型工作,其中包括企业管理、车间调度和设备运行等,它是需要相关人员对知识的利用和创造才能完成的工作.流程工业知识自动化通过知识发现技术获得相关的领域知识,并采用知识推理方法进行自动推理,从而能够自主决策,最终实现流程工业的智慧化、绿色化以及高效化生产.论文综述了国内外有关流程工业在知识发现、自动推理以及自主决策等知识自动化相关的研究现状,以及基于知识的自动化应用技术以及相关的工业软件,并对这些方法以及已开发的软件存在的问题进行了分析.通过铝电解槽况辨识以及异常槽况的溯因分析详细阐述了流程工业知识自动化在铝电解行业的一些研究工作.

以结构和功能为主线的解剖生理学翻转课堂教学研究

解剖生理学课程是生物、医学学生必修的基础课。该学科知识点多、内容相对分散,枯燥难记。本文结合翻转课堂教学改革,对该课程进行了整合,将课程内容分成总论、以器官系统为主线的基础知识和以问题为导向的专题三个部分。课堂讲授限制在各部分的基础知识,而其余各章节以器官系统分组由学生负责学习、讨论,教师的角色由传统的主讲变成课前导演、课堂演员,增加了学生课前和课堂参与程度,提高了课堂的教学效果。

互联网背景下加强研究生思想政治教育工作的探索研究

在互联网背景下,为了更好地加强研究生的思想政治教育,文章基于高校研究生教育的特殊性,利用多种教学载体,从研究生职业生涯规划、课堂思政教学、学术科研教育、思想组织管理等方面进行讨论,对研究生进行全方位思想政治教育,为构建高校研究生思想政治教育体系提出有益建议。

应用驱动的生物信息学专业英语教学体系

生物信息学是较新的交叉学科,大部分文献资料都是英文的,对学生的专业英语能力要求较高,仅靠开几门课远远不够。应用驱动的生物信息学专业英语教学体系在大学英语和专业英语课程的基础上,以应用为驱动和引导,以网络资源查询、专业软件使用及专业文献资料的阅读及写作为核心内容,使学生在课程设计、综合实验及科研等实践过程中提高专业英语水平,收到了良好的效果。

基于自适应滑窗递归稀疏主成分分析的工业过程故障监测

本文提出一种自适应滑窗递归稀疏主成分分析方法,用于时变工业过程的在线故障监测.首先,通过滑窗提取正常过程数据空间的特征信息,并对当前窗口数据块矩阵进行稀疏主成分分析,构建稀疏主成分分析故障监测模型;然后,根据相邻窗口的相似度实时调整遗忘因子以自适应更新滑窗大小,使得所建立的稀疏主成分故障监测模型可以有效追踪复杂的时变过程;最后,通过递归更新滑窗稀疏载荷矩阵来动态更新故障监测模型.非线性数值仿真系统与田纳西-伊斯曼过程的故障监测结果表明,所提方法可以有效提高故障检测的准确率,适应于长流程时变工业过程在线故障监测.

基于复原图像特征与深度视觉特征融合的锑粗选异常工况识别

本文针对锑粗选异常工况下泡沫层高度改变,导致位置固定的工业相机采集到的泡沫图像存在离焦模糊的问题,提出了一种基于泡沫复原图像特征和深度视觉特征融合的锑粗选异常工况识别方法.该方法首先通过分析不同工况下模糊泡沫图像的特点,采用基于L0和L2正则项的模糊核估计方法提取了模糊核零范数特征,再利用L–R算法提取了灰度平均梯度差特征.其次,为了往更深层次挖掘异常工况下模糊泡沫图像的特征信息,本文采用迁移学习方法,基于InceptionResNetV1深度神经网络,利用大量泡沫图像数据对深度神经网络进行微调,进而提取泡沫图像的深度视觉特征.最后,基于XGBoost机器学习算法,先对高维视觉特征进行降维,再融合复原图像特征与深度视觉特征,对不同工况下的泡沫图像进行分类识别.锑粗选实验结果表明,该方法能够有效降低样本错分率,提高锑粗选异常工况识别率.

大型高炉铁水硅含量变化趋势的智能预报

针对铁水硅含量趋势的研究仅局限于利用前后历史数据的差值来量化下一炉次趋势的变化,无法量化未来一段时间内铁水硅含量的变化趋势,且对铁水硅含量变化趋势划分不完全的问题,通过在对现场数据预处理的基础上,结合现场操作制度、专家经验和变量的滞后时间确定趋势变化周期,采用回归拟合确定硅含量趋势的变化信息,利用复合差分进化算法来优化随机权神经网络的参数,建立高炉铁水硅含量变化趋势智能预报模型,实现大型高炉铁水硅含量变化趋势的五分类预报,现场数据验证了所建模型的有效性和可行性,为高炉操作者提前判断炉况变化趋势以及调控方向与幅度提供了可靠的参考依据。

基于障碍物可达区域预测的机器人实时避障算法

针对复杂环境下的机器人路径规划与自主避障问题,提出了基于动态障碍物可达区域预测的实时避障算法.对静态障碍物进行描述和建模,建立动态障碍物状态更新预测方程,实现对动态障碍物质心可达区域的预测.分别面向动态、静态障碍物提出基于可达区域预测的多步椭圆包络势场和基于新型Sigmoid函数的势场,修正目标的对数Lyapunov引力场,给出多类型障碍物空间下的机器人实时避障算法.数值仿真和实验结果表明,与传统方法相比实时避障算法可使机器人避障过程中的路径长度更短、安全性更高及最大行驶角变化幅值更小.

基于能耗最优的管式降膜蒸发器液位控制方法

在氧化铝生产的蒸发过程中,液位作为一个重要状态指标影响着生产的安全性及蒸发效率。蒸发过程中的非线性因素和时滞因素增加了对液位控制的难度,传统的控制方法难以实现蒸发过程液位的精确调控,尤其是忽略了从能耗角度对液位实施控制。今对管式降膜蒸发器蒸发过程建立动态非线性时滞模型,提出了一种基于能耗最优的液位控制方法(LLCOEC),结合有效能以及汽水比对液位进行控制。将复杂的非线性时滞控制问题转化为一系列非线性规划问题,通过求解每一步长时间内出料流量的最优增量,从而确定整个调控时间内的控制量。通过仿真实验对比该方法与离散时间模型预测控制(DMPC),结果验证所提出的控制方法能更快速、准确地控制液位达到设定值,并同时提高蒸发过程中的有效能利用率、降低汽水比,为蒸发过程中的液位控制提供指导。

饲粮中不同水平单宁对绵羊氮代谢及生长性能的影响

试验研究来源于柠条的不同水平的单宁对绵羊氮代谢及生长性能的影响。选择体况良好、体重40 kg左右杜蒙杂交羯羊15只,随机分为3组,每组5只羊,分别为试验Ⅰ组(对照组,饲粮中单宁含量为0%)、试验Ⅱ组(饲粮中单宁含量为2%)、试验Ⅲ组(饲粮中单宁含量为4%)。试验预饲期15 d,正式试验期60 d。结果表明:饲粮中含有4%单宁显著提高绵羊0~15 d日增重(P<0.05),而3组间肌酐含量无显著差异(P>0.05);饲粮中含有4%的单宁显著提高绵羊沉积氮和氮存留率(P<0.05);饲粮中单宁含量为2%和4%可显著提高绵羊体内可消化氮利用率(P<0.05),显著降低绵羊尿液中尿素氮含量和甲烷排放量(P<0.05),而对绵羊能量代谢并无显著影响(P>0.05)。研究表明,饲粮中含有2%和4%单宁能提高绵羊氮代谢。

基于WCGAN的矿物浮选泡沫图像光照不变颜色提取

浮选泡沫表面颜色是选矿生产指标(精矿品位)最为快速便捷的直接指示器.然而,泡沫图像信号因受多种可变光照的交叉干扰而不可避免存在严重色偏,导致浮选指标难以准确评估.本文将传统的基于光照估计的图像颜色恒常问题转换为一种结构保持的图到图颜色(风格)转移问题,提出一种基于Wasserstein距离的循环生成对抗网络(Wasserstein distance-based cycle generative adversarial network,WCGAN)用于泡沫图像光照不变颜色特征在线监测.在标准颜色恒常数据集和实际的工业铝土矿浮选过程进行实验验证,结果表明,WCGAN能有效实现各种未知光照条件下(色偏)图像到基准光照条件下的颜色转换,转换速度快且具有模型在线更新功能.与传统的基于生成对抗学习的颜色转换模型相比,WCGAN能更好地保持泡沫图像的轮廓和表面纹理等结构信息,为基于机器视觉的矿物浮选过程生产指标的在线监测提供了有效的客观评价信息.

类产碱假单胞菌XW-40发酵-生物转化级联产生D-脯氨酸

建立了一个新颖的用于产生D-脯氨酸的发酵-生物转化过程.发酵过程中,以DL-脯氨酸为发酵前体,类产碱假单胞菌XW-40利用L-对映体诱导产生脯氨酸脱氢酶,D-对映体完全保留.在最优条件下,发酵阶段产生6 g/L D-脯氨酸.生物转化过程中,细胞不经分离,发酵液直接作为反应介质.采用分批补料策略实现DL-脯氨酸中L-对映体的转化.DL-脯氨酸单批补料浓度为10 g/L,补料次数达到5批.通过发酵和生物转化的级联,累积的D-脯氨酸浓度达到31 g/L,ee>99%.推测了生物转化过程中D-脯氨酸产生的反应机理.