基于卷积神经网络与可视图像的类滑动放电模式识别

为了提高机器学习算法对类滑动放电模式识别的准确率,提出了一种基于卷积神经网络(convolutional neuralnetworks,CNN)与可视图像识别电晕放电、弥散放电和类滑动放电等模式的方法。通过选取气体体积流量0~16 L/min、电极间隙2~10 mm、脉冲频率0.5~3 kHz等不同条件下的类滑动放电图像构建图像库,搭建CNN模型并优化影响CNN识别性能的超参数,包括网络层数、全连接层(full connected layer,FC)神经元数、卷积核尺寸以及激活函数类型,最后比较了CNN与决策树(decision tree,DT)算法和随机森林(random decision forests,RF)算法的识别效果。结果表明,CNN识别准确率为100%,高于传统机器学习方法。此外,本文还给出了放电模式及条件参数,通过基于反向传播神经网络(back propagation neural networks,BPNN)的聚类分析算法识别弥散放电和类滑动放电,并且准确率为100%。

基于希尔伯特滤波的可擦笔油墨光谱模式识别

文件的真实性是当前诉讼审查阶段的重要工作,可擦笔在司法案件中常被用来进行伪造文书、合同等犯罪行为。针对其油墨成分、笔迹修改等方面的辨识是文件检验领域的重点研究。特殊热感变色颜料是可擦笔油墨的主要成分,其变色原理是随着温度变化会产生笔迹的消失与复现,在65℃以上颜色褪去,在-18℃以下颜色复现。对其进行种属认定可以对案件证据的真实性进行鉴别,为案件诉讼过程提供支持。高光谱的超高光谱分辨率对高分子材料具有较好的特征选择性,能够有效的对常见油墨成分进行数据采集。该实验收集22个品牌共45份可擦笔油墨样本,可以分为碳化钨笔珠、子弹头笔珠、全针管、半针管四种类型,统一采集450~950 nm波段的高光谱信息。关于光谱数据背景噪声冗余的问题,选用主成分分析法(PCA)对数据进行降维处理,提取特征变量。基于降维后的数据选用不同类型的希尔伯特变换(HT)进行信号滤波,进一步选择有效信号,提升建模效果。样本识别上选用多层感知器(MLP)和径向基函数神经网络(radial basis function neural network,RBFNN)两种人工神经网络模型,基于23维主成分提取的特征变量类建模准确率分别为81%,84%,通过希尔伯特高通滤波处理后可以将分类准确率提升至88.9%,92%,能够有效提升识别准确率。为进一步区分不同样本的种类,选择Fisher判别分析方法进行建模,各样本原始数据在FDA模型中识别准确率为44%,经最优PCA-HT处理的FDA建模准确率为93.3%,能够区分出不同的可擦笔油墨类型。结果表明,PCA能够在保留光谱有效信息的基础上进行降维,提升模型精度并且缩短运行时间,相较于原始光谱数据建模效果较好,通过希尔伯特变换后的光谱数据能够进一步完善有效光谱信息,使得建模准确率进一步提升。该实验确定PCA-HT-FDA模型为最佳可擦笔油墨高光谱识别模型,能够为司法鉴定人员提供一定参考。

清肝润肺止咳露高效液相色谱特征图谱、含量测定及化学模式识别的研究

目的建立清肝润肺止咳露高效液相色谱(HPLC)特征图谱,测定其中吗啡、可待因、罂粟碱、那可丁的含量,并结合化学模式识别方法,综合评价该制剂的质量。方法采用HPLC法,以甲醇-5μmoL·L^(-1)庚烷硫酸钠溶液(用磷酸调节pH至2.6)为流动相进行梯度洗脱,流速:1.0 mL·min^(-1),柱温:20℃,检测波长:220 nm,进样量:10μL。利用指纹图谱相似度评价软件,结合聚类分析(CA)、主成分分析(PCA)和偏最小二乘法判别分析(PLS-DA)对10批清肝润肺止咳露的特征图谱进行评价。结果10批清肝润肺止咳露特征图谱共确定16个共有峰,指认了5个共有峰,分别为吗啡、可待因、蒂巴因、罂粟碱、那可丁。其中4个成分在线性范围内(吗啡0.70~8.70μg、可待因0.68~8.50μg、罂粟碱0.60~7.55μg、那可丁0.38~4.80μg)均有良好的线性关系(r≥0.9997);精密度、稳定性、重复性试验的RSD均小于3.0%;平均加样回收率在97.93%~99.43%之间(RSD<3.1%);含量测定结果:吗啡43.58~76.47μg·mL^(-1),可待因16.64~78.92μg·mL^(-1),罂粟碱29.93~41.22μg·mL^(-1),那可丁14.44~33.22μg·mL^(-1)。通过CA、PCA和PLS-DA分析,可将10批清肝润肺止咳露分为2类(S3、S4、S8、S10聚为一类,其余聚为一类),并筛选出峰2、峰4、峰13、峰11(吗啡)、峰1、峰10、峰8、峰12、峰16(那可丁)9个差异性成分。结论该研究建立的HPLC特征图谱及含量测定方法简单、准确,结合化学模式识别法,可用于清肝润肺止咳露的质量控制。

基于HPLC指纹图谱结合化学模式识别对葡萄醋的质量评价

目的建立葡萄醋中有机酸成分的高效液相(High performance liquid phase,HPLC)指纹图谱,并结合化学模式识别对葡萄醋质量进行评价及为临床应用提供参考。方法采用HPLC法,以甲醇(A)∶0.5%磷酸水溶液(D)=1∶99洗脱,建立葡萄醋指纹图谱,同时测定琥珀酸的含量;采用相似度评价、聚类分析(Cluster analysis,CA)、主成分分析(Principal component analysis,PCA)和偏最小二乘-判别分析(Partial least squares discriminant analysis,PLS-DA)等化学模式识别对差异性特征成分进行筛选。结果15批葡萄醋样品的指纹图谱共有峰有11个,通过与混合对照品色谱峰进行比对,指认出6个共有峰,分别是酒石酸(1号峰),苹果酸(2号峰),琥珀酸(3号峰),富马酸(4号峰),绿原酸(9号峰),乙酸(11号峰);CA结果表明15批葡萄醋样品中各个化合物之间含量差异较大,即使是同一生产企业生产的不同批次葡萄醋其含量差异也较大;PCA结果显示葡萄醋共有峰含量差异的主要成分并非单一成分,而是前4种主成分共同的影响;PLS-DA结果表明筛选出的7、3、9、4号峰可作为鉴别和区分葡萄醋质量差异的标志物,其中包括共有峰3号峰(琥珀酸)、4号峰(富马酸)。结论采用指纹图谱结合化学模式识别技术可快速、有效地筛选出葡萄醋的差异性特征成分,为葡萄醋质量评价及临床应用提供参考。

基于近红外光谱技术有监督模式识别的青皮产地溯源分析

利用便携式近红外光谱仪采集不同产地(安徽、广东、四川)青皮外壁和内囊光谱数据,采用单一预处理和组合预处理方法消除光谱中的多种干扰,结合主成分分析(PCA)、簇类独立软模式分类法(SIMCA)及Fisher线性判别分析(FLDA)等模式识别方法建立青皮产地溯源模型。结果表明,光谱预处理可以在一定程度上消除基线漂移、背景噪声和谱峰重叠干扰,但无法实现产地溯源。3种模式识别方法中,PCA无法实现青皮产地溯源;青皮外壁和内囊原始光谱的SIMCA模型获得的青皮产地溯源整体鉴别率分别为99.14%和98.28%;FLDA模型获得的整体鉴别率均为99.57%,优于SIMCA模型;经光谱预处理优化后的SIMCA和FLDA模型对青皮产地溯源的鉴别率均可达100%,即便携式近红外光谱技术结合有监督模式识别方法可实现青皮产地溯源的无损分析,可为食药同源物质产地溯源拓展新途径。

基于PSO-SVM的Φ-OTDR系统模式识别研究

针对相位敏感光时域反射仪(phase sensitive optical time domain reflectometer,Φ-OTDR)系统中误报率高的问题,提出一种多域特征提取与粒子群算法优化支持向量机(particle swarm optimization-support vector machine,PSO-SVM)相结合的模式识别算法。首先,对原始信号进行差分处理后提取时域特征,并利用小波包分解方法,通过验证不同分解层数下的事件分类准确率,设定最优分解层数为6层,提取差分信号的能量特征。然后以SVM分类器为基础,利用PSO算法优化SVM分类器参数,提高光纤振动信号识别准确率。最后利用Φ-OTDR事件数据集进行验证,实验结果表明,该模式识别算法达到了95.6%的振动事件分类准确率。

不同产地巴戟天HPLC指纹图谱及化学模式识别研究

目的:利用HPLC指纹图谱及化学模式识别对巴戟天药材进行评价。方法:采用Shodex Asahipak NH2P-504E色谱柱(4.6 mm×250 mm,5μm),以乙腈-水为流动相梯度洗脱,使用蒸发光散射检测器(ELSD)。利用相似度评价、聚类分析和主成分分析等化学模式识别方法,对不同产地的巴戟天药材进行分析。结果:所建立的HPLC指纹图谱共识别了18个共有峰,经与对照品图谱比较,鉴定其中的4个共有峰分别为果糖、蔗糖、蔗果三糖和耐斯糖。6个产地巴戟天的相似度在0.861~0.995;经聚类分析和主成分分析,6个产地巴戟天共聚为3类。结论:本研究采用的巴戟天HPLC指纹图谱及化学模式识别技术可反映出不同产地的巴戟天样品的差异,可为巴戟天的质量控制提供参考。

模式识别在贺兰山人面像岩画研究中的应用

贺兰山地处古代丝绸之路北道,是东西文明交流的关键节点。利用模式识别等数字技术,以贺兰山的人面像岩画为研究对象,构建贺兰山人面像岩画数据集并训练图像识别模型,成功实现了对人面像岩画的数字化识别,初步展示了模式识别等数字技术在岩画研究方面的潜力。研究结果显示多数人面像岩画能够在短时间内被准确识别,可以有效降低个体视觉和经验判断的误差,可以辅助科研人员进行人面像岩画识别,这在岩画研究中具有一定的实用价值,也为深入挖掘岩画文化信息提供了新路径。

基于特征模式识别的农田监控系统研究

针对农田监控系统中存在的识别准确度不高、数据处理效率低等问题,提出了一种基于特征模式识别的农田监控系统。对农田监控系统的功能进行了设计,包括系统整体架构设计、数据采集与传输模块设计、特征提取与模式识别算法设计,结合用户界面设计实验与结果分析,验证了所提出系统的有效性和性能优势。对农田监控系统在实际农业生产中的应用前景进行了展望,并提出了未来改进方向和研究趋势。

模式识别课程全英文教学

从课程内容优化、教学方式、实践教学设计等方面探索模式识别课程全英文教学的建设方案。教学实践表明,在图像等数据处理智能感知领域,学生的专业英语理解和表达能力得以提升,工程实践能力得到培养和强化,国际视野得以拓宽。

基于特征图谱及化学模式识别的当归补血汤质量评价研究

目的:建立当归补血汤超高效液相色谱-串联四极杆飞行时间质谱(UPLC-Q-TOF-MS)的特征图谱,综合评价其质量。方法:采用Waters Acquity UPLC BEH C18柱(100 mm×2.1 mm,1.7μm),以0.1%甲酸水(A)-乙腈(B)溶液为流动相,梯度洗脱,流速为0.3 mL/min,进样量2μL;使用电离子喷雾源(ESI),负离子模式扫描。并以指纹图谱相似度评价软件结合聚类分析(HCA)、主成分分析(PCA)和偏最小二乘判别分析(PLS-DA)对11批当归补血汤进行评价。结果:通过对照品比对及软件预测,从当归补血汤中鉴别出24种成分。图谱标定出41个共有峰,指认出6个色谱峰,分别为毛蕊异黄酮葡萄糖苷、阿魏酸、芒柄花苷、毛蕊异黄酮、黄芪甲苷、芒柄花素。HCA、PCA和PLS-DA3种方法均将11批样品分为3类,对黄芪统货、选货和精品饮片进行了明显区分,说明当归补血汤的特征图谱与原药材的质量和等级具有强相关性。结论:构建的高分辨质谱的特征图谱结合化学模式识别方法快速高效全面,适用于当归补血汤整体质量的评价,同时也为中药复方质量标准建立与全程质量控制提供了重要支撑。

飞蛾藤属植物成分分析及其化学模式识别研究

目的对飞蛾藤属植物化学成分进行分析,并作化学模式识别。方法UPLC-Q-ExactiveFocus-MS/MS分析采用ThermoAccucoreaQC_(18)色谱柱(150mm×2.1mm,2.6μm);流动相甲醇-水(含0.1%甲酸),梯度洗脱;体积流量0.3mL/min;柱温30℃;加热电喷雾离子源;正负离子扫描。采用聚类分析、主成分分析及正交偏最小二乘判别分析研究成分差异。结果共鉴定出124种成分,包括有机酸及其酯类50种、苯丙素类19种、黄酮类16种、酰胺类3种、糖苷类16种、生物碱类3种和其他类17种,并筛选得到35种差异性成分。结论本研究快速、全面地分析了飞蛾藤属植物化学成分,可为其质量控制提供依据。

基于时序拓扑数据分析的电力电缆局部放电模式识别

在电力电缆局部放电(PD)模式识别时,相位图谱以及统计特征往往因区分度不足而影响识别精度。为此,提出了一种基于时序拓扑数据分析(TDA)的局放特征提取和识别方法。首先,提出一种符号熵和粒子群优化(PSO)相结合的重构参数选择方法,将预处理后的局放时域信号进行相空间重构,并生成三维局放数据点云;然后,基于TDA方法提取持续同调特征,据此生成持续散点图及持续条形码,计算并可视化表达为贝蒂曲线;最后,将贝蒂曲线输入1D-CNN模型,对4种典型局放缺陷模式进行识别并开展对比实验。实验结果表明,该方法对相空间重构时延参数的选取更加准确,且TDA特征具备良好的区分度,相比其他以相位图谱及统计特征为输入的模型,该方法整体识别准确率最高可提升15.34%,达到98.55%。

基于天气状态模式识别的SSA-BP神经网络光伏电厂功率及碳减排量预测

文章提出了一种基于天气状态模式识别并结合SSA-BP(Sparrow Search Algorithm-Back Propagation)预测光伏出力的方法。首先,在分析辐照度、温度、风速等参数变化规律基础上,基于高斯混合模型,针对专业天气类型开展分类,获得类晴、类雨和类阴3种典型的广义天气;然后,将数据作为SSA-BP神经网络输入,对光伏电厂出力分类进行预测;最后,结合碳核算方法学对光伏发电项目碳减排量进行核算。结果表明:利用分类识别和改进的SSA-BP神经网络,在3种天气类型预测中平均相对误差分别为0.195,0.243,0.310;SSA-BP与其他模型相比,平均相对误差降低了17.8%~66.7%。此外,预测CO_(2)减排量与实际核算值相对误差为3.37%,亦表现出良好预测效果。

基于指标成分及指纹图谱多模式识别的不同品种红花质量评价

目的:测定不同品种红花指标成分、建立指纹图谱,并结合化学识别模式法对其进行质量评价,建立不同品种红花质量比较方法。方法:采用高效液相色谱法(HPLC)测定32批不同品种红花的羟基红花黄色素A(HSYA)和山柰酚含量;利用“中药色谱指纹图谱相似度评价系统”(2012版)对32批红花样品进行相似度评价,并采用Origin 2022软件对其进行聚类分析,采用SIMCA 14.1软件进行主成分分析。结果:32批红花样品除3批未检出外,其余29批的HSYA质量分数为0.4%~2.5%,32批红花样品中山柰酚的质量分数为0.004%~1.060%;其HPLC指纹图谱共确定16个共有峰,指认了色氨酸、HSYA和6-羟基山柰酚-3-O-β-D-葡萄糖苷等5个成分,相似度为0.510~0.936,不同品种的红花质量差异显著。结论:通过HPLC含量测定、指纹图谱建立及多模式识别法,可实现不同品种红花的质量差异分析比较,研究结果提供了不同红花品种潜在的育种方向,对红花育种工作具有重要的参考价值。

基于熵值图的多功能雷达工作模式识别

针对多功能雷达工作模式多样且信号波形复杂多变,导致常规工作模式识别方法性能不佳的问题,提出基于小波变换的多功能雷达工作状态切换点检测方法,将雷达脉冲序列进行分割,得到单一工作模式脉冲序列样本。其次,基于近似熵、样本熵、模糊熵和排列熵设计了新的熵值图特征,并结合卷积深度神经网络模型,实现了多功能雷达工作模式的智能识别。仿真结果表明,该算法在虚假脉冲率或漏脉冲率为25%时,切换点检测正确率达85%;工作模式识别正确率在虚假脉冲率、漏脉冲率为20%和参数误差为8%时,识别正确率均在83%以上,识别性能皆优于两种对比文献方法,验证了该算法的有效性和优越性。

基于HPLC指纹图谱结合化学模式识别以及多指标成分定量评价前胡药材质量

基于HPLC指纹图谱和多指标成分含量测定,并结合化学模式识别,评价不同产地前胡药材质量。采用Agilent SB-C_(18)(4.6 mm×250 mm,5μm)色谱柱,以甲醇-0.5%甲酸水为流动相进行梯度洗脱,流速为0.5 mL/min,检测波长321 nm,建立指纹图谱并对4个香豆素类成分进行定量,采用聚类分析(hierarchical clustering analysis,HCA)、主成分分析(principal component analysis,PCA)、偏最小二乘法-判别分析(partial least squares discriminant analysis,PLS-DA)对不同产地前胡药材进行质量评价。结果显示16批前胡药材HPLC指纹图谱相似度为0.966~0.999,确定了21个共有峰,共指认了9个成分。通过化学模式识别分析,将16批样品聚类为三类:以安徽宁国、亳州等为主的道地产区前胡,以湖南、贵州、重庆等为主的前胡,以及高海拔云南产区的前胡,并确立8个差异性质量标志物。多指标含量测定不同产地前胡的佛手柑内酯、白花前胡甲素、白花前胡乙素、白花前胡素E含量分别为0.0167~0.1319 mg/g、6.0696~16.2255 mg/g、0.4265~2.0100 mg/g、1.3407~3.1155 mg/g。本研究所建立的指纹图谱和含量测定方法专属性强,稳定性高,分离度良好,结合化学模式可用于前胡药材的质量评价。

单向阀微弱内泄漏故障征提取与模式识别研究

单向阀被广泛应用于工程机械、农业机械、军事车辆液压系统中,泄漏是单向阀的常见故障。本文提出了一种基于时频分解的多源多域、多尺度特征提取与机器学习的单向阀微弱内泄漏故障诊断方法。对4类微弱内泄漏故障的振动信号和压力信号进行经验模态分解;采用时域、频域以及时频域的奇异值、波形因子、熵值等方法进行特征提取并构造故障特征向量;基于粒子群-支持向量机进行单向阀内泄漏故障模式识别。实验结果表明该方法能有效地检测单向阀内泄漏,模式识别准确率达到90%以上。本文为单向阀内泄漏量预测研究奠定了基础,具有较好的工程应用前景。

基于重构误差和极端模式识别的综合能源系统短期负荷预测

综合能源系统的运行场景存在极端模式,且含有异常数据,亟剧增加了综合能源负荷预测的难度。该文提出基于极端模式识别和误差重构的综合能源系统极端模式短期负荷预测方法,通过极端模式的识别,异常数据的检测,提高综合能源负荷预测的精度。首先,基于最小累积距离的综合能源负荷数据聚类,识别系统的极端模式;然后,利用深度学习模型的残差和聚类误差进行误差重构,检测异常数据;最后,采用改进的Stacking集成学习方法,进行极端模式的综合能源负荷预测。将所提方法应用于典型的综合能源系统,并与已有方法比较,实验结果表明,所提方法能够很好地解决极端模式的综合能源系统短期负荷预测问题。

基于多分类支持向量机的变压器在线监测数据错误模式识别

针对变压器在线油中溶解气体在线监测数据质量问题,统计了200多台监测装置的2020全年数据,总结了3种主要数据错误模式;提出了数据错误模式识别策略和特征参数,构建了多分类支持向量机进行错误数据识别与分类;并利用核主成分分析法和排列组合遍历寻优法对特征向量进行了降维优化。所构建的多分类支持向量机分类器对于H_(2)错误数据识别准确率达到97.5%,对于其他气体达到90%以上。应用所构建的分类器对2020全年数据进行了统计,其中H2的错误数据达到27.14%,C_(2)H_(2)的错误数据达到1.75%。