基于PSO-SVM的煤矿瓦斯爆炸灾害风险模式识别

为了提高煤矿瓦斯爆炸灾害风险识别能力,提出通过典型样本和模式识别(PR)模型构建识别库进行风险识别的方法。在以径向基函数(RBF)为核函数的支持向量机(SVM)模型基础上,应用粒子群优化算法(PSO)优化模型参数,建立瓦斯爆炸灾害风险识别的PSO-SVM模型;构建风险识别指标体系,确定风险模式类别,并以指标风险类别分界点为基础,提出新的数据规范方法;用典型样本训练和测试PSO-SVM模型,样本识别率为100%,表明以典型样本和PSO-SVM模型构建的识别库对瓦斯爆炸灾害风险有较强的识别能力,同时指出典型样本库应不断补充完善以增强其适应能力。

不同产地麦冬^1H—NMR模式识别研究

目的建立一种基于氢核磁共振-模式识别的不同产地麦冬鉴别新方法。方法以1H-NMR技术测定样品的全成分信息,并转化成数据矩阵,采用模式识别法中的主成分分析(PCA)、偏最小二乘法-判别分析(PLS-DA)以及聚类分析(HCA)进行识别分析。结果氢核磁共振-模式识别法能有效地鉴别不同产地的麦冬样本。结论氢核磁共振-模式识别法是一种有效的药材分类鉴别方法,可作为药材质量控制的手段之一。

采用模式识别技术检测感应电机转子断条的方法

本文介绍了一种用来对一个系统进行跟踪和诊断的模式识别（PR）法。首先，从系统的电流和电压的测量值进行推导（无需测量其他参数），得出一些特性，利用这些特性建立模式向量，将模式向量看成是系统的特征。其次，为了能够选择最恰当的特性来定义代表空间，本文采用了特性选择法。判定阶段依据“knearestneighbors”（knn）法则，该法则是利用轨迹对系统进行演变跟踪，这样不仅能够诊断训练集中定义的工况，还可以诊断中间工况。为了扩充最初的数据库，还考虑了新的运行方式的出现，这样就提高了诊断能力。为了探测任何负载等级下的断条情况，该方法在一台5．5kW的笼型异步电动机上进行了试验，试验结果证明了利用PR法对电机进行监测的有效性。