底线思维与科技审度:高风险社会治理的要义与进路

当前AI大爆发及其应对乏力表明,西方科技发展模式的缺陷与人类社会的脆弱及学界研究的薄弱,更加凸显人类风险防控机制存在诸多漏洞及其引发的科技危机与人类安全危机,已把人类带入高风险社会。用底线思维与刘大椿提出的科技审度予以破解:底线思维解决非共识下的议而不决;科技审度和审度思维所特有的执两用中、包容互补、多元开放、整合升级、共识决策等,可提供有效的治理对策。科技转型是治理科技风险的根本解决之道,科技审度可发挥重要的启发与引导作用,以构建真善美的新型科技发展模式,加快世界科学中心建设,据此总结出高风险社会治理的要义与进路,以作为科技风险治理的研究指南。

基于D-S证据理论高速列车横向失稳故障判别研究

为解决高速列车发生横向失稳故障时,转向架的运行情况难以被单一传感器测量得到全面信息以及准确地反应等问题,提出利用多个加速度传感器组成多信息源网络系统,建立基于多信息源的高速列车横向失稳故障决策融合诊断系统。由于高速列车发生横向失稳故障存在复杂的轮轨耦合关系,导致列车横向失稳故障状态诊断难度大,基于此提出D-S证据理论方法融合系统中各个传感器中测量数据信息并应用于高速列车横向失稳故障状态判别。结果表明:基于D-S证据理论方法与任何单一传感器诊断结果相比,识别效果更好,对正常状态、小幅蛇行以及大幅蛇行故障状态的识别率分别达92.3%、82.89%、88.67%,证明该方法有效。

基于图像处理的列车车号识别系统

铁路货车车号在铁路信息化管理中用于快速准确地判断车辆位置和使用情况等重要信息。传统的车号判别方式主要依靠人力手动抄写记录和运用射频技术进行判别,容易出现对车号判别错误的情况,同时也耗费了大量的人力、物力。车号判别出错将直接影响到列车运行调度指挥和货车实时追踪管理,降低铁路列车运转效率。针对以上问题,设计了基于图像处理的车号识别系统,用于采集车号信息数据,构建实验数据集。首先,使用MobileNet压缩训练模型并提取列车车号特征;其次,采用YOLOv2算法在图像中进行目标检测;最后,采用PID算法控制二自由度云台搭载视觉识别系统追踪列车车号所在位置,并将识别到的列车车号上传至PC上位机。对列车车号识别系统的设计,期望为后续升级改造打下基础。

基于广义梯形模糊数的基本概率指派方法

证据理论在解决不确定性问题时有着独特的优势,但是如何构造合理的BPA是制约其应用推广的首要问题。基于广义梯形模糊数的表示模型,提出了一种基本概率指派方法。首先,利用已知数据的最值与三等分均值来构造单元素命题的梯形模糊数表示模型;然后用单元素命题的梯形模糊数的叠合部分来表示多子集命题的广义梯形模糊数;最后,根据此模型计算出的隶属度进行基本概率指派。实验结果表明,所提方法简洁有效,并且能够很好解决焦元增加问题。

基于机器视觉的高线厂PF链C型钩钩号识别系统

当前,由于钢卷信息与钩号信息无法匹配,多数高线厂对于物料只能跟踪到PF链前,导致PF链后信息形成信息孤岛。设计了一个基于机器视觉的高线厂PF链C型钩钩号识别系统,实现识别C型钩钩号的功能,协助产线进行PF链物料跟踪,对于高线厂的自动化建设具有重要意义。采用机器视觉的方式,将采集到的图像信息使用OpenCV进行处理,再采用Tesseract进行文字识别。同时提供更新Tesseract训练库功能,可以在使用过程中提高识别准确率。使用3DMax制作模型视频进行试验,识别准确率为98.8%。试验表明该系统可以有效识别C型钩钩号。

车号定位识别与可信度估计

以车号的定位与识别为例 ,应用行投影法对车号图片进行倾斜行定位 ,证明了模板与场景的二维互相关系数近似等于一维投影互相关系数 ,在此基础上提出了列投影法快速行扫描识别算法及相应的可信度估计方法。这种方法对于室外拍摄的有复杂背景、光照变化、字体微倾、字符排列疏密不均及噪声干扰的车牌图像具有很好的识别效果。

基于深度学习的手写数字分类问题研究

手写体数字因其书写风格差异大、上下文无关及识别准确度要求高等原因导致其识别难度大,针对手写体数字识别的特点及要求,使用深度学习算法进行分类,通过对样本的训练完成手写体数字的识别,同时与SVM算法及BP神经网络分类效果进行对比;实验结果表明深度学习在识别手写体数字时具有更高的准确率。

遗传算法—模糊聚类动态模糊神经网络辨识

针对非线性系统辨识特点,在剖析具有递归环节的T-S模糊神经网络结构的同时,提出了一种新型的3步设计优化方案,即非线性区域的线性划分、离线训练和在线辨识.将融合了模糊c-mean聚类(GA-FCM)(称为双群体并行聚类)算法引入到RTSFNN中,对非线性系统的输入输出空间进行聚类(线性划分),再在每个线性区域上建立ARMAX模型;利用GA实数编码,同时优化前件隶属函数的中心和宽度、递归增益及后件参数;在线时利用FCM在线分析输入数据特征,确定是否对现有划分进行改动,并利用GA迭代一定代数优化其他参数,直到误差满足要求为止.通过对非线性动态系统的辨识仿真,验证了所提出方法在训练时的寻优速度、训练误差及校验误差指标上均有很大优势.

基于视频列车车号识别系统的研究

提出了基于视频的铁路列车车号的识别系统,为铁路列车设计了一种全新的列车车号识别方法.系统通过对铁路现有设备的利用优化了列车图像的采集方法,同时提出用图像的色彩信息准确进行列车车牌图像定位分割和以像素面积原理为基础的搜索寻优进行列车车牌倾斜校正.在字符分割与识别部分使用了改善后的快速准确算法对列车车号进行处理.各个部分均采用改进了的针对性强、实用、快捷的算法和技术,完成了对列车车号识别的功能.

基于图像处理的城轨列车车号识别系统

针对现有射频识别标签易脱落损坏导致丢失车号的问题,提出了基于图像处理的城轨列车车号识别系统。利用工业相机拍摄城轨列车侧面车号,再采用加速稳健特征算法和变换不变低秩纹理方法对拍摄到的图片进行车号定位、校正、分割操作,利用Visual Geometry Group-16(VGG-16)网络模型对分割好的车号字符进行识别。试验结果表明,该系统具有鲁棒性好、识别准确率高等特点,能够满足城轨列车车号获取的要求。

基于FPGA的BP神经网络识别系统设计

针对神经网络算法通常采用软件编程实现所存在的缺点,本文主要对基于现场可编程门阵列(field programmable gate array,FPGA)的硬件BP神经网络识别算法实现进行研究。给出了BP神经网络原理,设计了一个识别MNIST手写数字的3层反向传播算法(back propagation,BP)神经网络识别系统。为测试该电路的识别准确率,选取MNIST数据集中的100个测试数据,采用Verilog语言设计,在FPGA开发平台Quartus II 13.0和Modelsim中,对该电路的识别准确率进行仿真测试。仿真结果表明,输出数字识别准确率约85%,可用于简单的模式识别系统中。该研究为进一步实现硬件神经网络训练系统奠定了理论基础。

铁路提速对民航客运影响的实证分析

利用铁路系统 5次提速前后国内各民航机场旅客运输量的综列数据,通过对处理综列数据方法的经济计量学模型的估计和实证分析,得出如下结论:尽管我国民航旅客运输量在近几年不断攀升,但这是由于国内生产总值高速增长即经济快速发展的结果,若排除国内生产总值快速增长的影响因素进行分析,铁路提速对民航客运量的影响实际上是下降了。

BP网络实现对货运列车车号识别的程序设计

基于对车号图片的分析,建立0~9十个数字的图像模型。利用MATLAB环境下BP神经网络算法在数字图像识别系统中的应用,通过对数字图像特征的提取,转置成各自的特性输入后送入BP网络训练,同时对网络的输出提出期望,使网络按照期望记忆每个数字的特性。当再输入与此数字相同或具有相似的特征的数字图像时,网络通过一定的处理程序能够自动的识别该数字。当网络具有了这种功能后,将有效的减少人工量且降低出错率[1]。

火电厂轨道衡称重系统的技术改进

通过车号自动识别系统、局域网、远程控制的结合,对火电厂轨道衡称重系统进行技术改进,提高轨道衡计量数据的准确性、提高工作效率,减轻计量员的劳动强度,减少人工抄录车号产生的错误,提高入厂煤检质、检斤管理水平,实现轨道衡无人值守。

基于HALCON的城轨列车车号识别技术研究

列车车号识别作为新一代城轨运维系统的基础组成部分需要更高的识别准4确度和速度,并且需要将识别结果并入大数据和物联网。本文研究了基于HALCON的列车车号识别方法。