基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

基于层次注意力机制的垃圾用户检测模型

目前基于网络的垃圾用户检测方法只考虑了简单社会关系,缺乏对更多复杂社会语义关系的利用,难以达到最优性能.针对这一挑战,提出一种基于层次注意力机制的垃圾用户检测模型(HAM-SD).模型首先使用异质信息网络对社交媒体进行建模,挖掘丰富的语义与结构信息,接着利用节点级注意力层聚合元路径邻居增强节点表示,同时利用自适应层级聚合模块选择不同层级特征提升表征能力,然后通过语义级注意力层融合不同元路径下的节点表示,最后带入分类检测模块实现垃圾用户检测.在公开数据集上的实验结果表明该模型能够有效检测垃圾用户,并在不平衡数据分布时保持较强的稳定性.     

基于改进Mask R-CNN的露天矿边坡裂隙智能检测算法

为了预防因露天矿边坡表面恶化而产生节理、裂隙或断裂等破坏边坡完整性所引发的安全事故,同时解决传统图像处理算法以及经典的深度学习模型直接应用于露天矿边坡裂隙检测效果不甚理想的问题,提出了一种基于改进的Mask R-CNN的露天矿边坡裂隙智能检测算法,运用了Mask R-CNN在目标检测、语义分割以及目标定位方面的集成性特点,改进了其在掩膜分支的边缘不清晰以及误检等缺点,构建了一种针对露天矿边坡裂隙图像的检测分割框架。该方法在掩膜分割分支引入了空洞卷积神经网络以及分类分割迭代上采样操作,能够解决边坡裂隙分割边缘粗糙的问题,实验结果表明,与传统的裂隙分割算法相比,该算法具有更高的识别精度以及更好的分割效果。     

单通道涡流无损检测信号盲源分离算法

针对脉冲涡流无损检测(pulsed eddy current testing, PECT)系统中获取单一检测信号存在的混叠问题,文章提出一种基于经验模态分解(empirical mode decomposition, EMD)和快速独立分量分析(fast independent component analysis, FastICA)的单通道盲源信号分离算法。该算法首先通过EMD对混合观测信号分解,然后利用奇异值分解(singular value decomposition, SVD)估计源信号数目,根据估计得到的源信号数目将观测信号和对应模态分量构成新的虚拟信号,最后利用FastICA算法分离得到源信号的估计。有限元仿真实验表明该算法能有效分离单通道混合检测信号,并且优于小波分解的单通道盲源分离算法。     

基于RAP全掺量下再生温拌沥青混合料路用性能研究

为实现资源的循环利用,降低高温作用对沥青的二次老化,引入N24型再生剂、A型合成蜡类温拌剂对RAP全掺量下再生温拌AC-16C沥青混合料展开研究.通过RAP原材料试验,确定RAP的矿料级配及油石比.在再生剂、温拌剂及再生温拌沥青等原材料研究的基础上制备再生温拌沥青,评价不同再生剂掺量下再生温拌沥青性能的改善情况,同时确定再生剂掺量为4%、温拌剂掺量为3%时沥青混合料的施工温度.通过对再生温拌沥青混合料开展高温抗车辙、抗水损害及低温抗开裂等试验,评价再生剂掺量对再生温拌沥青混合料路用性能的影响.结果表明,RAP中的粗集料发生了细化,但整体矿料级配与原矿料目标级配相当,无需对RAP进行级配调整;再生剂掺量为4%时,再生沥青性可能恢复到原道路石油沥青水平;3%温拌剂的掺入,沥青混合料拌和及压实成型温度分别降低30、40℃;再生剂掺量为4%时,再生温拌沥青混合料整体路用性能最优.     

基于改进RPN的孪生小样本电力目标检测

为了解决当前电力系统巡检难度大、效率低、数据不足以支撑大规模训练的问题,提出一种基于孪生网络的小样本检测方法。首先,在Faster RCNN(faster region convolutional neural network)目标识别算法的框架下,搭建支持图片和查询图片共享的孪生网络模型;然后,利用改进的RPN(region proposal network)模块产生更高质量的proposals;最后,在检测头上对支持图片和查询图片的RoI(region of interest)进行关联匹配。结果表明,将算法应用于自主构建的EPD(electric power detection)数据集,在仅利用10张支持图片的情况下,就能实现对电力背景下鸟巢异物和绝缘子相关类别的检测,检测指标mAP达到18.92%。与其他算法相比,应用于电力行业目标检测的孪生网络小样本模型,在极端小样本情况下性能优良,同时具有更加轻量化的优势,可为电力检测新方法研究提供参考。     

改进的YOLOv4肺结节检测算法

针对目标检测YOLOv4算法在肺结节检测中存在的小目标漏检和肺结节位置失真等问题,设计了一种改进的YOLOv4肺结节检测算法.在原始YOLOv4网络的基础上,将特征融合网络的上采样过程替换为双线性插值法,并采用张量堆叠的方法使顶层的语义信息与底层的位置信息形成更高通道的特征张量.实验结果表明,与原始的YOLOv4算法相比,改进的YOLOv4算法在公开数据集LUAN16上的平均精确度与预测速度分别提高了4.54%和28.1%,可视化结节位置表达更精准.     

联合实体边界检测的命名实体识别方法

针对传统命名实体识别方法无法有效利用实体边界信息的问题,提出一种联合实体边界检测的命名实体识别方法,即将实体边界检测作为辅助任务,增强模型对实体边界的判断能力,进而提升模型对实体的识别效果。首先,利用Bert预训练语言模型对原始文本进行特征嵌入获取词向量,并引入自注意力机制增强词对上下文信息的利用;其次,在命名实体识别任务的基础上,添加实体边界检测辅助任务,增强模型对实体边界的识别能力;再次,对比联合实体边界检测的命名实体识别方法与基线方法的有效性,并对测试结果进行消融实验;最后,进行样例分析,分析损失权重β对实体边界检测的影响。实验结果表明,在英文社交媒体数据集Twitter-2015上,联合实体边界检测的命名实体识别方法相较于基线模型取得了更高的精准率、召回率和F1值,其中F1值达到了73.57%;并且,边界检测辅助任务提升了基线方法的检测效果。所提方法能有效利用实体边界信息,从而获得更好的实体识别效果,促进了人机交互系统的发展,对自然语言处理下游任务有重要意义。     

适用于中小跨径桥梁频率识别的移动检测车辆参数研究

为了实现对大规模中小跨径桥梁群体的快速检测,提出了一种参数可调的移动检测车辆,并通过理论推导、试验验证和参数分析对车辆参数的合理取值进行研究. 首先,通过车-桥耦合振动理论推导出“拖车-双挂车”过桥振动响应的解析解;其次,利用有限元模型和车桥耦合计算程序的数值计算结果,以及一座简支梁桥的现场试验结果对理论解析解进行验证;最后,基于推导的理论解析解进行参数研究,分析了检测车辆的动力参数、车速以及桥梁参数对间接法识别精度的影响. 结果表明：当车桥频率比在0.8~0.9（或1.1~1.2）之间变化时,桥梁频率识别效果较好;在利用间接法进行桥梁频率识别时,建议移动检测车辆的车速不宜取太大;根据桥梁的截面面积、截面形状和跨度对检测车辆参数进行合理的选取,可提高桥梁频率识别的准确性. 研究结果可为基于车辆响应的桥梁频率间接识别提供参考.     

基于多级频谱分析和能熵比的应答器系统设计

为解决传统应答器系统在模拟不同距离水下目标时易受强噪声干扰及转发时延精度不高的问题,提出一种粗-细两级波达时刻估计方法并开发一套高精度时延的可靠应答器系统.该系统主要由以信号采集、信号处理为主的上位机和以功率放大器、换能器为主的下位机组成.其中上位机利用多级频谱分析及其峰均比大于设定门限进行粗估计,初步获取信号的波头;再利用基于能熵比的双门限检测算法进行细估计,获得更精准的波达时刻,进而解决了时延不准的问题;最后,系统下位机通过 TCP 接收上位机传输的应答信号并在预定时刻应答回波信号.湖试结果显示,该系统的时延误差小于 40 ms,具有高精度的转发时延优势,并且在强噪声干扰下具有良好的鲁棒性.