不确定车辆电子稳定控制系统传感器故障估计

针对车辆横摆角速度传感器故障问题,提出一种基于观测器的故障估计策略.首先,考虑由于轮胎侧偏刚度特性造成的不确定性以及系统中存在非线性干扰等因素,建立车辆四轮转向系统数学模型.然后,设计基于观测器的传感器故障估计策略,利用李雅普诺夫函数和线性矩阵不等式方法求解观测器增益.最后,通过Carsim与Simulink联合仿真验证所设计的传感器故障诊断策略的有效性.结果表明：在传感器发生故障时,该诊断策略能够对系统状态以及传感器故障具有良好的估计效果,能够为车辆安全稳定系统提供关键信息,并且对于下一步的传感器故障容错控制提供技术支持.     

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。     

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。     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

基于LMD和SSA-SVM的电机故障诊断

针对电机故障诊断问题,尤其电机轴承方面的诊断,提出了LMD分解和麻雀搜索优化算法（SSA）优化支持向量机（SVM）的故障诊断方法。第一步采取小波降噪和LMD算法相结合去处理原始信号,经过小波降噪后的原始故障信号会去掉一部分的干扰,再分解得到原始信号的一系列PF分量,接着使用相关性分析法选择出有效的PF分量进行信号重构,重构后的故障信号再次经过LMD分解得到的PF分量求出各自的能量熵,直接用能量图展现出来。接着将各个PF分量的能量熵组成一组组特征向量输入到支持向量机的故障诊断模型里。利用麻雀搜索算法在支持向量机（SVM）对于电机故障的分类的模型上进行惩罚参数和核参数的挑选和模拟,选择最合适的参数组合建立SSA-SVM故障诊断模型进行仿真实验,通过仿真实验验证该方法的故障诊断准确率高达99.2％,与PSO-SVM和SVM故障诊断模型进行比较分析,实验证明提出来的方案有着更适合的故障识别能力,对电机故障诊断有着很好的适应性和发展性。     

免疫鸡群新城疫病毒检测和分离的研究

以ＳＰＦ鸡抗新城疫病毒（ＮＤＶ）ＩｇＧ为包被抗体（５μｇ／ｍＬ）,兔抗ＮＤＶＶｅｒｏ细胞培养纯化毒ＩｇＧ为第二抗体（１∶２００～６００）,酶标记羊抗兔ＩｇＧ（１∶５０００）为指示抗体建立间接夹心ＥＬＩＳＡ,检测实验免疫鸡、攻毒鸡及现地免疫鸡口腔或泄殖腔外分泌物。结果表明：新城疫无毒力Ｖ４疫苗免疫后２ｄ,口腔内病毒抗原随机检出率为４／１０,第１０天为１０／１０;泄殖腔为０～１／１０,并持续１８ｄ以上。滴鼻攻毒后１ｄ,口腔和泄殖腔内病毒抗原检出率分别是８／１０和６／１０;第１３天,泄殖腔内病毒抗原检出阴性。ＮＤＶ灭活疫苗免疫６０ｄ后攻毒,第２天有７／２０口腔和８／２０泄殖腔检出阳性,并一直到攻毒后第１４天。非免疫对照鸡攻毒后第３天直到死亡时,口腔和泄殖腔均可检出病毒抗原。对各地临床上无任何症状的ＮＤＶ免疫鸡群检测发现,泄殖腔ＮＤＶ抗原阳性率０％～９．３％,分离到８株ＮＤＶ流行毒株,生物学试验证实这些毒株的毒力属中等毒力偏强或强毒。     

FMS故障诊断专家系统的研究与开发

为保证柔性制造系统的可靠运行,对其发生的故障进行快速诊断,研究开发ＦＭＳ故障诊断专家系统。方法根据ＦＭＳ故障的特点综合运用模糊数学、专家系统、神经网络、数据库和机器学习等理论,解决专家系统中许多关键技术,     

车用电控汽油机实时爆震检测方案的研究

研究一种可以满足准确性,实时性要求的车用电控汽油机爆震检测方案,方法 测量缸盖的振动信号,确定爆震检测频率,运用概率和数理统计的方法。对缸盖振动信号进行分析,找出规律性,在非爆震,严重爆震,爆震时,爆震检测区间内信号峰值都服从对数正态分布。     

超声心动图象内外膜的自动检测与测量

为定量计算一些重要的心脏功能数据,提高心脏病的诊断水平,研究了超声心动图象内外膜的自动检测与测量技术．首先对超声心动图象进行滤波以消除图象中的噪声,并运用模糊数学理论进行模糊边缘增强,提取超声心动图象的内外膜边缘信息;接着对超声心动图象作二值化处理和椭圆曲线拟合,初步得到心脏的内外膜边缘;再采用相应的三次样条插值和平滑技术,得到光滑、连续的心脏内外膜边缘．在此基础上,再对心脏进行节段划分,并计算有关的心脏功能数据．经实验证实,用此方法可快速得到较准确的结果．     

一种新的故障诊断专家系统

为了在新的环境中建造一个更加有效的故障诊断专家系统,在一般故障诊断专家系统的基础上,根据智能模拟器综合测试的特点和故障诊断要求,提出了一种新的专家系统知识分类和表示的方法．按照这种方法,利用ＨＰＶＥＥ（可视化工程环境）编程语言在Ｗｉｎｄｏｗｓ平台上建造了一个实用系统．该系统的仿真运行得到了很好的结果,故障诊断率达到１００％,诊断速度完全满足系统要求．