基于SHAP-RF框架的越野车辆路面识别算法研究

根据越野车辆在不同路面上行驶时的动力学响应特征, 可以实现路面类型的在线识别, 为面向路面特征调整底盘控制子系统参数从而获取更好的行驶性能奠定基础. 但越野环境地面特征复杂, 车辆响应机理分析困难, 给基于车辆动力学响应进行路面准确识别带来挑战. 提出了一种SHAP-RF路面识别算法设计框架, 通过SHAP (Shapley additive explanations)模型解释方法实现高维随机森林(random forest, RF)路面识别模型的降维化: 首先采集了试验车在压实土路、沙地、良好沥青路与冰雪路4种路面上的行驶数据并计算了3个次级行驶特征; 进一步计算了行驶数据的共计105个时域特征和频域特征, 并以此为输入特征建立了高维随机森林路面识别模型; 利用SHAP解释法分析高维模型输入特征对识别结果的影响从而提炼出各个特征与路面类型的关联性, 完成特征筛选; 最后, 利用筛选后的特征设计降维随机森林路面分类器. 基于实车数据的算法验证试验表明, 设计的降维路面识别模型对4种路面的识别精确率在94%以上, 召回率在93%以上, 相比高维的随机森林路面识别模型, 各种路面上的精确率和召回率最大降幅不超过3.2%, 证明本文提出的SHAP-RF路面识别算法设计框架能够在选用较少特征的情况下依然保证车辆行驶路面类别的准确识别.      

卷积神经网络在装备磨损颗粒识别中的研究综述

铁谱法是用于装备故障诊断的1种重要方法,其中铁谱法的重点是铁谱图像的分析,即磨损磨粒分析. 卷积神经网络是当下最流行的深度学习算法之一,其广泛应用于图像识别领域,使得图像识别领域得到突破. 随着卷积神经网络的快速发展,磨损颗粒在智能识别方面的技术取得了重大的突破. 本文中首先简述了卷积神经网络与磨粒智能识别的发展历史,针对基于卷积神经网络的磨粒识别方法进行了从图像数据集处理到模型优化技术方面的介绍,并详细说明了这些技术在磨粒识别中的具体应用实例. 然后从现有网络和自设计网络两方面分类,整理了近年来卷积神经网络应用于磨粒智能识别的代表性文献,综述了这些工作所提出的模型结构和特点,分析并阐述了各个模型主要的识别原理,各个网络结构存在的优缺点,以及它们的数据采用情况等,并对未来磨粒智能识别的主要研究方向进行了展望. 最后肯定了卷积神经网络方法在磨粒智能识别方面的重要性,同时指出了基于此方法的磨粒识别模型的缺点,并提出了应紧跟图像识别领域的最新技术以促进磨粒智能识别水平提高等建议,对磨粒智能识别的发展具有一定的意义.      

基于支座反力影响线曲率差分的等截面连续梁损伤识别方法

为了实现仅采用损伤状态信息对等截面连续梁进行损伤识别,通过推导三跨不等跨连续梁在移动荷载作用下的支座反力影响线,发现支座反力影响线求曲率并作差分后的曲线在损伤位置会发生突变,基于该现象提出了一种损伤定位方法,进一步建立了损伤程度计算方法,可对损伤程度进行较精确的定量。通过一三跨连续梁和一四跨连续梁工程实例的仿真分析,证明了支座反力影响线曲率差分指标损伤定位和相应的损伤程度定量方法对等截面连续梁损伤识别具有可行性。     

矩阵摄动和Newmark-β逐步积分相结合的不确定性结构载荷识别

为了反演作用在不确定性结构上的动态激励上下界,在时域内建立了一个矩阵摄动和Newmark-β逐步积分相结合的载荷识别算法。首先依据矩阵摄动理论将动载荷近似表示为中值和摄动量相叠加的一阶泰勒多项式形式,然后引入Newmark-β逐步积分算法对振动学微分方程解耦,推导一个将输入载荷、输出响应和结构特性联系在一起的线性振动离散方程,借助该方程反求出动载荷的中值和摄动量,最终获得动载荷的上下边界。数值算例结果表明,该方法可以高效准确地重建载荷的上下边界,并具有优良的抗噪性能。     

最优折衷三元相位振幅滤波器设计

 为了使在空间光调制器上易于实现的三元相位振幅滤波器在畸变容限、噪声抑制能力和相关峰尖锐度这3个指标上均能取得较好的性能,在最优折衷最大相关高度滤波器的基础上提出了最优折衷三元相位振幅滤波器,并研究了其设计方法。它只需最大化单个准则就能确定最优的临界线角度和支撑区域,简化了优化设计过程。实验结果表明：与二元纯相位滤波器相比,这种滤波器对于在30°的旋转畸变范围内并存在复杂背景的目标能给出更尖锐的相关峰。这将提高相关峰探测的准确性。     

茜素应用于识别硼酸的研究

应用紫外-可见分光光度法研究了茜素与硼酸之间的识别行为,结果表明,在pH 9.0Na2HPO4-NaH2PO4缓冲介质中,茜素与硼酸形成1∶1稳定络合物,使茜素的吸收光谱发生明显蓝移,溶液颜色由玫红色变为橙黄色,阴离子F-、Cl-、Br-、I-、Ac-、NO-3、C2O24-等均未引起茜素的吸收光谱及溶液颜色发生明显变化,因此茜素可以选择性识别硼酸。初步探讨了茜素与硼酸之间的相互作用机理,并对茜素识别硼酸与茜素识别阴离子的机理进行了比较。     

概率神经网络及FAAS在植物药分类研究中的应用

用火焰原子吸收法（FAAS）测定了植物药中Fe、Mg、Mn、Cu、Zn和Ca元素的含量,采用主成分分析法对所测数据进行预处理,结合概率神经网络模型对中药功效类别进行识别预测研究,取得了较满意的结果。     

企业协同知识创新的风险识别与评价

协同知识创新是企业降低创新成本,提高创新能力的重要手段.由于企业知识创新具有高度的不确定性和不可预测性,因此,有效地利用企业协同优势,有针对性地降低协同知识创新的风险,是协同知识创新活动得以顺利开展的重要条件.影响协同知识创新的内外因素有很多,利用粗糙集理论对这些因素进行简约,消除冗余因素,得到在协同知识创新中的核心因素;确定约简集因素权重,判断协同知识创新的风险程度,为协同知识创新的决策提供依据.     

基于语言评价信息的知识资本要素识别方法

知识资本是组织创造价值和获取竞争优势的关键资源, 其要素通常具有复杂的关联性, 如何识别知识资本的核心要素、原因要素和结果要素,对于组织进行知识资本管理具有重要意义.本文在构建了知识资本要素识别体系的基础上,借鉴决策试验和评价实验室报告的思想提出了一种基于语言评价信息的知识资本要素识别方法,通过处理和集结专家针对知识资本要素关联给出的语言评价信息,对知识资本要素进行排序与归类.最后通过一个实例分析说明了该方法的应用, 并说明了如何根据识别结果制定相应的策略以便进行知识资本的投资和控制.     

应用RJMCMC方法识别线性模型异常点

传统线性模型异常点识别方法容易发生误判:正常点被归为异常点或者异常点被归为正常点.为解决此类问题,提出了应用逆跳马尔科夫蒙特卡洛方法识别异常点的思想,同时将其应用于实际数据加以检验,识别效果明显好于传统方法.