稀疏降噪自编码结合高斯过程的近红外光谱药品鉴别方法

提出一种稀疏降噪自编码结合高斯过程的近红外光谱药品鉴别方法。首先对近红外光谱数据进行小波变换以消除基线漂移,然后用稀疏降噪自编码(SDAE)网络提取光谱特征并降维表示,最后采用高斯过程(GP)进行二分类,其中GP选用光谱混合(SM)核函数作为协方差函数,记此分类网络为wSDAG_SM。自编码网络具有很强的模型表示能力,高斯过程分类器在处理小样本数据时具有优势。wSDAG_SM网络通过稀疏降噪自编码学习得到维数更低但更有价值的特征来表示输入数据,同时将具有很好表达力的光谱混合核作为高斯过程的协方差函数,有利于更准确的光谱数据分类。以琥乙红霉素及其他药品的近红外光谱为实验数据,将该方法与经过墨西哥帽小波变换的BP神经网络(wBP)、支持向量机(wSVM), SDAE结合Logistic二分类(wSDAL)、SDAE结合采用平方指数(SE)协方差核的GP二分类(wSDAG_SE),以及未采用小波变换的SDAG_SM网络等方法进行对比。实验结果表明,对光谱数据进行墨西哥帽小波变换预处理能有效提升SDAG_SM网络的分类准确率和稳定性。wSDAG_SM方法无论从分类准确率还是分类结果稳定性方面,都优于其他分类器。     

基于拉普拉斯分值和超球支持向量机的轴承故障诊断方法设计

针对轴承振动信号中的故障信息往往很微弱,同时振动样本数据分布不平衡即故障样本占总样本数的比例低,从而导致故障诊断模型训练不精确而影响诊断精度的问题,提出了一种基于拉普拉斯分值和超球大间隔支持向量机的故障诊断方法。首先,采用有标签的训练样本数据和拉普拉斯分值法提取原始振动信号中的微弱故障信息,并降低其数据维数,从而得到用于故障诊断的特征向量,然后设计了一种改进的超球大间隔支持向量机的故障诊断模型,通过最小化超球体积和最大化超球边界和故障样本之间的间隔来实现故障诊断,以解决样本的不均衡问题,最终通过将测试样本数据代入决策方程并通过投票机制确定其故障类别。在Matlab环境下对轴承故障诊断进行实验,实验结果证明了文中方法能有效解决样本的不均衡情况下的故障诊断,且相对其它方法,具有诊断精度高和收敛速度快的优点。     

基于深度学习的故障检测方法

针对传统故障诊断方法中特征提取技术难度大、故障样本获取困难等问题,在深度学习计算框架下提出了一种半监督训练的故障检测方法,利用深度信念网络中的受限波茨曼机堆栈结构实现了数据高层特征的自动提取,结合支持向量数据描述方法实现了异常数据检测,只需利用正常工况的数据样本进行网络训练和模型拟合,无需故障样本数据,也无需人工干预进行信号特征提取,即能实现对故障数据进行的实时检测和判别。经采用标准轴承实验数据的三组故障数据进行验证,故障识别率达到100%,具有很强的工程应用价值。     

灰色极限学习机在滚动轴承故障预测中的应用

针对较强噪声环境下的滚动轴承故障预测问题,为提高轴承故障预测的精度,提出并研究了一种新的滚动轴承预测技术。采用将灰色模型和极限学习机（ELM）相结合的方法,针对轴承运行状态值的非线性特点,先将样本数据进行灰色处理,解决数据的随机性和波动性问题,然后代入学习速度快,泛化精度高的ELM神经网络进行训练。在训练完毕后,对未来的轴承运行状态数据进行分析,将其与轴承设备的理论诊断标准相比较以达到故障预测的目的。     

基于PCA-KNN聚类的通用在线故障诊断算法设计

为了克服以往故障诊断算法所具有的难以诊断效率低、诊断精度不高和模型通用性不强的缺点,提出了一种基于PCA主元分析特征优化和KNN聚类的故障诊断法算法;首先,给出了故障诊断的总体模型和诊断原理,然后在故障征兆原始样本数据的基础上,通过PCA主元分析法进行特征优化,获得维数约简的样本数据,从而提高故障诊断的效率;在此基础上,采用训练样本数据对模糊K均值分类器进行训练,并计算每个聚类的距离和阈值;最后,将在线获取的测试样本数据或离线样本数据输入到模糊K均值分类器,获得其所属分类,并采用KNN最近邻算法来获取其K个近邻,根据其与近邻的距离平方和与所属聚类距离平方阈值来判断其是否为故障样本,从而实现故障诊断;以滚动轴承故障诊断试验和模拟电路故障诊断试验为例,实验结果证明了文中方法较其它方法具有诊断效率高和诊断精度高的优点,是一种通用的和可行的在线故障诊断方法。     

非高斯噪声对惯性棘轮中粒子负迁移率的影响

利用随机模拟方法研究了惯性棘轮中非高斯噪声对负迁移率的影响. 分别模拟了绝对负迁移率(ANM), 非线性迁移率(NNM) 和负微分迁移率(NDM) 等三种反常输运现象. 计算结果表明: 1) 在不同的参数空间里, 非高斯噪声参数q 能够增强或者削弱ANM, 诱导NNM 和NDM; 2) 当q 较大时, 反常输运现象转化为正常输运; 3) 随着q 逐渐增大, 平均速度- 关联时间特性曲线朝着关联时间较小的方向移动并且其峰值逐渐减小. 关键词： 反常输运 负迁移率 非高斯噪声     

辉光放电聚合物薄膜的红外性质研究

为了实现惯性约束聚变 (ICF)点火,需要制备出均匀的高密度燃料靶。对于氘氘 (DD) 冰层,红外均化技术可用于改善其内表面粗糙度。本文利用红外光谱仪和红外显微镜研究了辉光放电聚合物(GDP)薄膜和靶球的红外吸收性质,得到了GDP薄膜材料特定波长处的红外吸收系数。通过比较薄膜材料和靶球的红外吸收,证实了热处理可以降低GDP材料中的氧化位点,从而抑制羟基(—OH)峰的形成,优化DD冰层的红外均化效果。利用所得实验数据对DD均化实验中红外均化积分球所需要的红外功率和国家点火装置(national ignition facility, NIF)标准靶的红外透射率进行了估算,计算结果对DD冰红外均化实验具有重要指导作用。     

一维线阵离轴高斯光束通过湍流大气的传输特性

研究了一维(1D)线阵离轴高斯光束通过湍流大气的传输特性，推导出了其光强传输方程. 研究表明，1D线阵离轴高斯光束通过湍流大气传输经历了三个阶段，即在近场其光强分布为类似于入射光的锯齿状分布，随着传输距离的增加逐渐变为平顶分布，最后在远场成为类高斯分布. 湍流的增强会使光束传输经历三阶段的进程加快. 并且，湍流使得不同子光束数的1D线阵离轴高斯光束的归一化光强分布相接近. 此外，子光束数越多的1D线阵离轴高斯光束受到湍流的影响越小；1D线阵离轴高斯光束较高斯光束受到湍流的影响要小. 关键词： 一维(1D)线阵离轴高斯光束 湍流大气 传输特性     

基于迭代修正的液晶相控阵激光雷达波控数据获取

分析了影响液晶相控阵波控数据获取的几个关键因素,在此基础上通过计算期望相位面与实际相位面的相位差,提出一种基于迭代修正的波控数据获取方法,该方法可通过改变加载在液晶阵列上的参考电压或改变参考相位面实现。讨论了算法关键参数的选择。通过仿真进一步研究了液晶特性曲线范围和高斯初始相位对波控数据获取的影响。仿真结果表明:该方法能获得比较准确的波控数据;液晶特性曲线范围对波控数据的准确获取非常重要,当曲线范围较大时,液晶相控阵可补偿高斯光束引入相位的影响。     

高斯光束在对数型非线性介质中自诱导效应

从标量Helmholtz方程出发,推导了对数饱和非线性介质中光场满足的非线性Schr dinger方程(NLSE)。通过与梯度折射率下的光场满足的方程比较,发现高斯光束在对数型饱和非线性介质中可自诱导梯度折射率。利用数值计算,详细地讨论了自诱导梯度折射率对高斯光束传输特性的影响。发现高斯光束在其自诱导的梯度折射率的影响下,呈振荡形式的准稳定的传输。光束注入介质中的初始状态,直接影响着光束的振荡形式(先发散还是先聚焦)、振荡深度(幅度)、振荡周期。得到高斯光束形成孤子的条件,以及若使高斯光束在对数饱和非线性介质中保持小损耗、高稳定的传输,应该使光束在阈值(孤子条件)附近注入介质的结论。