检索结果-内蒙古大学图书馆

仪器仪表学报 2021年第6期42卷 140-151页

作者：高学金马东阳韩华云高慧慧北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京重点实验室北京100124

为实时监测复杂工业过程的故障状态,精确预测故障趋势,提出基于降噪自编码和时间卷积网络的故障预测方法。首先,利用随机森林算法筛选故障相关特征。之后,利用堆栈降噪自编码网络提取非线性特征以及特征重构,并根据重构误差构造平方预... 详细信息

为实时监测复杂工业过程的故障状态,精确预测故障趋势,提出基于降噪自编码和时间卷积网络的故障预测方法。首先,利用随机森林算法筛选故障相关特征。之后,利用堆栈降噪自编码网络提取非线性特征以及特征重构,并根据重构误差构造平方预测误差(SPE)统计量作为故障状态特征。最后,针对时间卷积网络残差模块中的ReLU激活函数在负区间内导数为零导致部分神经元无法被激活的问题,设计基于自门控激活函数(Swish)和滤波器响应(FRN)规范化的时间卷积网络(SFTCN)。将得到的SPE组成时间序列,利用SFTCN的预测模型实现其状态趋势预测。通过在TE仿真平台数据和美国密歇根大学智能维修中心实测的轴承全生命数据上的实验表明,与未改进的时间卷积网络对比,所提方法的预测平均绝对百分比误差至少降低20.9%,具有较高的应用价值。

关键词：故障预测随机森林算法降噪自动编码时间卷积网络复杂工业过程

来源：评论

学校读者我要写书评

暂无评论

基于经济指标与极端梯度提升树的污水处理多设备预警

基于经济指标与极端梯度提升树的污水处理多设备预警

引用

2023中国自动化大会

作者：李泓颉杨宏燕韩红桂北京工业大学信息学部计算智能与智能系统北京市重点实验室

在城市污水处理过程中,污水处理设备故障会导致生产停滞,从而造成一系列的经济损失,因此污水处理设备的持续有效运行十分重要。然而当前研究大多针对城市污水处理单设备的故障预警,多设备预警由于其数据高耦合性,算法高复杂性而难以实... 详细信息

在城市污水处理过程中,污水处理设备故障会导致生产停滞,从而造成一系列的经济损失,因此污水处理设备的持续有效运行十分重要。然而当前研究大多针对城市污水处理单设备的故障预警,多设备预警由于其数据高耦合性,算法高复杂性而难以实现。基于此,文章提出一种基于经济指标与极端梯度提升树(economical-extreme gradient boosting, E-Xgboost)的污水处理多设备预警模型,确保多设备预警的经济性与准确性。首先,通过经济指标分析数据,以降低预警成本,后结合偏最小二乘法(partial least squares, PLS)提取特征变量,并对数据进行标签化处理,以实现数据解耦。其次,利用极端梯度提升树算法,学习数据特征,识别异常数据组。然后,将识别出的异常数据组输入预警分类器,分类器按照数据标签发出对应预警信号。最后,将污水处理过程多设备预警模型应用于实际污水处理过程中,验证所提出的方法能够准确的进行设备故障预警。

关键词：多设备故障预警偏最小二乘法极端梯度提升

来源：评论

学校读者我要写书评

暂无评论

多目标进化算法的污水处理过程优化控制

引用

控制理论与应用 2020年第1期37卷 169-175页

作者：杨壮杨翠丽顾锞乔俊飞北京工业大学信息学部计算智能与智能系统北京市重点实验室

污水处理过程中,能耗与出水水质是两个相互矛盾的评价指标.为了找出这两个目标的最优解,本文在基于分解的多目标进化算法(MOEA/D)的基础上进行改进,期望用更少的进化次数得到分布均匀的近似帕累托前沿.针对MOEA/D算法每一次产生的新解,... 详细信息

污水处理过程中,能耗与出水水质是两个相互矛盾的评价指标.为了找出这两个目标的最优解,本文在基于分解的多目标进化算法(MOEA/D)的基础上进行改进,期望用更少的进化次数得到分布均匀的近似帕累托前沿.针对MOEA/D算法每一次产生的新解,本文中改进的算法从所有子问题中找到最合适新解的子问题,并在其邻域范围内进行种群的更替,在原本子问题的基础上进行二次寻优,提高子代利用率,进而用更少的迭代次数找到优化问题中的近似帕累前沿.实验证明,该算法明显减少了找到帕累托前沿的步数,使得MOEA/D算法的性能明显提升,在污水处理过程优化问题中达到了优化目标的作用.

关键词：污水处理过程智能优化控制多目标遗传算法能耗模型出水水质

来源：评论

学校读者我要写书评

暂无评论

城市污水处理过程动态多目标智能优化控制研究

引用

自动化学报 2021年第3期47卷 620-629页

作者：韩红桂张璐卢薇乔俊飞北京工业大学信息学部计算智能与智能系统北京市重点实验室北京100124 中国石化青岛安全工程研究院环境保护研究室青岛266100

城市污水处理过程(Municipal wastewater treatment process,MWWTP)是一个典型的复杂流程工业过程,其优化运行涉及到多个动态性能指标.为了实现城市污水处理运行过程的优化控制,本文提出了一种城市污水处理过程动态多目标智能优化控制方... 详细信息

城市污水处理过程(Municipal wastewater treatment process,MWWTP)是一个典型的复杂流程工业过程,其优化运行涉及到多个动态性能指标.为了实现城市污水处理运行过程的优化控制,本文提出了一种城市污水处理过程动态多目标智能优化控制方法(Dynamic multiobjective intelligent optimal control,DMIOC).首先,建立了一种基于自适应核函数的动态性能指标模型,实现了城市污水处理关键性能指标的准确描述;其次,设计了一种基于自适应飞行参数调整机制的动态多目标粒子群优化算法(Dynamic multiobjective particle swarm optimization,DMOPSO),可有效平衡粒子的多样性和收敛性,完成了溶解氧和硝态氮优化设定值的实时获取;最后,利用多回路PID控制方法对溶解氧和硝态氮优化设定值进行控制,实现了城市污水处理过程安全稳定运行.将提出的DMIOC应用于城市污水处理基准仿真平台,实验结果显示:DMIOC能够提高溶解氧和硝态氮的控制效果,实现城市污水处理过程出水水质达标,并降低运行成本.

关键词：城市污水处理过程动态多目标智能优化控制动态多目标粒子群优化优化设定值

来源：评论

学校读者我要写书评

暂无评论

一种面向视频传输应用的联合上下采样超分辨率框架

引用

北京工业大学学报 2021年第5期47卷 463-471页

作者：刘鹏宇王聪聪贾克斌北京工业大学信息学部北京100124 先进信息网络北京实验室北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124

针对目前面向视频传输应用中,对低分辨率视频应用超分辨率技术进行还原时引发严重病态性问题,结合视频传输的全过程,提出一种联合上下采样的超分辨率框架.该框架通过将下采样过程和超分辨率过程进行联合训练,使得原始高分辨率视频的信... 详细信息

针对目前面向视频传输应用中,对低分辨率视频应用超分辨率技术进行还原时引发严重病态性问题,结合视频传输的全过程,提出一种联合上下采样的超分辨率框架.该框架通过将下采样过程和超分辨率过程进行联合训练,使得原始高分辨率视频的信息能够指导低分辨率视频的重建,并且下采样过程和超分辨率过程互相约束,减小了整个映射空间的尺寸,使得模型的泛化能力更强.实验表明,提出的方法在常用的图像超分辨率数据集上峰值信噪比(peak signal-to-noise ratio,PSNR)指标平均提升超过2.9 dB,在国际视频编码标准HEVC标准测试序列上平均达到近乎无损(PSNR指标超过40 dB),证明所提框架对于视频传输应用具有积极的意义.

关键词：视频传输超分辨率图像处理视频压缩深度学习神经网络

来源：评论

学校读者我要写书评

暂无评论

基于改进型生成式对抗网络的EEG-fNIRS多模态信号数据增广研究

引用

北京生物医学工程 2024年第3期43卷 250-258页

作者：王鹏举李明爱北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124 教育部数字社区教育工程中心北京100124

目的基于深度学习的脑电图-功能性近红外光谱技术(electroencephalogram-functional near-infrared spectroscopy,EEG-fNIRS)多模态脑机接口在康复工程中具有广泛的应用前景,但存在数据量不足的问题。为此,本文提出一种基于改进条件生... 详细信息

目的基于深度学习的脑电图-功能性近红外光谱技术(electroencephalogram-functional near-infrared spectroscopy,EEG-fNIRS)多模态脑机接口在康复工程中具有广泛的应用前景,但存在数据量不足的问题。为此,本文提出一种基于改进条件生成式对抗网络(conditional generative adversarial network,CGAN)的EEG-fNIRS多模态信号数据增广方法,以解决EEG-fNIRS多模态脑机接口与深度学习结合时面临的数据量匮乏的问题。方法首先,对EEG和fNIRS数据进行滤波、归一化和下采样等预处理。然后,针对EEG的非平稳特点,在CGAN生成器和判别器中增加自注意力机制,获得EEG数据增广模型CGAN_(E),加强捕捉和学习时变关键信息的能力。同时,针对fNIRS采样率低、信息量不充分问题,在CGAN生成器和判别器中增加上采样卷积层,获得fNIRS数据增广模型CGAN_(f),加强模型的信息挖掘能力,并将CGAN_(E)和CGAN_(f)的条件信息设置为类标签;进而,利用CGAN_(E)和CGAN_(f)对每导EEG和fNIRS分别进行增广,并将多导EEG扩增数据和多导fNIRS[包括氧合血红蛋白浓度(oxyhemoglobin concentration,HbO)和脱氧血红蛋白浓度(deoxyhemoglobin concentration,HbR)两种]扩增数据串接融合,获得EEG-fNIRS多模态增广数据。最后,对公开的EEG-fNIRS多模态信号数据集TU-Berlin-A前6名受试者数据进行增广实验,并设计一维卷积神经网络分类器评估增广数据的质量。结果基于EEG-fNIRS多模态信号公开数据集TU-Berlin-A前6名受试者的左右手运动想象数据进行实验研究表明,当数据扩增5倍时,本文方法取得94.81%的平均分类准确率。结论CGAN_(E)和CGAN_(f)能够生成接近真实数据分布的EEG和fNIRS信号,验证了对CGAN改进和本文所提EEG-fNIRS多模态数据增广方法的有效性。

关键词：脑电图功能性近红外光成像技术多模态信号条件生成式对抗网络数据增广

来源：评论

学校读者我要写书评

暂无评论

基于分步时空JITL-MKPLS的间歇过程故障监测

引用

高校化学工程学报 2021年第1期35卷 127-139页

作者：高学金孟令军王豪高慧慧北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

针对多阶段时变的间歇过程难以用全局模型准确描述生产过程的动态变化及传统局部建模每个工作点都需要重新筛选样本建模导致计算量较大的问题,提出一种分步时空即时学习的局部建模策略。采用仿射传播(AP)聚类的方式对历史数据样本集中... 详细信息

针对多阶段时变的间歇过程难以用全局模型准确描述生产过程的动态变化及传统局部建模每个工作点都需要重新筛选样本建模导致计算量较大的问题,提出一种分步时空即时学习的局部建模策略。采用仿射传播(AP)聚类的方式对历史数据样本集中的数据进行初步分类,在当前输入样本数据到达后,确定当前样本数据所属的类别,在此类别所限定的子数据样本集中使用时间和空间相结合的即时学习策略确定出局部相似样本,建立多向核偏最小二乘监测模型。将该算法在青霉素发酵仿真数据和大肠杆菌发酵过程生产数据上进行验证,结果表明,所提方法不仅减少了不必要的计算量,还能够更加精准即时地进行故障监测。

关键词：时空即时学习分步多向核偏最小二乘局部建模故障监测

来源：评论

学校读者我要写书评

暂无评论

基于高斯混合模型最大期望聚类的同时定位与地图构建数据关联

引用

控制理论与应用 2020年第2期37卷 265-274页

作者：阮晓钢张晶晶朱晓庆周静北京工业大学信息学部计算智能与智能系统北京市重点实验室北京100124

数据关联是移动机器人同时定位与地图构建(SLAM)中状态估计的前提和基础,针对当前联合兼容分支定界算法存在计算复杂度高、耗时长的问题,提出了基于高斯混合模型(GMM)最大期望聚类分组的SLAM数据关联算法.首先,为减少同一时刻参与关联... 详细信息

数据关联是移动机器人同时定位与地图构建(SLAM)中状态估计的前提和基础,针对当前联合兼容分支定界算法存在计算复杂度高、耗时长的问题,提出了基于高斯混合模型(GMM)最大期望聚类分组的SLAM数据关联算法.首先,为减少同一时刻参与关联的观测值数目,在局部区域内采用GMM最大期望聚类算法对当前时刻的观测值进行分组;其次,在各观测小组中采用联合兼容分支定界算法进行数据关联;最后,综合各观测小组的观测值同局部地图特征得到的关联解,得到最优的关联结果.仿真实验结果表明,基于高斯混合模型最大期望聚类分组的SLAM数据关联算法在保证数据关联准确度的前提下,计算复杂度得到了降低,缩短了运行时间.

关键词：同时定位与地图构建数据关联联合兼容分支定界高斯混合模型最大期望聚类移动机器人

来源：评论

学校读者我要写书评

暂无评论

城市污水处理过程出水氨氮优化控制

引用

上海交通大学学报 2020年第9期54卷 916-923页

作者：韩红桂杨士恒张璐乔俊飞北京工业大学信息学部计算智能与智能系统北京市重点实验室北京100124

为了改善城市污水处理过程出水氨氮的处理效果,提出一种城市污水处理过程出水氨氮优化控制方法.首先,基于机理特性分析影响出水氨氮浓度的性能指标,建立一种基于自适应核函数的性能指标与控制变量的关联模型,并通过粒子群优化算法获取... 详细信息

为了改善城市污水处理过程出水氨氮的处理效果,提出一种城市污水处理过程出水氨氮优化控制方法.首先,基于机理特性分析影响出水氨氮浓度的性能指标,建立一种基于自适应核函数的性能指标与控制变量的关联模型,并通过粒子群优化算法获取控制变量溶解氧浓度的优化设定值;其次,设计自适应模糊神经网络控制器,完成溶解氧浓度优化设定值的跟踪控制;最后,将出水氨氮优化控制方法应用于基准仿真平台BSM1.实验结果表明,该优化控制方法不仅提高了出水氨氮的去除效果,而且有效降低了能耗.

关键词：城市污水处理过程出水氨氮优化控制自适应模糊神经网络控制器

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的多元医学信号多级上下文自编码器

引用

电子与信息学报 2020年第2期42卷 371-378页

作者：袁野贾克斌刘鹏宇北京工业大学信息学部北京100124 北京工业大学计算智能与智能系统北京重点实验室北京100124

多元医学信号的典型代表有多模态睡眠图和多通道脑电图等,采用无监督深度学习表征多元医学信号是目前健康信息学领域中的一个研究热点。为了解决现有模型没有充分结合医学信号多元时序结构特点的问题,该文提出了一种无监督的多级上下文... 详细信息

多元医学信号的典型代表有多模态睡眠图和多通道脑电图等,采用无监督深度学习表征多元医学信号是目前健康信息学领域中的一个研究热点。为了解决现有模型没有充分结合医学信号多元时序结构特点的问题,该文提出了一种无监督的多级上下文深度卷积自编码器(mCtx-CAE)。首先改进传统卷积神经网络结构,提出一种多元卷积自编码模块,以提取信号片段内的多元上下文特征;其次,提出采用语义学习技术对信号片段间的时序信息进行自编码,进一步提取时序上下文特征;最后通过共享特征表示设计目标函数,训练端到端的多级上下文自编码器。实验结果表明,该文所提模型在两种应用于不同医疗场景下的多模态和多通道数据集(UCD和CHB-MIT)上表现均优于其它无监督特征学习方法,能有效提高多元医学信号的融合特征表达能力,对提高临床时序数据的分析效率有着重要意义。

关键词：多元医学信号自编码器上下文学习卷积神经网络深度学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：