关键词： 浅地层剖面   海底底质分类   中值滤波   预测反褶积   Biot-Stoll模型   声衰减模型   BP神经网络   蚁群算法  

摘要： 海底底质的开发利用为海洋军事、资源勘探、水下考古、海洋工程建设等诸多领域提供了重要参考,目前海底底质分类已成为测绘学者们的研究热点。根据数据采集方式的不同,海底底质分类方法可分为传统底质取样法和现代声学遥感探测法。相较于传统的底质取样法,现代声学遥感探测法不仅大大提高了测量效率,又显著降低了作业成本,适用于大规模的海底底质探测,但对于底质分类的精度有待进一步提高。本文以现代声学遥感探测中的浅地层剖面探测为研究核心,重点开展浅地层剖面数据处理与海底底质分类方法研究,主要创新点和工作如下:(1)为实现浅地层剖面图像的消噪处理且具有较高的保真度,本文提出了一种基于噪声点的自适应中值滤波消噪处理方法,重点从噪声点判断和自适应模板大小选取这两个方面出发对中值滤波进行改进。结果显示,改进后的浅地层剖面图像不但具有良好的去噪效果,而且图像中的关键信息得到了保留。(2)针对传统预测反褶积算法在浅地层剖面图像中存在多次波压制不彻底的问题,本文对传统预测反褶积算法做了适当改进,提出了一种基于区域的预测反褶积方法,对于浅地层剖面进行分区处理,各个区域采取不同的压制方式。结果显示,改进后的预测反褶积算法压制效果更好,更能适应复杂地形情况下的浅地层剖面多次波压制。(3)为弥补Biot-Stoll模型和声衰减模型分别对于砾和泥的分类精度较低的问题,本文提出一种结合反演模型的底质分类方法,提取浅地层剖面图像中的反射系数R和品质因子Q并分别借助Biot-Stoll模型和声衰减模型反演底质粒径,得到的两组粒径数据输入到BP神经网络中训练分类。实验结果表明,通过BP神经网络训练后得到的分类结果相比单一模型有显著提高,证明了两种反演模型具有较强的互补性,以及这种结合方法开展海底底质分类研究的可行性。(4)为提高浅地层剖面的无模型底质自动分类精度,本文对传统BP神经网络算法做了改进,引入蚁群算法对BP神经网络分类器进行优化(即ACO-BP算法),利用蚁群算法全局寻优的特点优选初始权值和阙值代入分类器中,以解决训练过程中经常陷入局部最优解的问题。实验结果表明,ACO-BP算法的底质分类总体正确率比传统BP神经网络高4%,验证了ACO-BP算法的正确有效性。

关键词： 光学检测   误差去除   三维扫描检测   三坐标测量机  

摘要： 三坐标测量机（Coordinate Measuring Machining,CMM）通过对被测光学元件表面进行接触式扫描,获取精确的表面轮廓三维检测数据,因其性能稳定、检测结果可靠,被广泛应用在光学表面面形三维扫描检测。本文通过分析光学表面CMM三维扫描检测获取数据时存在的误差,根据误差产生机理建立误差去除算法模型,编写算法将所获得的三维检测数据进行快速准确的误差去除。本文的研究工作主要包括:根据光学表面CMM三维扫描测量检测数据的三大误差来源——测头曲率半径误差、检测坐标系旋转平移偏差和残差数据噪点误差,通过分析误差产生机理建立误差去除数学模型,确定检测数据误差去除的算法流程。针对传统多目标优化去除旋转平移偏差算法的缺陷,提出利用主成分分析完成检测数据初始配准、利用kd-tree数据结构改进的最近邻迭代（Iterative Closest Point,ICP）算法完成检测数据精确配准,实现快速去除被测光学元件所在的检测坐标系与理论坐标系之间的旋转平移偏差。针对光学表面CMM三维扫描测量所产生的噪点误差,根据光学检测数据残差特点,提出基于三次样条插值拟合、并利用残差概率分布的数据去噪算法。最后在光学表面CMM三维扫描测量数据处理算法的基础上开发了三维扫描检测数据处理软件,并详细介绍了软件的功能与实现方法,最后通过对CMM检测数据进行误差处理实验,验证软件的正确性和可用性。

ISBN: (纸本)9787040557299

关键词： 敞开式质谱   多元曲线分辨-交替最小二乘   高斯混合模型   统计分析  

摘要： 质谱技术具有分析速度快、专属性强和灵敏度高的特点。随着离子化技术和质量分析器的不断创新,敞开式质谱技术得以快速发展。敞开式质谱是一种在常压环境中就能实现对样品的离子化和直接分析的技术,且保留高通量和快速的特点,逐渐被应用于食品检测、环境检测和材料分析等领域。数据处理作为定性和定量分析的基础,极大影响着分析结果的准确性。本文在综合分析了国内外数据处理算法的基础上,重点对混合体系的分辨和质谱重叠峰的解析进行了研究,并对实测信号进行统计分析,确定了算法处理的有效性。论文主要工作内容如下:(1)基于化学计量学的概念和特点,提出多元曲线分辨-交替最小二乘法分辨混合体系,并深入研究该方法的原理。根据实测信号受干扰影响的特点,结合固定窗口渐进因子分析法解决组分数和浓度窗口确定的问题。选择模拟数据和实测信号共同验证算法可行性。实验结果表明,该方法能完成敞开式质谱在混合进样时色谱重叠的分离工作,得到纯质谱和色谱信号,进而对混合体系进行定量和定性的分析。(2)针对敞开式质谱重叠峰的问题,提出基于高斯混合模型的解析理论和方法。为避免求解时局部收敛的问题,将其结合离散抽样、手肘法、谱图在化学量测中的意义,以及三角形中位线定理等技术完成了质谱重叠峰信号的解析工作。选择模拟数据和实测信号进行解析,验证了该方法的性能。实验结果表明,该方法在分离出目标谱峰时不仅具有较高精度,具有一定的抗噪声干扰能力,而且不改变峰形特征。同时增大了有效提取离子流的强度值,从而提高信噪比,最大可达到10.2%。(3)针对阈值设定粗糙的问题,基于传统强度阈值检出,提出了基于提取离子流强度的统计分类方法。从统计计算的强度对数直方图和假阳性率和假阴性率与阈值的关系曲线中,直观反应数据本身强度的分布特点和阈值变化情况。选取数据处理前后的冰毒样本和空白毛发样本在m/z=119处的谱峰信号进行统计分析。结果表明,统计分析设定阈值比经验阈值更加可靠,并且在数据进行处理后,信号与噪声的区别更明显,表明数据处理能有效区分出目标信号,提高了信号分析的准确性。

关键词： 变压器   状态评估   组合权重   粗糙集   多维状态云模型  

摘要： 电力变压器是电力系统的核心部件,针对电力变压器的状态检修是维护电力系统安全稳定的重要环节,而状态检修工作的基础在于状态评估。变压器的状态评估实际上是依靠算法处理样本数据,来评估变压器健康状况的一个过程。然而,单一算法的特性与变压器状态评估工作并不够契合,本文针对变压器状态评估工作中存在的主客观方法比较片面、状态量之间相互干扰、数据量过多难以处理和评估过程需要满足模糊性和随机性问题,综合各类算法的优缺点,同时在少量和足量变压器样本数据的不同背景下,提出了两种混合算法来进行变压器状态评估。首先,本文综合考虑国网规程和相关文献中的研究经验,建立层次型状态评估体系,选取与变压器状态等级相关的影响因素作为中间层,并针对不同的中间层影响因素选取与其最为相关的状态量。然后,探究在少量样本数据情况下的状态评估。针对模糊层次分析法(Fuzzy Analytical Hierarchy Process,FAHP)计算变压器状态量权重时存在状态量之间相互干扰的问题,引入主观性方法决策与实验室法(Decision-making Trial and Evaluation Laboratory,DEMATEL)进行权重修正。针对单独的主、客观方法较为片面的问题,选取CRITIC法(Criteria Importance Though Intercriteria Correlation)计算客观权重值,再基于组合赋权法计算最优权重。而后,在最优权重的基础上,结合各状态量的状态评分得到综合状态评估结果。实例分析验证该混合方法的可靠性,并在MATLAB中对实验数据添加白噪声模拟干扰量,证明该方法具有更好的稳定性。最后,探究在足量数据情况下的状态评估。针对样本数据过于复杂的问题,综合模糊集和粗糙集在解决不确定问题上的互补能力,采用模糊聚类分析法(Fuzzy Cluster Analysis,FCA)对变压器样本数据进行聚类并结合粗糙集理论(Rough Set Theory,RST)计算状态量权重值;针对评估过程中需要维持模型的模糊性和随机性的问题,采用多维状态云模型理论计算变压器对各个状态评定等级的综合确定度。选取部分变压器样本数据进行综合等级评定示例,并采用正态随机数生成方法结合原始样本数据进行样本扩充,在足量数据的基础下使用多种方法进行对比,验证了该方法的有效性和高准确性。

关键词： 弹载记录仪   1D-CNN   FPGA   加速度时间序列   数据处理  

摘要： 专用弹载记录仪是国防信息化建设背景下,武器测试技术和武器测试系统发展的产物,同时,人工智能在各领域的成功应用,为弹载记录仪的智能化发展提供了新思路。在一些武器测试试验过程中,弹载记录仪的“非智能化”给试验过程造成很大困扰。试验过程中,总试验时长较长而目标数据的出现时间随机、持续时间很短的情况下,弹载记录仪采集并保存的大部分数据是无效数据,这些无效数据为弹载记录仪的供电和存储系统、以及数据回读后的后期处理过程带来了很大的挑战,这是实现弹载记录仪“智能化”的意义所在。具备智能化能力的弹载记录仪可以在试验过程中对采集的数据进行分类和判读,对无效数据进行剔除,对有效的目标数据进行分类存储。针对以上目标,在本文中,选取具备从低级数据中提取高级抽象特征能力的卷积神经网络作为智能化方法,选取武器测试系统中常用的移动芯片FPGA作为智能化实现的载体,提出了本文课题——基于FPGA的卷积神经网络部署与应用研究。本文中,首先对卷积神经网络高级特征提取能力的层级基础和算法优势进行了研究,结合FPGA的计算特性和FPGA上大规模电路设计技术HLS,分析了在FPGA平台上部署卷积神经网络的可行性。其次,根据任务目标确定了卷积神经网络模型的类型和网络结构参数,选择了合适的硬件实验平台,并对硬件平台上卷积神经网络1D-CNN的实现进行了设计。最后,利用现有试验数据制作数据集对网络模型进行训练和验证,确定本文课题的研究效果并指出了研究中尚存在的不足,对接下来的研究方法和目标作出展望。实验证明,本文所做的工作为弹载记录仪的“智能化”提供了可靠方案,对国防信息化建设背景下武器测试系统的发展有重要的参考价值。

关键词： 非负矩阵分解   肺癌病理诊断   心肺音分离   标签约束  

摘要： 准确诊断肺部系统疾病的病情和针对病情采取有效的治疗手段是患者早日康复的保障。临床中,对肺部系统诊断的手段主要有胸透、CT、肺音听诊等,因此肺部数据形式多样,包含肺音以及肺部图像数据等。肺音信号包含了肺部系统比较全面的病理信息。肺音听诊具有便捷以及诊断效率较高的优势,广泛运用于肺部临床诊断。但是在听诊肺音过程中容易受到心音的干扰从而影响医生诊断。因此从心肺混合音中分离出纯净的肺音具有现实意义。此外,例如肺癌等肺部疾病需要通过肺部图像数据进行诊断。目前大多数的计算机辅助肺癌病理诊断都是应用人工智能技术在手术前期对肺部的CT图像进行检测。但是,对手术中的肺部结节进行病理的快速分类有助于增强医生对疾病的判断,对于病人后续治疗方案的选择至关重要。非负矩阵分解(Non-negative Matrix Factorization,NMF)在降维以及特征提取方面表现出色。本研究基于NMF技术处理肺部数据,主要解决心肺音分离以及肺癌病理图像分类两大任务。在心肺音分离方面,本文基于带L21范数约束的稀疏对偶图正则约束非负矩阵分解(L21SDGNMF),分别在分解、聚类、重构三个阶段对传统基于NMF的心肺音方法进行改进。采用L21SDGNMF进行混合时频矩阵的分解,采用带有标签约束的L21SDGANMF进行参考信号的获取,采用L21SDGNMF进行系数矩阵的更新。通过仿真实验,验证了基于L21SDGNMF的改进心肺音分离方法的有效性,在信噪比和相似度上较传统基于NMF的心肺音方法提升明显。在肺癌病理诊断方面,本文首先对术中肺癌病理图像数据进行了样本扩充,制作出不同样本数量的数据集用于实验验证。此外,本文结合机器学习方法中的颜色直方图特征提取、非负矩阵分解降维以及支持向量机分类对术中肺癌病理图像按照区分良恶性以及是否浸润性癌两个任务进行分类。通过仿真实验,与深度神经网络RESNET18以及SVM分类方法对比,显示了本文提出的COLONMFSVM方法的分类精度更高,能够有效实现术中肺癌病理图像分类。

关键词： 循环肿瘤细胞   活体光声流式细胞仪   黑色素瘤细胞   支持向量机   飞渡时间  

摘要： 大多数癌症患者都死于肿瘤转移而非原发性肿瘤,其中从原发肿瘤脱落,跟随循环系统渗出到远处组织并最终形成转移灶的循环肿瘤细胞(Circulating tumor cells,CTCs)被认为是判断肿瘤转移的重要标志物。基于在体流式技术的在体光声流式细胞仪(In vivo photoacoustic flow cytometry,PAFC)可以实现非侵入、无标记的大样本实时检测在体循环肿瘤细胞。黑色素瘤是一种转移性极强的恶性皮肤肿瘤,近十年来发病率逐年上升。PAFC可以有效无标记检测在体血管中黑色素瘤CTCs,实现黑色素瘤的早期诊断。然而目前PAFC数据具有数据量大、阳性信号与噪声易混淆、基线抖动等问题,给PAFC数据的分析处理和光声信号筛选造成一定困难。支持向量机(Support Vector Machine,SVM)算法目前多应用于模式识别领域的数据分类问题。本研究将支持向量机算法应用于PAFC的信号筛选中,提出通过特征可视化手段将光声数据幅值、频谱、功率密度等特征展现在三维特征空间中,应用SVM线性与高斯混合核函数进行光声信号分类,将分类准确率由之前阈值筛选法60%提升到99.99%,灵敏度提升到90.57%。之后将光声信号去噪、基线校正方法与基于特征提取的SVM模型集成打包到Matlab平台的APP中,实现高效、准确、便捷的光声信号分类筛选。同时在正确识别黑色素瘤光声信号的基础上,挖掘光声信号飞渡时间的生物信息,通过支持向量机模型预测不同大小的细胞,有效分类体外0-10μm、20-40μm和在体0-10μm、10-20μm的B16F10黑色素瘤细胞,进一步探求肿瘤转移现象与细胞特征关系。本文旨在基于支持向量机算法从软件上提高在体光声流式细胞仪灵敏度,实现一套稳定、准确并适用于大样本数据的信号分类及特征提取的软件分析系统。

关键词： 铸坯   结晶器   数据处理   异常振动   有限元  

摘要： 连铸结晶器是否正常运行直接影响到连铸机的生产效率,并且铸坯的质量也会受到影响。但是,在实际的生产过程中,由于各种自身因素和外部因素,使结晶器无法按照设定的理想振动曲线进行振动,导致出现异常振动状态。例如,结晶器沿垂直位移的方向发生转动,并且沿前后位移的方向发生摆动。这种异常的振动状态将对板坯的凝固,传热和变形过程中的应力产生不同程度的影响,并且可能会导致诸如板坯表面的振动痕迹和裂纹之类的缺陷,在严重的情况下可能会导致破裂。铸坯在铸型中的热和机械性能对连铸工艺有重要影响。近年来,对结晶器的传热规律的研究对于提高连铸的生产率非常重要及对铸坯的表面质量具有跨时代的意义。由于结晶器中钢水凝固和传热的复杂性,很难进行工业测试来了解铸坯的内部条件。因此,利用数值模拟研究模具的传热规律是一种有效的方法。本文以某板坯厂横截面为1600mm×67mm的结晶器为研究对象,基于理论计算,从铸坯的温度场和应力场为出发点,应用ANSYS与Solid Works等软件建立了结晶器、铸坯与冷却栅格装配的有限元模型,通过计算仿真得到结晶器的振动特性和异常振动行为信息。根据仿真结果对铸坯的应力场进行分析,得到异常振动对铸坯的应力变形影响。为了进一步分析异常振动对结晶器内铸坯的应力变形,通过控制变量法研究了不同拉坯速度下的结晶器振动特性可以得到:在高速拉伸过程中,结晶器振动台运动曲线偏离了正弦曲线,这将导致结晶器运动不平稳,铸坯破裂,最终发生漏钢等故障。因此,在对结晶器振动台进行检修和维护时,要找出结晶器振动台运动曲线偏离的原因和影响程度,来保证结晶器振动台的性能。通过对结晶器异常振动过程进行仿真,得到的应力场仿真结果表明:上下位移振动异常时,铸坯存在四个应力集中的位置,分别为冷却栅格角部、铸坯出口处角部。随着拉坯速度的增加,其等效应力随着增加。而等效应变的变化规律与之相同。前后位移摆动异常时,其变化规律与上下位移振动异常工况下相同,只不过增加的数值幅度小于上下位移振动异常工况。上下与前后位移振结合振动异常时,铸坯的等效应力及变形的变化规律与上下位移振动异常单独作用下变化规律一致,不同的是前者的应力和应变数值增大了些。因此,前后位移摆动异常时拉坯速度的增加对于铸坯等效应力及变形的影响幅度不如结晶器上下位移振动异常、结晶器上下与前后位移振动异常。

ISBN: (纸本)9787114170355