检索结果-南通市图书馆

自动化学报 2024年第7期50卷 1345-1362页

作者：朱霁霖桂卫华蒋朝辉陈致蓬方怡静中南大学自动化学院长沙410083 湘江实验室长沙410205

智能感知、精准识别高炉(Blast furnace,BF)异常状态对高炉调控优化和稳定运行至关重要,但高炉内部的黑箱状态致使传统检测方法难以直接感知并准确识别多种高炉异常状态.新型工业内窥镜可获取大量料面视频图像,为直接观测炉内运行状态... 详细信息

智能感知、精准识别高炉(Blast furnace,BF)异常状态对高炉调控优化和稳定运行至关重要,但高炉内部的黑箱状态致使传统检测方法难以直接感知并准确识别多种高炉异常状态.新型工业内窥镜可获取大量料面视频图像,为直接观测炉内运行状态提供了全新的手段.基于此,提出一种基于料面视频图像分析的高炉异常状态智能感知与识别方法.首先,提出基于多尺度纹理模糊C均值(Multi-scale texture fuzzy C-means,MST-FCM)聚类的高温煤气流区域提取方法,准确获取煤气流图像,并提取煤气流图像多元特征;其次,提出基于特征编码的高维特征降维方法,结合自适应K-means++算法,实现煤气流异常状态的粗粒度感知;在此基础上,通过改进雅可比−傅立叶矩(Jacobi-Fourier moments,JFM)提取煤气流图像深层特征变化趋势,进而提出细粒度煤气流异常状态感知方法;最后,基于煤气流异常状态感知结果,结合料面视频图像,提出多级残差通道注意力模块(Multi-level residual channel attention module,MRCAM),建立高炉异常状态识别模型ResVGGNet,实现高炉煤气流异常、塌料和悬料的精准在线识别.实验结果表明,所提方法能准确识别不同的高炉异常状态且识别速度快,可为高炉平稳运行提供重要保障.

关键词：高炉料面图像高炉异常状态感知高炉异常状态识别多级残差通道注意力模块

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于有限体积物理嵌入图网络的高炉内壁温度软测量

基于有限体积物理嵌入图网络的高炉内壁温度软测量

引用

第35届中国过程控制会议

作者：马昭昕陈致蓬沈玲桂卫华

高炉(BF)内壁温度场在决定高炉运行效率方面起着关键作用。然而,由于高炉是一个封闭的复杂反应器,具有极其恶劣的环境,因此无法直接测量。为了解决这个问题,本文设计了一种基于有限体积物理嵌入图网络(FVPIGN)的高炉壁温度场软测量建模... 详细信息

高炉(BF)内壁温度场在决定高炉运行效率方面起着关键作用。然而,由于高炉是一个封闭的复杂反应器,具有极其恶劣的环境,因此无法直接测量。为了解决这个问题,本文设计了一种基于有限体积物理嵌入图网络(FVPIGN)的高炉壁温度场软测量建模策略。首先建立了一个考虑高炉分层物理结构的3D瞬态热传导模型。由于高炉壁体积庞大,在求解3D瞬态热传导模型时计算负担很重,为了解决这个问题,提出了FV-PIGN,通过物理嵌入与图网络信息聚合更新实现高速准确的模型数值解。为了进一步提高3D模型的精度,以冷却壁中测量的热电偶温度作为判断标准,并最终设计了一种内壁温度校正策略,通过多次迭代校正假定的内壁温度。仿真结果证明了软测量建模策略的有效性及其在工业应用中的适用性。研究成果为高炉操作员判断炉况和调整操作参数提供了宝贵的参考信息。

关键词：高炉壁温热传导逆问题有限体积法图神经网络深度学习

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于改进Viola-Jones框架的人脸检测算法

基于改进Viola-Jones框架的人脸检测算法

引用

作者：陈致蓬湘潭大学

学位级别：硕士

人脸检测作为人脸识别的前序工作，一直以来都是模式识别领域的研究热点。特别是在AdaBoost算法出来以后，随着Viola-Jones的框架的建立，使得人脸检测的效率和准确性上了一个台阶。本文就是先从线分配算法和AdaBoost算法的数学证明出... 详细信息

人脸检测作为人脸识别的前序工作，一直以来都是模式识别领域的研究热点。特别是在AdaBoost算法出来以后，随着Viola-Jones的框架的建立，使得人脸检测的效率和准确性上了一个台阶。本文就是先从线分配算法和AdaBoost算法的数学证明出发，对传统的Viola-Jones框架进行改进。通过提出一种基于边界和区域相结合的皮肤分割算法，对被检测的图像进行皮肤分割的预处理，从而降低Viola-Jones框架人脸检测器的误检率，特别是降低了对无人脸的复杂背景图片的误检率，同时由于缩小检测区域，从而提高了检测的效率。然后对框架中的AdaBoost算法所需要的弱分类器进行优化，通过单层感知器分别训练出某一矩形特征模板下的最优特征，然后再由条件概率的理论得到其对应的最优阈值，从而得到最优特征的最优阈值的弱分类器。通过这样的处理，使得由AdaBoost算法训练得到的强分类器的误差进一步减少，并且也大幅的减少了特征的数量，提高了Viola-Jones框架人脸检测器的检测准确度和检测效率。最后将AdaBoost算法训练得到特征集作为一个RBF神经网络的输入，而这个神经网络是通过本文的一种新型模糊聚类算法进行训练的，这就使得这样训练的RBF神经网络能够更好的反映人脸特征数据的内在联系，提高神经网络的准确性。同时由于这个RBF网络的输入是AdaBoost算法训练得到特征集，这样就加强了对AdaBoost算法训练提取的特征中的反例的学习，从而达到降低分类器的分类误差。降低了Viola-Jones框架人脸检测器的误检率。最后通过Matlab仿真实现了这个基于改进的Viola-Jones框架人脸检测器。在仿真中，比较了传统Viola-Jones框架人脸检测器的效果图，同时给出了多角度的人脸检测、多表情的人脸检测、有遮盖物的人脸检测和没有人脸的背景图的人脸检测的效果图。通过实验得出了本文提出的基于改进的Viola-Jones框架人脸检测器优于传统Viola-Jones框架人脸检测器的结论，具有较高实用价值。

关键词： Viola-Jones框架人脸检测神经网络 AdaBoost算法肤色模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于极大似然循环自更新神经网络的高炉料位时空特征融合测量方法

引用

中南大学学报（自然科学版） 2023年第2期54卷 720-731页

作者：马昭昕陈致蓬桂卫华中南大学自动化学院湖南长沙410083

高炉料位实时高精度测量是高炉精细化智能布料控制的前提,更是保证高炉高效、绿色和低碳冶炼的关键。在高炉实际生产过程中,炉内处于高温高压密闭多尘环境下,传统的机械及雷达探尺料位测量方法面临料位测量精度与连续性无法兼顾的挑战... 详细信息

高炉料位实时高精度测量是高炉精细化智能布料控制的前提,更是保证高炉高效、绿色和低碳冶炼的关键。在高炉实际生产过程中,炉内处于高温高压密闭多尘环境下,传统的机械及雷达探尺料位测量方法面临料位测量精度与连续性无法兼顾的挑战。为此,本文提出基于极大似然循环自更新神经网络的高炉料位时空特征融合测量方法,该方法通过周期提取及极大似然估计等手段,精准提取雷达探尺料位时空特征,并以机械探尺信息为基准,构建能融合雷达数据时空分布特征及机械探尺数据的循环自更新神经网络结构,从而实现高炉料位实时连续高精度测量。研究结果表明:本文方法不仅能与雷达探尺实时连续测量高炉料位,且测量精度逼近机械探尺的测量精度,为高炉精细化绿色低碳冶炼提供了数据支撑,实用价值明显。

关键词：高炉料位机械探尺雷达探尺平滑窗口神经网络

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于两种探尺数据融合的高炉料位检测方法

引用

有色冶金设计与研究 2014年第4期35卷 8-11页

作者：陈致蓬蒋朝辉中南大学信息科学与工程学院湖南长沙410083

通过分析机械探尺和雷达探尺在高炉料位检测上的优缺点,采用模糊GK聚类算法,对雷达探尺测量数据进行聚类处理,并把聚类获得的参数用于构建一个RBF网络。利用机械探尺数据训练已建立的RBF网络,建立了基于机械探尺数据的修正模型,通过修... 详细信息

通过分析机械探尺和雷达探尺在高炉料位检测上的优缺点,采用模糊GK聚类算法,对雷达探尺测量数据进行聚类处理,并把聚类获得的参数用于构建一个RBF网络。利用机械探尺数据训练已建立的RBF网络,建立了基于机械探尺数据的修正模型,通过修正模型对雷达探尺测量数据的逐一修正,实现雷达探尺和机械探尺测量数据的有机融合。仿真结果和工业数据证明,基于机械探尺数据建立的修正模型具有较高的精度和较好的实用价值。

关键词：高炉料位机械探尺雷达探尺模糊GK聚类 RBF网络

来源：

维普期刊数据库

同方期刊数据库评论

cnki会议

学校读者我要写书评

暂无评论

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

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：