基于BIM的装配式建筑并行施工作业空间冲突识别

为识别装配式建筑施工并行作业之间的空间冲突，分析装配式建筑施工项目现场各类作业空间占用需求，利用BIM技术模拟作业空间占用，引入混合轴向包围盒（AABB）与有向包围盒（OBB）算法，建立施工现场并行作业空间冲突检测模型。结果表明:所建立的模型可有效预测施工现场并行作业之间的空间冲突，为进一步的空间资源优化与项目安全管理提供支撑。     

基于BERT-BILSTM-CRF模型的电力行业事故文本智能分析*

为解决电力行业事故报告文本较长、语义复杂,难以进行有效文本识别问题,提出1种以BERT作为底层的预训练模型,并设计1种双重注意力机制编码器,结合BILSTM-CRF深度挖掘事故文本语义特征,从而实现文本智能分析。首先构建电力词典,通过对BERT预训练,进行BIO标注,然后引入BILSTM-CRF模型实现对文本标签智能分类,最后将该模型与现行其他4种深度学习模型进行对比。研究结果表明:该模型智能识别精确率、召回率及F1值(查准率)均达到约97%,较其他4种模型中效果最好的模型分别提高0.02,0.03,0.02。研究结果可为电力行业事故报告文本分析提供1种新思路。     

A dual-sensor-based method to recognize pipeline leakage and interference signals

During the detection of pipeline leakages, false alarms of leak detection could be markedly reduced if the interference signals resulting from pressure regulating, pump regulating or valve movements could be accurately distinguished. A digital recognition method for interference signals and leakage signals based on a dual-sensor system is proposed in this paper. It is demonstrated that the direction of the signal can be recognized by a cross-correlation calculation between two signals from the dual-sensor, one of which undergoes forward linear interpolation and backward linear interpolation. Based on this theory, the interference signal and the leak signal can be discriminated exactly, and the distance between the two sensors in the dual-sensor system can be considerably reduced without needing to increase the sampling frequency. The monotonicity of the cross-correlation function is demonstrated, and a fast discrimination algorithm based on a binary extreme search method, which decreases the computational load and maintains global optimization, is also proposed. A pre-processing method of the actual signal is proposed to decrease the identity requirement for the two sensors in a dual-sensor system. In the experiment based on artificial signals, the proposed discrimination algorithm could achieve accurate recognition of the abnormal signal, and as such, the theory and application of pipeline leak detection based on dual-sensor systems are extended.     

基于FTA-SVM的车辆发动机故障识别方法

发动机结构日益复杂,其故障具有多样性和频发性的特点,收集大量故障样本存在很多实施障碍。为了提高车辆发动机的故障识别的效率和准确性,提出了一种新的结合故障树(FTA)和支持向量机(SVM)各自特点,从故障模式分析到故障类型识别的FTA-SVM故障识别方法。首先利用故障树在复杂系统故障模式分析中的优势,找出系统的故障模式,建立故障树模型,通过对故障树模型中各故障事件的分析,采集与故障事件状态相关的数据,建立数据与故障树底事件的映射模型,最后利用支持向量机在小样本数据处理中的优势,进行故障类型的识别。以发动机的失火故障为例建立了发动机失火故障树模型及故障数据与故障模式映射模型,验证了FTA-SVM方法的有效性和适用性。     

分子识别作用下光催化降解偶氮染料酸性红GR

合成了β-环糊精(β-CD)与偶氮染料酸性红GR(ARGR)的包结物,并采用红外光谱仪对ARGR、β-CD及β-CD与ARGR的包结物进行了表征,表征结果显示,β-CD与ARGR的包结物的特征峰的峰形和强度与β-CD相似,但峰位有明显的偏移,说明ARGR进入了β-CD空腔与β-CD发生了分子识别作用。采用TiO2作为催化剂,研究了β-CD分子识别后ARGR的光催化降解行为,实验结果表明,在ARGR质量浓度为20.0 mg/L、β-CD浓度为1.8×10-5 mol/L、体系pH为4.0、TiO2加入量为1.0 g/L、光催化反应时间为60 min的条件下,经β-CD分子识别后ARGR的光催化降解率可达100%。     

电晕放电辐射信号的特征提取和模式识别方法研究

目的研究电晕放电辐射信号的特征提取和模式识别方法。方法在分析信号特征提取方法的基础上,对实测的电晕放电辐射信号特征提取,利用概率神经网络开展电晕放电辐射信号目标识别,检验特征提取的有效性。结果以奇异值作为输入特征量的PNN在整体上效果更优,稳定性好,对两类不同放电辐射信号的正确识别率均可达到80%以上,并且当输入特征量个数达到10个时,对实测样本的正确识别率均达到了最高值。电晕放电的正确识别率为96.7%,火花放电的正确识别率为93.3%。结论该方法能基本满足实际放电信号的识别应用。     

地质动力区划预测煤与瓦斯突出

为了确定煤与瓦斯突出矿井的突出危险区域,威胁区域和安全区域,提出基于地质动力区划的多因素模式识别概率预测方法预测煤与瓦斯突出的新思路。以鸡西滴道矿立井为研究对象,利用地质动力区划方法确定不同尺度和级别构造运动的特征,建立板块构造学说与矿井工程实际的联系,将对矿井煤与瓦斯突出产生影响的因素为参数,采用多因素模式识别概率预测方法划分研究区域内的危险区域。研究表明该方法对煤与瓦斯突出区域预测的合理性与有效性,可以在实际工程中应用推广。     

基于人工免疫原理的事故预防研究

介绍生物免疫识别模式,分析事故预防过程的实质是抑制潜在危险转化成事故的控制过程,分析比较事故预防与生物免疫识别模式在作用、生存环境、动作触发源等的共性,构建了基于免疫识别模式的事故预防系统并建立了事故预防数学模型;定义事故预防系统的识别率、失效率、误判率并给出了数学表达式,指出监测生产系统各环节状态信息是否符合系统的安全要求就是识别潜在危险的过程,是事故预防的关键,基于人工免疫原理的事故预防数学模型具有较强的健壮性、自适应性和动态防护性等特点。     

模式识别在火灾调查中的汽油分类问题的应用研究

在火灾调查中,检测汽油成分并对其进行正确分类尤为重要.运用GC-MS对90#和93#两种普通汽油的共50个样本进行检测,所得的GC-MS原始数据通过PCA方法进行处理,以提取有用信息,避免冗余变量进入后续计算.在此基础上应用KNN方法对这两种汽油助燃剂进行分类.结果表明, KNN方法对这两种汽油的分类准确率达到100%,且当初始数据未经标准化预处理时也能达到同样准确的分类效果.研究表明:将模式识别方法正确地运用到助燃剂鉴定和分类工作中有助于火灾调查.     

虹膜识别在肉类食品安全追溯系统中的应用及关键技术研究

为了提高大型动物肉类食品的安全性,在研究肉类食品供应链的安全管理的基础上,将大型动物的虹膜识别技术引入食品供应链管理中,构建基于虹膜识别的大型动物肉类食品安全可追溯系统,达到肉类食品安全信息查询及出现安全问题后的个体溯源的目的。借鉴人眼虹膜识别的相关技术,以牛眼为例对大型动物虹膜识别的相关算法和虹膜定位等关键技术进行研究,运用改进的Sobel算子对图像进行边缘检测;引入二次B样条曲线算法实现了牛眼虹膜的精确定位;分析牛虹膜纹理特征的分布特点,实现了虹膜特征区域的提取及归一化处理。研究成果对大型动物的虹膜识别研究和肉类食品供应链安全管理具有一定的参考意义。