基于语义识别和机器视觉的智能审核方法研究

为实现报告自动化审核，本文提出通过基于网页提取信息填充报告模板，根据脚本算法审核报告基本信息，将报告中的文字及图片内容进行特征提取以及深度学习，识别报告结论的逻辑及技术准确性。结合优化OpenCV图像识别算法，在实现图片占用最小空间特征识别的基础上，实现图片信息提取。该研究具有较好的通用性，为实验室报告审核工作提供高效解决思路。     

基于差分进化算法的钢轨轮廓迭代旋转配准方法

钢轨断面轮廓检测需要对采样轮廓进行配准处理，传统的配准方法往往采用拟合轨腰、轨颚、圆心等特征部位点，并结合仿射变换实现。然而，这些轮廓配准方法过于依赖某些特定特征点，一旦个别特征点出现干扰或异常时，则无法实现正常配准，导致系统整体鲁棒性下降。提出一种基于差分进化算法的钢轨轮廓迭代旋转配准方法，可以提高配准的鲁棒性和整体精度。研究发现，在钢轨轨颚的内拐线段处利用Ramer多边形逼近算法可以定位到轨头内侧直线；以轨侧中点、轨颚间断点和轨腰间断点3处特定部位作为基准，再通过比对采样轮廓与标准轮廓在同一坐标的相对位置确定旋转方向；利用差分进化算法进行旋转迭代，从而实现钢轨轮廓的精确配准。实验结果表明：与其他现有方法相比，该方法在采样数据伴随有重度噪声，甚至数据缺失的情况下，依然能够满足较高的配准精度，极大地提高了检测系统的鲁棒性，具有较强的工程应用价值。     

基于ICEEMDAN-FE和支持向量机的三电平逆变器的故障诊断技术

为了提高三电平逆变器复杂开路故障诊断的准确率，提出了一种应用“改进自适应噪声完备集合经验模态分解-模糊熵（ICEEMDAN-FE）”和“支持向量机（SVM）”结合的三电平逆变器故障诊断方法。首先，检测信号选取三相负载电压，为降低特征向量的维数，对三相负载电压进行Concordia变换，转换为α-β相电压；然后，通过ICEEMDAN算法提取α-β相电压的特征，得到不同尺度的内禀模态函数（IMF），再利用主成分分析（PCA）降维剔除IMF虚假分量；最后，计算优选的IMF的模糊熵均值作为特征向量，输入到多分类SVM中进行训练分类，进而实现对二极管中点箝位型（NPC）三电平逆变器的故障诊断。仿真试验结果表明，该方法能够有效识别多种开路故障模式，具有抗噪性能强，诊断速度快，诊断精度高等优点。     

基于EEG的船舶驾驶员疲劳程度识别

大约80%的水上交通事故涉及人为因素，驾驶员疲劳是船舶交通事故发生的关键原因之一。近年来，基于脑电图(Electroencephalogram, EEG)的驾驶员疲劳检测技术的发展，有助于快速准确地识别驾驶员的疲劳程度。然而，由于EEG信号的敏感性和个体差异，影响驾驶员疲劳检测的准确性。该试验在船舶模拟器中进行，收集多个受试者的脑电信号。选取与疲劳相关的脑前额叶的3个通道脑电信号进行预处理，并提取基于EEG的多种特征，例如平均绝对值(Mean Absolute Value, MAV)、标准差(Standard Deviation, SD)、均方根(Root Mean Square, RMS)和香农熵(Shannon Entropy, SE)。基于卡罗林斯卡嗜睡量(Karolinska Sleepiness Scale, KSS)表将驾驶员的疲劳分为清醒、中等和疲劳等3个程度。将多种分类算法的分类准确率进行比较，双向长短期记忆网络(Bi-Long Short Term Memory, Bi-LSTM)分类器效果最佳，分类准确率达到88.63%。结果表明：该方法在研究船舶驾驶员跨个体的三分...     

自编码器及其改进算法在滚动轴承故障诊断的应用

自编码器作为神经网络中典型的无监督学习模型，在数据降噪和数据可视化降维方面具有明显的优势，且在各应用领域都引起了普遍重视，在滚动轴承故障诊断中的应用也日渐增加。为了及时了解并掌握自编码器及其改进算法在滚动轴承方面的应用，对近年具有代表性的自编码器相关算法进行了分类和总结。首先，阐述了自编码器的原理和几种基于其改进的自编码器方法的理论简述，并分析了这些算法的改进目的与改进方式。然后，列举了上述算法在滚动轴承故障诊断领域的应用。最后，总结了当前自编码器及其改进算法存在的问题，分析了解决问题的思路。