基于传感器技术、信号处理技术和模式识别技术发展起来的电子鼻技术是过去二十年中发展最为迅速的气相分析和气体检测技术之一,它已逐渐在生物医学、环境监测、农业生产、食品检测等多个领域得到应用.电子鼻是利用对待测气体具有交叉敏感性的传感器阵列将待测气体中的混杂气味组分信息转化为与时间、成分、浓度或含量相关的可测物理信号组,利用信号采集系统输出含有待测气体特征信息的数字信号,通过模式识别系统分析数字信号得到待测气体综合气味信息和隐含特征,实现对待测气体快速、系统、准确的鉴别和分析.本文综述了电子鼻技术中的传感器技术和模式识别技术及在中国白酒品牌鉴定、风味识别、酒龄检测方面的最新研究进展;以聚合物石英压电传感器型电子鼻为例,阐明该电子鼻的技术方案及其在中国白酒检测中的应用;展望电子鼻未来研究方向

以生产条件下采集的数据为基础,采用理论解析与统计分析相结合的方法,建立了角钢连轧的温度预报模型与切分孔轧制力模型。提出了采用离散化与函数拟合相结合的方法简化型钢轧制的工艺模型

新型聚合物石英压电传感器制备过程中，AT切型石英压电传感器基体的表面粗糙度及其基膜界面化学性质影响聚合物薄膜的生长，导致聚合物薄膜厚度不均匀、表面存在缺陷，使得传感器采集的频率信号不稳定.本文建立了新型聚合物石英压电传感器在考虑薄膜厚度不均、中心缺陷条件下的力学模型，利用ANSYS有限元软件对其进行模态分析，得到复杂条件下传感器振动特性.模态分析结果发现，传感器固有频率值随聚合物薄膜缺陷的半径值增大呈现出从稳定到发散的趋势、随薄膜的厚度值增大呈现出线性增大的趋势.研究结果表明，新型聚合物石英压电传感器的生产应确保薄膜厚度均匀且严格控制中心缺陷半径小于0.5 mm，该结果为制备稳定的新型聚合物石英压电传感器提供了重要依据

用多激光线代替单激光线应用于钢轨表面缺陷在线检测,解决了单激光线模式下由于钢轨跳动造成\伪缺陷\的问题.对相机采集到的多激光线单幅图像进行了中心线提取、差值算法检测、缺陷判别及缺陷图像拼接等处理,实现了缺陷的在线检测,并获得缺陷的完整区域图像.该方法利用多激光线单幅图像光带间的互相关和自相关深度信息提取图像的特征区域进行检测,避免了单激光线模式的深度拼接步骤,从根本上解决了由于钢轨跳动造成的\误检\问题.该方法已经在线应用于钢轨轨底的表面缺陷检测,相对于单激光线检测具有更高的准确率

为解决机器人末端负载的时变性给高速运动的机器人带来控制精度降低的问题，研究了参数差值法、力矩求解法、全局参数辨识法的机器人末端负载动力学参数辨识的方法，以提高末端负载的辨识精度.得到的负载动力学参数用于动力学控制以提高机器人动态精度.通过建立拉格朗日动力学线性辨识模型，以最优激励轨迹进行实时数据采集，采样数据经过低通滤波及中心差分的处理后，代入相应的负载辨识方程式，并用加权最小二乘法解决线性方程组，可辨识到不同负载的动力学参数.实验验证了负载辨识方法的可行性

为了提高热轧生产过程精轧机组的轧制力预设定精度,需要对轧制力进行高精度的预报.本文通过机理公式计算出轧制力的近似值,然后采集大量的实际生产数据修正轧制力预报值.首先利用聚类方法区分不同的生产状态,其次在相同生产状态下采用加权最小二乘支持向量机计算轧制力的修正系数,最后采用乘法方式修正轧制力,达到高精度的轧制力预测.结果表明,轧制力预报的平均相对误差为3.2%,满足现场的生产要求

工业监控系统所采集到的多元时间序列在利用数据挖掘技术获取内部存在的未知模式的过程中，经常会出现原始数据庞杂、分段结果重复、交集过多和界限不清晰等问题，导致含有突变变量或数据间相关性差的数据集进行模式挖掘结果不理想.针对上述问题，本文提出了一种新的多元时序模糊聚类分段挖掘算法.实验结果表明，该算法克服了Gath-Geva算法聚类精度易受初始值影响的不足，能够较好地反映出原始数据中潜在的过程变化，从而有效地处理时间序列的分段问题并得到理想的挖掘结果

针对现有注浆加固试验装置难以平衡高压注浆所需密封效果和多功能试验所需空间结构的缺点,研制了一套新型多功能综合注浆加固试验系统.该试验系统的优点为:(1)尺寸适中、结构合理,既具有布设监测元件的试验空间又具有良好的密封效果;(2)适用范围广,可针对不同岩土体介质开展多类注浆加固试验;(3)具备多元物理信息并行采集功能;(4)可同时满足加固体宏观物理力学性质测试及浆-岩界面微观耦合机制的研究需求.该系统成功应用于断层角砾介质注浆加固室内模拟试验,分别从应力响应-传递特征、加固体强度增长规律及加固模式等方面探究了断层角砾介质的注浆加固机理,提出了角砾介质强度增长的经验公式,揭示了加固过程中注浆压力的传递分配机制

铁水扒渣检测系统是一套基于机器视觉的扒渣评级系统,其主要作用是采用高分辨率摄像器观察铁水罐中实时情况,通过工控机采集成像,分析图像中铁渣的厚度和范围,并对照评级工艺条件评判出扒渣的等级.本系统提高在线扒渣等级评判的自动化水平,降低工人经验判别不稳定因素的影响,实现工人的劳动保护

基于高性能的YOLOv3目标检测算法，提出一种分阶段高效火车号识别算法。整个识别过程分为两个阶段：第一阶段在低分辨率全局图像中检测出火车号区域位置；第二阶段在局部高分辨率图像中检测出组成火车号的字符，根据字符的空间位置关系搜索得到12位火车号，并利用每个字符的识别置信度及火车号编码规则进行校验得到最终火车号。另外，本文提出一种结合批一化因子和滤波器相关度的剪枝算法，通过对两个阶段检测模型的剪枝，在保证识别准确率不降（实验中略有提升）的条件下降低了存储空间占用率和计算复杂度。在现场采集的1072幅火车号图像上的实验结果表明，本文提出的火车号识别算法达到了96.92%的整车号识别正确率，平均识别时间仅为191 ms