摘要：钻井液流变性是钻井液流动和变形的特性,对于携带与悬浮岩屑、提高钻进速度至关重要,准确掌握钻井液流变参数是保证井眼清洁与高效钻进的前提。提出一种基于卷积神经网络(Convolu-tionalNeuralNetwork,CNN)的钻井液流变参数智能识别方法,通过磁力搅拌产生稳定的钻井液流动图像,利用多种数据增强方法增加图像数量并建立数据库,增强模型的鲁棒性和泛化能力。优化AlexNet卷积神经网络算法,构建钻井液流变参数识别模型。将数据库划分为训练集:验证集:测试集=7:2:1,对训练集进行迭代训练并通过验证集调整参数获得最佳拟合模型。此外,运用混淆矩阵、卷积核可视化技术和类激活技术(Gradient-weighted Class Activation Mapping,Grad-CAM)对模型进行多方位评估。结果表明:(1)钻井液流变参数识别模型对钻井液塑性黏度测试的宏精确率为95.2%,宏召回率为94.7%,宏F1值为0.95。(2)对钻井液表观黏度测试的宏精确率为91.6%,宏召回率为91.5%,宏F1值为0.90。(3)利用卷积核可视化技术和Grad-CAM对特征提取进行可视化处理,发现钻井液波纹形状和大小会影响模型流变参数识别准确度。(4)室内测试结果表明,该模型的测试误差为±2 mPa·s,在设计允许范围以内,具有较高的识别精确度和稳定性。所提出的钻井液流变参数实时智能识别方法可为安全、快速和准确地进行钻井液流变性测试提供智能化技术思路。

摘要：为了解决挖掘机作业阶段识别方法可靠性较低的问题,提出了一种基于信息融合和多粒度级联森林模型(information fusion and multi-granularity cascade forest model,IFMCFM)的智能识别方法。利用信息融合技术将挖掘机作业阶段的类别概率向量与高重要度特征进行融合,形成新的识别特征;将新特征输入级联森林模型,采用不同比例的训练集对模型进行训练并对识别结果进行分析;将IFMCFM的识别结果与DAGSVM(directed acyclic graph support vector machine,有向无环图支持向量机)、PCA-SVM(support vector machine based on principal component analysis,基于主成分分析的支持向量机)、LIBSVM(library for support vector machines,支持向量机库)和LSTM(long short-term memory,长短期记忆)的识别结果进行对比。研究结果表明:当训练集比例为80%时,IFMCFM的识别准确率、召回率和F1(精确度和召回率的调和平均数)指标分别为95.00%,95.17%和95.02%,识别效果较优;相比于其他识别模型,IFMCFM的识别准确性和可靠性最高。IFMCFM可以有效地识别挖掘机作业阶段,具有较高的应用价值。

摘要：雷达智能识别方法训练、测试与评估通常需要构建大样本的数据集,如何快速获得有效的数据集是亟待解决的问题。分析了空天目标雷达智能识别系统应用场景,并结合应用需求给出了空天目标雷达智能识别仿真系统建设思路;采用组件化、模块化设计方法,设计空天目标雷达智能识别仿真系统框架,构建空天目标智能识别仿真系统,快速准确模拟空天目标电磁特性和动态回波,具有可扩展、可重构能力。仿真结果和初步应用表明,该系统可用于不同应用场景下空天目标雷达智能识别方法的测试与评估。

摘要：针对煤矿智能化建设中对少人化、无人化和标准化目标的诉求,依托先进的5G信息传输渠道,发展全方位远程监测、监控、视频预警技术是提高现场作业规范化和完善作业流程的关键。为了进一步提升煤矿生产的安全规范管理以及远程监测和监控,实现提前预警预报的目标,开发了煤矿智能识别监测预警平台。介绍了该平台的总体架构,详细阐述了该平台业务流程、智能视频模型以及智能视频识别设计。实际应用表明,该平台能够对现场违规行为进行有效监测、监控和预警,有效提高违章行为的精准辨识,能够明显减少因违规带来的损失,为矿井智能化建设提供有力支撑。

摘要：近些年,电动车的应用越来越广泛,电动车入电梯、入户的频率也越来越高。由于电动车的电力源于电池,当电池老化或者发生短路时容易出现故障,如爆炸、火灾等事故,很容易威胁人们的生命和财产安全。设计与研究基于单片机控制的电梯智能识别电动车阻车系统,能够有效地规避该问题,为人们的生命和财产安全提供良好的保障。基于此,文章概述了单片机的内涵,分析了电梯智能识别电动车阻车系统的重要性,并设计了基于单片机控制的电梯智能识别电动车阻车系统。

摘要：针对大部分预测模型未全面考虑雷电的时空特征而导致预测精度较低的问题,文中设计了一种基于气象特征数据智能识别与评估的雷电灾害预测模型。该模型利用数据挖掘方法获取气象特征,并计算其皮尔森相关性系数,从而确定了与雷电相关的气象特征。通过将雷电特征输入由人工鱼群算法训练后的Elman网络进行学习分析,即可得到雷电灾害的预测结果。基于Python平台对所提模型进行实验分析与测试,结果表明,该模型预测结果的平均绝对百分比误差小于0.03,且在不同时间片和空间内均具有良好的预测效果。

摘要：利用卷积神经网络进行图像数据的识别与处理,能有效提高大数据图像识别的智能性,可以广泛应用于文学艺术、商务业务、工程建设等多个领域。实验表明,基于卷积神经网络的大数据图像智能识别方法误识率较低,具有明显的应用优势。

摘要：随着工业自动化与智能化发展,矿山电气设备的管理控制愈发复杂。传统控制方法在应对多变的工作环境和实时监测需求上存在较大局限性,迫切需要更加智能化的解决方案。人工智能技术的出现为矿山电气设备的智能识别与自适应控制提供了新的思路。其中,YOLO模型和CNN算法作为深度学习领域的重要成果,能在图像处理和数据分析方面发挥重要作用,为电气设备的智能化管理提供有效的技术支持。本文以基于人工智能的矿山电气设备智能识别与自适应控制为研究主题,设计了基于YOLO模型的智能识别模型和基于CNN的自适应控制模型,测试结果表明模型在实际应用中的效果较佳,具有较高的推广价值。

摘要：针对卷烟库存盘点工作量大、效率低、准确率差等问题,利用人工智能深度学习技术开发一套智能卷烟库存盘点系统,该系统搭载的智能优化识别算法模型,能够提升识别准确率至86.9%,且系统具有高鲁棒性,即能实现不同应用场景下的卷烟品规目标识别。

摘要：为了解决现有图书馆架序识别方法存在的不足,设计基于深度强化学习的图书馆架序智能识别方法。利用深度强化学习架构,确定架序识别规则,计算图书馆架序参数,识别图书馆架序中书号字符数据,确定书号字符识别系数的取值范围,实现基于深度强化学习的图书馆架序智能识别。实验结果表明,应用文中提出的识别方法,可使图书资源排列架序与规定架序保持一致,识别准确度较高,有效解决了图书馆管理中的图书乱架问题,具有较好的应用性能。