软测量技术为工业过程中重要变量及难测变量的预测提供了一个有效的解决办法。然而,由于工业过程的复杂化和高昂的数据获取成本,使得标记数据与未标记数据分布不平衡。此时,构建高性能的软测量模型成为一个挑战。针对这一问题,提出了一...软测量技术为工业过程中重要变量及难测变量的预测提供了一个有效的解决办法。然而,由于工业过程的复杂化和高昂的数据获取成本,使得标记数据与未标记数据分布不平衡。此时,构建高性能的软测量模型成为一个挑战。针对这一问题,提出了一种基于时差的多输出tri-training异构软测量方法。通过构建一种新的tri-training框架,采用多输出的高斯过程回归(multi-output Gaussian process regression,MGPR)、相关向量机(multi-output relevance vector machine,MRVM)、最小二乘支持向量机(multi-output least squares support vector machine,MLSSVM)三种模型作为基线监督回归器,使用标记数据进行训练和迭代;同时,引入时间差分(time difference,TD)改进模型的动态特性,并通过卡尔曼滤波(Kalman filtering,KF)优化模型的参数,提高其预测性能;最后通过模拟污水处理平台(benchmark simulation model 1,BSM1)和实际污水处理厂对该模型进行了验证。结果表明,与传统的软测量建模方法相比,该模型能显著提高数据分布不平衡下软测量模型的自适应性和预测性能。展开更多
在电力系统中,单独依赖红外或可见光图像不足以全面评估输电线路状况,图像融合能够结合两类图像的优势,为后续输电线路目标检测和三维建模等提供便利。为增强输电线路图像融合效果,提出一种基于多分支特征分解的网络用于红外和可见光图...在电力系统中,单独依赖红外或可见光图像不足以全面评估输电线路状况,图像融合能够结合两类图像的优势,为后续输电线路目标检测和三维建模等提供便利。为增强输电线路图像融合效果,提出一种基于多分支特征分解的网络用于红外和可见光图像融合。该网络在编码器部分改进特征图分解结构,在分解基础和细节特征图的基础上,保留原特征图,随后在多分支特征信息融合模块中,结合不同图像信息特点进行图像加权融合,随后在解码器中使用双维注意力增强模块整合特征,生成融合图像。在输电线路数据集以及TNO数据集上,与现有方法在8种客观评价指标上比较,结果表明所提方法在两个数据集的各项性能指标上取得优异的性能,其中在交叉熵(entropy,EN)、标准差(standard deviation,SD)、差异相关和(sum of the correlations of differences,SCD)、结构相似性(structural similarity index measure,SSIM)4个指标上分别为7.26、62.04、1.53和0.93,达到最高值,并且实际融合效果图显示所提方法能够有效增强输电线路图像的红外重点信息与可见光细节信息。展开更多
文摘软测量技术为工业过程中重要变量及难测变量的预测提供了一个有效的解决办法。然而,由于工业过程的复杂化和高昂的数据获取成本,使得标记数据与未标记数据分布不平衡。此时,构建高性能的软测量模型成为一个挑战。针对这一问题,提出了一种基于时差的多输出tri-training异构软测量方法。通过构建一种新的tri-training框架,采用多输出的高斯过程回归(multi-output Gaussian process regression,MGPR)、相关向量机(multi-output relevance vector machine,MRVM)、最小二乘支持向量机(multi-output least squares support vector machine,MLSSVM)三种模型作为基线监督回归器,使用标记数据进行训练和迭代;同时,引入时间差分(time difference,TD)改进模型的动态特性,并通过卡尔曼滤波(Kalman filtering,KF)优化模型的参数,提高其预测性能;最后通过模拟污水处理平台(benchmark simulation model 1,BSM1)和实际污水处理厂对该模型进行了验证。结果表明,与传统的软测量建模方法相比,该模型能显著提高数据分布不平衡下软测量模型的自适应性和预测性能。
文摘在电力系统中,单独依赖红外或可见光图像不足以全面评估输电线路状况,图像融合能够结合两类图像的优势,为后续输电线路目标检测和三维建模等提供便利。为增强输电线路图像融合效果,提出一种基于多分支特征分解的网络用于红外和可见光图像融合。该网络在编码器部分改进特征图分解结构,在分解基础和细节特征图的基础上,保留原特征图,随后在多分支特征信息融合模块中,结合不同图像信息特点进行图像加权融合,随后在解码器中使用双维注意力增强模块整合特征,生成融合图像。在输电线路数据集以及TNO数据集上,与现有方法在8种客观评价指标上比较,结果表明所提方法在两个数据集的各项性能指标上取得优异的性能,其中在交叉熵(entropy,EN)、标准差(standard deviation,SD)、差异相关和(sum of the correlations of differences,SCD)、结构相似性(structural similarity index measure,SSIM)4个指标上分别为7.26、62.04、1.53和0.93,达到最高值,并且实际融合效果图显示所提方法能够有效增强输电线路图像的红外重点信息与可见光细节信息。
