【摘 要】
：
随着砂浆需求量的增加,对砂浆各种性能的要求也越来越高,其中,可泵性作为砂浆的一个重要性能,得到了各方关注和研究。在传统的特征工程中,不同场合下选择的特征往往有很大的差异,人工选择特征不仅工作量大而且效果欠佳,泛化能力也差,而深度学习模型具有自动提取特征的优势,可有效避免特征工程所带来的种种缺陷。通过人眼直接判断砂浆的可泵性好坏具有很强的随意性和主观性,同时准确率也不高,此外,直接通过复杂的可泵性标
论文部分内容阅读
随着砂浆需求量的增加,对砂浆各种性能的要求也越来越高,其中,可泵性作为砂浆的一个重要性能,得到了各方关注和研究。在传统的特征工程中,不同场合下选择的特征往往有很大的差异,人工选择特征不仅工作量大而且效果欠佳,泛化能力也差,而深度学习模型具有自动提取特征的优势,可有效避免特征工程所带来的种种缺陷。通过人眼直接判断砂浆的可泵性好坏具有很强的随意性和主观性,同时准确率也不高,此外,直接通过复杂的可泵性标注进行预测不仅需要大量的设备,还需要经验丰富的专业人员,成本较高。针对此现状,本文提出将机器视觉和深度学习引入砂浆可泵性识别与分类中,利用深度学习模型对反映砂浆变化过程的图像序列进行时空特征提取,无需通过复杂的可泵性标注即可进行自动预测。实验表明,本文所建立的模型具有很好的学习效果、泛化能力和鲁棒性,论证了利用本文模型在可泵性识别与分类上的可行性,为可泵性预测提供了一个全新的思路和参考。主要研究内容如下:1、基于机器视觉制作了用于砂浆可泵性识别与分类的数据集并对数据集进行了一系列预处理操作,得到了包含160组样本的最终数据集。利用工业相机抓拍每一组配比下砂浆泵出时的变化过程,得到相应的图像序列,同时测量出每组砂浆的稠度指标,并对每组砂浆进行了挤压测试和渗水测试,结合泵送时的现场效果,例如泵压和泵灰速度的实时变化情况等,标注出了每组砂浆的可泵性标签,最后通过图像压缩、归一化、数据增强等手段对数据集进行了预处理,得到了最终版本的数据集。2、提出了一种基于3D CNN的可泵性识别方法,基于该方法设计并实现了4个基于3D CNN的网络模型,并首次尝试将其应用于砂浆可泵性识别与分类的研究中。利用最终数据集分别在这些模型上做了训练和测试,得到了各模型的损失值曲线图和混淆矩阵。对所有模型做了分析与比较,其中一个模型的准确率可达93.75%,三个模型的准确率均高达100%,能实现测试集上所有样本的正确识别与分类,论证了3D CNN模型在砂浆可泵性识别与分类上的技术可行性。3、提出了一种基于3D CNN+ConvLSTM2D网络结构的砂浆可泵性识别方法,基于该方法设计并实现了11个基于3D CNN+Conv LSTM2D的融合模型,并首次尝试将其应用于砂浆可泵性识别与分类的研究中。利用最终数据集分别在这些模型上做了训练和测试,得到了各模型的损失值曲线图和混淆矩阵。对所有模型做了分析与比较,其中有四个模型的准确率可达93.75%,有五个模型的准确率可达100%,能实现测试集上所有样本的正确识别与分类,论证了3D CNN+ConvLSTM2D融合模型在砂浆可泵性识别与分类上的技术可行性。
其他文献
随着数据的高速增长和云存储服务的快速发展,云计算依靠其诸多的优点,如高效性、便捷性、支持按需付费、高扩展性等不断吸引着用户,致使越来越多的组织和个人用户倾向于将自己的数据迁移到云环境中进行存储,并且对于一些较为重要的文件,用户可以采取存储多个备份的形式来提高文件的安全性,但是云存储在给人们带来了诸多方便的同时也带来了一系列的安全问题。本文对云环境下数据安全的关键技术进行了学习和分析,并着重于研究云
随着5G以及未来6G的到来,网络的用户数越来越多,通信速率越来越高。地面移动通信系统已经不能满足通信需求时,需要卫星通信系统来增加通信的容量。同时,地形条件恶劣及人迹罕至地区的通信,由于基站建立成本过高,也需要卫星通信系统来拓宽通信覆盖面积。另外,为了提高军事通信的保密性和抗截获能力,卫星通信网络体系的构建也就显得特别重要。为了充分满足上述需求,大型低轨卫星星座群的构建已经成为一种发展趋势。而随着
因为无线频谱资源的短缺,毫米波通信在近年来得到了重视与广泛研究。毫米波通信可以拥有更宽的带宽,同时也可以降低天线的尺寸,具有很好的应用前景。毫米波通信与大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）系统都属于第五代移动通信技术（5th-Generation,5G）的关键技术。信道估计是进行无线通信的第一步。在传统的MIMO系统中,由于天线数目不多,不同
新兴无线系统旨在结合更多功能并符合更多的电信标准,为此无线系统越来越需要更小尺寸、更低成本以及更高性能的电路,在这种复杂的系统架构中,振荡器是最关键以及当今商用无线系统中体积较大的模块之一,因此对于缩小此类模块的需求很大。薄膜体声波谐振器（Film Bulk Acoustic Resonator,FBAR）具有高品质因数和低尺寸的特点,相较于传统的SAW等器件有了很大的性能提升,这就使其成为替代片
多输入多输出（MIMO）技术可以成倍地提升通信系统的频谱利用率,在应对现今社会呈指数式增长的无线接入需求上发挥着重要作用。自MIMO技术问世以来,低复杂度高性能的信号检测算法一直是科研工作者和工程师们的研究热点。期望传播（EP）是一种专门解决后验概率估计的算法,在解决通信系统信号检测上有广泛的应用。本文的研究重点为基于期望传播的MIMO信号检测算法。期望传播算法是一种迭代更新的确定性概率近似算法,
随着移动互联网的发展以及在社会生产与生活中深入而广泛的应用,用户对于数据传输的速率提出了更高的需求。而无线通信技术自一开始发展以来,直到当前的5G时代,电磁波的传播环境就一直被视为随机的且不受控制的,其中的阴影衰落和多径效应等深刻地影响着移动网络通信的效率和用户的服务质量。而近年来所出现的由大量低成本的被动式反射单元所构成的可编辑智能反射面,其上的各被动式反射单元能独立地对入射信号的幅度或相位进行
自相似集是最基本最重要的分形集类,对于该集类的研究非常广泛而深入。本论文研究自相似集的两个基本问题：有限多个区间并的自相似性以及类自相似集的性质。论文的第一部分讨论了有限多个区间并的自相似性。分形几何中一个基本的问题就是如何由已知的自相似集构造出新的自相似集,其中一个典型的问题就是两个相同长度的闭区间的并是否还是一个满足开集条件的自相似集,进一步地,有限多个闭区间的并是否还是满足开集条件的自相似集
突发事件会对生命财产安全、公共秩序以及社会环境造成伤害,因此亟需对突发事件建立信息抽取体系,从非结构化的文本中提取出事件的结构化信息和蕴含的关系,以快速认识突发事件的信息和演化过程,为应急决策领域提供数据和技术支持。本文根据突发事件特点将其分为事件发生类、事件描述类、事件影响类和事后处理类四类,提出了一种适用于描述突发事件的事件表示框架,并基于该框架对突发事件的抽取和演化关键问题展开研究。主要研究
体域网是一种以人体为中心的由穿戴或可嵌入式设备组成的小型化网络,目前在人体健康检测方面应用非常广泛,未来在消费电子、娱乐和军事等多个领域应用前景广阔。随着人们生活越来越丰富多彩,人们对通信带宽的需求也越来越高,宽带体域网已经成为一个研究重点。在电池技术发展遇到瓶颈的今天,小型化穿戴设备存在的一个问题是续航时间比较短,如何更好地降低设备的功耗便成为当今社会的一个研究热点。在此背景之下,本文针对一种5
无线自组织网络（Ad-Hoc）是一种无中心、自组织、不需要任何通信基础设施的多跳无线网络。因为其具有的组网简单、灵活性强、抗毁性强等特点,而被应用于各种恶劣的环境中,比如战场通信、抗震救灾、环境监测等场景。特别是近年来,军事应用领域提出的“云作战”、“马赛克战”等新型网络作战概念,更是对Ad-Hoc网络提出了更高的要求。在马赛克战等新型作战概念下,网络被分成很多小型低复杂度的系统,这些系统能够实现