模式辨识论文（共10篇）
模式辨识论文 篇1
0 引言
水资源是一种非常宝贵的自然资源。然而,随着全球人口的增加、社会的发展以及经济的繁荣,大量的工业废水和生活废水排入水体,导致水资源环境不断遭受破坏[1]。这些废水中的有毒化合物进入河流之后将对水生态系统产生直接或者间接的影响,危害着人类的健康,尤其是当受污染水体作为当地居民的饮用水源地,后果将会不堪设想[2]。因此,化合物的识别技术对于水质状况的改善以及水质的风险评估有着重要意义。
化合物的传统分析方法是运用活体实验的方法,通过活的生命体来具体阐述化合物毒性对细胞的影响。但是,这种方法一般需要花费大量的金钱和时间,而且需要大量的活体样本来做实验,所以这种方法是遭到动物保护主义者反对的[3]。
本文采用实时细胞电子分析系统( Real-time Cellular Analyzer,RTCA) 来记录细胞的动态响应,通过此仪器得到了一组基于时间的多浓度细胞响应曲线( Time-dependent Cellular Response Profiles,TCRP)[4]。在基于“有着相似细胞响应曲线的化合物也具有相似的生物活性”这一假设下,本文引入了模式识别的方法来对化合物进行聚类分析[5]。
1 细胞响应曲线
通过实时细胞电子分析系统的记录,得到一组小鼠胚胎成纤维细胞系( NIH 3T3) 暴露在七种不同浓度( 4. 44 m M,2. 22 m M,1. 11 m M,0. 56 m M,0. 28m M,0. 14 m M,0. 06938 m M) 的1 - 萘酚( 1 - Naphthol) 下的动态细胞响应曲线图,如图1 所示。
在基于浓度、时间和细胞指数的三维系数下,很难从基于时间的细胞响应曲线中提取出特征值,而且化合物的浓度选择也具有不确定性,人为的浓度选择也不能很好的反映化合物的本质特性。因此,本文采用了传统的细胞毒性- 响应的评估方法[6],把图1 中基于时间的细胞响应曲线转换为浓度- 响应曲线,如图2 所示。
2 模式识别方法
2. 1 特征提取
如图2 所示,1 - 萘酚的浓度- 响应曲线呈现出S型曲线的形状[7]。因此,取其中一条浓度- 响应曲线( 24hr) 为例,来说明其特征提取的方法。由于浓度- 响应曲线中切点处切线的斜率反映了细胞毒性的变化速率,因此通过一阶导数来求其切线斜率最大处的切点。如图3 所示,由此,可以得到切点处的横坐标的值( 浓度的对数) ,记为P,这是本文提取的第一个特征。之后,通过预设的横坐标范围,可以确定点前后处的拐点①和②,连接拐点①和②,计算连线的斜率,记为S,此为第二个特征。因此,在24hr这条浓度- 响应曲线上确定了两个特征值。由于每种化合物都有三条不同时间点的浓度-响应曲线,所以本文一共可以提取到6 个特征值,记为:
2. 2 主成分分析
由于之前提取出来的特征值的相关性很高,为了克服这个问题,本文采用了主成分分析( PCA) 的方法来处理提取后的特征值。主成分分析[8]方法的基本思路是: 借助一个正交变换,将分量相关的原随机变量转换成分量不相关的新变量。它是一种能将高维空间的问题转化到低维空间去处理,使问题变得比较简单和直观的降维算法,而且这些较少的综合向量之间互不相关,但又能提供原有特征的绝大部分信息。本文中采用奇异值分解( SVD) ,这种在主成分分析中最为著名的矩阵分解方法。
当然在使用奇异值分解前,首先要对数据进行标准化处理,这里采用Z-score算法对数据进行标准化处理[9]。标准化后的矩阵可以写为Y = { yij} ,i =1,2,…,m,j = 1,2,…,n,其中m,n分别是化合物的数量和特征值的数量。矩阵Y的主成分分析可以通过奇异值分解( SVD) 的方法得到[10]:
其中,U是一个行和列都是单位向量( UTU = I,U =( u1,u2,…,un) ) 的m × n的矩阵,∑ = diag( λ1,λ2,…,λn) 是一个n × n的对角矩阵,对角线上的元素为矩阵Y的奇异值,V也是一个行和列都是单位向量( VTV = I,V = ( v1,v2,…,vn) ) 的n × n的矩阵,T表示矩阵的转置。因此,YTY能写成:
所以,YTY的特征向量和特征值分别是矩阵V的列向量和矩阵∑ 对角线上元素的平方。
而主成分矩阵Z = ( z1,z2,…,zn) 在投影空间上的坐标值可以写成:
为了得到原有特征的绝大部分信息,提取到的特征可以用前n个主成分表示:
2. 3 K均值聚类算法
J. B. Mac Queen在1967 年提出的K均值聚类算法是到目前为止用于科学和工业应用的诸多算法中一种极具影响力的方法。K均值算法是一种典型的基于距离的硬聚类算法,算法通常采用误差平方和函数作为优化的目标函数,误差平方和函数的定义如下[11]:
其中,k是聚类的数目,它的大小一般由测试数据决定,Z表示簇Cj中任一数据对象,mj指第j个聚类簇,Cj是第j个聚类簇的中心。显然,E表示数据样本与簇中心之间差异度平方之和,E值的大小取决于k个聚类中心点。因此,越小的E值,聚类结果的质量就越好。所以,应该设法找到使聚类准则函数E的值达到最小的聚类结果。
由于传统K均值算法的初始聚类中心是不确定的,所以其结果是不稳定。为了得到确定的分类结果,本文采用了KKZ算法[12]。KKZ是一种致力于使得不同簇心之间的距离足够远,从而使类间对象分离性足够大的算法。因此,基于KKZ的K均值聚类算法的步骤总结如下:
步骤1: 设定聚类数目k。
步骤2: 以具有最大范数的数据样本作为第一个聚类中心初始点,以距离第一个初始点最远的数据样本作为第二个初始点。
步骤3: 对于剩下没有被选择的数据样本,计算它们和当前初始点之间的最小距离,并选择这些最小距离中的极大值所对应的数据样本,以它作为下一个聚类中心初始点。
步骤4: 重复步骤3,直到选出要求数目的初始点。
步骤5: 分别计算数据集中每个数据对象到各个初始聚类中心的距离( 通常采用欧氏距离) ,根据最近邻原则将数据对象逐个划分到离其最近的聚类中心所代表的簇中,根据公式( 7) 计算误差平法和准则函数E的值。
步骤6: 更新聚类中心,即分别计算各个簇中所有数据对象的均值作为各个簇的新的中心,以新的聚类中心来计算误差平方和准则函数E的值。
步骤7: 将步骤6 计算得到的E的值和前一次计算得到的E的值进行比较,若两者差值的绝对值小于等于预先设定的阈值,即聚类准则函数收敛,则转步骤8,否则转步骤5。
步骤8: 输出k个聚类的结果。
至此,本文所提出的模式识别方法的基本流程如图4 所示。
3 实验结果分析
为了检验所提出算法的可行性,本次实验采用小鼠胚胎成纤维细胞系( NIH 3T3) 暴露在五种不同浓度的有毒化合物中: 蒽( Anthracene) 、1 - 萘酚( 1 -Naphthol) 、环烷酸( Naphthenic Acids ) 、甲基水银( Methylmercury) 、嵌二萘( Pyrene) ( 如表1 所示) 。由于受到RTCA系统细胞板规格的限制,每次实验只取四种不同的化合物,并取六组实验结果来验证前面所提出的算法,如表1 所示。
首先,把六组实验数据分为两组,一组为训练数据集,另一组为测试数据集。如前文所说,由于提取到的特征向量相关性非常高,所以通过主成分分析的方法得到了几个正交的主成分。如图5所示,每一个柱状图描述了每一个主成分的贡献率,而黑色的折线则表示其累加的总贡献率。累加的总贡献率的阈值一般设定为大于等于85% ,这样可以保证在主成分数量相对较小的情况下获得足够多的信息。从图5 可以看出,为了得到达到标准的累积贡献率,在本文中只需要前两个主成分( 97. 58% ) 。根据公式( 6) ,所提取出的特征被投影到由两个正交的主成分( z1,z2) 所组成的空间中。
在选定的二维主成分坐标下,通过之前所提出的算法确定了四个簇,如图6 所示。
注:图中五角星代表训练数据的聚类中心,实心圆则代表训练数据集
为了辨识待测的化合物,采用数据之间的欧氏距离作为一个判别的标准。首先找出训练数据和其相应簇中心之间欧氏距离的最大值,并把这个最大值设为该簇的阈值。
其中,D代表欧氏距离,Ck是每个簇的聚类中心,k是簇的数目,Z代表每个簇的训练数据。
然后,根据最近邻原则,计算测试数据与已知簇中心之间欧氏距离的最小值。
其中,Zv代表测试数据。
因此,待测的化合物可以通过比较Q与阈值Tk之间的大小关系来判别其所属簇。
如果Q的值小于或等于阈值Tk,那么待测化合物就被分到其相应的簇中。否则,待测的化合物就不是已知的四种化合物之一,而是一种新的、未知的化合物。
测试数据集包含了两组实验组和四种不同的化合物( 蒽、1 - 萘酚、环烷酸、嵌二萘) 。通过比较了训练数据集中的数据,可知1 - 萘酚是一种新的、未知的化合物。测试结果如图7 所示,从图中可以看出1 - 萘酚是一种不属于已知类别的化合物,而剩下的其他三种待测化合物均分入了相应的簇中。实验结果证明,本文所提出的算法能够对化合物进行有效的辨识。
注:五角星代表训练数据集的聚类中心,实心圆代表训练数据,空心圆代表测试数据
4 结束语
本文提出了一种能辨识化合物的模式识别方法。通过实时细胞电子分析系统,可以得到每种化合物的细胞响应曲线图,并通过传统的毒性- 响应评估方法把细胞响应曲线转化为浓度- 响应曲线。然后,从浓度- 响应曲线中提取出能够反映其特性的特征值,并采用主成分分析方法来降低其相关性。最后,利用基于KKZ的K均值聚类算法建立了聚类模型。实验结果表明,本文所提出的算法能够实现对化合物的有效筛选。
参考文献
[1]刘瑜.新型金属氧化物纳米材料的制备及其脱除水中典型有机污染物的研究[D].天津:南开大学,2012.
[2]王策.松花江典型有机污染物动态数值模型构建与模拟[D].哈尔滨:哈尔滨工业大学,2013.
[3]Holmes E,Nicholls A W,Lindon J C,et al.Development of a model for classification of to xin-induced lesions using 1H NMR spectroscopy of urine combined with pattern recognition[J].NMR in Biomedicine,1998,11(4-5):235-244.
[4]严国俊,裴燕芳,朱贞宏,等.实时细胞电子分析技术的应用研究进展[J].中国药学杂志,2014,3:169-173.
[5]Pan T H,Huang B,Xing J Z,et al.Recognition of chemical compounds in contaminated water using time-dependent multiple dose cellular responses[J].Analytica chimica acta,2012,724:30-39.
[6]Pan T,Huang B,Zhang W,et al.Cytotoxicity assessment based on the AUC50 using multi-concentration time-dependent cellular response curves[J].Analytica chimica acta,2013,764:44-52.
[7]Dinse G E.An EM algorithm for fitting a four-parameter logistic model to binary dose-response data[J].Journal of agricultural,biological,and environmental statistics,2011,16(2):221-232.
[8]贺麒文,陈爱斌.基于PCA和肤色提取的人脸检测[J].信息技术,2009(5):82-84.
[9]Herrera-IbatáD M,Pazos A,Orbegozo-Medina R A,et al.Mapping networks of anti-HIV drug cocktails vs.AIDS epidemiology in the US counties[J].Chemometrics and Intelligent Laboratory Systems,2014,138:161-170.
[10]Quarder S,Claussnitzer U,Otto M.Using singular-value decompositions to classify spatial patterns generated by a nonlinear dynamic model of the olfactory system[J].Chemometrics and Intelligent Laboratory Systems,2001,59(1):45-51.
[11]刘强,吴京慧.优化初始聚类中心的K-means算法[J].信息技术,2009(2):71-73.
[12]Katsavounidis I,Jay Kuo C C,Zhang Z.A new initialization technique for generalized Lloyd iteration[J].Signal Processing Letters,IEEE,1994,1(10):144-146.
设计辨识度 篇2
在业内，评判一位设计师是否成功，有一半以上的决定因素在于审视其能否形成独特的设计审美风格。就譬如在国内，言简约主义必提梁志天，新东方风格的领军者则非邱德光莫属。当然，这所谓的审美风格是与设计师的审美修养、设计理念、设计经营的品牌运作等要素密切相关。这些要素互相观照，互相渗透，聚焦在一起共同呈现出某一设计师或某一设计机构对设计业态的理解。
然而，在国内，如何对设计风格进行合理的定义一直存在纷争。从前几年新东方主义的兴起，引发了一股对新东方风格内涵的探讨，风格说喧嚣直上。直到这几年来，随着系统化运作的成熟，风格标签渐渐较少为人们所提及，取而代之的是对“设计辨识度”的研究和探讨。它涵盖的面更广，所涉及的不单单是设计层面，更是掌握了设计管理及品牌运作的命门，通过对输出的设计理念进行细化、重置、再加工，希翼以成熟的设计业态契合甲方的诉求。
在一线城市，设计识别度的意识与运作正在慢慢趋于成熟。反观内陆，设计意识较少被引导，也并未形成系统化、规模化，而辅以的品牌运作也刚刚起步。处在这一区域的设计师们经历着激烈的业内竞争，设计辨识度的确立对他们而言就显得特别关键。本期，我们邀请武汉的一线设计师杨大明先生、赵国华先生、马先锋先生、展双义先生，针对设计辨识度这个主题展开探讨，谈谈他们是如何看待精准定位及市场诉求二者之间的关系，对自身辨识度的建设又会提出哪些不同的意见和看法。
设计别度：多样化的综合呈现
现代装饰：在你们看来，设计辨识度应当涵盖了哪些内涵？其中，设计风格在设计辨识度的范畴中起到了怎样的作用？
赵国华：设计识别度就是综合风格或美学的体现，是设计师个人设计理念的具体表现。要说到涵盖哪些方面，可以说是包罗万象。首先我们要定义设计的意义或者说对“设计师个体”的意义有清晰的认识。就我个人的看法，识别度就像一个人的姓名，是外界给的一个代号或称谓，有先天和后天的区别。但是，随着我们的成长，这个称谓也衍生出更多的涵义，比方责任、比方捍卫，比方突破。那么换到我们这个话题——设计识别度，可以是以一个设计单位的形式出现，指向的是企业业务所涵盖的范畴；也可以是以设计师个人为单位，体现在个人的设计作品，以及在同行设计师当中的口碑形象。但不管是哪一种，都是一个长期累积的过程。识别度代表的不仅仅是公司或个人的名气，还是企业个性、定位等综合竞争力的体现。
杨大明：实际上，设计师在业内做久了以后，无论在业内业外，肯定会被赋予一种符号特征，在设计上也会呈现出一定的设计倾向性。一方面表现在设计领域，有的设计师偏重房地产，有的偏重商场，这是识别度在设计领域内的反映；另一方面就是设计风格和手法的差异，它可明显看出个人的烙印，个人的成长环境、教育背景以及综合素质的不同。设计师在业内做到最后就是做修养，做设计以外的东西。像贝聿铭把“美秀美术馆”做成了中国诗歌境界里豁然开朗的“桃花源”，相当于将中国一篇很优美的诗文演绎成现实版。要出作品，要得到客户的认同，就要多学习，多充电，这也是近几年来我常常出去多看、多想的原因。
马先锋：设计的辨识度主要体现为设计师对美学的理解。一方面，设计师形成自己的美学修养需要很多的沉淀，而且设计作品是与美学标准相关联的，你在做作品的时候，会自然而然地把所学所想反映到作品中，形成气场，这就是辨识度。另一方面，特别是商业、公共空间等大型项目，业主对你有了解，与你有共同的语言，才会放手让你去做。
展双义：拿文字来打个比方，一个个的字组成词即可表达不同的意思。这就相当于设计师通过对自己生活阅历的锤炼，将每个片段的经历串联起来，从而形成自身的辨识度。而这个定律放到单个设计公司辨识度的形成上也是同样适用的。
工作室模式VS“生产线”集成化运作
现代装饰：很多企业都是以主创设计师的名字来命名的，以此提高设计辨识度，对这种突出个人色彩、强调个人核心地位的模式，大家是怎么看待的？
赵国华：国内外的设计公司挺多是以设计师的名字命名的。但我觉得从内心来讲，设计还是集体的，所以我不太敢把自己的名字用上去。当然这不光是设计理念不同，主要是观念不一样。如果你的公司可能有一个人是核心，有主见，能掌控，那就可以这样去尝试。
杨大明：就我的观察，设计师是最不擅长管理的一群人。我们公司刚成立之初，规模不大，平下有几个助理，接几个单，觉得还行。但一旦做到一定规模，需要找设计团队，涉及到团队管理，就变得很棘手。我们很希望能与懂管理的人合作。另外，有时候越有名越脱不了身，就像成名的主治大夫，病患认准他主刀了，排着长队也要等着他亲自操作。我们也很困惑，希望能吸纳国际设计团队的管理方法，解决凡事都要个人亲力亲为的弊端。
另外。在我看来，由于设计是很个体的事，如同绘画艺术，大到建筑，小到产品，是带有个人的色彩，就是所谓的识别性的问题。企业名称是以个人名义还是其他名字命名，并不需要太深入探讨，可能在命名时，不同的创办人有他们不同的想法，有的只是希望找富有寓意的名字而已。
赵国华：设计这个行业，从本身来讲，做大的比较少，这也是设计公司会形成以名字命名的某一方面的原因。设计行业会形成一种风格，会走一种路线，或者在客户的层面，或者又是取决于商场的层而，但国内外在解决途径上是不一样的。据我所知，国际上的很多设计公司，做的设计就是生产，必须按照生产线来。比如做软件这块，有统一标准，很难有个人的主张。
杨大明：我们是工作室，赵总刚刚谈的国外设计公司则是正规的，所做的作品也是国际品牌，借鉴了国际化的管理手法；对大项目的吞吐量很强，甲方去他们公司一考察，就会选择跟他们合作。设计是蛮个性化的东西，有的人做一辈子工作室，也有的人从做图做起，做成一年产值几千亿的产业化企业。现在是多元化的社会，你在业内立住脚有立住脚的道理，把工作室做得很有特色就可以了。设计人算是搞艺术的，应该是很休闲的，一个家一个法，没有法是定论的。我就几个人，每天做几个单，以工作室的运作方式能够舒服地生存下去就很OK了。
nlc202309010328
马先锋：我觉得现在问题的关键在效率，我一直不太认为设计是艺术，我倒觉得更多的应该是服务。特别是我们公司做了一些商业项目之后，开始慢慢去研究这个行业——怎么样让客户赚到钱？譬如设计一干平方米的餐厅。厨房设计要占多少的比例才适宜。
这个效率还体现在公司的结构组成上，并不是每个项目都是完整的，我们都是将项目切分成块，画图的画图，测量的测量，而不是由一位设计师独立完成所有的事。也就是说，我所谓的效率就是各司其职，不用所有人都去管所有的事，当项目介入到软装阶段自然有软装部的人去专职处理。
好的品牌运作对辨识度是一个提升
现代装饰：一线城市的设计公司，现在很注重整体品牌运作，他们大都借由品牌的整体输出形成辨识度高的公司品牌价值，那么，在内陆城市的武汉，设计公司的品牌运作是处于怎样的现状？与一线城市相比，存在哪些差距？
赵国华：作为市场化运作的公司。武汉设计好象更多跟艺术放在一起，更多偏重在实际问题的解决上。品牌运作是武汉设计圈比较少关注，也是武汉漫计师不善于处理的一个方面。
杨大明：我们公司的品牌运作也才刚起步。现今，品牌慢慢形成，像深圳这些一线城市已经到了注重包装的阶段，每位设计师、每个设计机构都在寻找适合自己的风格定位进行整体宣传。武汉作为省会城市，业务量大，但是设计输出以及名气确实不符合这个城市的形象。但作为本土设计师而言，我又是比较自豪的。包括甲方，也认为武汉设计师是“唯楚有才”，但就是太缺乏包装，缺少形象推广了。城市的发展，设计师行业的体系健全，我相信武汉必有一席之地。
马先锋：就我们公司来讲，不同的阶段做法是不一样，现阶段我们会集中出版一些作品，然后参加一些大赛，毕竟参赛及出版所需投入的费用不高，比较符合我们现阶段的品牌包装策略。现代装饰：外来的一线设计单位在武汉抢滩的现象是否严重？在竞争面前，武汉设计师要赢得优势，最大的PK点是什么？
赵国华：这个问题在全国来说应该都是差不多的。目前哪个城市不是在大建设、大投资，哪个城市不是有众多的设计项目在启动？那么，真正决定设计归属的应该还是在市场、在甲方。这些就要综合来考虑，上面我们提到的为企业识别度所做的努力即是加大企业竞争力很关键的一环。
杨大明：实际上我们也希望包装，但对于我们这个区域来说，我们更多的是一种作坊式的运作模式，不敢做得太多。
马先锋：我们承接的项目，样板房很多，酒店也比较多，同时，我们也在外地接项目做。就外地设计公司的进驻而言，我觉得也是一种交流，不存在抵触。
现代装饰：与甲方在谈项目合作从招投标到最后中标，很多要素决定着甲方的决策，但显著的设计辨识度能否带来一定的裨益？当碰到比你的品牌输出更完备的竞争对手时，又当如何有限的条件下“反败为胜”做出更有利于自己的对策？杨大明：这个我们也遇到过，我觉得主要靠作品，比方说我们有一个案例，甲方为了慎重起见，采取海选，先是10家，淘汰2家，然后再选再淘汰几家，最后甲方负责人说，以前觉得好的作品都在北上广深，在国外，没想到武汉还是有好的。即便把武汉我们这十几位设计师与其他城市相比，也是不一般的。这也是需要我们静下心去思索的。
马先锋：在当下，我觉得武汉最需要整体出现，通过抱团的方式增强武汉设计圈的整体影响力。
驾驭企业管理，要兼顾感性与理性
现代装饰：设计管理也逐渐成为一门新兴的学科，其定义可延伸为：设计业态范畴内的管理，设计理念指引下的科学管理，它对室内设计的影响不可谓不大，设计机构的主持人在掌控设计的同时，如何进行科学管理，达到最佳的结合？
赵国华：我发现，在设计业内，很多东西我们都不太知道，但却对这种现状已然习惯。去年我们前往意大利工作，待了一个多月。意大利米兰设计院是很著名的，跟院里的教授们一起做设计不能仅凭感性，还要借助很强的逻辑思辨和分析。由于我们本身是学画画的，对视觉特别重视，但米兰设计院的教授却非常注重分析，不厌其烦地将分析进行表格化处理。譬如涉及到灯光的方面，他们会逐项分析灯光应该做成什么样的造型，选用什么样的材料，进而完成最后的设计。在这点上，给我感触最多，也是我觉得最具差异之处。
马先锋：国外的教授一般在外都会承接项目，他们做设计也都是一边考虑商业运作，一边进行设计的，不可能仅仅为了单纯的研究。
赵国华：是的，我们做的这个工作也是在研究，不断地总结。而且，这个工作既有理性又有感性。我是偏感性多，我不想理就不理，想理，就是吵了以后还要想，这跟谈恋爱差不多。尤其是设计的前端，若你能很好地规范自己的理性部分，可以跟客户贴得更近些。当然，到底是要理性还是要感性，是分阶段的。
马先锋：这个项目给你是感性，做的时候必须要理性。家装的管理模式不一样，要从头到尾保持一个激情。一个很好的工作态度很难。在一个公司的运作中，我可能仅仅是其中的某一个零部件，创业则还要加入其他的部件，一旦确立了工作模式，时间长了就慢慢习惯了，再让你去改真的很难。赵国华：作为公司的引领者，就是要具有驾驭理性与感性的转换能力。
杨大明：我目前最渴望的，也最头疼的事是管理。武汉乃至全国很多的设计公司都没有真正的管理，更多的是带有亲情式的管理体制，或者老师傅带学徒的旧式学徒制。像我之前带的很多设计师，学成之后都单干了。
马先锋：如果是做设计，我一个人就OK了，但是如果我只是团队的一个零件，那我出来创业就得找其他的设计师来组建团队。我现在将项目内容全打散，我们公司的设计师到别的公司是做不了的。在座的设计师都是朋友，是前辈，多跟他们交流可以学到很多东西，慢慢学他们的优点，完成对公司管理的进一步规范。
杨大明：马总所提的项目内容分开也可能产生其他的问题，比如就可能出现互相推卸责任的情况。如果项目出了问题，可以说是量房子没量好，或者是设计图的没设计好。这些问题还都得再细化！
模式辨识论文 篇3
随着电网互联规模不断扩大,电力负荷日益增加,可再生能源大规模接入,区域间功率振荡已成为限制区域间输电能力、威胁电网安全稳定运行的重要因素之一[1,2,3]。因此,准确地识别出电力系统振荡模式对电网在线安全评估和稳定控制具有非常重要的意义[3]。
为有效分析电力系统的低频振荡模式,长期以来,特征值分析法在电力系统中得到了广泛应用[1,2,3,4]。该方法借助电力系统的潮流方程和机电暂态模型,建立电力系统的微分代数方程;将该微分代数方程在系统给定运行点处线性化;计算线性化后系统状态矩阵的特征值;针对所计算的特征值,再依据李雅普诺夫第一定理分析系统的小扰动稳定性。该方法简单、有效,但在应用过程中受系统模型精度和规模限制,不能满足电力系统在线分析的需要。因此,该方法多用于电力系统的离线安全稳定研究。
广域测量系统WAMS(Wide-Area Measurement System)的大规模应用[5],为基于广域实测信号的电力系统低频振荡模式辨识提供了可能[6]。目前,常用于辨识电力系统低频振荡模式的方法有Kalman滤波法[7]、希尔伯特-黄变换HHT(Hilbert-Huang Transform)[8,9]、Prony算法[10,11]、连续小波变换CWT(Continuous Wavelet Transform)[14,15,16,17,18,19,20]等。其中,Kalman滤波算法计算速度快,能消除噪声的影响,且对不同的输入信号适应性好,但该方法无法反映电力系统的阻尼衰减特性[7];HHT以经验模态分解EMD(Empirical Mode Decomposition)为核心,适用于非平稳信号的分析,但本身也存在过冲现象、端点效应等缺陷[9];Prony分析方法是目前非常成熟的电力系统低频振荡模式辨识方法,该方法已广泛应用于基于广域测量信息的电力系统低频振荡模式辨识中[10,11,12,13]。但运行和研究人员对电力系统低频振荡机理进行深入研究后发现:电力系统的低频振荡不仅有平稳振荡,还包括非平稳时变振荡[11]。而Prony算法应用的假设前提是:振荡系统是一个非时变的系统,且振荡过程可以用线性模型近似[11]。而对于一个频率和阻尼比随时间变化的非平稳振荡过程,该方法的假设前提不成立,因此将Prony算法应用于电力系统的非平稳振荡辨识会存在一定缺陷。
作为分析非平稳信号的有力工具,小波变换通过适当地选取小波参数调整时频窗口,能够灵活、精确地将信号在时-频域内展开,进而在每个独立的时间窗口估算各振荡模态分量的频率和阻尼比,是典型的块处理方法[15]。该方法可适用于非平稳信号的分析,能够准确辨识出各振荡时段的模态参数,因而被广泛应用到电力系统低频振荡模式辨识中[14,15,16,17,18,19,20]。但在采用小波分析方法来辨识系统的主导振荡模式时,仍有以下问题亟需解决:①小波分析的边缘效应[19],该问题是小波变换的固有问题,边缘效应的存在易导致辨识信号两端的计算结果不准确;②用于振荡模式辨识的小波变换属于块处理法,块处理法在动态追踪时计算量大,且占用较大的储存空间,不利于电力系统振荡模式的动态追踪。
针对上述不足,本文首先采用最小二乘支持向量机LS-SVM(Least Squares Support Vector Machine)[22],在保留原始信号的带宽和频率特性的基础上,对信号进行拟合延拓,消除边缘效应影响,提高小波端部计算的准确性;此外,在准确选择小波参数的基础上,将连续小波变换与递归最小二乘法RLS(Recursive Least Squares)相结合,通过RLS对小波系数的模对数和相位递归拟合更新,克服小波变换作为块处理法的一些不足,实现模态参数的动态追踪。最后,将所提方法应用于IEEE 68节点系统和南方电网中进行分析、验证。
1 小波变换理论
1.1 连续小波变换
连续小波变换的原理是将信号通过一系列基函数表示出来,使其在时域和频域内分别展开。该基函数是由母小波经过一系列伸缩和平移变换得到的。对于一个电力系统的振荡信号,可以由一系列的阻尼正弦信号表示为:
其中,A为幅值;ωn为无阻尼振荡频率;为有阻尼振荡频率;θ为相位;ζ为阻尼比。其连续小波变换形式为[14]:
其中,ψ(t)为母小波;a为伸缩因子,它的每个值对应着不同的频率,且与对应频率负相关;b为平移因子;*表示复共轭。
考虑到连续小波变换对信号解耦能力和时频域分解能力的需要,本文选择Morlet小波作为基小波进行分析,其形式为:
对于某一模态频率fi对应的尺度a=ai,时域和频域带宽分别为:
其中,fb为小波带宽参数;fc为小波中心频率;fi为相应的模态频率,与ai相对应。
将式(1)和(3)代入式(2)中做内积,可得到Morlet连续小波变换形式为:
通过选定模态频率对应的尺度系数a=a0,可得到包含该模态信息的小波系数,相应的小波系数模对数B和相位C分别为:
其中,Arg(·)表示角度。
由式(7)和(8)可以看出:特定尺度下的小波系数模对数对时间的函数及相位对时间的函数均为一次函数,其微分形式分别为,表达式中仅含有频率和阻尼比。因此,对应的模态频率和阻尼比可用小波系数的模对数和相位的微分形式表示:
如前所述,含有多个模态的信号可以由各个模态的线性组合表示为:
其对应的小波变换为:
由于小波变换本身的带通性质,小波变换相当于用一系列基波确定的滤波器对信号进行带通滤波。对于某一尺度系数a=ai(与频率相对应)下的基波ψ*(aiωdi),只有包含该模态频率信息的自由响应信号才能通过该基波。因此,当a=ai时,在相邻模态频率间隔比较大的情况下,第i阶模态fi对小波系数的贡献最大,其他模态对该尺度下的小波系数的幅值影响很小,可以忽略不计,得到仅含该阶模态信息的小波系数为:
类似上述过程,通过特定的尺度系数a可得到对应该模态信息的小波系数。最后,再由式(7)—(10)计算出各振荡模式的频率和阻尼比。
1.2 小波参数的选择
在将连续小波变换用于辨识电力系统模态参数时,小波参数选择的合理与否,直接关系到时、频窗口的大小,进而影响到时-频域的分辨率,是影响小波辨识准确性的关键因素之一[14]。为此,本节有必要先对小波变换中的中心频率fc、带宽参数fb和伸缩因子a的选择进行探讨。
在电力系统低频振荡分析中,运行人员所关心的区域间振荡频率通常位于0.2~1 Hz[3]。在此借鉴文献[14]所提出的小波中心频率选择需接近于所研究系统的振荡频率的准则。本文在采用小波分析方法辨识系统的振荡频率时,选择小波辨识的中心频率位于0.3~0.6 Hz。在对含多个振荡模式的信号进行分析时,假设相邻模态频率之间的距离较大,此时相邻模态间小波系数的影响可以忽略不计。但若两相邻振荡模式间的频率相差较小时,无法忽略相邻频率信号的影响,需考虑相邻振荡频率对模态参数辨识结果的影响。因此,小波参数的选择需要考虑到小波变换的解耦能力以保证消除各振荡模式间的相互影响。由式(5)可以看出:对于某一模态频率,在中心频率fc已选定的情况下,适当地提高带宽参数fb可以减小频域带宽,由此减小2个模态频率之间的联系,进而增加小波变换的解耦能力。
以图1中信号为例,其包含的2个振荡模式分别为:模式1,A1=1.0,θ1=10°,f1=0.6 Hz,ζ1=14.8%;模式2,A2=1.0,θ2=20°,f2=0.8 Hz,ζ2=8.97%。
对图1所示信号进行小波变换,结果如图2所示。图2为a1=8处相同的中心频率fc=0.6 Hz下取不同带宽参数fb计算得到的小波系数模对数,其中fa为系统的振荡频率。显然,由图2可知:带宽参数的增加可以减小相邻两频率间的联系,得到比较理想的计算结果。因此,对于识别振荡模态相对密集的信号,可通过适当增加带宽参数以保证小波变换的解耦能力,进而提高小波计算的准确性。本文参考文献[14],尺度因子和模态频率需满足如下关系:
其中,Δt为采样周期;fi为相应的模态频率。由式(14)可以看出,在中心频率fc和Δt已知的情况下,根据所关注的电力系统振荡频率范围就可以确定a的范围。
2 小波变换的边缘效应
需要指出的是:图2中虚线为解耦后小波脊处的小波系数模对数,其中两端圆线标识部分并非直线,存在着明显的衰减现象,该现象即为小波变换的边缘效应。由式(2)可看出:小波变换的理论积分区间是(-∞,+∞),而在实际计算中,信号的采样长度是有限的,因此两端的计算结果必然会存在误差,导致边缘效应的出现。图3给出了小波变换出现边缘效应的基本原理图,从图3(a)中可看出:假设小波的时域带宽为Δt1,在计算t=ti时,轴线右侧小波覆盖部分已不存在信号,这部分积分将变为零,对应信号为无限长时,同样位置的积分相对较小,导致小波变换在信号两端计算结果与理论值不符,影响计算的准确性。此外,由式(4)可知,为改善小波变换的解耦能力而增大时域带宽参数,会进一步加剧边缘效应。因此,对信号进行小波变换时,边缘效应问题不容忽视。
数据延拓是解决边缘效应的有效方法之一,该方法如图3(b)所示:将信号两端延拓后,受边缘效应影响的区域含有填充的虚拟量测信息,这部分积分将不再是零。对改进后的数据进行连续小波变换,再截取原始信号长度处的数据进行辨识,既保留了原信号的相关信息,又降低了边缘效应的影响。
信号延拓是处理边缘效应的有效方法之一,信号延拓的方法有很多种,如零延拓、周期延拓等[19]。其中零延拓是在进行滤波时,将超出原始边界的数据用零来代替,该方法应用简单,但这种方式带来了2个问题[22]:①如果要求小波变换后保持数据量不变,那么补零延拓是不能完全重构信号的;②补零延拓会使边界信号产生突变,导致延拓后的信号中含有高频分量。周期延拓是将有限的原始信号作为一个周期,拓展到整个时间轴上,如果信号首尾特征有很大的差异,周期延拓将引入高频信息,使数据段边界处的时频信息误差较大[22]。由于电力系统低频振荡信号多属于衰减振荡信号,信号两端特征差异较大,因此采用上述2种方法对电力系统的低频振荡信号延拓时,均会在信号两端产生突变,影响信号辨识结果的准确性。LS-SVM对信号进行延拓能够保证边界信号的连续性,且由于该方法对输入数据进行延拓后能够保留原信号的频率及带宽特性[19],适用于处理衰减的振荡信号,因此本文借鉴文献[21]的方法引入LS-SVM对所辨识的电力系统振荡信号进行拟合延拓。
SVM是一种基于结构风险最小化原理的新型机器学习算法,可较好解决小样本、非线性、高维数、局部极小值等问题,弥补了人工神经网络泛化能力差的缺陷[21]。LS-SVM是SVM的一种拓展,通过引入最小二乘线性系统,采用等式约束条件代替SVM中的不等式约束,将二次规划问题转换为线性方程组的求解问题,降低计算难度。以图1所示信号为例,原始信号采样点数为700个。若采用LS-SVM对该数据两端进行拟合延拓,前后各延拓140个点,如图4所示。对延拓后的信号进行连续小波变换,将延拓前、后的结果进行对比,结果如图5所示。图中结果表明:经LS-SVM延拓后,可有效消除边缘效应所带来的辨识缺陷,得到较为满意的辨识结果。
3 基于递归最小二乘法的小波变换
传统的小波分析方法属于块处理法,该方法对每个时间窗口的参数估计都是独立的,计算量大,会占用大量存储空间,不利于实现电力系统振荡模式的动态追踪。为实现系统振荡模式的动态追踪,本文将递归最小二乘法与小波变换相结合,在进行模态参数估计时,利用当前时刻的量测量及上一时刻的估计值估计当前时刻的模态信息,可有效减小动态估计的计算量。
由式(9)和(10)可见:利用小波变换计算模态参数时,振荡模式的频率和阻尼比是通过某一尺度(与频率相对应)对应的小波系数的模对数及相位分别对时间的一次函数的斜率来求取。采用RLS进行递归计算的过程中,通过新时刻的输入数据对前一时刻的估计值进行修正,更新每一时刻的模态参数,实现模态参数的动态追踪。对于某一尺度下的小波系数,由式(7)和(8)可知,其模对数和相位分别为时间的一次函数,因此取时间t处的代数方程:
其中,aj(t)(j=1,2)以及b(t)为已知量,xj(j=1,2)为待求值。以式(7)表示的小波变换模对数为例,b(t)=B(t),a1(t)=t,a2(t)=1,待求的斜率值a=x1。则待求解方程转换为:
取递归计算的时间窗口长度为1 s,首先在时间窗口0~1 s内对α、β(记为x)分别进行估算,取超线性方程组:
其中,x0和B0分别由xj(j=1,2)和B(ti)(i=1,2,…,20)组成。该方程最小二乘估算值为:
当数据到达tm+1时刻时,对上一时刻的数据进行修正,可以得到新时刻的值:
其中,,依此类推,可以更新每一时刻的斜率值。
将CWT与上述递归辨识过程相结合即可实现电力系统低频振荡模态参数的动态追踪,提高电力系统的动态稳定的实时监测能力。
4 算法流程
基于上文所提的递归连续小波变换方法,本文辨识电力系统振荡模式的算法流程如下。
a.输入信号选取:本文选取联络线上的有功功率作为输入信号进行计算。
b.信号延拓:采用L S-SVM对步骤a中的输入信号两端进行拟合延拓。
c.参数设定:参数选取需要根据所关注的电力系统振荡频率范围,选择合理的小波参数。
d.小波计算:经步骤b、c后,计算延拓后信号的小波系数。截取原信号长度的小波系数用于下一步的计算。
e.与RLS结合动态估算每一时刻的模态参数。
5 算例分析
本节将所提方法应用于IEEE 68节点系统的时域仿真数据和南方电网的广域实测数据中,以验证本文所提方法的有效性和可行性。
5.1 IEEE 68节点系统算例
首先以图6所示的IEEE 68节点系统为例对本文所提方法进行分析、验证,由文献[2]可知:IEEE 68节点系统中存在4个区域间振荡模式,振荡频率依次为0.3699 Hz、0.4892 Hz、0.6267 Hz和0.7810 Hz。为验证所提方法的准确性和有效性,本文在支路28-29间设置三相短路故障,故障持续时间为0.1 s,0.1 s后将故障切除。故障过程中系统的8条联络线上有功功率振荡曲线如图7所示,图中有功功率为标幺值。
以图7中联络线8-9的有功功率作为本文所提递归小波变换的输入信号进行分析。首先为避免小波变换过程中边缘效应的影响,对数据两端拟合延拓,前后各延拓原数据的20%,延拓的结果如图8所示。
考虑到本文主要研究的是电力系统区域间低频振荡模式辨识,同时参考1.2节中小波参数选择的基本准则,取小波变换的中心频率和带宽参数分别为fc=0.6 Hz、fb=20 Hz,对延拓后的联络线有功功率信号进行连续小波变换。各频率下的小波能量系数如图9所示。由图9可知:图中3个峰值点分别对应的振荡频率为0.357 1 Hz、0.583 3 Hz、0.760 9 Hz,因此可认为上述振荡频率为该信号所包含的3个主导振荡模式。其中最大的小波能量系数对应的振荡频率为0.3571 Hz,即表明该振荡模式在支路8-9上具有较强的可观性。输入信号中所含主振荡模式的频率确定后,即可确定各振荡模式在小波系数矩阵上对应的尺度a;然后再根据式(6)和(7)结合RLS算法,便可计算各振荡模式的频率及阻尼比的动态值。
图10为采用LS-SVM对支路8-9的有功功率进行延拓前、后频率f=0.357 1 Hz(对应尺度a=31)对应的小波系数模对数。其中,实线表示未经延拓的模对数计算结果,图中模对数在6~25 s之间近似为一条直线,但由于边缘效应的影响,模对数在0~6 s和25~30 s之间存在较大的偏差,与理论推导结果显然不相符,在上述两端部分模态频率的计算结果分别为0.194 Hz、0.852 Hz,与实际频率0.3571 Hz相差很大,即小波变换中的边缘效应对电力系统低频振荡模式辨识的结果存在较大影响;虚线为采用LS-SVM延拓后的计算结果,由图10可得,延拓后的模对数近似为一条直线且与未延拓的模对数计算结果在6~25 s之间完全重合。延拓后在信号两端计算的振荡模态频率为0.356 1 Hz,可见,此时在信号两端可得到合理的模态估计值,验证了LS-SVM在解决小波变换边缘效应问题中的有效性。上述结果表明:本文所提的LS-SVM法对信号进行延拓后,可效解决小波变换中存在的边缘效应问题,可提高信号两端模态参数辨识结果的精度。
图11进一步给出模态频率和阻尼比随时间动态变化的计算结果。图中对比结果表明:本文所提的RLS-CWT方法可动态追踪电力系统的模态参数变化趋势,更能反映系统的实际振荡情况。
为验证本文所提方法的正确性,表1将本文所提方法与特征值分析方法和传统小波分析方法的结果进行了比较,D为振荡模式的阻尼比,表中结果验证了本文所提方法的正确性。
表2进一步给出了以图7中各联络线的有功功率作为输入信号,采用本文所提方法辨识出的振荡模式,表中D1—D4分别为振荡模式1—4的阻尼比。由表2可以看出,在同一故障条件下,系统中区域间振荡模式在各联络线上的可观性各有不同,因而辨识出的振荡模式数量不尽相同,但对比特征值分析结果可看出:本文所提方式可准确估计出各振荡模式的频率及阻尼比。
上述算例分析结果表明:传统的连续小波变换算法虽然能够准确地估算出系统振荡模式,但计算结果易受边缘效应的影响。而采用LS-SVM对数据延拓,能有效改善数据两端计算结果的准确性,克服小波变换的边缘效应的影响。同时,将小波变换与RLS相结合,可实现动态追踪系统的振荡模式,使其更能反映系统的实际动态稳定性。
5.2 南方电网实测数据
5.1节将本文所提方法应用于IEEE 68节点系统的仿真数据中验证了该方法的正确性,本节进一步将该方法应用于南方电网的实测数据中验证所述方法在实际大电网中应用的可行性。以图12所示南方电网某次故障期间TJ线上有功功率作为辨识输入信号。对图12中时间窗口为29~59 s的数据进行分析。考虑到小波边缘效应,对该量测窗口数据进行延拓,结果如图13所示。图14为频率f=0.37 Hz对应的小波系数模对数延拓前后的对比结果,由图14可看出:经延拓后的信号,其前半部分边缘效应得到有效改善。图15进一步给出了振荡频率为0.37 Hz的云广振荡模式和振荡频率为0.52 Hz的云贵振荡模式的频率与阻尼比随时间动态变化的趋势。由图中结果可知,在系统故障初始阶段,上述2种振荡模式的阻尼比较弱,故障切除后,系统逐渐恢复到稳定运行状态,且振荡阻尼比均恢复到10%以上,系统具有较强的阻尼特性。
表3进一步对比给出了该方法与Prony算法的辨识结果[22],表中结果表明:本文所提方法辨识出的振荡频率与文献[24]中Prony算法辨识出的振荡频率结果基本一致,但在分析云贵振荡模式的阻尼比时,由于受到阶数的限制,Prony算法识别结果不够准确,而本文所提方法对这2种区域间振荡模式的阻尼比均能辨识出较为准确的结果。此外,Prony算法也属于一种块处理方法,也不能揭示系统振荡模式随时间变化的动态特征。
6 结语
本文提出一种辨识电力系统低频振荡模式的递归小波变换算法。在合理选择小波参数的基础上,采用LS-SVM消除小波变换中的边缘效应。然后引入RLS技术,将其与小波变换相结合,实现对电力系统模态参数的动态追踪。将该方法分别应用于IEEE 68节点系统和南方电网实测数据中进行分析、验证。结果表明:该方法可有效改善小波辨识的边缘效应影响,提高两端模态参数辨识的准确性;同时可满足电力系统振荡模式的动态追踪需要。将本文所提方法与特征值分析法、Prony算法的辨识结果进行对比,进一步验证了本文所提方法的准确性和可行性。
摘要：提出一种基于递归连续小波变换的电力系统低频振荡模式辨识新方法。首先,探讨电力系统振荡模式辨识中小波系数选择的基本准则;然后,引入最小二乘支持向量机,通过对信号两端拟合延拓,消除小波变换中固有的边缘效应,改善小波辨识的准确性;在此基础上,将小波辨识与递归最小二乘相结合,递归更新振荡频率和阻尼比,实现电力系统模态参数的动态追踪。IEEE 68节点系统仿真数据和南方电网实测数据的辨识结果验证了所提方法的有效性和可行性。
古壶辨识要诀 篇4
近年来，由于古壶行情看好，不少壶商利欲熏心，找来一些宜兴艺工，将新壶外观处理得跟古壶没两样，面对这些假古壶，唯有从时代背景特色、造型、落款习惯等方面仔细辨认，若光从外观辨认，百分之百会受骗。
不同时代有不同特色
紫砂壶从草创的明代正德年开始到清末，时间长达四百余年，前后出现不少制壶名家。同时，随时代的演变，每一时代有每一时代的作品特色。
例如，明代制壶只重型制、质地，作品概为素色无彩。因此，只要壶身加上色彩(据传壶身加彩始自清雍正时代)，即可肯定不是明代古壶。其次，陈鸣远首开“壶盖内用印”的先河，因此，如果是壶盖内用印的真古壶，保证是陈鸣远(明末清初)以后的作品。
又如清道光年间，名家朱坚首创金属(锡)包壶，并用玉石制作壶嘴、壶把。故如果壶身上镶有锡或包铜时，即表示此壶必然是道光以后的作品。
根据出水孔数辨识
所谓出水孔是指壶内通壶嘴的孔。出水孔数的一孔或多孔，也可作为断定该壶是否为古壶的资料之一。
据笔者所知。民国以前的紫砂壶，不论大小，出水孔都是单一孔(近年来则不一定)，大、中型壶为防止茶叶堵住出水口，影响出水，故大都改用多孔状。
从壶身情形辨识
另一个辨识古壶的方法是，根据壶身的情形来断定。明代的紫砂壶。顶多只在壶底落款，壶身大抵保持素面无物。到了明末(天启、崇祯年)的名家陈用卿，才开始以草书在壶身上落款。
现在我们常常可看到壶身上刻诗书的壶。其实，在壶身上刻诗书，是清代陈曼生所创，后代名家效法延用。
根据以上两点可得到一个结论，即壶身上刻有诗文绘画的古壶，绝对是陈曼生时代以后所制。
从落款的甲子年辨识真伪
或许一般人都不会去注意到这一点，但这却是辨识作品真伪的一项利器。
古人相当重视甲子年表。且我国是以农立国，一提到今年是什么年时，总是习惯使用甲子年表示。甲子年是以十天干与十二地支相配而成。每六十年循环一次，称为一甲子。明、清时代的艺人，落款时可以说完全使用甲子年表示年份。例如时大彬的葵花壶底款为“万历丁酉春”，对照甲子年表可知。万历丁酉年是万历二五年。
模式辨识论文 篇5
数字图像取证是近年来兴起的一种鉴定数字图像来源的新方法，它利用成像过程中成像设备在数字图像内所残留的机器印迹（或称模式噪声）进行分析和判断，达到追溯数字图像来源、验证其真伪以及判断图像内容是否遭到篡改的目的。
通常，不同的成像设备会使用不同的成像传感器，并采用不同的数字信号后处理方法，因此，即使图像的内容完全相同，生成的数字图像也存在细微的差异，数字取证技术就是根据这些差异来追溯源设备的。
在本文提出的扫描仪源辨识算法中，我们首先将原始图像减去其低通滤波图像所获得的残差图像认为模式噪声，然后应用此模式噪声进行相关性检测以达到源辨识的目的。实验表明，所提出的算法能很好地分辩不同扫描仪生成的图像，抗噪性强。
1、算法
1.1 数码相机源辨识策略
图1显示的是相机的成像过程，景物反射的光线经过镜头、滤波器和CFA阵列照射在成像传感器上，传感器将光信号转化为电信号，再经过数字信号后处理，就得到图像。
从图1我们知道，成像过程的每一部分都可能引入噪声。这些噪声可以分为两部分，一部分为随机噪声，另一部分则是模式噪声--在拍摄同样的场景时几乎恒定不变的噪声。传感器模式噪声主要由光敏材料制造时的非均匀性造成，不易消除，可作为设备指纹使用。模式噪声的一个重要的性质是其中的高频分量与拍摄场景无关，并且在大部分数字信号过程中保持稳定。据此，若将模式噪声看成扩频水印，就可借助基于相关性的检测器作出判断。
相机源辨识的主要步骤如下：选择合适的去噪滤波器，对用于求取参考模式的图像逐一进行去噪操作获取噪声残余，再将所有的噪声残余进行叠加并求平均，获得该类相机的参考模式噪声；对于测试图像，同样使用去噪滤波器进行去噪操作获得图像的噪声残余，并将此噪声与相机的参考模式噪声进行相关性运算，通过得到的相关性值判断图片的来源。
以上是相机源辨识的基本原理和过程。由于扫描仪和数码相机使用的是非常类似的传感器和成像方法，可将数码相机的方法用于扫描仪源辨识。下面我们将讨论扫描仪的工作方式和可能使用的源辨识策略。
1.2 扫描仪工作原理和特性
图2显示的是扫描仪结构示意图。通过步进电机的运动，装在扫描组件上的CCD传感器依次逐行扫描放在玻璃板上的文档，最终获得完整的图像。可以看出，扫描仪与数码相机在成像关键部件是非常相似的。但是，扫描仪也有与数码相机不同的特点：
1.扫描仪使用一维的光敏CCD传感器来获取二维图像；
2.通常扫描仪的CCD传感器都是由三条分别对应三基色（红、绿、蓝）的线形传感器构成，而不是像相机一样存在颜色插值过程；
3.数码相机的最大分辨率是由CCD上水平方向和垂直方向的像素点数量共同决定的，而扫描仪只存在水平方向的像素点，因此扫描仪的最大分辨率是由水平方向像素点的数量和步进电机每次移动的最小距离共同决定的；
4.虽然在扫描仪的最大分辨率下能够最大限度的反映扫描仪CCD传感器上每个元素的特征，但是由于成本和时间的限制，实际中大部分操作并不需要在最大分辨率下进行，这也对辨识构成了一定困难。
虽然扫描仪和数码相机具有类似的成像原理，但由于扫描仪具有的这些与扫描仪不同的特点，因此直接使用数码相机的源辨识策略可能并不能产生良好的辨识效果。下面我们将讨论扫描仪源辨识的可能应用的策略最后采用实验进行验证。
1.3 可能应用的源辨识策略
由于扫描仪生成的也是二维图像，按照上文讨论的内容，我们认为扫描图像中也存在有稳定的模式噪声，因此，我们首先要尝试的策略就是阵列型模式噪声源辨识策略[1,2]。
通过研究扫描仪的工作原理我们发现，扫描图像所引入的噪声实际上是由一行CCD得到的，也就是说，扫描仪图像噪声的每一列都是由某一个单独的传感器元素产生的。因此，我们可以尝试用噪声图像每一列的均值来代表这一列，也就是用一个行向量来表示整个图像噪声的特征，这就是线型模式噪声源辨识策略。
我们用图3来表示两种源辨识策略的实现方法和关系：
从图3中可以看到，我们通过平均化N幅图片的噪声获得阵列型模式噪声，它不仅包含有传感器各元素的特征，还包含着如灰尘、划痕等玻璃板的特征。
使用线型传感器模式噪声则完全是因为扫描仪特殊的直线型CCD结构。与阵列型模式噪声保持一致，我们选择图像每一列的均值来表示生成这一列的具体CCD元素的特征。
1.4 相关性检测
判别待测图像是否由某台相机拍摄可以通过比较从待测图像所抽取的模式噪声和该台相机所对应的参考模式噪声之间的相关性，相关系数的计算如下[2]
这里, 上方带有"-"的符号表示是均值。
2、实验与讨论
我们使用HP Scanjet G4010和Canon Lide 30两种扫描仪作为实验对象进行比较。首先分别用两种扫描仪在自己的最高分辨率及常用分辨率600DPI上各扫描生成了200幅图片。其中，100幅图片用于求取参考模式噪声，而剩余的100幅用作测试。这里我们选取RGB通道中绿色分量G的图像进行计算。选取其它的颜色分量不会影响最终的判别结果。
2.1 使用阵列型模式噪声的实验结果
(a) 扫描仪分辨率设定为19200DPI; (b) 扫描仪分辨率设定为600DPI。
图4显示的是使用阵列型模式噪声的源辨识实验结果。从图中我们看到，将阵列型模式噪声用于扫描仪源辨识是成功的，并且，当使用常规分辨率时，阵列型模式噪声能取得更好的辨识效果（b）。出现这个结果的原因可能是因为阵列型模式噪声含有的不仅是CCD传感器的特征，更包含有扫描仪玻璃板上的空间位置特征，如玻璃板上的划痕、灰尘等，这使得扫描图像源辨识成功率与其放置于扫描仪玻璃板上的空间位置密切相关，而在分辨率相对较低时，扫描仪的空间位置特征信息不容易受到干扰，从而使得源辨识的分类效果更好。
2.2 使用线型模式噪声的实验结果
(a) 扫描仪分辨率设定为19200DPI; (b) 扫描仪分辨率设定为600DPI。
图5显示的是使用线型模式噪声的源辨识实验结果。从图中我们看到，当使用扫描仪最高分辨率时，线型模式噪声能取得更好的辨识效果 (a) 。出现这个结果的原因可能是因为线型模式噪声含有的更多的是CCD传感器本身的特征。因此，在辨识过程中，分辨率越高，CCD传感器本身的特征就更容易被表示出来，因此能获得更好的辨识效果。
3、结论
本文提出的两种利用传感器模式噪声对扫描仪图像进行来源辨识的策略及具体算法具有原理清晰，实现简单等特点。实验结果表明，两种算法均具有不错的准确性和鲁棒性。
参考文献
[1]LUK魣譒J, FRIDRICH J, GOLJAN M.Digital"bullet scratches"forimages[C]//Proc.of IEEE International Conference on Image Processing, 2005, 3:65-68.
[2]LUK魣譒J, FRIDRICH J, GOLJAN M.Digital camera identificationfrom sensor pattern noise[J].IEEE Trans.on Information Forensics and Se-curity, 2006, 1 (2) :205-214.
[3]胡永健, 俞兵华, 简超.利用模式噪声主分量信息的源相机辨识技术[J].计算机应用, 2010, 1.
[4]LUK魣譒J, FRIDRICH J, GOLJAN M.Digital camera identification from sensor pattern noise[J].IEEE Trans.on Information Forensics and Se-curity, 2006, 1 (2) :205-214.
[5]N.Khanna, A.K.Mikkilineni, G.T.C.Chiu, J.P.Allebach, and E.J.Delp, "Scanner identification using sensor pattern noise, "in Proc.SPIE Int.Conf.Security, Steganography, Watermarking of Multimedia Contents IX, 2007, vol.6505, no.1, p.65051K, SPIE.
[6]J.Tyson. (2001) How scanners work.[Online].Available:http://com-puter.howstuffworks.com/scanner.htm
模式辨识论文 篇6
随着电力系统互联规模的日益增大,互联电网引发的低频振荡问题已经成为危及电网安全稳定运行、制约电网传输能力的主要因素之一。准确、及时的低频振荡模式辨识对大电网的安全稳定运行具有重要的意义[1,2]。
通过小干扰稳定计算可以得到线性化系统的特征值和特征向量,进而估计系统低频振荡模式、模态等信息。但在实际应用中,由于系统规模大,运行方式复杂,可能会出现“维数灾”问题,不能及时、准确地反映电力系统当前动态稳定水平[3]。另一方面,随着基于同步相量测量技术的广域测量系统(Wide area measurement system,WAMS)在电力系统中广泛应用,为利用实测信号分析低频振荡模式在线辨识提供了数据平台[4,5]。然而在实际应用中,由于电力系统的高度非线性特性,导致采集的实测信号往往包含很强的非线性趋势[6]。为保证辨识结果准确有效,必须在模式辨识前去除信号的非线性趋势。在非线性去趋方法中,小波方法[7]因其良好的局部化特性和处理突变信号的能力,已被应用于数据预处理,但由于其分析结果与母小波的选取密切相关,且计算量很大,限制了它的实际应用;经验模态分解法(Empirical Mode Decomposition,EMD)[8,9,10]是一种新的数据分析方法,其本质是通过将信号中不同尺度的频率分量逐级分解成本征模态函数(Intrinsic Mode Functions,IMF)以达到对信号的平稳化处理,但其存在的边界效应、IMF筛分迭代停止标准和模态混叠这三大问题还未得到很好的解决;数字滤波[11,12]方法中,IIR数字滤波器由于具有反馈回路,运算中的舍入处理会导致误差不断累积,使滤波后的信号产生寄生振荡现象且相位特性不易控制,而FIR数字滤波器虽然是线性相位,但其幅频特性精度却低于IIR。
平滑先验法原理(Smoothness Priors Approach,SPA)[13]是芬兰库奥皮奥大学的Karjalainen博士最先提出的一种信号非线性去趋方法,并有效地应用于人体心电信号处理[14]。由于该去趋方法的计算过程简单,计算量极小,特别适用于在线处理,本文将其引入电力系统低频振荡模式辨识领域,对实测信号进行非线性去趋处理。
本文分析了SPA算法的基本原理,通过研究其频率响应特性,以确定适合低频振荡模式辨识的正则化参数,并给出基于Prony方法的低频振荡模式辨识流程。最后通过对IEEE-39节点系统仿真信号以及某电网的PMU实测信号进行测试,并与经验模态分解法以及数字滤波方法进行比对分析,表明SPA去趋方法应用于低频振荡模式辨识的快速性和有效性。
1 SPA基本原理
假设原始数据z包括两部分
式中:zstat为信号z中的平稳项;ztrend为非线性趋势项。其中ztrend可以用式(2)表示。
式中:H∈RN´M为观测矩阵;N为数据长度,q∈RM为回归参数;v是观测误差。此时任务就转化成通过最优化估计算法来求q参数,从而通过ztrend=H来确定原始数据的非线性趋势项。常用的参数辨识算法是最小二乘估计,而SPA法采用的是一种更为通用的参数估计算法,称之为正则化最小二乘法(Regularized Least Squares Solution),即
式中:λ是正则化参数;Dd是第d阶微分算子的离散形式表达。
矩阵Dd可通过式(4)~式(7)求得。假设待去趋数据中有N个局部极值点,表示为
则其一阶趋势和二阶趋势的离散形式分别为
依次类推,可得zt的任意阶趋势的离散形式,而zt的d阶微分Dd的离散形式为
在最优化的过程中要满足式(3),需要使微分项‖Dd(Hq)‖趋近于零,通过正则化最小二乘法可以根据先验信息对待预测趋势H进行估计。求解式(3)得
因篇幅所限,具体推导可参见文献[13]。
观测矩阵H的选择可以通过研究原始数据的特性获得,为了简单起见,在本文中选择单位矩阵,令H(28)I∈RN×N。二阶微分矩阵中涵盖了所有的一阶极值点,可以很好地估计信号中的非线性趋势项。因此选择2D作为正则化矩阵。D2∈R(N-2)×N的形式为
最后原始数据的平稳项可以表示为
2 低频振荡模式辨识中正则化参数的选择
在式(11)中令L=I-(I+λ2DT2D2)-1,则。L相当于一个离散时间序列的高通滤波器。通过对L的所有行向量进行傅里叶变换,可得到在每个离散时间点上的频率响应,如图1(a)所示(由于对称性,仅显示前N/2行)在时变频率特性曲线的低频段出现了明显的衰减,可知低频段所代表的非线性趋势被有效地去除。
对L的第N/2行设置不同的正则化参数得到对应的频率响应曲线。图1(b)中可以看出随着参数值的增大,其相对截止频率逐渐降低。
电力系统低频振荡模式辨识关注的频率范围是0.1~2.5 Hz,因此一般在预处理中将原始信号的采样频率降低为5 Hz。由表1可知,取(28)160对应的截至频率为0.02×5 Hz=0.1 Hz,基本可以有效除去原始数据中低于0.1 Hz非线性化趋势。
3 基于SPA的低频振荡模式辨识流程
Prony方法[15,16,17]是低频振荡模式辨识的常用有效方法。图2给出了基于SPA非线性去趋算法的低频振荡模式Prony辨识的原理流程。
4 算例分析
4.1 IEEE-39系统仿真信号测试
本文采用Matlab的Power System Analysis Toolbox(PSAT)对IEEE-39节点系统(见图3)进行仿真测试。通过对断开支路1-2后的系统进行小扰动特征值分析,其主要存在的低频振荡模式频率/阻尼比0.384 6 Hz/5.6845%。
为模拟负荷的随机扰动,在每个节点上注入高斯白噪声,其信噪比为40 d B以模拟1%的随机负荷变化。为了测试Prony在扰动下辨识效果,在100 s时断开节点1-2支路。整个时域仿真过程为180 s,选取支路8-9、支路4-5和支路3-4的有功功率作为待选辨识信号,其支路功率谱分析如图4所示,可见支路8-9信号对该模式具有很好的可观性。
为了比较SPA的去趋效果,对原始信号采用SPA法、EMD法和Butterworth滤波方法分别进行去趋处理。EMD方法采用最后4个低频IMF代数和作为信号的非线性趋势,其余的IMF组合也经过测试,但效果均无明显改善。Butterworth滤波方法采用4阶Butterworth滤波器,选定频率范围0.1~2.5Hz。滤波后的效果比较如图5所示。
通过对比可知,在40~150 s时间段,EMD趋势出现了大幅的波动,明显偏离信号的真实趋势,而SPA和Butterworth趋势与信号的真实趋势基本吻合。而在含有扰动信号的100~115 s时间段,SPA趋势相较于后两者更加趋向于信号的真实趋势。
对三种算法去趋后(SPA去趋后信号见图6)的扰动信号时间段(100~115 s)进行Prony辨识,其统计分析结果见表2。分析可知,采用SPA算法后不仅在频率和阻尼比的辨识精度上优于后两者,而且在计算速度上更是有显著提高,分别提高了4.7倍和183倍。
4.2 某电网实测信号测试
为验证本算法对实际电网PMU实测信号的去趋效果,选取某电网联络线实测有功功率扰动信号。
注:Erf为频率相对误差;Erd为阻尼相对误差,后同
同样,对实测原始信号进行SPA,EMD和Butterworth法去趋,三种算法的去趋势效果如图7所示。在40~150 s时间段,EMD趋势依然大幅偏离信号的真实趋势,而SPA和Butterworth趋势与信号的真实趋势基本吻合。在含有扰动信号的95~120 s时间段,显然SPA趋势相较于后两者更加真实地反映了信号的实际趋势。
图8为SPA去趋后的信号,其功率谱密度曲线如图9所示。从图中可以看出,低于0.1 Hz的低频成分已被去掉。
通过对该电网在当前运行方式下进行的小扰动特征值计算分析表明,该联络线上体现的区域振荡模式为0.345 4 Hz/9.6387%。对图7中扰动时间段(95~110 s)分别采用三种算法去趋后的扰动信号进行Prony辨识,统计分析结果见表3。
分析可知,SPA方法去趋后的扰动信号所辨识的误差最小,且在速度上具有较大优势,较Butterworth法和EMD法分别提高了4.5倍和150倍。
5 结论
本文提出采用一种基于平滑先验法去除低频振荡模式辨识信号中非线性趋势的方法。通过对IEEE-39节点系统仿真信号及某电网的PMU实测信号进行低频振荡主导模式辨识,结果表明:
(1)SPA算法简单易行。通过频率响应特性分析,确定了低频振荡模式辨识所需要的正则化参数为160,即可有效去除扰动信号中的非线性趋势。
(2)本文所提方法改善了低频振荡模式辨识精度,计算速度更是得到了显著提高。相比Butterworth法和EMD法分别提高近5倍和100倍以上,尤其适用于低频振荡模式的在线辨识。
摘要：基于PMU实测信号的低频振荡模式在线辨识是阻尼控制的基础,有效去除PMU实测信号中的非线性趋势才能保证模式辨识的精度。提出了基于平滑先验法的PMU实测信号非线性去趋方法。在分析平滑先验法基本原理基础上,为适应低频振荡模式辨识中信号非线性去趋要求,对其频率响应特性进行研究,确定平滑先验法的正则化参数。采用IEEE-39节点系统时域仿真信号和某电网的PMU实测信号对所提方法进行测试,并与经验模态分解法和数字滤波法进行了比较,表明该方法能够更有效地去除信号中的非线性趋势,较大幅度地提高计算速度,同时也能提高低频振荡模式辨识精度,具有较高的实际应用价值。
辨识危险防范事故 篇7
研究所工作现场
当前, 我国处在工业化快速发展的事故易发期, 全国范围内各类安全事故不时发生, 安全生产形势依然严峻。党的十八大报告提出“强化企业安全生产基础建设, 遏制重特大安全事故”, 进一步加强安全生产工作, 杜绝各类违规行为, 有效预防事故发生, 是企业长期而艰巨的任务。
西北机电工程研究所 (简称研究所) 隶属于中国兵器工业集团公司, 作为一家火炮技术研发中心, 承担着火炮总体技术、专项技术、新概念火炮技术、基础技术可靠性等领域技术研究和开发。研究所现拥有4个总体研究部和9个专业技术研究室, 是一家集机械、电子、液压、自控、测试、光学、工程力学和计算机科学等多学科为一体的大型综合应用技术研究所和行业技术研究开发中心。
研究所研制过程中未知因素多、不确定性大, 且存在易燃易爆危险, 因此, 加强科研项目安全管理, 预防和杜绝事故发生, 对促进项目顺利实施, 提升研究所核心竞争力具有重要意义。对于研究所来说, 开展岗位危险有害因素辨识和控制, 是做好安全生产工作的关键和基础, 是从源头上保安全、促发展的重要保障。
根据问题寻方法
主要问题
研究所目前虽然安全生产形势总体良好, 但在研发实际中, 仍存在着一些不利于安全生产的问题, 主要表现在以下几个方面:
第一, 随着新概念武器项目的研制、演示验证和型号项目加速立项, 同时研制周期大幅缩短, 技战术指标不断向极限挑战, 安全风险迅速加大。
第二, 科研过程本身就是不断探索未知领域和物质潜在能量的一个过程, 而且国防科研项目大多都涉及高毁伤性能的固体、液体和气体燃料。随着大量的新技术、新材料、新工艺、新设备的采用, 试验过程中又增加了许多不确定性因素, 从而增大了危险性。
第三, 安全管理稍显薄弱。生产装调和外场试验现场, 对危险有害因素辨识不清楚, 岗位安全操作技能较差, 部分员工对新的科研生产方法危害辨识重视不够。
第四, 个别员工安全意识淡薄, 部分员工存在侥幸、惰性、逞能等心理, 现场违章行为时有发生。一些新进员工操作技能缺乏, 安全意识不够, 这些都加大了安全管理风险。
因而, 探究预防和消除事故隐患的方式和方法, 有效防范和遏制安全事故发生, 是研究所面临的重要课题。
岗位危险有害因素辨识
现代安全管理研究表明, 危害辨识、评价和控制在安全管理中具有核心地位, 其主要通过主动分析系统管理涉及的人、物、环境、制度等存在的问题, 制定科学的实施方案, 用来争取充分的和必要的危险消除和预防时间。对于研究所来说, 开展岗位危险有害因素辨识的作用, 主要表现在两个方面:一是体现了“预防为主”的安全管理理念, 通过将安全管理和工程技术相结合, 以风险控制为基础, 对科研试验中危险源和各种危险有害因素辨识, 创建作业规范和标准, 可以有效落实责任, 减少甚至杜绝“三违”行为, 从而降低科研试验过程事故发生率;二是通过运用系统管理理念, 能够使安全管理形成对员工、设备、环境、制度构成的安全系统的全员、全过程、全方位的动态管理。
根据系统安全工程的观点, 导致事故发生的原因包括人的不安全行为、物的不安全状态、环境不安全因素、管理的缺陷等, 开展岗位危险有害因素辨识能够充分考虑上述四个因素, 并以协调的观点来看待安全管理过程, 确保员工安全和职业健康。因此, 研究所于2011年开展了岗位危害因素辨识工作。
岗位危害因素辨识实施步骤
确定辨识依据及方法
研究所以GB/T13861—2009《生产过程危险和有害因素分类与代码》、GB6441—1986《企业职工伤亡事故分类目录》《职业病危害因素分类目录》 (卫法监发[2002]63号) 和中国兵器工业集团公司有关科研、试验安全管理规定的相关文件、研究所《危险源安全管理规定》等安全管理要求作为辨识依据。
辨识方法主要是从人的不安全行为、物的不安全状态、环境的不安全因素和管理的缺陷等4个方面, 对人、机、料、法、环各个环节进行全面辨识, 排查可能存在的安全隐患, 同时判断可能的事故类别与后果, 提出控制措施和作业标准, 最后经员工—班组—基层单位—安全管理部门, 逐级辨识、汇总, 形成岗位安全标准。
制定方案及流程
研究所制定了开展岗位危险有害因素辨识的实施方案和流程图 (见图1) , 具体为:准备—制定辨识方案及流程—辨识培训学习—岗位员工辨识, 填岗位辨识表, 报班组—班组辨识、分析汇总—基层单位筛选、归纳、评审—安全管理部门审核, 组织评审—所内颁布实施—危害因素控制检查、考核—结束。同时, 提出了辨识计划和时间节点, 明确辨识方法和流程, 力求辨识准确到位。
组织辨识培训学习明确辨识要求
研究所组织基层科研生产一线单位的负责人、安全员、班组长进行了辨识知识培训, 内容包括:GB/T13861—2009《生产过程危险和有害因素分类与代码》、GB6441—1986《企业职工伤亡事故分类目录》以及研究所制定的《岗位标准化基本规范》《岗位危险有害因素辨识基本程序》等。同时, 在研究所网站上建立了“辨识实例”“经验交流园地”等栏目。另外, 还积极组织安全管理人员深入基层科研、生产单位, 开展案例分析讨论和辨识程序指导, 特别要求各单位要关注新技术、新设备等运用中出现的问题, 以提高设计人员的辨识能力。
有针对性地组织开展危害辨识
研究所开展辨识工作坚持“从基层来, 再回到基层去”的原则, 突出科研班组和生产班组不同的岗位危险特点, 以确保辨识具有针对性和可操作性。科研班组辨识重点在试验 (实验室) 现场, 包括检查安全管理制度是否齐全、试验审批程序、警戒区域设置等;生产班组由于主要与机械、设备打交道, 因此, 辨识重点在作业现场。
自开展岗位危险有害因素辨识以来, 研究所各班组积极发动员工, 结合工作实际从个人岗位做起, 查找人的不安全作业行为、设备的缺陷、制度管理上的漏洞以及环境中是否存在地面水、油等隐患, 从身边小事出发全面辨识岗位中的危害因素, 开展岗位、班组间互查, 共同探讨解决问题。最后由班组筛选出主要危害因素, 制定控制措施, 形成“危险有害因素辨识表”。
各基层单位还成立了包括老专家、班组长、安全员以及技术人员在内的辨识小组, 对各班组的“危险有害因素辨识表”逐一进行审查、评定, 将同工种、同作业岗位的危险因素及控制措施进行归类, 形成“岗位安全标准”。针对辨识出的危害有害因素及问题隐患, 制定整改措施, 落实责任人, 进行整改。
形成辨识成果
完成以上步骤后后, 由安全管理部门对“岗位安全标准”进行审核, 形成《岗位安全标准》初稿 (示例见表1) , 并在确保其符合“辨识基本准确, 管理要求及控制措施基本到位”要求后, 组织安全专家从安全、技术等方面进行评审, 修订完善, 最终形成包含车工、焊工、喷漆工、表面处理工、库管工、起重工、维修电工、管道工及供电研发系统岗位等在内的50余个标准的《岗位安全标准汇编》, 在研究所内颁布执行。
岗位危险辨识现场
危害因素的控制措施
加强岗位安全标准培训
研究所将辨识成果《岗位安全标准》下发至各相关单位岗位, 并利用基层生产例会等, 开展标准、事故案例等培训学习, 以规范化的岗位行为、作业标准要求员工, 确保人人“上标准岗、干标准活、交标准班”。
加强精细化管理开展图示化安全标准作业
研究所借鉴精细化管理之标准化作业的优点, 开展了图示化岗位安全标准工作, 通过更具操作性的可视化图片、表格等, 规范员工的作业标准, 消除因不良行为导致安全事故发生。
加强危害风险因素信息化管理提升监控力度
研究所结合自身管理信息系统建设, 在“综合管理”中的“安全环保管理”子模块中, 将“危险点辨识、分级审批管理”“危险作业审批”等业务纳入电子化流程, 并加强实时监控, 电子审批, 实现可追溯查询、闭环管理。
加强责任落实及安全标准实施情况考核
对于安全责任及岗位安全标准执行情况的考核, 主要由各基层单位实施内部自主考核, 以便更贴近、工作实际。各单位主要按照“岗位日查、班组周查、单位月查”的原则开展检查考核, 考核结果上报研究所安全管理部门备案, 并在季度和年度考核中从“约束指标扣减分值”中体现, 直接与员工收益挂钩, 起到了较好约束员工遵守岗位安全标准的作用。
工作成效及发展方向
促进了全员安全管理保障安全科研生产发展
安全管理需要各个部门、全员参与才能真正落实。研究所通过辨识活动的开展, 使员工将安全当作了自己的事, 全员管理的思想得到了深入推进, 安全管理工作得到了稳定发展。自2011年开展辨识工作以来, 研究所已连续3年实现了科研生产事故中“零重伤”目标。
提升了员工安全意识和安全技能
通过开展危害辨识和岗位图示化安全标准作业, 培养了员工对比发现问题的能力, 使员工更加注意了细节和安全经验的积累, 新员工也能够按照图示化安全标准, 规范自身安全行为。同时, 使员工从安全知识、技能, 以及安全观念、态度等进一步得到了提升, 夯实了管理基础。
从定性描述转向定量判断和控制
绿色设计理念辨识 篇8
随着当今社会科学技术和经济文化的发展,绿色已成为健康和谐,安全幸福的代名词,是人们生活质量的指标,是经济发展状态的量度表,是和谐社会的重要特征。可以说,绿色已成为现代人类文明的重要标志之一。进入21世纪以来,人与环境的关系日益恶化,自然灾害频频发生,致使人类的生命财产遭受巨大的损失。当人们逐渐认识到绿色对于人类生活的重要性,认识到设计对绿色理念的实践所具有的巨大助推力,一种新的设计理念就理所当然的成为人们关注的焦点。
2 绿色设计的内涵及发展
绿色设计是20世纪80年代末出现的一股国际设计潮流,是以绿色技术为前提的产品设计,广义来说就是从产品最初的设计到产品的制造过程,产品的市场流通,以及整个社会的消费文化,都要将保护生态环境作为最基本的原则。在满足环境目标要求的前提下,保证产品所应有的基本功能及质量等。
绿色设计源于人们对现代科技文化发展所引起的环境及生态破坏的反思,体现了设计师的道德和社会责任感的回归。在设计过程中,更注重人与自然的生态平衡关系,在设计的每一个环节,都充分考虑环境效益,把对环境的破坏降到最低点,其主要内容包括绿色产品设计的材料选择与管理。在产品的设计之初,要考虑使用无毒无害的材料,考虑材料的生命周期和分解性能,以保证产品或包装废弃后容易回收和分解处理,最大限度的减少对环境的污染。产品的可回收性与可拆卸性主要是以产品的回收再利用为前提的,注重产品的结构设计,易拆卸、易重组,以便循环利用达到节约资源的目的。绿色设计所追求的理念是节约资源、降低污染、保护环境,在满足当代社会经济文化发展需求的基础上最大限度的维持生态环境的整体平衡,以保证地球和子孙后代的持续发展。
自工业革命以来,工业生产经历了一次又一次的革新,在其不断为人类提供优良产品,创造美好生活环境的背后,人类所付出的是巨大的能源消耗,地球生态环境的极度恶化。尤其是近几十年来,人们在消费时更加注重产品外部的视觉效果,这更加剧了产品设计中无节制的浪费与重复。正是这样的粗放生产,与盲目消费,让工业产品越来越被人们所垢病。早在20世纪60年代,美国的设计理论家维克多·巴巴纳克就在其出版的《为真实世界而设计》一书中指出:设计的最大作用并不是商业价值,也不是包装与风格方面的竞争。而是一种适当的社会变革中的元素。他同时强调,设计应该注重有限地球资源的合理利用,并为地球生态环境的保护服务。这本书在当时引发了极大的争议,理解其观点的人少之又少,一直到后来的“能源危机”爆发,他所倡导的绿色设计理念才得到了社会越来越多的关注与认可。
3 绿色设计的运用
3.1 绿色设计现状
人口增长快,自然资源稀缺,环境污染严重,是当今社会所面临的三大问题。人类对自然资源的无度开发,导致人与自然的关系问题日渐突出,除了工农业生产所造成的破坏之外,人类所制造的大量的生活垃圾,也给生态环境造成极大的压力。随着经济的不断发展,人们生活水平有了很大提高。然而,随之而来的是大幅增加的物资消费,而这将耗费更多的资源,产生更多的废弃物。令人担心的是,绿色设计虽然已被人们普遍认可,但就目前的情况来看,其执行效果并不令人乐观。资源浪费随处可见,消费垃圾越来越多。一次性的木筷、白色的泡沫饭盒,到处飘扬的塑料袋,都在威胁着我们的生态环境。城市中有超过1/3的固体垃圾都是产品包装,这说明环境问题已越来越严重。
在当今社会,人类的消费观念,极度依赖视觉刺激,产品的包装设计也在这股强大的视觉风之下迅速发展。包装不再作为单纯的产品保护媒介,而成了产品质量的代言,亦或是商家一种变向的商业广告手段。不少设计师已经对绿色设计进行了较为深入的探索,在加大环境保护力度的同时,又创造了新的产品形象。绿色设计不仅成了企业一种全新的营销策略,更带动了整个人类社会环境保护意识的提高以及绿色生态文化的形成。
3.2 践行绿色设计理念应注意的问题
在设计领域,绿色设计不仅仅只是像以往一样风靡一时的设计风格,也不是某一个人的喜乐爱好,应该而且必须要成为一种设计理念的变革和社会观念的认同,因此应注意以下问题。
3.2.1 政府层面
政府在制定社会经济发展规划时要把节约资源、保护环境纳入其中,不仅要对现代人负责,也要对子孙后代负责。同时,要在整个社会倡导绿色理念,加大绿色设计理念的宣传教育。同时,政府要运用法律手段干预粗放的生产方式,提倡节约与实用,从客观上促进绿色设计的良性发展。
3.2.2 社会层面
社会上的民间环保组织应该把绿色设计的理念内化为组织内涵,利用自身人员广,操作灵活的特点,积极倡导绿色消费观念。此外应做好政府的帮手,为政府的决策献言献策。作为生产垃圾的“制造者兼使用者”同时也是受害者的消费者群体,更应该转变消费观念,不能一味的追逐潮流,注重外观,而要讲究实用,在日常生活中多使用绿色产品。这不仅促进绿色事业的发展,也是对自身生存环境以及身体健康负责。为了避免重复购买所带来的资源浪费与环境压力,生活中还要学会合理安排,循环利用。作为生产厂家,也要对自身的生产理念、生产模式进行转变与重新包装。要把探索绿色材料,运用绿色设计作为自己的责任。
3.2.3 设计层面
设计师不仅是时尚潮流的引领者,同时也是设计产品的缔造者。由于现代人的消费越来越注重视觉因素,对产品的更换速度也越来越快,而这恰恰是造成资源浪费与产品污染的重要原因,这就要求设计师要有高度的环境保护意识,并努力探索绿色材料的应用,通过自己的设计经验与技术创造出简洁、实用、环保的新式绿色设计。
4 结语
在世界范围内,部分国家在绿色设计领域以取得一定成就。如美国的“能源之星计划”,日本的“绿色行星计划”,加拿大的“环境清洁计划”及中国“科学发展观”的提出。这一切都说明绿色设计适合民心、顺应民意,合乎社会自然发展逻辑。随着绿色设计一步步应用与推广,相信在未来我们所面临的环境问提都将会得到妥善处理,而社会可持续发展的要求也必将给绿色设计带来新的发展空间。
参考文献
[1]柳冠中.工业设计史[M].哈尔滨:黑龙江科学技术出版社, 1996.
[2]赵江洪.设计艺术的含义[M].长沙:湖南大学出版社,1999.
[3]尹定邦.设计学概论[M].长沙:湖南科学技术出版社,2006.
[4]柳沙.设计艺术心理学[M].北京:清华大学出版社,2006.
辨识“肾虚”巧“补肾” 篇9
腰痛≠肾虚
很多人误以为腰痛就代表着肾虚，但专家指出，腰痛与肾虚之间绝对不能画等号。尽管中医理论《素问·脉象精微论》里讲：“腰者肾之府，转摇不能，肾将惫矣。”但如果一概将腰痛理解为是肾虚导致，就属于“一刀切”了。
腰痛是腰部有疼痛之症的总称，病因病机有许多。肾虚腰痛，只是腰痛的病机之一，而且有一定的症状。肾虚腰痛，其痛绵绵，久病体虚，或年老体衰，此类腰痛可分为阴虚及阳虚两种：如兼神倦肢冷、滑精、面色白而无华、四肢不温、舌淡、脉沉细者，为肾阳虚腰痛；如伴有虚烦、咽干、手足心热、舌红、脉细数者，为肾阴虚腰痛。
肾虚腰痛多发生在年老体衰、久病体虚、体质素弱的人群中，同时具备肾阳虚腰痛或肾阴虚腰痛的症状。从肾虚腰痛的临床症状中发现，这些人群大多有气血基本运行不畅或亏损的内因，加之外因，而产生腰痛。
在中医里，绝没有把肾虚腰痛和实体的肾脏相联系或者等同起来。肾虚，只是一种功能的状态，是强是弱，是实是虚，并非病态。如此说来，腰痛与肾脏病也是两码事。但是由肾脏疾病引起的腰痛却是存在的，主要分为四类：肾实质性疾病所致的肾肿大、肾脏感染性疾病、肾脏肿瘤或囊肿和肾结石。
肾虚≠肾脏病
中医的“肾”与西医的“肾”不是同一个概念。西医的“肾”就是老百姓俗话说的“腰子”，与输尿管、膀胱、尿道共同构成了“泌尿系统”，专门负责人体水液的调节和排泄、清除代谢废物。而中医的“肾”，除了包含西医泌尿系统的肾以外，还有一个非常重要的功能，那就是生殖系统的功能。如果把泌尿系统的肾称之为“内肾”，那么，就可以把生殖系统的肾称作“外肾”。
有的患者感觉腰膝酸软、畏寒、精神不振或者头晕耳鸣、失眠健忘，中医告诉他是肾虚，他就以为自己得了肾脏病，其实不然。之所以中医告诉患者是肾虚，‘是因为中医认为肾虚是一个证候，多种疾病都可能出现肾虚证，不仅包括西医的肾病，还包括心血管疾病、_肺部疾病、血液病等，或者根本无器质性病变，仅表现为功能的失调。只有。肾脏病的肾虚证可出现尿常规和肾功能的异常，其它疾病的肾虚证尿常规和肾功能是正常的。所以，“肾虚”并不一定就是得了肾脏病。
许多肾虚的中青年患者生活不规律、过度疲惫、压力过大、缺乏锻炼，一些有所谓肾虚表现者，多是功能上的紊乱，不伴有内脏器官的损害。调霉肾虚，要在营养、调节生活规律和体育锻炼上多下工夫，不要迷信药物或保健品，更要防止滥用药物引起肾脏损害。
夜尿多≠肾虚
夜尿多，常常也被当做是提醒人们肾虚的警钟之一，但夜尿多现象也并非都能归类为肾虚。假如入睡前喝了很多的水，那么出现夜尿多的现象也就很正常。通常情况下，年轻健康人白天与夜间尿量之比为2：1，夜尿量超过全天尿量的一半，即称为“夜尿增多”。正常成人每天日间平均排尿4～6次，夜间就寝后0～2次，如排尿次数明显增多，超过了上述范围，就是尿频。
一般来说，肾虚引起夜尿多，主要是因为气血虚、气血不足引起的血液的新陈代谢减缓，血管收缩，血液回流能力减弱，血液循环不畅所致。
从小就要教孩子辨识方位 篇10
因此, 我们教给孩子们识别方向, 而且要从小就开始教, 要教孩子正确认识南和北。育儿专家总结了这么一个歌谣, 告诉您怎么教孩子:
清晨太阳升在东, 夜里马勺北斗星。街道门牌要记清, 会认东西南北中。我们怎么教孩子认识方向方位呢?就是说孩子在三岁左右的时候, 你就要教给他, 东西南北是什么, 大家看, 白天你要教给他看太阳, 我们说太阳落山的时候就是在西边, 太阳升起来的时候就是在东边, 中午12点那是正南, 孩子要明白这些, 就知道方位了。等到晚上你看北斗星, 怎么认北斗星, 我们教给孩子们, 说你先大概知道, 那个北斗星, 七星北斗赛马勺, 孩子在那个夜幕空间非常好认, 那个勺子的边再往前数五个星星的距离, 那就是北极星, 北极星就是正北, 如果说三岁的孩子们记住了这个, 然后再记门牌, 他一般就能找到方位。
还有如果他白天迷失了方向, 还可以看树木, 因为南边阳光强, 所以树木南面的部分茂盛, 北面的部分就明显要差很多, 再有北边因为它是阴面, 有这个苔藓, 所以你带着孩子出去玩的时候, 要告诉孩子, 识别南北, 这样三四岁的孩子就完全可以找到北和南的位置。