项目一、基于改进LSTM神经网络的线损率预测与分析系统
• 项目要求：
对线损率数据进行分析，并利用现有的线损率数据预测未来时刻的线损率
• 负责任务：
（1）线损数据的预处理，包括缺失值的补全、数据归一化等
（2）采用灰色关联分析法找出对计算线损最有用的指标，并通过机器学习算法（SVR）使用这些指标对线损率进行拟合，从而达到线损率自动计算的目的。（正在研究）
（3）对LSTM神经网络进行改进，如CNN-LSTM神经网络（在LSTM网络前添加CNN模块，以提取数据中的特征，然后将提取后的特征送给LSTM进行学习）、EMD-LSTM神经网络（先用EMD分解将数据分解为多个iMFs即分量，然后对分量分别进行预测，预测后的各个分量相加即为最终的预测值），然后选择表现最佳的模型。
（4）采用贝叶斯优化方法找出优选出的模型的最优采样步长以得到精度最高的模型，并使用该模型对上面选出来的指标进行预测，再用预测后的指标数据拟合出未来时刻的线损率，从而达到预测线损率的目的。
• 采用工具：
采用Python语言，开发工具为PyCharm，使用到Oracle Database

项目二、混凝土沙石集料特征的视觉分析系统
• 项目要求：
通过摄像头采集砂石图像，然后利用计算机视觉分析出砂石的粒径分布特征
• 负责任务：
（1）针对砂石尺度差异较小的特征，对Mask R-CNN中的FPN进行调整，将 Mask R-CNN 中的 ROIAlign 模块替换为自适应 ROIAlign 模块，具体做法为：将 RPN 输出的每个建议框都映射到 FPN 的全部 4 个特征层级上，并在各层级内分别进行 ROIAlign 操作，获得多尺度特征，然后再将 4 个层级的特征进行融合。
（2）在目标检测分支和掩码分支串之间增加 IoU 预测分支，用于输出检测框的定位置信度，从而改善网络的定位性能，实现更精确的分割。
• 采用工具：
采用Python语言，开发工具为PyCharm

项目三、基于组态王的空压机状态预测系统
• 项目要求：
重新制作工控机的组态王界面，并用LSTM神经网络实时预测空压机各项指标数据
• 负责任务：
（1）组态王界面的设计与制作
（2）组态王采集数据并将历史数据存入SQL Server
（3）Matlab通过OPC协议实时接收组态王采集的数据，然后采用Bi-LSTM神经网络进行数据预测，并将预测结果回传至组态王中实时显示
• 采用工具：
组态王、Matlab、SQL Server