针对传统连铸下渣检测技术没有充分利用连铸生产数据之间的非线性关系,且存在下渣识别精度低、时间滞后等问题。提出一种基于层级时序记忆(Hierarchical Temporal Memory,HTM)算法的连铸下渣实时预报方法。该方法利用HTM算法对钢包浇注过程采集的时序数据进行预测,并且采用滑动窗口方法计算预测残差,最后应用正态分布的分布函数评估下渣概率,在评估概率超出阈值范围时,发出下渣报警信息。实验结果证明该方法能够智能、有效、准确的识别出下渣时间,具有较高的预报精度。

给出了加窗语音的新倒谱模型,提出了基于语音LPC预测残差的倒谱基音周期检测算法(LP-CEP法),该算法在倒谱计算中采取高频分量置零的新措施,仿真研究结果表明,该算法相对于传统倒谱基音检测算法(CEP法),无论是对不同的干净语音还是对不同信噪比的含噪语音,其基音检测结果有明显的改善.