基于改进的DISK算法的农林航拍图配准研究

针对无人机的农林航拍图像配准算法存在特征点识别较少、特征点匹配不精准等问题,提出了一种改进的离散关键点(Discrete Key point,DISK)算法。该算法首先采用梯度策略DISK算法对特征点进行有效描述;其次采用基于深度学习局部特征的匹配方法进行预匹配;最后利用RANSAC算法去除离群点,筛选匹配结果。为验证算法的有效性,选取了几组农业航拍图像的数据集进行实验比较。实验结果显示,与经典的SIFT、Dark feat算法及原始的DISK算法相比,改进的DISK算法显著提高了匹配精度,匹配精度由41.7%提升至98.9%,充分满足农林航拍图的匹配需求。

二进制电鳗觅食优化算法研究

电鳗觅食优化算法是一种近年提出的元启发式算法,主要用于解决连续优化问题,并在各类工程问题中有所应用。然而,许多实际的优化问题是离散的,因此需要开发算法的二进制版本。研究人员通常通过转换函数将连续解转化为离散解,以解决这些离散优化问题,但传统的S型转换函数容易发散而难以收敛,V型转换函数则容易陷入局部最优,难以跳出。针对这一问题,本文通过结合电鳗的能量因子,将S型和V型转换函数融合,提出了一种新的复合转换函数,用于电鳗算法的二值化。同时,由于电鳗算法在交互和迁徙阶段可能过早收敛,本文对算法进行了改进。具体来说,在交互阶段增加了权重控制因子,利用S型转换函数的发散特性,增强了全局搜索能力;在迁徙阶段引入了约束因子,约束电鳗的行为,避免过早收敛和陷入局部最优。通过在背包问题上的实验,验证了所提出的二进制电鳗觅食优化算法的有效性。

基于Bregman散度和差分隐私的个性化联邦学习方法

联邦学习因能解决数据孤岛问题而被广泛关注,但也存在用户隐私泄露风险和非独立同分布数据下模型异构导致性能下降的问题.针对该问题,提出基于Bregman散度和差分隐私的个性化联邦学习方法(FedBDP).所提方法采用Bregman散度衡量本地参数与全局参数的差异,并将其作为正则化项更新损失函数,以减小模型差异来提升模型准确率.同时,采用自适应差分隐私技术对本地模型参数进行扰动,通过定义衰减系数动态调整每轮差分隐私噪声的大小,以合理分配隐私噪声大小并提升模型可用性.理论分析表明FedBDP在强凸和非凸光滑函数下满足收敛条件.实验结果验证该方法在满足差分隐私的前提下,FedBDP模型在MNIST和CIFAR10数据集下能够保证模型准确率.

齿轮故障诊断的机器视觉技术研究进展

齿轮是机器设备中常见的旋转机械部件,对其开展故障诊断是避免重大事故发生的重要手段,齿轮故障诊断必然成为学者研究的焦点,而机器视觉技术为开展齿轮故障诊断提供了新的思路。文章分析了机器视觉系统的基本原理,重点梳理了基于机器视觉的齿轮图像采集、齿轮图像处理和齿轮图像识别的研究现状,归纳总结了基于机器视觉的齿轮故障诊断研究存在的主要问题,提出开展动态齿轮图像采集工程化研究与应用、三维齿轮图像采集、图像增强与迁移学习技术应用、浅层学习与深度学习融合等方面的建议,为从事齿轮故障诊断相关领域的技术人员提供参考和借鉴。

参数耦合下风力发电机叶片机械颤振检测研究

受气候、风速等因素影响,会使风力发电机叶片的运行条件发生较大变化,增加了颤振检测的难度。为此,该文提出参数耦合下风力发电机叶片机械颤振检测方法。建立风力发电机叶片结构模型,推导结构动力学方程,并利用优化后的参数耦合算法对其求解,获取非稳态气动载荷,通过动力学模型反馈得到叶片的结构响应和振动情况;构建非稳态气动降阶模型,采用能量法分析叶片的结构响应与气动载荷的时域或频域,计算能量交换角度,确定叶片的颤振程度,实现颤振检测。实验结果表明,该方法气动阻尼系数计算结果准确、检测正确率高、计算时间短。

数据不平衡故障诊断:一种预训练数据增强方法

针对实际航空发动机滚动轴承故障诊断应用中健康-故障数据不平衡的问题,提出一种结合梯度惩罚与辅助分类器的Wasserstein生成对抗网络(Wasserstein Generative Adversarial Network Gradiend Penalty,WGANGP)的增强诊断方法——预训练数据增强-WGANGP(PDA-WGANGP)。首先,模拟实际情况,利用健康数据和少量故障数据对网络进行预训练;其次,将训练好的网络结构和参数作为判别器和分类器的前端特征提取层;最后,通过引入残差网络,构建一个全新的生成器,从而稳定地生成高品质的故障样本,平衡测试数据集,完成网络结构的优化训练。通过对滚动轴承开展不平衡数据下的诊断应用与验证,证明了PDA-WGANGP在样本生成和高效诊断中的可行性,以及相较于同类方法的诊断性能优越性。

改进教与学算法求解柔性车间调度问题

针对传统调度方法在求解柔性作业车间调度问题时存在的结构复杂、参数多变等问题,提出了一种运算效率和求解性能均较好的教与学算法。首先,采用全局选择、局部选择和随机选择策略,提高了种群的多样性,避免陷入局部最优;其次,使用一种自适应的教学因子改善了教与学算法容易引起的早熟收敛问题;然后,基于教学算法“学”阶段的自学与邻域搜索策略相结合,提升了算法的局部搜索效能,改善了算法的“早熟”问题;最后对Kacem和MK系列算例进行了模拟实验并与其他算法进行比较,实验结果表明:改进的算法在求解柔性车间调度问题上较其他几种算法而言具有较强优势。

基于流水线计算的3D NoC测试规划研究

为了提高三维片上网络(3D NoC)资源内核的测试效率,提出一种在功耗约束条件下多播流水线并行测试同构核与单播测试异构核相结合的方法对IP核进行测试。为了减少测试数据因资源冲突而进行等待的时间,设计一种改进XYZ路由算法,并采用改进人工蜂群(ABC)算法求解最佳测试规划方案。以国际标准电路测试集ITC'02作为实验对象,结果表明,测试时间最大优化率达到15.45%,与其他测试规划方法相比该文方法能有效地提高并行测试效率。

基于区块链的老年数据审计系统中可监管的匿名身份认证方案设计

针对当前数据审计系统在实际应用中存在的数据泄露、数据损坏以及第三方审计人员身份泄露等隐私保护问题,设计一种基于区块链的老年数据审计系统,并基于此提出一个可监管的匿名身份认证方案。系统采用非对称加密算法和群签名算法确保数据通信和存储的安全性,且能够实现身份证书的匿名性,具有一定的隐私保护能力。此外,如果第三方审计人员出现非法行为,可以从身份证书中获取第三方审计人员的真实身份信息。

构建计算机维修诊断中排除硬盘故障主题的教学设计

在现有产业背景下引入的新科技、新规范、新标准,为教材中开创性地引入虚拟化环境,并进行操作系统与常用软件应用方面的实训。展开以校企合作项目“计算机故障诊断与排除”为载体,施行课堂、社团、社会“三位一体”的教学。

基于PPDA技术的电力线宽带载波抗扰通信方法

电力线宽带载波通信干扰导致载波间信号频率偏移增加,载波抗扰能力下降。为此,提出基于PPDA技术的电力线宽带载波抗扰通信方法。模拟载波通信信道上的背景噪声,结合改进变分模态分解算法预处理噪声信号。通过调节正弦波幅度,过滤宽带载波干扰。构建PPDA载波幅度调制框架,实现载波幅度智能化调制,避免子信息流之间互相干扰。实验结果表明,该方法的信号接收点比较集中,没有出现大幅度信号频率偏移现象,最终接收的信号强度达到360 dB,说明应用该方法通信抗扰能力强。

基于事件触发队形优化的多四旋翼无人机协同吊挂运输系统控制

无人机吊挂运输系统控制是近年无人机飞行控制方法与工程应用的热点研究之一.本文提出了一种基于事件触发队形优化的多四旋翼吊挂运输系统控制方法,在实现负载运输的同时,通过动态调整无人机集群队形降低无人机功耗.根据负载的期望受力,通过构建优化算法滚动求解四旋翼集群当前时刻下的最优队形,并利用事件触发机制降低优化问题求解计算量.进而,采用反步法设计协同飞行控制律,并通过李雅普诺夫方法证明了闭环系统的稳定性,以及有限时间内事件触发次数的有界性.最后,通过数值仿真验证了所提出控制方法的有效性.

物联网移动应用多元化虚实结合实验平台设计

针对国内高校物联网专业移动应用开发课程的系统化实验要求,提出并设计了多元化虚实结合的实验平台。剖析了新时代人才培养的核心,以学生为中心,以实践教学为主,培养复合型人才,提出并设计了基于物联网体系的移动应用开发实验平台。基于该平台,学生从全局角度出发,设计移动应用终端程序,同时引导学生对物联网体系内的模块进行实验和创新。该实验平台更加符合“互联网+”教育模式下线上线下融合的要求,打破了时间和空间的束缚,有效提升了学生的动手能力、系统思维能力和创新思维能力,更能培养学生综合应用知识的能力。

基于多目标演化优化的SVM对抗仿真测试算法

机器学习通常从数据中挖掘潜在的模式与规则,容易受到数据的影响而产生诸如过拟合、欠拟合等现象,进而影响学习模型的泛化与鲁棒性能。从对抗仿真测试的角度考察SVM可能存在的脆弱不稳定性,采用的对抗仿真策略是通过选择性地污染训练样本标签,模拟攻击SVM分类器使其性能退化,以测试其对训练样本的依赖性。为探究SVM分类器在不同样本组合攻击下的性能损失上限,设计了最小攻击代价-最大攻击成效这一对矛盾目标,构建了SVM仿真测试的多目标优化模型。该模型本质上是一种典型的多目标组合优化问题,可采用适当的多目标演化算法求解目标间的一组非支配解集,揭示分类器在不同样本组合攻击下的分类性能表现。在人工及真实数据集上的仿真对比实验结果表明:所提方法能够一次性生成不同攻击水平下的最优攻击样本组合,取得最大的分类性能损失,更能全面测试SVM分类器性能的稳定性。

航天器流体回路泵智能故障诊断方法

开展了航天器流体回路泵智能故障诊断方法研究,将BP神经网络、粒子群优化(PSO)-BP神经网络、遗传算法(GA)-BP神经网络和模糊神经网络4种模型应用于故障诊断,以温度、流量、出口压力、转速4类状态参数作为神经网络输入,状态标志作为输出进行训练,通过均方误差、相关系数、模型训练评分对模型训练效果评价,从而实现模型优选,完成故障诊断。利用在轨遥测数据进行应用验证,结果表明可以准确识别流体回路泵的正常和叶轮卡死泵功能丧失两种在轨实际状态类型,且模糊神经网络相对其他3种神经网络具有更好的诊断效果。

考虑模糊质检时间的柔性作业车间动态调度问题

为解决更符合现实情形的模糊质检时间柔性作业车间动态调度问题,以最小化完工时间为目标,立足紧急插单、机器在空载运行时发生故障和机器在加工工件时发生故障的三种故障情形,建立了带模糊质检时间的机器故障、紧急插单重调度模型。设计了基于元胞自动机邻域搜索和随机重启爬坡算法的改进遗传算法求解模型,即针对车间调度问题中存在的订单排序和机器选择双决策问题特征,设计包含工序码和机器码的双层编码方案,并基于遗传算法思想对工序码和机器码设计相应的交叉、变异等遗传操作。同时,将遗传操作应用于基于元胞自动机的邻域搜索算法框架中以增强算法全局搜索能力,整合基于关键工序的随机重启爬坡算法以提高算法局部开发能力。实验选取10个柔性车间调度算例验证了所提算法的有效性,同时,测试1个模糊质检时间柔性车间调度算例验证了模型的有效性。另外,实验也测试了不同故障场景,得出该动态调度方法优于实际场景中常使用的“工件后移”调度策略。

基于模糊贝叶斯网络的引水隧洞安全评价模型分析

为准确预测黄河引水隧洞安全隐患,提出基于模糊集理论和主观贝叶斯方法的模糊贝叶斯安全评价模型。结合实际巡检数据,模型使用贝叶斯网络处理模糊信息与不确定信息,将巡检数据中给出的多态性故障事件模糊化;再通过贝叶斯网络的条件概率表找出不同故障事件之间的逻辑关系;最后获得对引水隧洞安全模型的整体评价。通过开展引水隧洞安全评价模型实例分析,验证了该方法的可行性。

基于迁移QCNN的孪生网络轴承故障诊断方法

轴承故障诊断对于降低旋转机械的损坏风险,进一步提高经济效益具有重要意义;深度学习在轴承故障诊断中应用广泛,但是深度学习模型在训练与测试时容易受到噪声的干扰导致性能下降;并且轴承的工况变化频繁,不同工况下的数据采集困难;对此,提出了一种基于迁移QCNN的孪生网络轴承故障诊断方法,先预训练QCNN获取具有较强判别性的模型参数,将预训练的参数迁移到QCNN作为子网络的孪生网络中,然后正常训练孪生网络获取模型,最后将测试数据与故障数据组成数据对输入模型,即可得到测试数据的故障类型;该方法将QCNN与孪生网络相结合,QCNN中的Quadratic神经元具有强大的特征提取能力,孪生网络共享权重和相对关系的训练方式,使得模型可以缓解噪声和工况数据不平衡问题的影响;实验结果显示,相较与传统机器学习模型和QCNN等模型,所提出方法在面对噪声和工况数据不平衡问题表现更好。

基于STM32的机载蓄电池快速检测系统设计

针对目前机载蓄电池检测设备存在的检测参数不全、检测方式不合理等问题,设计了基于STM32的快速检测系统。根据系统设计需求,构建了系统总体设计框架,对系统中各组成电路进行了器件选型及参数确定。利用电路仿真软件对电路进行仿真实验,实现了对蓄电池总电压、单体电压及温度的快速检测,检测精度达到0.39%,其他性能指标符合设计需求。利用STM32开发工具搭建设计样机实验平台,通过对比分析实际检测结果与实际值的误差,检测精度达到0.30%,进一步验证了系统的可行性和可靠性,与现有设备相比,大幅提高了检测效率和检测精度。

基于识别规则的注水站离心泵故障预测方法

针对油田注水站通过传统的人工“望闻问切”等手段,分析判断离心泵机组工况现状的不足,提出了一种基于识别规则的智能故障诊断方法,实现了离心泵实时故障诊断。首先,通过采集注水站离心泵正常状态以及异常状态时的参数,接着分析两种状态下这些参数的变化趋势,将其进行对比分析,研究出离心泵在正常状态和异常状态下参数变化的特征。再次,通过这些离心泵机组参数的变化率及其阈值,计算出离心泵机组故障异常的边界条件。最后,研制出一种离心泵故障识别的规则,实现对离心泵故障的智能预测。通过油田离心泵机组的现场验证,该方法预测故障的准确率达到了99.5%,确保了离心泵机组正常生产运行。