基于自适应速度趋势函数的约束层速度反演方法

论文研究了复杂构造区初始层速度约束反演问题。首先得出初始层速度模型的精度对偏移速度建模的质量和迭代稳定尤为重要,常规方法在构造复杂区使初始速度模型产生的误差易导致最终偏移速度模型地质意义失真、真实构造特征掩盖等问题。提升初始速度模型与地下地质特征的匹配和精度成为关键。基于此,论文提出了基于自适应速度趋势函数的约束层速度反演方法。在常规方法的基础上,利用复相关法在时间域剖面上获得地质构造的连续性与变化,并将其作为构造响应算子形成针对性的影响域和权重融入速度趋势函数中,使该函数自适应地质构造特征,提升初始速度模型的精度。再通过对基准速度和速度趋势对深度的梯度进行样条拟合,构建趋势函数的全局高频异常约束,有效预防在构造突变区产生异常高频,进一步增强算法的稳健和可靠性。理论模型和实际数据的测试,验证了本文方法的有效性,反演得到的层速度模型更符合地质规律,并能更好地解决构造复杂区层速度模型的连续性问题,有利于提高复杂构造叠前深度偏移成像精度。

多媒体数据自适应多尺度分块压缩仿真研究

在多媒体图像数据压缩过程中,为了减小数据体积,通常需要牺牲图像的一些细节和精度,这会导致部分信息的丢失。为了提高压缩效果,以多媒体图像为例,提出一种面向多媒体数据的分块无损压缩算法。通过四叉树算法对多媒体图像展开分块处理,通过结合边缘特征和方向特征的多尺度小波变换算法获取多媒体图像每层子带图像块的自适应采样率,基于纹理块和平坦块的自适应多尺度分块压缩感知方法完成多媒体图像数据的分块无损压缩。实验结果表明,所提算法的压缩效果更好,不仅能够实现数据有效压缩,而且不会损失图像信息,且压缩时间较短,整体应用效果更好。

交错断层四面体自适应网格分级细化研究

目前四面体自适应网格细化技术多集中于简单层状地质体的三维重构与表达分析,对结构复杂、数据不连续的含交错断层等地质体进行自适应网格细化时,易出现过度细化,导致断层区域的网格结构受到影响。为了提高含复杂断层四面体网格模型的精度,提出一种适用于交错断层的四面体自适应网格分级细化方法。首先,根据断层影响范围公式,自适应确定断层网格附近的细化范围;其次,构建四面体和四面体边的分级细分公式,确定细化范围内的四面体和四面体边的分级;然后,针对四面体网格细分时出现的多种情况,通过对边的升级处理,将细分的8种类型统一为3种类型;最后,在细化范围内,通过新增加顶点和原顶点重新连接四面体,改变网格的单元尺寸,生成高质量的网格模型。以内蒙古自治区某含交错断层露天煤矿的四面体网格模型为例,使用三维网格质量评估算法及FLAC3D模拟软件分析细化前后的网格模型,结果表明:细化后的网格模型失真值从0.3317降低到0.3061,表明网格的质量得到提升;在相同参数下,未细化模型的最大位移为1.16 m,稳定性系数为1.27,分级细化后模型的最大位移为1.29 m,稳定性系数为1.23;细化后模型的位移云图处于断层处,且能够体现断层分布特征和断层对边坡的影响规律,而未细化模型的位移云图的位置偏离断层中心,断层对边坡的影响效果不明显。

基于双流自适应时空增强图卷积网络的手语识别

针对提取手语特征过程中出现的信息表征能力差、信息不完整问题,设计了一种双流自适应时空增强图卷积网络(two-stream adaptive enhanced spatial temporal graph convolutional network,TAEST-GCN)实现基于孤立词的手语识别。该网络使用人体身体、手部和面部节点作为输入,构造基于人体关节和骨骼的双流结构。通过自适应时空图卷积模块生成不同部位之间的连接,并充分利用其中的位置和方向信息。同时采用残差连接方式设计自适应多尺度时空注意力模块,进一步增强该网络在空域和时域的卷积能力。将双流网络提取到的有效特征进行加权融合,可以分类输出手语词汇。最后在公开的中文手语孤立词数据集上进行实验,在100类词汇和500类词汇分类任务中准确率达到了95.57%和89.62%。

基于自适应H_(∞)观测器的锂电池SOC与容量联合估计

为了提高锂电池SOC的估计精度,提出了一种基于自适应H_(∞)观测器的锂电池SOC与容量联合估计方法。基于锂电池的二阶RC等效电路模型,并考虑SOC和容量的耦合关系,将容量也作为系统的状态变量进行观测。设计了一种自适应H_(∞)观测器,其参数可随锂电池状态的变化自适应调整。由于在SOC估算时考虑了容量的影响,实现了SOC和容量的同时准确估计。实验结果表明:自适应H_(∞)观测器的估计精度高且鲁棒性强,电池的SOC平均估计误差始终保持在±0.43%以内,相比于EKF和H_(∞)观测器有更高的估计精度与稳定性。

基于自适应矩阵的核联合稀疏表示高光谱图像分类

针对高光谱图像丰富的空间信息和光谱信息未充分利用的问题,提出了基于自适应矩阵的核联合稀疏表示高光谱图像分类的方法。在特征表示阶段,定义了自适应矩阵特征,通过结合自适应邻域块策略与非线性相关熵度量构成的特征来描述原始光谱像素,充分融合了形状可变的空间信息与非线性光谱信息。在分类阶段,考虑自适应矩阵和高光谱图像非线性,采用对数欧式核函数,构建了核联合稀疏表示模型,以获得重构误差。同时利用字典空间信息构建了矩阵相关性,引入平衡参数实现了稀疏重构误差与矩阵相关性的联合分类。在两个数据集上的实验结果表明,该算法充分利用了高光谱图像的空间信息、光谱信息,能够有效提高分类精度。

基于定向采样和自适应选择的免疫算法

针对算法容易陷入局部最优以及无法很好保持多样性等不足,提出一种基于定向采样和自适应选择的免疫算法(DSASIA)。利用在线种群信息动态选择个体;采用自适应比例克隆方式平衡全局和局部搜索能力,确保收敛性;采取定向采样策略识别子代个体,保证多样性。在13个测试函数上与其它4种多目标优化算法进行对比,实验结果表明,DSASIA算法可以较快求出帕累托解集,且解具有更好的多样性和收敛性。

基于Retinex的自适应水域图像去雾算法

针对利用Retinex理论对水域雾天图像去雾时出现去雾不彻底、色彩失真等问题,提出一种基于Retinex的自适应水域图像去雾算法,通过分析水域雾天图像特征,提出水域雾气浓度划分标准,实现自适应去雾。将水域雾天图像由RGB颜色空间转到HSI颜色空间,对亮度(Intensity,I)分量进行拉伸变换以调节亮度平衡,再用改进的单尺度Retinex(singal scale Retinex,SSR)算法对I分量进行增强处理,初步提高图像清晰度;将增强处理后的图像转换回RGB颜色空间进行自适应伽马变换增强,进一步提高图像的清晰度及对比度;利用HSI颜色空间进行图像饱和度补偿及其他操作实现对水域雾天图像的色彩恢复。实验结果表明,该算法能有效进行自适应水域雾天图像去雾,色彩恢复真实,可得到细节清晰的高质量去雾图像。

基于多源域自适应残差网络的滚动轴承故障诊断

针对传统无监督领域自适应方法扩展到多工况滚动轴承故障诊断场景适用性较弱的问题,提出了一种多源域自适应残差网络(multi-source domain adaptive residual network,MDARN),通过对齐来自多个源域的相关子域,从而提高模型在多工况下的故障诊断性能。首先,利用ResNeXt残差网络从源域和目标域充分提取可迁移特征;然后,引入局部最大平均差异(local maximum mean difference,LMMD)准则,以两个源域的子域为基础对齐目标域中相关子域,减少相关子域间和全局域间的分布差异;最后,利用美国凯斯西储大学轴承数据集和MFS机械综合故障试验台产生的真实的轴承振动数据集,对所提方法进行了试验验证。结果表明,该方法在多工况下的平均故障诊断精度高达99.76%。与现有代表性方法相比,所提方法具有更好的故障诊断效果。

基于改进自适应陷波的双馈风电场时变次同步振荡抑制策略

双馈风电场经串补电容并网时,可能引发次同步控制相互作用(subsynchronous control interaction,SSCI),严重威胁系统安全稳定运行。通过在风机控制器中引入陷波器可有效阻断SSCI,然而固定参数陷波器难以适应实际系统中次同步振荡表现出的频率大范围时变特征。为解决这一问题,该文提出一种基于改进自适应陷波(adaptive notch filter,ANF)的双馈风电场时变次同步振荡抑制策略。首先,分析ANF安装于风机转子侧变流器(rotor-side converter,RSC)不同位置时对次同步振荡分量的阻断效果,确定ANF的最佳安装位置;其次,基于紧缩技术近似投影子空间跟踪算法(projection approximation subspace tracking based on the deflation technique,PASTd)在线获取次同步振荡信息,提出总体控制架构,设计基于量测数据辨识的ANF中心频率更新策略;最终,在考虑风速、风机台数、无功出力、电网拓扑变化等多种影响因素的情况下,验证控制策略对频率时变次同步振荡的抑制效果。与现有方法相比,所提控制策略不依赖于系统的准确数学模型,且具备较强的鲁棒性和适应性。

基于子循环自适应串行交错时间匹配算法的油浸式变压器绕组瞬态温升计算

针对传统算法存在的步长调整及耦合点选择问题,该文提出基于子循环自适应串行交错(SCAS)的时间匹配算法。首先,在步长调整方面,通过加入自适应(ATS)-启发式(HTS)混合变步长算法,解决步长无法实时调整的问题;然后,针对耦合点选择问题,该文在传统常规串行交错(CSS)时间匹配算法及现有改进方案子循环常规串行交错(SCSS)的基础上,提出SCAS时间匹配算法,采用自适应方案确定计算时间窗及预定耦合点,并引入指数平滑法对其精度进行保证;最后,该文基于110 kV油浸式电力变压器建立二维瞬态单分区分匝绕组模型,并将所提算法与其他传统方法进行对比分析。结果表明:在精度方面,与传统CSS算法相比SCAS算法的流场及温度场最大平均相对误差均不超过0.45%,在可接受误差范围内;在效率方面,SCAS算法总体计算效率较CSS算法提高了近20倍。同时,为了说明所提算法的工程价值,该文搭建基于110 kV变压器绕组模型的温升实验平台,将SCAS时间匹配算法应用于该模型中,实验结果表明:在精度方面,SCAS算法与实验达到稳态时最大绝对误差为2.7 K;在计算效率上,本文所提算法的计算效率较传统算法提升约46倍,计算步数约为传统的1/47,减少了计算冗余。

基于自适应融合的实时车辆检测

针对传统的车辆检测技术检测速度慢和精度低的问题,提出了一种融合注意力的自适应金字塔网络的交通目标检测算法(fusion attentiont adaptive pyramid network,FAAP-Net),可以显著降低交通事故的发生率。为了降低计算复杂度,设计了一种轻量级的互补池化结构(CPS),该结构在宽度和高度上采用了两组不同的池化组合,在保持高精度的同时,显著降低了网络的浮点运算数(GFLOPs)和参数量。为了解决智能交通系统特征图生成过程中的信息损失问题,通过将自适应注意力模块(AAM)和特征增强模块(FEM)引入自适应融合特征金字塔网络(AF-FPN),以融入车辆检测的形状特征。针对车辆细节特征表征弱的问题,引入了一种按通道维度分组的注意力(SA)机制,以增强主干网络对不同车辆检测细节特征的关注,有效提取车辆细节的显著特征。在BDD100K数据集上的实验结果表明,FAAP-Net算法相比于传统算法,平均精度从30.3%提升到43.7%。

一种闭环自适应的图像增强方法

图像增强作为常见显示处理技术,受各种原因影响,用户在家庭场景使用时,难以体验到实验室调校水准的效果。为解决该问题,文章提出一种闭环自适应的图像增强方法,该方法以用户为中心,充分考虑用户使用环境及个人喜好,形成闭环自适应,可让用户在家也能体验到实验室调教级别的画质效果,画面层次感更好,立体感更深。

基于双阶段元学习的小样本中医舌色域自适应分类方法

舌色是中医(TCM)望诊最关注的诊察特征之一。在实际应用中,通过一台设备采集到的舌象数据训练得到的舌色分类模型应用于另一台设备时,由于舌象数据分布特性不一致,分类性能往往急剧下降。为此,该文提出一种基于双阶段元学习的小样本中医舌色域自适应分类方法。首先,设计了一种双阶段元学习训练策略,从源域有标注样本中提取域不变特征,并利用目标域的少量有标注数据对网络模型进行微调,使得模型可以快速适应目标域的新样本特性,提高舌色分类模型的泛化能力并克服过拟合。接下来,提出了一种渐进高质量伪标签生成方法,利用训练好的模型对目标域的未标注样本进行预测,从中挑选出置信度高的预测结果作为伪标签,逐步生成高质量的伪标签。最后,利用这些高质量的伪标签,结合目标域的有标注数据对模型进行训练,得到舌色分类模型。考虑到伪标签中含有噪声问题,采用了对比正则化函数,可以有效抑制噪声样本在训练过程中产生的负面影响,提升目标域舌色分类准确率。在两个自建中医舌色分类数据集上的实验结果表明,在目标域仅提供20张有标注样本的情况下,舌色分类准确率达到了91.3%,与目标域有监督的分类性能仅差2.05%。

采用社会约束自适应动态窗口法的服务机器人路径规划

针对传统动态窗口法在行人密集环境下动态路径规划存在灵活性差、效率低、安全性缺乏等问题,提出一种社会交互空间下基于社会约束自适应动态窗口法(social_DWA),并采用其解决服务机器人局部路径规划问题。首先,采用非对称高斯公式对单行人以及多人群组交互空间进行模型化描述;其次,在传统动态窗口法的基础上,采用动态行人方位角约束对动态行人进行避让;改进距离评价函数,分类决策与行人、多人群组、一般障碍物的安全距离;最后,提出速度权重自适应调整策略,优化服务机器人在途经不同密集度社会交互区域时的移动速度。为验证算法有效性,在两种模拟社会场景下,先后开展了social_DWA算法与传统DWA算法、FIDWA算法的路径规划仿真对比实验。结果表明:采用social_DWA算法所消耗的运动时间在场景1中较传统DWA和FIDWA算法分别缩短了1.53、0.43 s,在场景2中较传统DWA和FIDWA算法分别缩短了26.3、2.86 s;相较于传统DWA算法和FIDWA算法,social_DWA算法能保持有效的行人安全距离,并使运行轨迹更加合理。social_DWA算法在行人避让、环境适应能力等方面具有一定的优越性。

降阶单元的新进展:内置了最大模误差估计器的自适应有限元法初探

该文基于初值问题中降阶单元的成功实践,进一步对一般边值问题提出无需超收敛计算、无需结构化网格、无需结点位移修正的降阶单元;进而提出以降阶单元作为最终解,且内置了最大模误差估计器的自适应有限元算法。该文对这一研究进展做简要介绍,并给出一维和二维边值问题的初步算例,以展示本法的可行性、有效性和可靠性。

助行康复机器人自适应步态控制方法研究

为了提高助行康复机器人在不同坡度上的稳定性,合理的步态控制方法显得尤为重要。这里以助行康复机器人为研究对象,提出了一种将长短期记忆网络和动态运动基元结合的步行康复机器人自适应步态控制方法。将传感器采集信息与动态运动基元中步态控制项相结合,对参考步态进行调整。同时通过更改动态运动基元的时间项和空间项对步态进行二次调整以适应不同的坡度。通过试验对该控制方法的可用性进行验证。结果表明,该方法可以在(0~20)°斜坡进行自适应步态变换,具有一定的实用价值。

基于动态自适应图神经网络的电动汽车充电负荷预测

电动汽车充电站负荷波动的不确定性与长时间预测任务给提升充电负荷预测精度带来巨大的挑战。文中提出一种基于动态自适应图神经网络的电动汽车充电负荷预测算法。首先,构建了一个充电负荷信息时空关联特征提取层,将多头注意力机制与自适应相关图结合生成具有时空关联性的综合特征表达式,以捕获充电站负荷的波动性;然后,将提取的特征输入到时空卷积层,捕获时间和空间之间的耦合关系;最后,通过切比雪夫多项式图卷积与多尺度时间卷积提升模型耦合长时间序列之间的能力。以Palo Alto数据集为例,与现有方法相比,所提算法在4种波动情况下的平均预测误差大幅降低。

一种自适应扩展卡尔曼滤波的永磁同步电机无位置传感器矢量控制

在粗差干扰或噪声统计偏差情况下,扩展卡尔曼滤波(EKF)对永磁同步电机(PMSM)的速度和转子位置估计存在精度下降问题,为此提出一种基于新息序列的自适应扩展卡尔曼滤波算法(AEKF)。首先,将粗差干扰加入系统观测方程中,分析粗差干扰对系统观测精度的影响。其次,为增强算法的抗扰性能,在新息协方差计算中设置加权系数,通过调整临近时刻的新息协方差阵权重,计算出新息协方差值,并更新到卡尔曼增益的计算。最后,建立AEKF数学模型,并对比粗差干扰与噪声统计出现偏差情况下,AEKF与EKF两种策略的观测性能。仿真和实验结果表明,在粗差干扰或噪声统计信息出现偏差情况下,AEKF算法对永磁同步电机转速的观测具备更强的鲁棒性及更高的预测精度。

基于改进自适应滤波的MEMS陀螺振动误差抑制研究

本文提出一种基于改进自适应滤波的MEMS陀螺随机振动误差的补偿算法。该算法采用简化Sage-Husa自适应滤波算法估计量测噪声,并通过协方差匹配技术引入收敛性判据抑制了滤波的发散,它提高了实时性且减少了计算量。实验结果表明:经过改进算法滤波后,MEMS陀螺随机振动误差的方差减少97.76%,与常规卡尔曼滤波相比,改进算法的方差减少了72.66%,验证了改进的自适应卡尔曼滤波算法可以有效地抑制MEMS陀螺因随机振动引起的输出误差。