面向动力电池SOC估计的时间卷积优化网络

在电动汽车的实际驾驶场景中,由于复杂多变的运行条件和动力电池的非线性,对电池荷电状态(SOC)的准确估计存在较大的误差,从而造成车主的里程焦虑。针对上述问题,提出了一种时间卷积优化网络(TCON)方法,用于实时估计动力电池SOC。首先,建立无归一化的时间卷积网络(TCN)模型,通过并行计算提取时序信息,具有参数少、精度高的优点。其次,为了解决TCN输出波动性较强的问题,设计了时间优化模块(TOM),该模块通过生成时序优化权值,对TCN输出进行优化,有效抑制数据噪声,进一步提高了预测精度。最后,使用电动汽车实时运行数据集进行验证。实验结果表明:文中所提方法与TCN相比,在仅增加5.8%的参数量的前提下减少了18.3%的误差;SOC估计的平均绝对误差小于1%,均方根误差小于2%,为SOC提供了更准确的估计,在一定程度上缓解驾驶员的里程焦虑。

含金属衬底复合材料的有效电磁参数检索方法

复合材料的有效电磁参数获取对研究其电磁性质具有重要作用。然而,基于S系数的传输反射方法不适用于含金属衬底的复合材料目标,导致其有效电磁参数难以检索。为解决该问题,提出了一种新型的信息融合有效电磁参数检索方法。首先,通过主成分分析(Principal Component Analysis,PCA)对有效电磁参数样本的S系数进行关联性分析和全局特征提取,简化模型复杂度。其次,构建了多输出回归信息融合网络(Multi-output Regression Information Fusion Network,MRIFN)模型对电磁参数进行检索。该模型结合了双向门控循环单元(Bidirectional Gated Recurrent Unit,BiGRU)处理主成分信息,并通过卷积层纵向融合特征信息,从而提高了检索性能。最后,通过非磁性吸波材料数据集和蜂窝有效电磁参数数据集验证了该检索方法有效性。结果表明,该方法对介电常数实部和虚部的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)分别为0.21%和0.57%。同时考虑介电常数和磁导率的综合影响,该方法对介电常数实部和虚部的MAPE分别为2.34%和9.28%,对磁导率实部和虚部的MAPE分别为2.40%和6.40%,验证了其有效性和泛化能力。

Multitap RF Canceller with Single LMS Loop for Adaptive Co-Site Broadband Interference Cancellation

With the development of wireless communication technology,an urgent problem to be solved is co-site broadband interference on independent communication platforms such as satellites,space stations,aircrafts and ships.Also,the problem of strong selfinterference rejection should be solved in the co-time co-frequency full duplex mode which realizes spectrum multiplication in 5G communication technology.In the research of such interference rejection,interference cancellation technology has been applied.In order to reject multipath interference,multitap double LMS(Least Mean Square)loop interference cancellation system is often used for cancelling RF(Radio Frequency)domain interference cancelling.However,more taps will lead to a more complex structure of the cancellation system.A novel tap single LMS loop adaptive interference cancellation system was proposed to improve the system compactness and reduce the cost.In addition,a mathematical model was built for the proposed cancellation system,the correlation function of CP2FSK(Continuous Phase Binary Frequency Shift Keying)signal was derived,and the quantitative relationship was established between the correlation function and the interference signal bandwidth and tap delay differential.The steadystate weights and the expression of the average interference cancellation ratio(ICR)were deduced in the scenes of LOS(Line of Sight)interference with antenna swaying on an independent communication platform and indoor multipath interference.The quantitative relationship was deeply analyzed between the interference cancellation performance and the parameters such as antenna swing,LMS loop gain,and interference signal bandwidth,which was verified by simulation experiment.And the performance of the proposed interference cancellation system was compared with that of the traditional double LMS loop cancellation system.The results showed that the compact single LMS loop cancellation system can achieve an average interference rejection capability comparable to the double LMS loop cancellation system.

平衡针联合四物四妙汤对颈肩腰腿痛患者治疗效果的研究

目的:探究平衡针联合四物四妙汤对颈肩腰腿痛患者的治疗效果。方法:将86例颈肩腰腿痛患者随机分为对照组(43例,给予四物四妙汤治疗)和联合组(43例,给予平衡针联合四物四妙汤治疗)。比较2组颈肩腰腿各功能评分,疼痛情况,睡眠质量及临床疗效。结果:联合组总有效率(95.35%)明显高于对照组(76.74%)(P<0.05)。与治疗前比较,2组治疗后匹兹堡睡眠指数量表(PSQI)评分、疼痛持续时间、发作频率、血清前列腺素E2(PGE2)、β-内啡肽(β-EP)水平均降低(P<0.05),CASCS评分、C-M评分、Lysholm评分、JOA评分均升高(P<0.05),且与对照组比较,联合组变化更明显(P<0.05)。结论:平衡针联合四物四妙汤治疗颈肩腰腿痛可有效改善患者临床症状,减轻疼痛并提高睡眠质量,效果较好。

面向输电线路的压缩感知图像去噪方法

传统的基于字典学习的输电线路图像去噪方法,易受冗余字典影响存在重建图像边缘细节恢复不足的问题.为了有效抑制输电线路图像表面存在的高斯噪声,提出一种图像非局部自相似特性与改进K-SVD字典学习算法融合的输电线路图像去噪方法,利用图像非局部自相似性作为正则项约束并加权稀疏表达模型,提高去噪图像复原和保留细节的能力.实验选取含有自然图像和输电线路典型缺陷图像进行仿真实验测试.实验结果表明,所提出的算法不仅能够很好的保留图像纹理特征与边缘细节,对高斯噪声也具有良好的鲁棒性.

基于卡尔曼滤波和特征指数化的电动汽车电池故障诊断方法研究

针对电池组内的热失控、内短路等故障问题,提出了一种基于卡尔曼滤波和特征指数化的电池故障在线诊断方法。首先基于历史数据和卡尔曼滤波方法对电压数据进行降噪,可有效去除异常点,并提出一种特征指数化方法以提取和放大电池组单体之间的电压特征。最后,为了减少电池组不一致性导致的单体电池故障误报,提出一种基于余弦相似度的故障值计算方法以提高算法诊断精确度,并实现故障电池的在线自动检测和定位。云端车辆数据验证结果表明,所提出的基于卡尔曼滤波和特征指数化的电池故障诊断算法能够有效地检测故障电池并进行预警。

融合超分辨率重建技术的多尺度目标检测算法

目前大多数目标检测算法,由于尺度跨度较大而导致模型整体精确率和召回率不高,容易出现错检、漏检等现象。针对上述问题,提出一种融合超分辨率重建技术的多尺度目标检测算法。首先,算法以单阶段目标检测算法YOLO框架为基础,在颈部网络实现多尺度特征融合时加入超分辨率重建模块,避免进一步丢失较深层特征图中的细节特征。其次,使用通道注意力模块将较浅层特征图中的无关特征进行抑制,重点关注含有目标轮廓特征的通道信息,进一步增强浅层特征的表达能力。最后,在PASCAL VOC 2007和MS COCO 2017公开数据集上进行了消融实验和对比实验。实验结果表明,所提模块对检测性能有不同程度的提升,相比当前其他多尺度目标检测算法,所提算法在大、中、小三种尺度下目标平均精确率分别提升约1.20%、1.20%和1.30%,平均召回率分别提升约4.20%、3.50%和4.20%,算法整体检测性能得到进一步改善。

数据驱动的车载动力电池使用行为分析

为定量评估电动汽车用户的充电习惯和驾驶习惯,为电池故障诊断提供有效支撑,基于电动汽车的实际运行数据,提出了一种在役动力电池使用行为的分析方法。提取基于隶属度函数的动力电池使用行为特征参数,定义并计算出使用行为所累积的风险,即使用行为分数,并采用横、纵向对比的思想定量分析了单车在不同时间维度以及车车之间的电池使用行为差异。试验结果表明,获得的电池使用行为分数与电池组电压一致性存在强正相关性,可以充分评估动力电池使用行为,为电池故障诊断提供数据支撑。

多尺度分解下GRU-MLR组合的锂电池剩余使用寿命预测方法

准确预测锂电池的剩余使用寿命(remaining useful life,RUL)可以及时了解电池内部的性能退化情况,降低电池的使用风险并为日常维护提供可靠的理论依据。为了提高预测结果的准确性和稳定性,提出了一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)、门控循环单元网络(gated recurrent unit,GRU)和多元线性回归(multiple linear regression,MLR)相结合的锂电池RUL预测模型。该模型首先采用EEMD算法将锂电池容量数据分解为若干个高频分量和低频分量,以此减少容量数据中的噪声干扰,然后针对各个分量的特点,分别利用GRU和MLR网络基于获得的高频和低频序列建立预测子模型,最后叠加融合各个子模型的预测值得到锂电池的RUL结果,通过使用NASA和Oxford提供的锂电池公开数据,并采用不同的预测起点与其他单一模型和组合模型进行对比。实验结果表明,EEMD-GRU-MLR预测模型能够提供准确的RUL结果,相比于LSTM、GRU和EEMD-GRU预测模型,最大平均绝对误差分别降低了0.0311、0.0234、0.0182,最大均方根误差分别降低了0.0235、0.0153、0.0098,证明了本模型具有较好的锂电池RUL预测能力。

基于契约理论的移动众包网络长期激励机制研究

针对移动众包网络中网络信息非对称的问题和移动众包任务参与者的自私性,提出一种基于契约的移动众包网络的长期激励机制。考虑到移动众包任务参与者的移动性和环境的动态特性,在建立软件服务商和移动用户模型基础上,研究两阶段动态契约激励模型。在移动用户满足激励相容和参与约束条件下,通过甄别移动用户完成移动众包任务的真实众包任务努力的能力,实现软件服务商期望效用最大化。实验结果表明,该机制能够有效提高移动众包网络的共享性能,为移动众包的发展提供新思路。

基于压缩提炼网络的实时语义分割方法

针对目前语义分割算法难以取得实时推理和高精度分割间平衡的问题,提出压缩提炼网络(SRNet)以提高推理的实时性和分割的准确性。首先,在压缩提炼(SR)单元中引入一维(1D)膨胀卷积和类瓶颈结构单元,从而极大地减少模型的计算量和参数量;其次,引入多尺度空间注意(SA)混合模块,从而高效地利用浅层特征的空间信息;最后,通过堆叠SR单元构成编码器,并采用两块SA单元在编码器的尾部构成解码器。实验仿真表明,SRNet在仅有30 MB参数量及8.8×10^(9)每秒浮点操作数(FLOPS)的情况下,仍可在Cityscapes数据集上获得68.3%的平均交并比(MIoU)。此外,所提模型在单块NVIDIATitanRTX卡上实现了12.6帧每秒(FPS)的前向推理速度(输入像素的大小为512×1024×3)。实验结果表明,所设计的轻量级模型SRNet很好地在准确分割和实时推理间取得平衡,适用于算力及功耗有限的场合。

改进的轻量级YOLOv4输电线路鸟巢检测方法

基于深度学习的输电线路缺陷检测方法往往需要昂贵的硬件支持来实现实时和高精度的技术指标要求,难以大规模推广和普及。针对这一问题,提出一种改进的轻量级YOLOv4神经网络模型方法。具体的,为提高检测精度,在特征提取网络中增加了轻量级注意力机制;为提高检测速度,选用轻量级Mobilenet-v3网络作为YOLOv4的骨干网,同时采用了深度可分离卷积代替了传统YOLOv4模型中的多尺度特征金字塔结构普通卷积。实验结果表明,改进的轻量级YOLOv4模型能有效检测出输电线路中的鸟巢,平均检测精度(AP)值达到97.56%,相较于YOLOv4模型提高了1.80%,检测速度达到YOLOv3的45.8倍,是YOLOv4的56.6倍,具有较强的实际应用价值。

基于迁移学习的三子网图像去雾方法

目前大部分图像去雾算法只在一种或几种均匀雾图数据集中有较好的表现,对于不同风格或非均匀雾图数据集去雾效果较差,同时算法在实际应用中会因模型泛化能力差导致模型场景受限。针对上述情况,该文提出一种基于迁移学习的卷积神经网络(CNN)用于解决去雾算法中非均匀雾图处理效果不佳和模型泛化能力差等问题。首先,该文使用ImageNet预训练的模型参数作为迁移学习模型的初始参数,以加速模型训练收敛速度。其次,主干网络模型由3个子网组成:残差特征子网络、局部特征提取子网络和整体特征提取子网络。3子网结合以保证模型可从整体和局部两个方面进行特征提取,在现实雾场景(浓雾、非均匀雾)中获得较好的去雾效果。该文在模型训练效率、去雾质量和雾图场景选择灵活性3个方面进行了研究和改进,为衡量模型性能,模型选择在去雾难度较大的非均匀雾图数据集NTIRE2020和NTIRE2021上进行定量与定性实验。实验结果证明3子网模型在图像主观和客观评价指标两个方面都取得了较好的效果。该文模型改善了算法泛化性能差和小数据集难以进行模型训练的问题,可将该文成果广泛应用于小规模数据集和多变场景图像的去雾工作中。

融合压缩激活注意机制的图像去雾算法

针对非均匀带雾图像出现颜色失真和细节丢失的问题,提出一种融合压缩激活注意力机制的端到端感知去雾卷积神经网络。首先,根据非均匀雾图特征,在特征融合注意网络上引入压缩激活注意力机制,通过学习的方式自动获取每个特征通道的重要程度,并对其进行排序后去提升有用的特征权重,遏制对当前任务用途较小的特征比例;其次,在损失函数方面融入感知损失,使去雾网络模型学习到更多语义特征信息,从而加强被模糊的边缘细节,获取较好的去雾效果;最后,在非均匀带雾图像NH-HAZE数据集上进行定性和定量分析。实验结果表明,所提出的网络与经典方法相比在量化指标PSNR、SSIM分别提升了3.05 dB和0.08%,且主观视觉效果上保留了更多的边缘信息和纹理细节。

基于改进的AlexNet的乳腺肿瘤智能诊断方法

由于医学病理图像标注成本高、获取困难,采用数据增强方法对小样本数据集进行扩充。针对传统分类方法对特征工程过度依赖的问题,采用以AlexNet为架构的卷积网络对良性、恶性肿瘤进行全自动分类。为了解决AlexNet网络中间层改变原始数据分布的问题,引入批量归一化算法以减小网络中间层产生的偏移量,加速网络收敛,提高分类准确率。同时采用Dropout避免过拟合。实验结果表明,改进后的AlexNet网络分类准确率较原方法提高了6.09%,具有较好的鲁棒性和泛化性。

基于改进YOLOv5的绝缘子缺陷检测算法

绝缘子缺陷检测是电网巡检过程中重要的一环,为提高绝缘子缺陷检测的精度,该文提出一种基于改进YOLOv5算法的绝缘子缺陷检测算法——YOLOv5t,能够在保证网络运行速度的条件下,提升网络的检测精度.该算法在YOLOv5s的基础上,将三重注意力机制(triplet attention)添加到骨干网络中,给予每个特征通道不同的权重,以提高网络的检测精度;并采用CIoU Loss作为网络回归损失的损失函数,提升网络的收敛速度;同时将Soft-NMS作为网络的预测结果处理方法,降低网络的漏检率.YOLOv5t与几种常用的缺陷检测网络的对比实验结果表明,YOLOv5t的准确率达到97.2%,召回率达到98%,平均精度均值达到99.1%,较YOLOv5s算法分别提升了0.9%、5.1%和2.1%,并且检测速度没有受到影响.

基于WD-GRU的锂离子电池剩余寿命预测

为提高锂离子电池剩余寿命预测准确率,提出了一种基于多尺度分解的电池寿命预测方法,可准确捕捉电池退化过程中健康因子的波动。在门控循环单元网络(GRU)预测模型基础上,使用小波分解(WD)方法对健康因子序列分解,提取出序列中波动部分和平滑下降部分分别预测,最后将结果集成输出,即可得到准确的剩余寿命预测结果。最后采用公共数据集对该方法有效性进行验证,并对比了其他几种预测模型,结果表明该方法预测结果均优于其他模型。

基于注意力机制的航拍图像实时语义分割方法

目前语义分割网络存在推理速度慢、轮廓信息缺失和语义信息不充足的问题,使其不适用于航拍图像的语义分割。提出一种交叉注意力混合机制和金字塔注意力机制的解码网络用于航拍图像语义分割。首先,采用MobileNetV2为骨干网络提高实时性推理速度;其次,提出交叉注意力混合机制解决轮廓信息缺失的问题;再次,提出金字塔注意力机制消除卷积神经网络无法捕获长范围语义信息的局限性。最后,实验结果表明,该文网络在单张GTX 3090卡,分辨率为256×256×3的DLRSD(Dense Labeling Remote Sensing Dataset)数据集中,获取73.4%的平均交并比和85.4%的像素精度,实现了196.9帧每秒的推理速度。

基于W5500的通信协议实现过程及分析

在学习通信协议时我们常常无法将理论与实际结合起来,同时很难理解通信协议具体的工作过程和连接方式。本文引入W5500以太网模块与STM32F103开发板组成通信设备来与主机进行通信的方式去实现三种基本通信协议的实现过程并对其进行分析,这将对通信协议的学习实践非常有帮助。

结合级联仿射变换和K-means聚类的全局运动估计

视频稳像中全局运动的提取过程常会受到局部运动的干扰。针对这一问题,提出一种结合级联仿射变换和K-means聚类的全局运动估计方法。首先,利用加速鲁棒性特征算法(SURF)匹配帧间特征点,并建立二维特征空间。然后通过K-means聚类法剔除误匹配点对,最后采用级联仿射变换模型计算出帧间全局运动估计,消除了视频中的局部运动,获得了稳定的视频序列。