多层非线性局部感受野极限学习机方法用于录井气体分析

随着我国能源需求的不断提升以及钻探环境的日益复杂化,开展高精度的烷烃类气体浓度检测对于提高油气勘探效率具有重要意义。光谱录井技术具有烃类气体检测快速、准确等优势,已成为石油勘探过程中备受关注的研究热点。针对录井气体红外光谱由于饱和吸收、噪声干扰、基线漂移等方面引起的非线性问题,提出了多层非线性局部感受野极限学习机(NM-LRF-ELM)模型。该模型将一维光谱数据转换为二维矩阵格式,利用局部感受野的数据处理方式在输入与隐藏层之间实现非线性特征提取。同时,引入改进的T-sigmoid激活函数,并在全连接层后加入dropout层来降低模型的过拟合风险。模型的特征提取与定量分析呈一体化结构,直接输出定量分析预测值。采集了两组共407个混合烷烃气体样本的红外光谱作为实验数据集,进行定量分析实验。实验结果表明,相较于滑动窗口类与灰狼优化定量分析模型,该模型的训练时间显著减少了90%以上。即使在同系物的非线性干扰下,模型的预测精度仍低于系统误差。因此,提出的方法有助于在现场环境变化复杂的情况下,降低未知气体的非线性干扰,提高对目标气体的红外光谱检测精度。

基于均值阈值和回溯策略的SWOMP重构算法

为提高压缩感知重建算法中阶段性弱选择正交匹配追踪(SWOMP)算法的重建精度和运行速度,提出一种基于均值阈值和回溯策略的SWOMP算法。该算法利用均值策略自适应选择原子,提高了原子筛选的精确性;采用回溯策略对所选原子进行二次筛选,优化支撑集提高算法的重建精度;通过简化矩阵的设计减少算法迭代次数,提高了算法的运行速度。仿真实验表明,该算法对一维随机信号和二维图像信号的重构性能明显优于其他同类算法,具有重建精度高、用时少的特点。

基于图卷积门控循环单元网络模型的交通速度预测

准确的交通预测能够有效解决交通堵塞和环境污染等问题,然而现有预测方法无法充分表征交通数据的特征。针对以上问题,提出一种序列到序列图卷积门控循环单元(Seq2Seq-GCGRU)模型,用于提取交通速度的时空特性和预测。模型由三部分组成,分别用于建模带有时间偏移的交通速度周周期、日周期及临近期信息,还提出一种新的seq2seq训练方法以克服已有方法不适用于时间序列的缺陷。实验结果表明,对比其他常见的交通流预测模型,所提算法具有更高的预测精度,均方根误差(RMSE)与平均绝对误差(MAE)指标至少分别降低25%和24%。

FTIR光谱仪中基于定镜调整的动镜运动控制研究

动镜是FTIR光谱仪中唯一不断运动的部件,动镜的匀速运动性能以及动镜与定镜的准直性好坏影响干涉效果和光谱图质量,直接制约着仪器的精度和分辨率,对仪器整体指标起着重要作用。文章围绕FTIR光谱仪中干涉仪动镜运动的匀速性以及其与定镜的准直性展开研究,使用相位检测技术对定镜的姿态作出动态调整以补偿动镜与定镜间的倾斜夹角,并且设计了具有磁悬浮特点的动镜支撑系统。文章采用改进的模糊PID控制算法实现动镜运动速度的精确调节,对该控制方案从硬件设计和算法上实现。结果表明所研发的动镜运动控制系统具有足够的精度和实时性,能够保证FTIR光谱仪中干涉仪所需的准直性及动镜匀速性的要求。

注意力机制下的多阶段低照度图像增强网络

对于低照度图像增强过程中,因图像内容重叠且部分区域亮度差异较大导致的图像细节丢失的问题,提出一个注意力机制下的多阶段低照度图像增强网络。第一阶段利用改进的多尺度融合模块对图像进行初步增强;第二阶段利用第一阶段增强后的图像信息与本阶段的输入进行级联,并将其结果作为该阶段多尺度融合模块的输入;第三阶段利用第二阶段增强后的图像信息与该阶段的输入级联,并将其结果作为该阶段多尺度融合模块的输入。这样利用多阶段的方式完成自适应的亮度提升和细节的保留。在公开数据集LOL和SICE上的实验结果表明,相较于MSR算法、灰度直方图均衡化(HE)算法和RetinexNet等算法和网络,所提网络的峰值信噪比(PSNR)的数值提高了11.0%~28.9%,结构相似性(SSIM)的数值提高了6.8%~46.5%。所提网络利用多阶段和注意力机制实现低照度图像增强,有效解决了图像内容重叠和亮度差异大的问题,得到的图像细节更丰富,纹理更清晰,主观辨识度更高。

粗精选策略二进制灰狼优化算法用于红外光谱特征选择

由于分子结构的高相似性,烃类气体混合物中各组分红外光谱谱峰重叠严重,导致浓度的精确监测一直是化学计量学的难题。为了应对这一挑战,提出一种粗精选策略二进制灰狼优化(RSBGWO)算法,用于优选红外光谱特征,建立高精度定量分析模型。该方法以交叉验证下光谱定量分析模型的均方根误差(RMSECV)平均值作为适应度函数值。在粗选阶段,进行第一次全局迭代,更新α狼、β狼和δ狼所选特征变量的位置信息;在精选阶段,结合α狼所选的特征变量以及剔除α狼未选中特征变量位置后的β狼和δ狼特征变量,更新狼群位置信息,逐步降低RMSECV值,提取为全局最优特征波长,并引入非线性收敛因子加快收敛速度。该算法在采集的359个混合烷烃气体样本的红外光谱数据集上进行了实验测试并验证了所提算法的效果。与bGWO和bPSO特征提取算法比较,基于本文提出的RSBGWO算法建立的MLR模型在分析甲烷、乙烷、丙烷和二氧化碳气体浓度时,特征选择数量均降低了96%以上,预测均方根误差(RMSEP)均低于数据采集过程中所使用的配气系统的仪器误差,相对预测偏差(RPD)均提高了15以上。相对于全谱建模的MLR模型和PLS模型,基于RSBGWO算法建立的MLR模型和PLS模型的预测精度有显著增高,预测效果对定量分析模型的依赖性降低了。实验结果表明,提出的方法具有优秀的红外光谱特征提取能力,能够明显提高定量分析模型的预测效果。该方法能够促进光谱检测技术在生物制药、食品化工、油气勘探等领域的应用,尤其是在含同系有机物混合物的应用场合。

一种基于GA-NSVM的自适应洛伦兹分峰拟合识别红外光谱吸收重叠峰的方法

提出一种基于遗传算法-非线性支持向量机的自适应洛伦兹分峰拟合识别红外光谱吸收重叠峰的方法。利用单质特征吸收线型的根本性差异,将混合物光谱分解为满足特征吸收线型的多个洛伦兹单峰,采用非线性支持向量机对多个拟合单峰进行多分类筛选确定特定目标组分的谱峰。采集了400个混合烷烃气体样本的红外光谱数据,论证了该方法在高相似分子结构的光谱识别分类的可行性。实验结果表明该方法能有效分离烷烃中甲烷、乙烷、丙烷的红外吸收单峰,具有良好的准确性和鲁棒性,模型参数的解释能力更强。该方法能够加速光谱检测技术在生物制药、食品化工、油气勘探等领域的应用,尤其是在含同系有机物混合物的分析及应用场合。

基于超定方程组的相位激光测距解模糊算法

快速准确的测距解模糊算法是相位式激光测距仪实现快速测距的关键问题。研究了一种基于超定线性方程组的相位测距解模糊算法,该算法避免了对最优解的搜索,因而运算量小、求解速度快。首先使用差频测相法在较大的不模糊距离上捕获到目标,获得近似距离值,然后使用这一距离值准确求解出不同频率调制波之间的周期数之差,从而构建超定线性方程组,最后应用最小二乘法求解出准确距离。同时还对该算法的2种解法进行计算机仿真,比较仿真结果,选取用间接法求解目标距离,并对该解法进行了精度分析。对3台K-60系列激光测距仪在精度为0.18 mm的国家标准基线上进行了测距试验,结果表明,3台样机的平均测量误差小于2 mm,测量标准差小于1 mm,验证了该算法是有效的。

基于模糊控制的快速自动安平激光扫平仪

研制了一套全新的自动安平机构,以解决传统激光扫平仪无法同时兼顾安平精度、范围和速度的问题。首先,改进了传统自动安平仪器中的倾角传感器,设计了一种带有补偿环节的电子水泡以满足仪器的精度要求;其次,基于PID控制方法设计了用于实现仪器自动安平的闭环控制系统,同时引入模糊控制思想,使其达到了仪器自动安平的速度要求;最后,优化了仪器机械结构,有效增大了仪器的安平范围。实验测试结果表明,该扫平仪在-10°～+10°的安平精度达到10″,且自动安平时间小于10s。传统的激光扫平仪相比,设计的安平仪具有安平精度高、扫描范围大和安平速度快等特点。

多功能墙体探测仪的设计方法

针对墙体中水管、电线、金属物体的探测问题,设计了3种无源传感器,并设计了相关数据处理方法以确定被测物体的中心位置。利用PCB覆铜,制作了用于探测水管的电容极板以及用于探测电线的金属天线。建立了水管检测模型,得到输出信号随被测物体位置的变化规律。基于差分探头模型,提出了一种利用PCB线圈作为敏感单元的金属探测方法,通过数值计算,保证了差分线圈的平衡。最后,针对上述传感单元,设计了被测物体的中心检测算法。测试数据表明,各传感单元均具有较大的探测深度,中心检测误差均在合理范围之内。

基于自相似性与稀疏表示的超分辨率算法

目的为了解决当前稀疏表示的超分辨率算法效果依赖参与训练的数据的问题,结合图像的自相似性,提出一种基于自相似性与稀疏表示相结合的超分辨率算法。方法算法利用图像的多维自相似性,构建多维图像金字塔,采用改进的相似块搜索策略,得到对应的高低分辨率图像块作为训练样本,然后对样本进行字典训练,最后根据稀疏表示得到超分辨率图像。结果实验结果显示,文中算法在峰值信噪比(PSNR)和结构相似度(SSIM)上优于其他算法,对于实验图像而言,PSNR平均提升了0.5 dB。结论提出的超分辨率算法未引入外部数据库,具有较好的效果,能够用于超分辨率重建。

基于改进YOLOv2和迁移学习的管道巡检航拍图像第三方施工目标检测

针对传统目标检测算法应用在无人机航拍图像上第三方施工目标检测和违章占压建筑检测的数据集少、检测率低等问题,提出基于Aerial-YOLOv2和迁移学习的航拍图像目标检测算法。首先,利用结合数据增强的迁移学习策略训练的网络来扩大数据集规模,并利用K均值聚类分析得到符合所提数据集特点的锚点框数量和尺寸;其次,通过自适应对比度增强的方法对图像进行预处理;最后,提出改进卷积模块替代YOLOv2中的卷积块并结合特征融合的多尺度预测方式进行目标检测。用不同的算法和训练策略在无人机航拍图像上进行对比实验,实验结果表明,Aerial-YOLOv2算法结合多种训练策略后,其准确率、召回率分别能达到95%、91%,每张图像检测时间为14 ms。由此可知,该算法适用于无人机航拍图像第三方施工目标及违章占压建筑的智能检测。

基于广义Jaccard系数的SWOMP语音压缩感知重建算法

针对分段弱正交匹配追踪(SWOMP)算法使用内积匹配准则完成原子筛选时存在丢失原子的现象,造成重建语音信号质量差的缺点,提出了一种基于广义Jaccard系数的SWOMP算法。该算法利用广义Jaccard系数相似性的匹配准则代替内积匹配准则,在保留原子信息的同时放大了相关性,解决了以内积准则求向量相似度造成原子丢失的问题,优化了原子筛选。在相同条件下,对重建语音信号从平均帧信噪比和主观语音质量评估两个方面进行评价。仿真评价结果表明,与SWOMP算法相比,基于广义Jaccard系数的SWOMP算法能有效提高对语音信号重建的性能。

残差卷积注意网络的图像超分辨率重建

针对极深神经网络图像超分辨率重建过程中,存在图像特征提取少、信息利用率低,平等处理高、低频信息通道的问题,提出了残差卷积注意网络的图像超分辨率重建算法。构造多尺度残差注意块,最大限度地提高网络提取到多尺寸特征信息,引入通道注意力机制,增强高频信息通道的表征能力。引入卷积注意块的特征提取结构,减少高频图像细节信息的丢失。在网络的重建层,引入全局跳远连接结构,进一步丰富重建的高分辨率图像信息的流动。实验结果表明,所提算法在Set5等基准数据集上的PSNR、SSIM比其他基于深度卷积神经网络的方法均明显提升,验证了提出方法的有效性与先进性。

卷积神经网络的贴片电阻识别应用

贴片电阻由于其体积微小、性能稳定等独特的性质,在当今智能化的电子设备中被广泛使用。为保证贴片电阻的出厂质量,需要对其进行缺陷识别、极性方向识别、正反面识别和种类识别,目前很大程度上依靠人工肉眼进行识别检测,效率低、容易误检、成本高。本文针对传统图像识别方法的局限性,结合近年来卷积神经网络在图像识别方面所取得的巨大成就,基于AlexNet模型、GoogLeNet模型、ResNet模型思想设计了3种深度适宜、可训练参数约4×10~6(百万)的卷积神经网络,克服了当前主流卷积神经网络模型由于可训练参数过多、模型层数太深导致在贴片电阻识别应用中识别速度不能满足实时性要求、泛化识别准确率低的问题。实验表明,3种模型的识别准确率均超过90%,最高识别准确率达到95%,识别速度达到0.203 s/张(256像素×256像素,CORE I5)。因此,本文设计的3种卷积神经网络可根据具体实际需求进行选用,在实践中具有极强的可行性和可推广性,同时也在提升企业生产效率和产品质量方面具有重要意义。

基于NCS2神经计算棒的车辆检测方法

基于深度学习的车辆检测方法准确率较高,其在性能卓越的计算机与图形处理器设备上实时性较好,但在性能相对较低的嵌入式设备上实时性较差。在改进Tiny-YOLO网络的基础上,提出一种利用NCS2神经计算棒的嵌入式车辆检测方法。采用深度可分离卷积替换Tiny-YOLO网络标准卷积降低计算量,去除池化层并使用全卷积层以保留低级特征信息,采用Tensorflow深度学习框架训练改进的Tiny-YOLO网络,并将其部署到配备NCS2神经计算棒的嵌入式设备上。实验结果表明,与原始Tiny-YOLO网络相比,改进Tiny-YOLO网络检测实时性提高1倍,在MS COCO和VOC2007数据集上平均检测准确率分别提升1.12和0.23个百分点,配备NCS2神经计算棒后该方法检测的每秒传输帧数达到12,实时性较原始Tiny-YOLO网络大幅提高。

基于仲裁机制的生成对抗网络改进算法

针对深度卷积生成对抗网络(DCGAN)中的对抗训练缺乏灵活性以及DCGAN所使用的二分类交叉熵损失(BCE loss)函数存在优化不灵活、收敛状态不明确的问题,提出了一种基于仲裁机制的生成对抗网络(GAN)改进算法,即在DCGAN的基础上引入了所提出的仲裁机制。首先,所提改进算法的网络结构由生成器、鉴别器和仲裁器组成;然后,生成器与鉴别器会根据训练规划进行对抗训练,并根据从数据集中感知学习到的特征分别强化生成图像以及辨别图像真伪的能力;其次,由上一轮经过对抗训练的生成器和鉴别器与度量分数计算模块一起组成仲裁器,该仲裁器将度量生成器与鉴别器对抗训练的结果,并反馈到训练规划中;最后,在网络结构中添加获胜限制以提高模型训练的稳定性,并使用Circle loss函数替换BCE loss函数,使得模型优化过程更灵活、收敛状态更明确。实验结果表明,所提算法在建筑类以及人脸数据集上有较好的生成效果,在LSUN数据集上,该算法的FID指标相较于DCGAN原始算法下降了1.04%;在CelebA数据集上,该算法的IS指标相较于DCGAN原始算法提高了4.53%。所提算法生成的图像具有更好的多样性以及更高的质量。

基于颜色与边缘融合的非局部立体匹配算法

针对基于最小生成树的非局部算法在无纹理以及边缘区域出现误匹配的问题,提出了一种改进代价计算和颜色与边缘融合的非局部立体匹配算法。首先重新构造了基于颜色-梯度的代价计算函数,以提高无纹理区域像素对代价聚合的贡献率;其次利用颜色与边缘信息进行融合来构造自适应边权函数,并利用该权重构建树结构进行代价聚合;最后通过视差计算和非局部视差优化得到最终的视差图。在Middlebury数据集上进行了测试,实验结果表明,提出的算法在无纹理及边缘区域都取得了良好的匹配效果,有效地改善了视差。

自主巡线四旋翼无人机建模及姿态控制器设计

四旋翼无人机(QUAV)的自主巡线控制是近年来研究热点。介绍QUAV的基本工作原理并详细推导其数学模型,为了解决QUAV巡线飞行及悬停过程中存在的控制精度差、抗干扰能力弱等问题,提出一种基于微分进化(DE)算法的PID姿态控制器。搭建MATLAB/Simulink仿真及基于STM32F407主控芯片的实物平台对算法进行验证。仿真及实验结果表明,采用新型姿态控制器下的自主巡线飞行器系统具有控制精度高,响应速度快以及抗干扰性强的优点。