基于领域驱动设计的可演化数字孪生体构建方法研究

数字孪生体是实现数字孪生范式的关键所在,针对忽略系统可演化性导致的数字孪生体孤岛问题,提出了一种基于领域驱动设计的数字孪生体构建方法,用于构建具有演化性的数字孪生体。数字孪生体的领域模型由镜像、功能和关联3个子域组成。其中,镜像子域描述物理实体的静态属性,如尺寸、材质等,是通用域;功能子域描述物理实体的能力属性,如制造能力、运动能力等,是核心域;关联子域描述物理实体所处空间尺度的上下文交互关系,是支撑域。围绕所提出的领域模型,设计了数字孪生体的演化性实现机制,以构建工业机器人数字孪生体为例,对所提出的数字孪生体构建方法和可演化机制进行了可行性分析。

多毛刺小样本高光谱数据下鹰嘴蜜桃含水率的预估

目的:提出并解决鹰嘴蜜桃高光谱测量数据多毛刺和小样本问题。方法:基于高光谱成像技术,使用图像处理方法识别高光谱图像中鹰嘴蜜桃所在区域,计算该区域内的光谱图像从而得到平均光谱反射率数据,形成高光谱曲线图像。对于存在抖动和毛刺的高光谱图像数据,比较多项式平滑算法(SG)、多元散射矫正算法(MSC)、标准正态变量算法(SNV)、一阶导数算子(D1)、二阶导数算子(D2)等数据预处理方法对模型预测精度的影响;针对数据维度高且样本量少的特点,使用主成分分析算法(PCA)对数据进行降维,再对降维后的数据应用马氏距离测度方法(MD)进行异常值剔除;最终利用Kennard-Stone算法(KS)划分出训练集和测试集,并选取小样本场景下表现较好的偏最小二乘回归(PLSR)模型对鹰嘴蜜桃的含水率进行估计和分析。结果:SG-PCA-MD-KS-PLSR模型在高光谱曲线存在抖动和毛刺情况时对鹰嘴蜜桃含水率估计的效果最好,训练集下决定系数(R^(2))达到0.928,均方根误差(RMSE)为0.0084,测试集下R^(2)达到0.926,RMSE为0.0092。在进一步对鹰嘴蜜桃以含水率为指标进行分级试验时,该模型的预测结果可以较好地对鹰嘴蜜桃含水状况进行分级,训练集下分级正确率为0.956,测试集下分级正确率为0.923。结论:利用高光谱成像技术建立SG-PCA-MD-KS-PLSR模型,在高光谱样本数较小且存在毛刺的情况下,仍能对鹰嘴蜜桃含水率进行无损估计。

基于融合策略自适应的多线索跟踪方法

基于多线索融合的跟踪是跟踪领域近年来的研究热点之一,该文结合两种常用的线索融合方式:乘性融合及加权和融合,提出一种融合策略自适应的鲁棒跟踪方法。该方法使用粒子滤波技术,统计样本的二阶中心矩并求Frobenius范数以表征线索的受噪声污染程度,最后适时切换两种融合策略。实践证明,新的融合策略比传统单一的融合方式更鲁棒。

以概念为中心的“线性代数”教学改革探讨

本文指出工科院校中《线性代数》教学中可能存在的与概念有关的本质问题,提出一种以概念为中心的教学方法,以深圳大学机电与控制工程学院为例分析这一方法的优势并实践教学改革,切实提高教学质量。

一种运动可靠的车辆主动悬挂线性控制器

考虑车辆悬挂的触底和碰顶失效模式,设计一种运动可靠的车辆线性振动控制器,通过失效概率约束建立新的最优悬挂控制器问题,提出一个混合优化算法求解该最优线性控制器的反馈增益.结果表明,提出的控制器能以很小的性能代价换取较高的运动可靠性,使车辆悬挂控制器达到可靠性要求.

零件点云法向量估计的多尺度特征融合网络

为了解决机械零配件点云处理中非均匀采样干扰、尖锐特征损失等难点,提出一种基于深度神经网络多尺度融合的点云法向量估计方法。该网络在不同邻域尺度下集成了采样点细节与点云块整体两种特征。为了使该多维回归输出网络的训练更稳定且能缓解梯度爆炸问题,重新设计了一个光滑的损失函数。实验结果表明,该方法性能优于传统的方法以及HoughCNN、PCPNet等方法,能够更准确地估计尖锐边缘的法向量,对点云各种噪声和采样方法鲁棒性都更强。

随机丢包时延网络控制系统动态输出反馈控制

针对传感器与控制器、控制器与执行器之间具有随机丢包和时延的网络控制系统,研究统一建模及动态输出反馈控制问题.采用多个马尔可夫链分别描述前向通道和反馈通道的随机丢包与时延过程,将闭环网络控制系统建模成具有多个模态的马尔可夫随机跳变系统.利用增广矩阵技术和李雅普诺夫方法得到闭环系统随机稳定的充分条件,给出动态输出反馈控制器的设计方法.通过倒立摆系统验证动态反馈控制的有效性.

从单幅干涉图中恢复相位的区间反转方法

提出了一种从单幅干涉图中直接恢复相位的区间反转方法。分析余弦函数正负号歧义问题,导出反余弦相位和相位2π模之间的关系。由于在反余弦的(π,2π)区间需要对相位反转,将反转区间的确定问题转换为三段式折线拟合问题。利用遗传算法求解了折线的最小均方拟合,且使用最小二乘法估计了干涉图的载频,从而获得最佳相位估计。最后,分别对一维和二维合成条纹图进行测试,与传统的傅里叶变换方法和条纹分析方法比较,证实了提出方法的有效性和易用性。

基于改进Mask R-CNN的在架图书书脊图像实例分割方法

运用人工智能技术将是构建下一代智慧图书馆的关键,为了实现图书的定位和识别,提出一种基于改进Mask R-CNN的在架图书书脊图像实例分割方法。考虑到图书密集排列、具有一定的旋转性、副本纹理极相似等难点,改进锚框为旋转矩形框,提出旋转区域建议网络取代区域建议网络;提出旋转特征提取方法可减少池化误差且有效提取目标特征,结合掩膜的旋转对齐以提升预测掩膜的准确性。建立了一个包含1849张在架图书书脊图像的标注数据集,提出方法的测试结果大幅度优于其他重要的实例分割算法,证实了在网络中使用旋转特征对于具有一定朝向的、密集的目标分割难题很有效。

一种用于在架图书书脊语义分割的山字形网络

在图像中识别在架书脊信息有助于实现更便捷的图书盘点,也可能实现即拿即走等更流畅的读者借阅体验,而书脊区域精确分割是重要前提。区别于普通目标分割,该分割问题的难点在于书脊的密集性及重复性。本文提出一种山字形深层神经网络结构,包含一个编码器及两个解码器。其中一个解码器为书脊分割主通道,另一个则结合书脊边界信息以融入更多的书脊边缘细节。另外,本文建立了一个书脊图像样本集,包含661张图像及15,454个手工标注的书脊实例。实验结果表明,提出的网络模型对书籍一类密集目标图像语义分割具有较高精度,在建立的样本集中具有约90%的均值交并比以及约95%的平均像素精度,性能优于经典的分割模型,验证了提出模型的有效性。

偏光片细微外观缺陷偏振成像检测方法

针对偏光片细微外观缺陷难以成像、难以检测的问题,该文提出一种基于偏振成像的外观缺陷检测新方法。通过缺陷偏振态指标测量结果,定性描述了对比度增强机理。利用缺陷与正常区域之间透射光偏振态的显著差异,大幅提高缺陷的成像对比度,从而简化后续图像处理算法,提高检测速度和准确率。实验结果表明,偏光片外观缺陷平均检出率达到97.3%,平均单个样品检测时间约为0.22 s,基本满足产业化应用要求。

基于合成缺陷的偏光片外观对抗异常检测方法

目前的自动光学检测技术受到以下两方面的挑战:难以获取足够数量的缺陷样本,且种类极不平衡;外观缺陷形态多样,种类复杂。上述问题严重影响偏光片外观缺陷的检测精度和效率。基于此,提出一种无需真实缺陷样本的深度对抗异常检测方法。采用编码器捕获条纹结构光缺陷图像的规律性特征,并通过解码器重建出无缺陷图像,再通过一个编码器模块构成无监督对抗网络,最后根据重建图像与样本图像的差异计算异常得分。在训练阶段加入合成缺陷,同时改进目标潜在损失函数,进一步提高检测精度。在一个考虑光照不均衡、噪声、相机畸变等因素的偏光片外观缺陷数据集上的实验结果表明,所提方法测试结果的area under curve达到97.9%,单张图像平均检测时间为19.2 ms,检测准确率为94.6%,均优于GANomaly等方法,验证了其有效性与鲁棒性。

Building Bayesian Network(BN)-Based System Reliability Model by Dual Genetic Algorithm(DGA)

A system reliability model based on Bayesian network(BN)is built via an evolutionary strategy called dual genetic algorithm(DGA).BN is a probabilistic approach to analyze relationships between stochastic events.In contrast with traditional methods where BN model is built by professionals,DGA is proposed for the automatic analysis of historical data and construction of BN for the estimation of system reliability.The whole solution space of BN structures is searched by DGA and a more accurate BN model is obtained.Efficacy of the proposed method is shown by some literature examples.

视感知激励——多视觉线索集成的贝叶斯方法与应用

视觉线索可看作视感知的一类冲激或称为激励.在贝叶斯估计理论估计的框架内,通过以概率形式描述视觉线索来研究视感知过程的认知机理,探索一种多视觉线索信息统计集成方法.这种方法在计算机视觉尤其是视频分析领域得到了广泛应用.介绍多视觉线索贝叶斯集成的基本思想和一些最新的研究成果,结合作者的研究工作讨论在贝叶斯概率模型框架下实现多视觉线索信息统计集成方法及相应的算法,同时针对复杂背景下视频目标跟踪应用实例和多目标跟踪中的目标交错问题,探讨了多视觉线索信息统计集成与视感知过程的关系,并提出了多视觉线索贝叶斯集成方法及其应用中需要进一步探讨的新问题。

多目标跟踪的序贯分层抽样信任传播算法

多目标视觉跟踪除了具有单目标跟踪中观测模型与目标状态后验概率分布的非线性、非Gauss的困难外,目标数目可变、数量众多以及目标之间的相互作用(如遮挡、交错)使得跟踪问题更为困难.基于三个耦合的Markov随机场(MRFs)导出了描述多目标跟踪问题的动态Markov网络(DMN),然后提出序贯分层抽样信任传播算法在DMN中求解多目标状态.首先用三个耦合MRFs表示每一时刻目标的配置情况,即表示目标联合状态的连续随机场、表示目标存在与否的二值随机过程和表示相邻两个目标之间是否存在遮挡的二值随机过程;其次,引入两个鲁棒函数来消除其中的两个二值随机过程,从而得到与耦合MRFs等价的Markov网络;最后提出序贯分层抽样信任传播算法求解该图模型,从而得到目标联合状态的最大后验概率估计.提出的序贯分层抽样信任传播算法集成了自底向上通过学习得到的目标检测器信息和来自目标节点的信任信息,从而能获得较好的跟踪结果.进一步,其他底层视觉线索也可以很容易嵌入本文的多目标跟踪框架中.实验结果表明,在多种测试序列情况下,与其他多目标跟踪算法相比,本文的方法均可以获得较好的跟踪效果.