桥式起重机系统的传感故障容错控制研究

针对欠驱动桥式吊车系统的小车位置传感器故障问题,设计了一种基于观测器的自适应容错控制算法。考虑小车位置传感器出现了大小和符号均未知的故障,为了实现系统稳定下的定点和防摆控制目标,提出了由基于K滤波器的观测器以消除未知传感器故障的影响,同时引入Nussbaum增益来减轻故障未知符号的影响,二者共同组成自适应容错控制器使得桥式起重机可在传感器故障下依然实现控制目标。同时,基于李雅普诺夫稳定性理论,利用反步法证明了欠驱动桥式起重机系统的稳定性。最后,利用MATLAB验证了控制方案的可行性。

基于密文KNN检索的室内定位隐私保护算法

在定位请求服务中,如何保护用户的位置隐私和位置服务提供商(Localization service provider,LSP)的数据隐私是关系到WiFi指纹定位应用的一个具有挑战性的问题。基于密文域的K-近邻(K-nearest neighbors,KNN)检索,本文提出了一种适用于三方的定位隐私保护算法,能有效提升对LSP指纹信息隐私的保护强度并降低计算开销。服务器和用户分别完成对指纹信息和定位请求的加密,而第三方则基于加密指纹库和加密定位请求,在隐私状态下完成对用户的位置估计。所提算法把各参考点的位置信息随机嵌入指纹,可避免恶意用户获取各参考点的具体位置;进一步利用布隆滤波器在隐藏接入点信息的情况下,第三方可完成参考点的在线匹配,实现对用户隐私状态下的粗定位,可与定位算法结合降低计算开销。在公共数据集和实验室数据集中,对两种算法的安全、开销和定位性能进行了全面的评估。与同类加密算法比较,在不降低定位精度的情况下,进一步增强了对数据隐私的保护。

基于异常检测的标签噪声过滤框架

噪声是影响机器学习模型可靠性的重要因素,而标签噪声相比特征噪声对模型训练更具决定性的影响。噪声过滤是处理标签噪声的一种有效方法,它不需要估计噪声率,也不需要依赖任何损失函数,然而目前大多数标签噪声过滤算法都会面临过度清洗问题。针对此问题,文中提出了基于异常检测的标签噪声过滤框架,并在此框架下给出了一种自适应近邻聚类的标签噪声过滤算法AdNN(Label Noise Filtering via Adaptive Nearest Neighbor Clustering)。该算法分别考虑分类问题中的每一个类别,把标签噪声检测问题转化成离群点检测问题,识别出每一个类别的离群点,然后根据相对密度去除离群点中的非噪声样本,得到噪声备选集,最后通过噪声因子对噪声备选集中的离群点进行噪声识别和过滤。实验结果表明,在合成数据集和公开数据集上,所提噪声过滤方法可以减轻过度清洗现象,同时能够得到很好的噪声过滤效果和分类预测性能。

融合动态K近邻Slope_One的协同过滤推荐算法

传统协同过滤推荐算法存在数据稀疏的问题,这会导致算法精确度不足。Slope_One算法简单高效,可以预测用户对某个物品的评分。因此,论文提出融合动态K近邻Slope_One的协同过滤推荐算法,提高推荐算法的精确度。首先利用改进余弦相似度公式计算用户相似度,筛选出K个近邻用户进行平均评分偏差计算,利用Slope_One算法预测相应的用户评分并对评分矩阵进行有效填充,然后在新的评分矩阵上,利用基于物品的协同过滤算法进行推荐。

顾及杆状物和车道线的城市道路场景轻量化快速点云自动配准

针对激光扫描获取城市场景出现不同时期位置偏差,传统点云配准方法存在效率低和鲁棒性低等局限性,本文提出了顾及杆状物和车道线的点云配准改进方法。首先对滤波后的点云进行体素格网降采样,再利用布料模型滤波对地面点滤波,后使用K均值无监督分类非地面点云,后用先验的随机一致抽样法提取杆状物作为目标特征,并根据点云反射强度提出点云灰度图和空间密度分割法提取车道线。利用改进迭代最近点(ICP)算法和法向量约束,将杆状物作和车道线作为配准基元,几何一致算法剔除错误点对,并使用双向KD-tree快速对应特征点的关系,加快配准速度和提高精度。经实验证明,在低重叠度的城市点云场景耗时不到20 s,且只迭代20次,精度可达1.9877×10^(-5)m,可实现城市道路场景点云的高效准确配准。

基于RGB-D视觉信息融合的带式输送机煤流量检测方法研究

在煤矿中,精确测量带式输送机煤流量对于煤矿生产和管理至关重要。为了进一步提高通过机器视觉方式检测带式输送机煤流量的精度,提出一种基于RGB-D视觉信息融合的煤流量检测方法,使用RGB-D相机采集煤流信息后,利用RGB图像对深度图像从不同尺度进行增强,运用K-means聚类算法,结合RGB图像对预分割的煤料区域深度图像进一步分割,基于微元法建立煤堆体积计算模型计算煤流量。实验结果表明,该方法的平均检测误差为1.57%,平均耗时263.77 ms,满足实际生产要求,为带式输送机煤流量检测提出了一种新的有效途径。

基于MVC框架的思政教学管理关键技术研究

思政教学模式不断更新,针对如何提高学生的学习效率和教师管理效率的问题,设计了一种基于模型-视图-控制器框架(Model View Controller,MVC)的思政教学管理系统。该框架采用B/S三层架构模式,在数据挖掘中采用了改进协同过滤优化算法。通过算法挖掘推荐思政教学管理的个性化资源,并对数据集中构建的系统进行推荐精度和问卷调查验证。实验证明,通过将框架优化和数据挖掘结合,该框架在思政教学管理系统优化中适应性较广泛,资源推荐性能较优越。

基于协同过滤和室内三维定位的智慧校园精细化学生动态信息推荐研究

智慧校园作为一种全新的教育环境,由于其内部资源数量庞大,易出现信息过载的问题.当前的无差别信息推荐技术容易忽视学生的个体差异,难以满足不同年级和专业在校学生的具体需求.为了解决此类问题,研究首先利用基于改进K-means聚类算法的室内三维定位算法对学生位置进行定位,然后通过基于权重矩阵的协同过滤算法对在校学生需求进行精细化与动态化的信息推荐.结果表明,室内三维定位算法的定位准确率与误差分别为91.13%、0.930 1 m,明显优于改进前的室内三维定位算法.且当相关相似性与Tanimoto系数的调节参数β取值为0.4时,基于权重矩阵的协同过滤算法的MAE值普遍低于0.51.研究提出的室内三维定位算法与协同过滤算法性能优越,在智慧校园背景下,对于不同学生的需求能够做出适当推荐.

基于社交信息传播群体识别的主题重叠性k类群过滤算法

结合复杂网络理论和派系过滤算法的特点,提出了一种主题重叠的k类群过滤算法。该算法通过迭代回归计算和设计重叠矩阵,能够有效识别具有兴趣重叠特征的节点及多兴趣主题的圈子。仿真实验结果表明,与传统的谱平分算法和派系过滤算法相比,k类群过滤算法在量化个体对消息的兴趣程度以及识别单一或多主题消息传播群体方面表现更佳。

改进的k-modes聚类算法在协同过滤就业推荐算法中的应用

为了给高校毕业生提供精准的个性化就业推荐服务,将基于动态权重相互依存距离的改进k-modes聚类算法应用于协同过滤推荐算法中。定义不同样本点属性之间的距离等于属性值内部距离和属性间外部距离的加权和,选择初始簇质心时,动态调整样本点与簇质心的距离以及簇密度的组合权重,动态设置簇密度计算公式的半径,根据样本点的概率值选出初始簇质心;迭代计算和优化得到满足精度的学生簇和职位簇;构建学生-职位矩阵,计算应届生和往届生的相似度、往届生和入职岗位的相似度,选择二者的相似度超过阈值的应届生簇和职位簇组合为匹配对进行匹配,并将匹配信息降序排列形成匹配列表,依据匹配列表进行双向推荐和信息推送,为高校的就业推荐和指导提供信息导向和技术支持。

基于电池容量衰减特征的锂电池跳水点和衰减程度识别方法

锂电池容量衰减程度及跳水点的估计是电池梯次利用与回收领域的重要问题之一。针对锂电池容量衰减程度难以直接度量和人工判断效果较差的问题,本文提出了一种基于电池容量衰减特征的锂电池跳水点和衰减程度识别方法。首先计算锂电池的容量衰减特征,然后应用Savitzky-Golay滤波算法来修正异常电池容量数据,并结合3σ准则得出衰减特征和衰减量比例。随后使用K均值聚类算法以找到衰减阈值,最后使用滑动观察窗口法来确定电池容量跳水点和衰减程度。实验表明,该方法具有良好的判断效果,可以应用于锂电池衰减现象识别。

基于畅销书及意见领袖的图书推荐系统

在读者向图书馆借阅图书或从书店购买图书的过程中,名人推荐及畅销书榜单对读者的选择具有很大的影响。针对这种情况,结合影响力分析和主题模型提出新的图书协同过滤推荐系统。算法结合最大熵和最大方差来选择评分矩阵的影响力用户和影响力项目,基于建立的密集矩阵预测未知评分。运用改进的聚类算法对词向量进行聚类处理,建立主题。在公开的数据集上完成验证实验,结果表明该算法提高了图书推荐系统的性能。

基于多尺度滤波的隧道衬砌监测数据噪声滤除研究

在隧道衬砌监测过程中会受到多种因素的干扰,同时还会存在各种类型的噪声,如环境噪声、传感器噪声或信号传输过程中的干扰噪声等,这些噪声会对监测数据的准确性和可靠性产生负面影响。因此,为了有效解决这一问题,提出了基于多尺度滤波的隧道衬砌监测数据噪声滤除方法,即:利用数据迭代器得到离散化的雷达探测环境参数,建立噪声在衬砌状态图像中的密度函数,再结合密度函数设定隧道衬砌监测门限;然后在一定频域内采集隧道衬砌监测数据;结合K-sigma阈值与多尺度滤波算法,确定衬砌监测数据中的随机噪声;最后设计自适应滤波过程,实现隧道衬砌监测数据的噪声滤除。实验结果表明,该方法能够将衬砌监测数据的信噪比提高到46 dB以上,更好地提升了衬砌监测数据噪声滤除的效果。

基于同相轴追踪的三维地震资料多次波压制方法

提出了一种基于同相轴追踪的三维多次波压制方法,在引入三维高分辨率叠加速度谱的基础上,进行多次波同相轴的高精度追踪,并将追踪到的多次波同相轴组成准多次波记录,然后利用f-k滤波方法实现在多次波同相轴所属短时窗内的多次波压制。模型实验和实际数据测试均表明,该方法的多次波剔除效果明显优于高精度抛物线Radon变换法,并且其计算效率也明显高于高精度抛物线Radon变换法,因此基于同相轴追踪的三维多次波压制方法更适合于针对"海量"数据的三维多次波压制处理。

基于Sallen-Key滤波器的数字高斯成形方法的仿真

详细阐述了一种指数信号数字高斯成形技术的计算机仿真方法。首先,以Sallen-Key滤波器为基础,建立了指数输入信号和高斯输出信号之间的数学关系模型。该模型是一个二阶微分方程。其次,模型解算过程中利用数值微分算法得到一个数值递推解。通过计算机仿真该数值递推解实现了指数信号的数字高斯成形。最后,将成形模型应用于实际核脉冲信号分析系统中,通过计算机仿真确定了成形参数。

小波变换与F-K算法在滤波中的应用

陆地地震勘探资料通常含有不同类型的噪声。有效地消除这些噪声，提高分辨率是地震数据处理的主要内容之一。作为一种时频分解方法，小波变换是一种有效的时变滤波工具。本文简述了小波交换的有关理论，阐述了它的滤波原理，并借助于F－K德波方法，将小坡变换成功地应用于地震信号的滤波之中。具体方法是：将一维信号变换到二维F-T平面上，通过改变不同的尺度因子，把信号的不同频率分量刻画出来，再通过改变位移参数来描述信号的时间特性。对实际地震资料的单炮记录以及叠加剖面的处理结果表明，本文将F－K滤波算子与小波变换串联应用，是一种十分有效的滤波方法。

一类非线性系统输出反馈自适应扰动抑制

研究了类依赖于不可量测状态增长非线性系统的输出反馈自适应扰动抑制问题.与现有文献不同,所研究的系统具有更多的末知参数,尤其是不确定控制系数.为了解决该问题,引入了动态高增益K-滤波器,进而构造了基于K-滤波器的状态观测器.在输出反馈控制器的设计过程中,引入了待定设计参数,增加了设计的自由度.结果表明,K-滤波器的动态增益和设计参数的恰当选择可以保证闭环系统的全局稳定性,从而实现系统L2-增益意义下的扰动抑制.

串联去噪技术在金属矿地震勘探中的应用

金属矿地震勘探中原始数据的信噪比很低,多种干扰混杂在记录中,常规去噪手段难以达到理想效果。针对金属矿地震数据中强线性干扰,设计了f-k滤波、Radon变换方法二级衰减;针对强随机噪声,设计Radon变换以及Curvelet域组合变换法二级衰减,组成了f-k滤波法、Radon变换及Cur-velet域组合变换法串联去噪方法。应用于金昌金属矿多类混杂强噪声的地震实际数据中,大幅提高了数据的信噪比,经验证本文方法实用、有效。

转换波地震资料中面波的压制

转换波资料的信噪比较低,有效信号往往被面波干扰淹没,因此需要对面波进行压制,但是将面波作为线性干扰的压制方法很难得到好的效果。面波的频散和衰减以及近地表速度存在差异等特性,使得面波干扰在能量分布、道间时差和子波形态等方面都不同于数学意义上对线性同相轴的定义,更多地表现为“视”线性的特征。通过对面波能量和道间时差调整,使面波干扰更接近真正意义上的线性同相轴,可以增强利用f-k滤波压制面波的能力,在一定程度上消除面波干扰对转换波处理的影响。利用该方法对某煤田和某油田的实际转换波资料进行了处理,面波得到了有效压制,转换波从面波的干扰背景下被很好地恢复出来。

VSP处理中标量波场分离方法比较分析

本文详细阐述了wave-by-wave波场分离方法的原理及其适用条件,并对几种常用的波场分离方法:f-k滤波、中值滤波、均值滤波的原理和优缺点做了简单介绍。用这四种方法分别处理了地面近零井源距VSP数据、地面三维VSP和海上三维VSP数据,并做了比较分析。结果表明,wave-by-wave波场分离方法较其他方法处理效果最优。