LOCAL MAXIMUM PRINCIPLE FOR SINGULAR DISCRETE-TIME LINEAR SYSTEMS

In this paper a local maximum principle for the singular discrete-time linear systemMx(k)=φx(k-1)+Bu(k-1)is investigated.By using this local maximum principle we can discussthe linear-quadratic optimal regulator problem and the minimum energy problem for singulardiscrete-time linear systems.

A Maximum Likelihood TOA Based Estimator For Localization in Heterogeneous Networks

In this paper, we exploit the concept of data fusion in hybrid localization systems by combining different TOA (Time of Arrival) observables coming from different RATs (Radio Access Technology) and characterized by different precisions in order to enhance the positioning accuracy. A new Maximum Likelihood estimator is developed to fuse different measured ranges with different variances. In order to evaluate this estimator, Monte Carlo simulations are carried out in a generic environment and Cramer Rao Lower Bounds (CRLB) are investigated. This algorithm shows enhanced positioning accuracy at reasonable noise levels comparing to the typical Weighted Least Square estimator. The CRLB reveals that the choice of the number, and the configuration of Anchor nodes, and the type of RAT may enhance positioning accuracy.

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。

结合SLMSST和DO提取时变结构瞬时频率

为提升局部最大同步挤压变换估算瞬时频率的精度,本文结合2阶局部最大同步挤压变换(Second-order Local Maximum Synchrosqueezing Transform,SLMSST)和动态规划(Dynamic Optimization,DO)方法提出一种识别时变结构瞬时频率的新方法。该方法首先通过引入2阶瞬时振幅与相位得到精度更高的2阶瞬时频率估算位置。其次,搜索频率方向上时频系数的局部最大值所对应的2阶瞬时频率位置并根据这些位置对时频系数进行重排,从而得到2阶局部最大同步挤压变换后的瞬时频带。再次,运用动态规划法在限定频带范围内提取瞬时频率曲线。通过一组数值算例和一个时变拉索试验验证了所提新方法的有效性,研究结果表明:相比既有的局部最大同步挤压变换算法,2阶局部最大同步挤压变换和动态规划的联合算法不仅具有较好的精度,而且具有更好的时频聚集性。

基于深度学习与域自适应的工件涡流热成像的缺陷检测

机械设备运行过程中,标记的故障样本量小,导致建立的模型故障诊断准确率低,为此本文提出一种结合深度学习与域自适应的工件涡流热成像的缺陷检测方法。首先将注意力机制引入深度残差网络ResNet50中,加强模型的特征提取能力;然后将源域和目标域数据送入改进的ResNet50网络中提取深度特征,并且在网络的全连接层中引入局部最大均值差异,用于缩小两域特征间的分布差异,以此实现相关子域的分布对齐;最后在网络的Softmax分类器中实现对工件金属材料的缺陷检测。在公开的磁瓦数据集和本文实验采集的金属板涡流红外图像数据集上进行实验,结果表明,本文方法对涡流红外图像的裂纹缺陷检测识别准确率较高,通过t分布随机邻居嵌入方法对分析结果可视化,验证了本文方法的优越性。

基于快速局部对比度和目标特征的星图弱小目标检测算法

为了解决局部对比度方法在用于星图空间目标检测时存在运算量大和去除背景噪声困难的问题,提出了一种基于快速局部对比度和目标特征的方法来检测目标。在对比度计算前、对比度计算中和对比度计算后3个环节,分别提高了算法实时性、对复杂背景的抑制和去除噪声。首先,通过中值滤波去除高频噪声;然后,通过快速局部极大值滤波确定目标区域,通过局部对比度计算抑制背景,突出目标成像特征;最后,根据目标成像特征,设置目标能量分布、目标能量集中和目标能量传递3个特征函数,通过设置特征阈值去除噪声,提取真实目标。实验结果表明,本文所提方法在检测率和时间消耗上均具有优越性,对于信噪比为1.5的目标有95%的检测率,平均耗时仅为某些对比方法的1/30~1/6。本文所提方法更适用于星图复杂背景条件下的目标快速检测,满足星图空间目标检测算法鲁棒性强、实时性高的要求。

基于模型的非凸聚类算法

由于数据可能分布在非规则的流形上,其中潜在的簇往往呈现非凸的形状和结构,针对这类数据的聚类问题被统称为非凸聚类。现有的主流非凸聚类方法包括基于原始空间的方法和基于空间变换的方法,均忽略了非凸数据模式的显式描述。提出一种描述性模型用于非凸聚类。首先,基于核密度方法定义了一种具有混合形式的特征加权核密度模型,其无需事先假定任何概率分布模型且不限制簇的形状,这是传统基于模型的聚类方法无法实现的。其次,基于提出的模型推导了聚类目标函数,并基于期望最大化算法提出一种求解密度函数局部区域密度极大值的优化算法,那些上升到密度函数相同密度极大值的样本点被划分为同一个簇。最后,定义了一种基于模型的非凸聚类算法。算法不需人为定义簇的数量,并且能够为每个簇分配一个显式的概率密度函数,有助于更稳健和更准确地表征集群。除此之外,算法不仅在优化过程中进行自适应带宽选择,而且在优化过程中赋予了样本空间特征权重,实现了嵌入式特征选择。

冰盖下组合桥墩的局部冲刷特性及水力特性

为研究冰盖对组合桥墩局部冲刷及其周围流场分布的影响,基于动床冲刷试验,在不同覆盖条件下,分析了不同水流条件和桥墩尺寸对组合桥墩局部冲刷的影响,建立了预测明渠水流与冰盖流条件下组合桥墩最大冲刷深度的经验方程,并通过ADV测量了墩前的流场。结果表明:组合桥墩的冲刷模式与串列桥墩相似,最大冲刷深度始终出现在墩正前方;经验方程中来流水深、来流流速、桥墩尺寸、冰盖糙率均与最大冲刷深度呈正相关关系;在粗糙冰冰盖流条件下,墩前的垂向流速最大,导致其最大冲刷深度总是大于同等条件下的明渠水流和光滑冰盖流。

基于ILMSST识别时变结构非平稳响应信号瞬时频率

为解决局部最大同步挤压变换算法识别的频率精度不足及频带能量发散的问题,提出一种改进算法并将之命名为改进局部最大同步挤压变换方法(improved local maximum synchrosqueezing transform,ILMSST)。该方法首先对瞬时频率(instantaneous freguency,IF)位置进行多次迭代,从而获得更高精度的瞬时频率位置。其次,搜索短时傅里叶系数模极大值的位置并上下平移该位置,得到初步估算的频带并将频带外的短时傅里叶系数归零。最后,搜索频率方向上短时傅里叶系数的局部最大值所对应的瞬时频率位置,根据这些位置对时频系数进行重排,进而得到细化的瞬时频带。通过2组数值算例、1个7层钢筋混凝土剪力墙振动台试验和1个时变拉索试验验证了所提新方法的有效性,研究结果表明:相比现有的局部最大同步挤压变换方法,改进算法不仅提高了瞬时频率的估算精度,而且改善了响应信号瞬时频带的时频聚集性。

无线传感器网络基于测距的节点定位算法综述OverviewoftheNodeLocalizationAlgorithmBasedonRangingofWirelessSensorNetworks

基于测距的定位方法对测量的距离信息运用几何知识求解未知节点的位置,常用在定位精度较高的领域,可在误差、能耗、受环境因素影响等方面进行优化。本文对基于测距的无线传感器网络节点定位算法进行详细地分析和比较。

未知信号传播速度的TDOA定位方法研究

研究了未知信号传播速度时的到达时间差(Time-Difference-Of-Arrival,TDOA)定位问题,提出两种联合估计信号传播速度和目标位置的定位方法。第一种方法为两步加权最小二乘方法。在该方法中,首先不考虑变量之间关系,得到一个关于未知变量的初始加权最小二乘估计。为改进第一步估计的性能,第二步考虑第一步估计中变量之间的关系,将其转换为一个标准的广义信赖域子问题,最终获得更高精度的估计性能。第二种方法为半正定松弛方法,通过构建非线性非凸加权最小二乘问题,然后利用半正定松弛技术将其松弛为凸的半正定规划问题,容易求解。仿真结果表明,所提两种方法均能够在高斯噪声下,且噪声不太大时达到克拉美-罗界。

基于FCS算法的光伏阵列最大功率追踪

局部阴影情况下,光伏阵列输出功率具有多峰值特性,针对最大功率点跟踪(Maximum power point tracking,MPPT)算法在实际应用中存在着收敛速度较慢,效率较低,且容易陷入局部功率极值的问题,将兼顾收敛速度、精度、功率稳定性的快速布谷鸟搜索(Fast cuckoo search,FCS)算法应用于光伏阵列最大功率追踪。FCS算法采用自适应步长和机会因子可避免过早收敛,全局搜索和跳出局部搜索能力强,收敛速度快,算法后期局部开发能力强,功率振荡小,功率输出稳定,最大功率追踪精度高。仿真表明,在静态阴影、动态阴影条件下,FCS算法较灰狼算法(Grey wolf optimizer,GWO)、粒子群算法(Particle swarm optimization,PSO)具有更快地收敛速度和更高的收敛精度,且稳定性好,有效地提升光伏阵列的输出效率。

基于RMDLPP的雷达空中目标分类

针对鉴别局部保持投影(discriminant locality preserving projections, DLPP)在窄带雷达目标数据降维时出现的类内离散度矩阵奇异和对孤立点敏感进而导致类别之间可分性弱的问题,提出了基于鲁棒性边界DLPP(robust margin DLPP, RMDLPP)的窄带雷达空中目标分类方法。首先,在计算样本之间距离时将两样本点的欧氏距离与同类样本均值相关联。然后,挑选一定数量的边界样本点进行处理并对优化DLPP目标函数进行降维。最后,使用高性能分类器对降维后的数据进行区分,实现对空中目标的分类。通过对X波段对空警戒雷达实测数据的对比实验表明,所提方法具有更好的分类准确率和对孤立点的鲁棒性。

基于四元数表示的GraphSLAM位姿初始化算法

位姿估计问题本质上是一个非凸且NP-难问题,难以求解的原因在于位姿中包含特殊正交群,且往往拥有一个较差的初始值。针对此问题,提出了一种基于图的即时定位与建图技术位姿初始化算法。首先,使用两阶段算法将位姿估计问题构建的最大似然估计方程重新拆分为两个独立的子问题,即基于四元数表示的旋转平均问题和无约束的平移向量平均的线性方程问题。然后,通过迹松弛方式将非凸问题转化为线性方程问题。最后,结合平移向量计算出初始化的位姿。仿真实验表明,在高噪声的数据集中,所提方法比基于生成树的目标函数值降低了至少1个数量级,能够鲁棒地为位姿估计问题提供一个良好的初始值。

基于多应用场景的改进DV-Hop定位模型

针对距离矢量跳(DV-Hop)定位模型定位精度低、优化策略场景依赖性强的问题,提出一种基于函数分析和模拟定参的改进DV-Hop模型——函数修正距离矢量跳(FuncDV-Hop)定位模型。首先,分析DV-Hop模型的平均跳距、距离估计和最小二乘法中的误差原因,引入待定系数优化、阶跃函数分段实验、带等效点的权重函数策略和极大似然估计修正;其次,考虑多应用场景,用控制变量法,分别将总节点数、信标节点比例、通信半径、信标节点数和待测节点数作为变量,设计对照实验;最后,进行仿真定参和整合优化测试两阶段实验,最终的改进策略较原DV-Hop模型的定位精度提高了23.70%~75.76%,平均优化率57.23%。实验结果表明,FuncDV-Hop模型的优化率最高达到了50.73%,与基于遗传算法和神经动力学改进的DV-Hop模型相比,FuncDV-Hop模型的优化率提升了0.55%~18.77%。所提模型不引入其他参量,不增加无线传感器网络(WSN)的协议开销,且有效提高定位精度。

Comparison of Three Commonly Used Equations for Calculating Local Scour Depth around Bridge Pier under Ice Covered Flow Condition

A precise prediction of maximum scour depth around bridge foundations under ice covered condition is crucial for their safe design because underestimation may result in bridge failure and over-estimation will lead to unnecessary construction costs. Compared to pier scour depth predictions within an open channel, few studies have attempted to predict the extent of pier scour depth under ice-covered condition. The present work examines scour under ice by using a series of clear-water flume experiments employing two adjacent circular bridge piers in a uniform bed were exposed to open channel and both rough and smooth ice covered channels. The measured scour depths were compared to three commonly used bridge scour equations including Gao’s simplified equation, the HEC-18/Jones equation, and the Froehlich Design Equation. The present study has several advantages as it adds to the understanding of the physics of bridge pier scour under ice cover flow condition, it checks the validity and reliability of commonly used bridge pier equations, and it reveals whether they are valid for the case of scour under ice-covered flow conditions. In addition, it explains how accurately an equation developed for scour under open channel flow can predict scour around bridge piers under ice-covered flow condition.

基于深浅层特征融合的无监督视频摘要算法研究

针对现有无监督视频摘要算法对视频帧重要性判断不准确的问题,提出一种基于深浅层特征融合的无监督视频摘要算法。视频帧的深层特征由卷积神经网络(CNN)进行提取;浅层特征先由加速稳健特征(SURF)算子提取,再使用词袋(BOW)模型进行编码;最后将深层特征与浅层特征进行融合,丰富特征描述符的信息,作为网络模型的输入。使用双向长短期记忆网络(BiLSTM)对时序信息建模并输出帧重要性得分,采用强化学习的方式优化模型。在生成静态视频摘要时,设计了一个基于局部极大值的关键帧筛选方法,遵循了原视频的时序结构同时避免冗余。在SumMe和TVSum数据集上与多个无监督视频摘要算法进行对比,实验结果表明所提算法能够对视频内容做出更准确的判断,并生成了更高质量的摘要。

Accurate Registration of Remote Sensing Images Based on Local Optimal Transformation

As the basic work of image stitching and object recognition,image registration played an important part in the image processing field.Much previous work in registration accuracy and realtime performance progressed very slowly,especially in registrating images with line feature.An innovative method for image registration based on lines is proposed,it can effectively improve the accuracy and real-time performance of image registration.The line feature can deal with some registration problems where point feature does not work.Our registration process is divided into two parts.The first part determines the rough registration transformation relation between reference image and test image.Then the similarity degree among different transformation and modified nonmaximum suppression(MNMS)algorithms are obtained,which produce local optimal solution to optimize the rough registration transformation.The final optimal registration relation can be obtained from two registration parts according to the match scores.The experimental results show that the proposed method makes a more accurate registration relation and performs better in real-time situation.

基于灰狼&电导增量的局部遮阴下光伏最大功率跟踪

为解决光伏电池被局部遮挡时发电效率降低的问题,需要选用合适的最大功率跟踪技术。结合灰狼算法和电导增量法的特性,提出一种灰狼算法和电导增量法相结合的方法。先利用灰狼算法进行全局搜索,再使用电导增量法进行局部搜索。仿真结果表明:在静态遮挡情况下,与灰狼算法相比,所提的方法搜索最大功率点的时间更少;在动态遮挡条件下,重新搜寻到最大功率点的响应时间达到0.2 s。所提算法可以适应动态变化的天气,快速实现最大功率跟踪技术,改善了传统算法收敛速度慢和易陷入局部最优等问题。

基于域自适应残差收缩网络的滚动轴承故障诊断

针对滚动轴承在新工况下无标记数据且存在噪声干扰问题,提出一种具备抗噪能力的滚动轴承故障诊断领域自适应深度残差收缩网络(DADRSN)。首先,采用深度残差收缩网络(DRSN)去除已知工况和新工况数据噪声冗余并充分提取数据特征;其次,应用迁移学习中的领域自适应(DA)方法,计算已知工况和新工况数据的局部最大均值差异(LMMD),以对齐两种工况数据之间的分布;最后,对新工况下故障样本进行分类。实验结果表明,该模型在噪声干扰、缺少标记数据、工况变化的情况下仍能保持较高的故障诊断精度。