基于主动尾流控制的风电机群协同优化调度

针对机组间尾流效应严重影响风电机组发电效率的问题,提出了风电机组安全偏航约束计算方法、尾流特性混合半机理建模方法以及风电机群多目标协同优化调度方法。基于FAST.FARM平台完善了多自由度可控机组与尾流的动态交互集成仿真环境,对比分析了2台机组串列式排布以及华东地区某海上风电场7台机组实际排布下的协同运行优化性能。结果表明:所建立的集成仿真模型能够合理表征风电机群与空气流场的多领域动态交互特性,所提方法能够有效提升风电机群发电效能,促进经济效益、资源利用和成本控制的均衡优化。

课程学习指导下的半监督目标检测框架

为了提高伪标签的质量,解决半监督目标检测(SSOD)中的确认偏差问题,并针对现有算法中忽视无标注数据复杂性导致错误伪标签的难点,提出一种课程学习(CL)指导下的SSOD框架,该框架主要由ICSD(IoUConfidence-Standard-Deviation)难度测量器和BP(Batch-Package)训练调度器这2个模块组成。其中,ICSD难度测量器综合考虑了伪边界框之间的交并比(IoU)、置信度、类别标签等信息,并引入C_IOU(Checkpoint_IOU)方法评估无标注数据的可靠性;BP训练调度器设计2种高效调度策略,分别从Batch和Package角度出发,优先选择可靠性指标高的无标记数据,实现以CL的方式充分利用整个无标记数据集。在Pascal VOC和MS-COCO数据集上的广泛对比实验结果表明,所提框架不仅适用于现有的SSOD算法,而且检测精度和稳定性都得到显著提升。

语序与半虚功能词对汉语零动词存在句成句的制约作用

存在句一直是汉语语法研究的重点问题,一百年来产生了很多重要的研究成果,但对于句法上缺省B段动词的零动词存在句较少专文论述。文章提出,只有A段和C段的“NPL+NP2”既是名词谓语句的次类,也是存在句的次类。A段和C段分别表示处所和存在物,高层语义表存在,其述谓功能体现在半虚功能词必须确保句首名词表处所,句末名词表非特定事物的有无及多少。语序要求严格:一方面要满足表义上从整体到部分、从背景到图像的语序,另一方面要满足信息结构上从话题到说明的自然顺序。零动词存在句焦点结构与一般的有动词句不同,其焦点不是论元焦点,而是宽焦点,因此NP2不具有独立性,不能回指。

基于改进Dense Teacher的半监督目标检测算法

在深度学习目标检测领域中,标注数据的复杂性对半监督目标检测技术的发展起到了推动作用。近期,无锚框目标检测器在半监督目标检测中的应用逐渐增多。然而,现有方法仍面临特征表达不足和伪标签质量参差不齐的挑战。为解决这一问题,该文提出了一种基于优化Dense Teacher的半监督目标检测算法。首先,通过设计通道信息增强的特征金字塔(CIE-FPN),优化了特征图的感受野和特征融合,旨在捕获更丰富的全局特征信息。其次,采用伪标签双分支处理策略,以解决分类与检测任务在伪标签需求上的不一致性,从而提高伪标签的可靠性。实验结果表明,在COCO数据集仅使用10%有标注数据的条件下,与基线网络Dense Teacher相比,提出的改进算法在提升无锚框半监督目标检测性能方面取得了明显效果。

基于改进YOLOv7的湖面漂浮物目标检测算法

为提高湖面多种类和小体积的漂浮垃圾检测识别的准确度与推理检测速度,结合湖面垃圾漂浮物的图像特征,采用半结构化剪枝技术创建X-Toss剪枝框架,并基于YOLOv7目标检测模型,提出一种轻量化湖面漂浮物实时检测方法C-X-YOLOv7。X-Toss剪枝框架使用DFS算法生成父子卷积核计算图,利用特定的内核模式剪枝卷积核,降低迭代剪枝的计算成本。融合CA注意力机制对模型进行加权,减少模型过拟合现象,提高模型准确性和泛化能力。结果表明:对湖面垃圾检测识别,C-X-YOLOv7模型识别准确率为91.7%,召回率为91.2%,与YOLOv7模型对比分别提升2.6%、2.5%;推理加速度上,X-Toss剪枝框架在RTX 2080 Ti与NVIDIA Jetson TX2上分别实现YOLOv7的1.98×和2.17×的加速比,相较于PD、NMS、NS等剪枝框架,X-Toss的推理加速比和能耗均有提升。研究表明C-X-YOLOv7湖面漂浮物检测方法为湖面垃圾检测识别提供了一种新思路。

基于PPYOLOE的师生互助训练半监督目标检测网络

随着深度学习技术的发展,基于卷积神经网络的目标检测技术成为当前计算机视觉领域的研究热点之一.目前主流的目标检测算法依赖于监督学习方式,需要在大量有标注图像数据上训练网络,然而,无标签的数据易于获取,而有标签的数据收集起来通常很困难,标注也耗时和耗力.为了解决数据标注难以获取的问题,提出了教师学生互助训练的半监督目标检测(PPYOLOE-SSOD)算法.首先,同时训练一个学生模型和逐渐改进的教师模型,使用教师模型筛选高质量伪标签,将伪标签作为未标注图像的回归目标,指导学生模型训练,挖掘未标注图像的知识信息,为了减小参数传递的不稳定性,每次迭代学生模型使用指数移动平均方法更新教师模型参数;此外,引入不同种类的半监督数据增强方法来增强网络的抗干扰能力;最后,针对无标注数据的学习,新增无监督学习分支,使用密集学习方式对模型预测得到的特征进行处理,通过对教师模型预测的分类特征排序,自动选择高质量特征作为教师模型生成的伪标签,从而避免了繁琐的伪标签后处理,提升网络的精度和训练速度.在MS COCO数据集上,通过使用半监督学习方法,PPYOLOE在1%、5%、10%的标注数据集上分别得到了1.4%、1.6%、2.1%的精度提升.与其他半监督目标检测算法比较,PPYOLOE-SSOD算法的精度达到最优.代码已开源在https://github.com/wjm202/PPYYOLOE-SSOD.

基于特征增稳的混合固态激光雷达目标检测

稳定的点云特征提取对激光雷达三维目标检测至关重要。针对现有深度学习算法仅能处理机械旋转式激光雷达点云数据,而对混合固态激光雷达数据支持不足的问题,本文基于IA-SSD搭建了适用于混合固态激光雷达的目标检测模型。首先,在点云编码前端添加了Cloth Simulation Filtering(CSF)用于地面次优点过滤;其次,利用局部特征融合和全局双线性正则化层组成的注意力机制,从局部和全局共同推动点云几何信息与特征信息融合;再次,利用GhostGConv替换原有低效的逐点卷积,通过通道混洗机制加强点云的特征交互,构建了增强型特征提取网络。最后,在点检测器IA-SSD中整合了上述模块完成模型构建。在混合固态激光雷达数据集SimoSet开展的验证结果表明,所提出的方法显著优于SimoSet数据集支持的其他算法精度指标;在KITTI数据集中等难度检测中,所提方法将IA-SSD三分类平均检测精度分别提升了1.17、1.47、0.5百分点。

结合视锥变换和RGB体素图的半监督三维目标检测

基于LiDAR、可见光等多模态传感器的高精度三维目标检测是自动驾驶领域的关键技术。为了提高目标检测的精度和方位感知能力,降低模型对于标注数据的依赖,结合视锥变换方法优化了三维点云方向特征提取策略,提出了一种基于视锥变换和半监督学习架构的三维目标检测技术。具体而言,基于通道注意力模块优化视锥体对远距离目标的感知能力,提出了RGB体素模块提升遮挡目标的识别精度。首先通过深度网络从RGB图像中提取纹理信息,将其与激光雷达的距离信息融合,以保持三维空间特征的完整性。其次,通过特征融合模块提取体素空间特征的权重。最后,采用自适应伪标签方法降低对标注样本的依赖,并基于群体投票方法进一步降低误报率。实验结果表明,该方法在KITTI数据集上取得了令人满意的成果,行人和车辆目标检测的准确率分别达到了56.30%和75.88%。该研究为未来在复杂的场景中实现高效的三维目标检测提供了思路,并为进一步优化自动驾驶的多模态数据融合技术奠定了基础。

基于定位置信度加权的半监督目标检测算法

为解决伪标签筛选过程的位置噪声数据问题,提出了基于定位置信度加权的Soft Teacher-LAH半监督目标检测算法。通过离散化目标检测网络定位分支的预测输出,引入具有定位感知功能的输出结构LAH。基于LAH预测输出,定义一种衡量定位精度的置信度指标,设计基于该置信度加权的无监督定位损失函数,降低伪标签位置噪声对模型训练的负面影响。实验结果表明了该算法的性能优势,针对微软COCO数据集,在有标注数据占比训练集分别为1%、5%和10%的场景下,该算法相比于现有Soft Teacher方案的平均精度分别提高了1.1、1.2和1.5个百分点;针对PASCAL VOC数据集,在使用VOC07和VOC12分别作为有标注和无标注训练数据的场景下,该算法相比Soft Teacher方案的平均精度提高了1.6个百分点。

基于机器学习的多目标投资组合优化研究

文章首先运用随机森林、RBF神经网络和BP神经网络3种机器学习方法预测股票收盘价,使用历史数据和预测的收盘价计算投资组合的收益率均值、下半方差、偏度;然后,考虑交易成本、投资比例上下界约束和借贷约束,提出均值-下半方差-偏度多目标投资组合模型(M-SV-S)。该模型对应的优化问题属于非凸优化问题且求解困难,故首先将其转化为单目标优化模型,再运用差分进化算法进行求解。最后,选取上证50指数成分股作为样本进行实证分析,从收益率和索提诺比率等方面来对比M-SV-S模型与等比例投资组合模型的投资表现。实证结果表明:在样本外窗口内,M-SV-S模型的每日净收益率在1%~4%之间、30天的累计超额收益率超过50%、索提诺比率大于0,投资绩效明显优于等比例投资组合模型。

基于Dense Teacher的半监督双阶段遥感目标检测方法

针对遥感图像中的有向物体检测任务,提出了一种基于半监督学习的密集区域卷积神经网络(Dense Region Convolutional Neural Network, D-RCNN)框架,以减少对大规模标注数据的依赖并提高检测精度。在该框架中,利用教师-学生模型通过稠密伪标签生成与一致性损失进行训练,结合伪标签学习与数据扰动,提升模型对无标注数据的有效利用率。针对长尾分布问题,引入了Seesaw Loss以动态调整各类别权重,进一步优化模型性能。在DOTA数据集上进行的实验表明,D-RCNN在1%、2%、5%标注率下的检测精度AP50分别较完全监督方法提升了7.21%、8.02%和2.84%。在低标注率条件下,D-RCNN在多个主要类别上表现出显著的性能优势,验证了其在遥感场景下的有效性。

维修型半潜船推进器辅助锚泊定位能力分析

围绕半潜船辅助锚泊定位系统进行了研究。通过对维修型半潜船推进器辅助锚泊定位能力的研究,计算相关模型,并利用多目标优化方法进行优化设计,取得了较好的结果,有助于增强维修型半潜船推进器辅助锚泊定位能力。

电磁阀半主动悬架线性变参数μ综合鲁棒控制

针对电磁阀半主动悬架系统中的非线性和不确定性问题以及多个性能目标之间的矛盾,设计了一种线性变参数(linear parameter varying,LPV)μ综合鲁棒控制器。建立电磁阀非线性阻尼力力学模型并开展台架试验验证模型的准确性,构建了七自由度悬架系统的非线性LPV模型;对悬架参数不确定性和系统建模误差进行分析,并考虑传感器测量噪声的影响,设计了一种基于非线性和混合不确定性的LPV-μ综合鲁棒控制器;最后进行整车电磁阀悬架系统仿真和实车试验。仿真结果表明:在随机扰动下该控制器使车身垂向加速度均方根值降低46.47%,俯仰角加速度降低46.47%,侧倾角加速度降低50.68%,具有良好的抗干扰能力和可控性。试验结果表明:LPV-μ综合控制下车身垂向加速度、俯仰角加速度和侧倾角加速度均方根值分别降低36.6%、30.14%和39.47%,并且保证悬架动挠度小于0.06 m,验证了该控制策略的有效性。

风电机组变桨距系统半实物仿真试验平台

为了解决大型风力发电机组出厂前设计整机控制系统试验投入较大问题,针对大型风电机组的变桨距系统半实物仿真平台进行试验研究,并给出了在工厂内进行变桨距控制系统性能测试的解决方案.整个半实物仿真平台采用软件模拟各种工况和载荷情况,以运行控制系统(包含变桨距控制策略)和电动变桨距执行机构为实物形式,通过信息的实时交互完成了控制性能与执行机构的测试及载荷等模拟.仿真结果表明,案例研究有效验证了半实物仿真试验平台的合理性,此方法可以为机组设计和后续生产调试提供可靠的参考依据和验证手段.

核反应堆功率调节系统控制特性研究

某新型研究堆采用新型燃料元件和堆芯结构,反应堆的控制特性缺乏基本数据,功率调节系统的设计无可借鉴经验。通过半实物仿真试验,在同一功率定值下分别引入阶跃和斜坡反应性扰动,考虑调节棒在不同位置的价值影响,采用PD控制方案研究功率调节系统的调节特性和控制效果,并对控制方案和PD参数进行比较和优化,为反应堆功率调节系统的设计和投入运行奠定基础。半实物仿真试验结果表明:采用同一组控制器参数,无法满足预定的控制要求。充分发挥数字化控制器的优点,在同一功率定值、不同棒位下,采用不同的控制器参数能较好地满足预定的控制指标和性能要求。

基于机器视觉的母猪分娩检测方法研究

检测母猪分娩需对分娩限位栏内的仔猪进行目标识别，分析了母猪分娩视频图像特征，提出首先利用半圆匹配算法进行母猪目标分割，排除母猪运动干扰，基于改进的单高斯模型的背景减除法进行运动目标检测，根据运动区域的颜色和面积特征，对仔猪进行目标识别。试验表明：基于半圆匹配算法的母猪目标识别方法能够有效分割出母猪目标，基于改进单高斯模型的运动目标检测方法，对面积较大、运动缓慢的仔猪目标检测较为完整，适用于母猪分娩检测场景。

某型舰炮火控系统建模与仿真

简要介绍了某型舰炮火控仿真系统的训练、教学和和科研功能设计方案,硬件组成和必需的软件模块。在对一批空中目标拦截的战术设定情况下,给出了作战仿真流程图,列出了我舰及目标运动状态和姿态、噪声仿真、系统解命中、射击效果在线评估等数学模型。最后指出在建立数学模型时新的跟踪机制、解命中体制和滤波外推算法是三个技术难点,而在仿真过程中必须注意分布式、可视化和时钟统一等关键技术。

半监督FCM聚类算法目标函数研究

分析了现有半监督FCM算法目标函数的物理意义和平衡系数α的选取,说明Stutz对Pedrycz目标函数的修改使半监督的物理意义更清楚,它在α=1,0时均退化为标准FCM算法,给出了修改后SS-FCM算法的交替求解过程。实验结果:(1)修改算法与Pedrycz算法有相同的半监督作用和清楚的物理解释;(2)对labeled样本采用FCM算法赋值比用随机数的收敛稳定性高;(3)优选的少量labeled样本,使用模糊协方差的SS-CFCM算法提高了聚类准确性和收敛速度。

求解旋转板、壳振动问题的半解析有限元分析

根据小变形弹性理论 ,用有限棱柱法解决了旋转板、壳自由振动的问题·通过分析旋转板、壳被分成若干个半解析的环形棱柱单元 ,位移函数采用环向为解析的三角级数而径向和轴向为离散的插值函数 ,推导出刚度和质量矩阵 ,计算了板、壳实例 ,并与实验值作了对比 。

结合UPSCALING技术与对象多特征的土地利用/覆盖信息提取研究

应用SPOT融合数据,以北京密云地区为例,提出了整合Upscaling技术与对象多特征方法的新思路,通过基于半变异函数的空间变异特征分析,建立了面向对象多特征与多分辨率数据集的多尺度分类决策树,并对自动分类效率进行了初步探讨。