逐根径迹比较法

根据各探测器中物理量是独立测量的特点和误差平方独立相加原理。建立了一种“逐根径迹比较法”,用来严格比较高能物理实验中径迹重建的各种方法之间的差别。并具体地比较了某一实验的几种重建数据,发现同一实验的不同重建方法之间,重建效率和重建出来的径迹所带的物理量及其分辨率都有一定差别。经过此方法对之进行比较,得出了其中效率较高、能量和位置分辨最好的一种重建方法。

基于迹比准则与+L-R方法的特征选择算法

提出一种将迹比准则和基于错分区域的+L-R方法相结合的特征选择算法。该算法使用迹比算法得到优秀特征子集,对分类产生的错分区域进行+L-R选择得到新特征,新特征可以区分之前被错分的数据,从而降低错分率。采用+L-R算法降低数据冗余。实验结果表明,该算法有效改进迹比准则特征选择算法,同时降低错分率。

基于多帧聚类的紧凑型HFSWR虚假点迹识别方法

紧凑型高频地波雷达发射功率低,目标检测时信噪比低、虚警率高,会产生大量虚假点迹,影响后续目标跟踪性能。为了滤除虚假点迹,利用目标的运动特性,提出了一种多帧聚类与极限学习机分类两级级联的虚假点迹识别方法。首先,利用基于最优邻域尺寸的多帧聚类方法,将连续多帧中与待识别点迹属于同一潜在目标的点迹聚类成簇。然后,计算簇内待识别点迹与其相邻帧内点迹的距离-多普勒速度的差分值,以其为特征利用极限学习机辨识虚假点迹。实验结果表明,所提方法能够准确将属于同一目标的点迹聚类,虚假点迹识别率达到95%。

面向对海监视的舰船目标跟踪与航迹融合数据集

对海监视中航迹实时关联与轨迹融合任务是安全防控、区域态势监视、远程精确打击等军民应用领域的热点和难点问题,高质量的数据集对推动目标跟踪与融合技术在该领域的研究有重要作用。本研究针对目标跟踪与融合领域技术研究的数据需求以及目前公开数据集所存在的数据缺乏、场景设计针对性差、数据格式单一、数据描述不全等问题,通过仿真软件对复杂场景中多传感器多目标探测数据进行仿真,提供了一套面向典型对海监视场景(以舰船为探测对象的2D雷达与侦察传感器﹝ESM﹞)的目标跟踪与航迹融合数据集。其中仿真软件包括剧情发生器和传感器模拟器两部分,是一套成熟的目标跟踪场景仿真环境,提供逼真的探测数据模拟能力。本数据集涵盖的传感器对象包括2D雷达与侦察传感器,目标包括典型的海上舰船类别,并支持携带辐射源配置,设计了高速运动、密集交通、多传感器数据融合、特定舰船侦测和交叉定位等多种典型场景。本数据集中共包含368155条目标点迹,舰船数量为101条,时间范围15000秒,数据格式符合实际设备上报情景、探测误差模型符合实际。本数据集通过对数据误差进行正态性检验、对检测率、虚警率的场景检验以及实地调研,完成了对数据的准确性评估与数据完备性控制,可为舰船目标跟踪、轨迹融合等算法研究与验证提供基础数据。

粤北长江铀矿田隆升剥露历史和矿床保存——来自磷灰石裂变径迹热年代学的启示

粤北长江铀矿田是中国南方最重要和最具代表性的花岗岩型铀矿田之一。前人关于长江铀矿田的研究工作主要涉及铀矿成因、成岩成矿时代和铀矿化机制等方面,关于控矿构造研究也集中在矿床形成过程方面(如导矿、运矿和储矿构造),对成矿后矿床的剥露历史和保存研究甚少。本文通过磷灰石裂变径迹测试,恢复了长江铀矿田热演化历史,结果显示晚白垩世末以来表现为单向隆升剥露降温过程,在约63~55 Ma和44~34 Ma存在两次快速隆升过程,约34~5 Ma冷却速率较慢,为构造平静期,5 Ma以来又发生了快速隆升。自75 Ma至今长江铀矿田的隆升剥蚀量为3 km左右。矿田内被NEE向棉花坑断裂和NWW向油洞断裂分割的书楼丘、棉花坑和长排三个矿区隆升剥蚀量差异非常微小,说明棉花坑断裂两侧和油洞断裂两侧在新生代时期没有明显的差异升降,也进一步佐证了棉花坑断裂和油洞断裂的活动性不大。结合控矿构造的发育特点、3.2~5.6 km的成矿深度以及相关的成矿温压条件,表明长江铀矿田深部资源保存良好,深部具有很大的找矿潜力。

基于改进Att-LSTNet与无迹粒子滤波融合的主动配电网预测辅助状态估计

针对传统的无迹粒子滤波(unscented particle filter,UPF)存在不准确的新息向量及未知的量测噪声协方差矩阵导致估计精度低的问题,提出一种改进Att-LSTNet与UPF融合的主动配电网预测辅助状态估计(forecasting-aided state estimation,FASE)方法。首先,采用引力搜索算法(gravitational search algorithm,GSA)对支持向量回归(support vector regression,SVR)的关键参数进行优化处理,利用历史数据建立GSA-SVR模型,并将其引入至Att-LSTNet模型的输出层,构建一种增强预测模型。然后,利用UPF中的新息向量来训练该模型,并结合孤立森林算法和箱线图法对原始新息向量进行监控和修正。最后,针对量测噪声协方差矩阵未知的情况,结合修正后的新息向量和UPF计算出未知量测噪声协方差矩阵,并进行状态估计。基于IEEE33与IEEE118节点标准配电系统的算例结果表明,所提出的方法在估计精度、泛化能力和鲁棒性等方面具有优越性。

子宫动脉舒张早期切迹联合妊娠相关血浆蛋白A对子痫前期的预测价值

目的研究子宫动脉舒张早期切迹联合妊娠相关血浆蛋白A(PAPP-A)对子痫前期的预测价值。方法回顾性选取2020年6月至2023年6月入邯郸市第一医院的86例子痫前期孕妇为观察对象,设为研究组;同时选取同期入院86名健康孕妇,设为对照组。两组均于妊娠11~13+6周对PAPP-A水平与右、左侧子宫动脉舒张早期切迹指数予以测定。比较两组孕妇的右切迹指数、左切迹指数及PAPP-A水平,同时计算并比较右切迹指数、左切迹指数、PAPP-A单独及联合诊断子痫前期的受试者操作特征(ROC)曲线下面积(AUC),并比较右切迹指数联合PAPP-A与左切迹指数联合PAPP-A的AUC。结果研究组孕妇右、左切迹指数与PAPP-A水平分别为0.71±0.21、0.65±0.27、(3504.84±1598.38)mU/L,均明显低于对照组[0.84±0.18、0.82±0.29、(5019.47±2498.96)mU/L],差异均有统计学意义(P<0.05)。子痫前期预测中右切迹指数的临界值为0.79,敏感度为64.38%,特异度为60.08%,AUC为0.658,95%CI为0.585~0.731;子痫前期预测中左切迹指数的临界值为0.71,敏感度为61.57%,特异度为71.76%,AUC为0.684,95%CI为0.612~0.757;子痫前期预测中PAPP-A的临界值为4003.5 mU/L,敏感度为68.47%,特异度为56.89%,AUC为0.673,95%CI为0.604~0.742;子痫前期预测中联合预测的敏感度为71.18%,特异度为75.47%,AUC为0.772,95%CI为0.711~0.834;右、左切迹指数与PAPP-A联合预测子痫前期的AUC大于单一指标预测,差异有统计学意义(P<0.05)。子痫前期预测中右切迹指数联合PAPP-A的敏感度为54.76%,特异度为80.27%,AUC为0.739,95%CI为0.674~0.804;左切迹指数联合PAPP-A的敏感度为80.79%,特异度为62.79%,AUC为0.757,95%CI为0.695~0.818;左切迹指数联合PAPP-A预测子痫前期AUC大于右切迹指数联合PAPP-A,差异有统计学意义(P<0.05)。结论单一子宫动脉舒张早期右、左切迹指数或者PAPP-A在预测子痫前期中均有良好效果,而子宫动脉舒张早期右、左切迹指数与PAPP-A联合检测的预测价值更高,同时左切迹指数联合PAPP-A预测子痫前期价值要高于右切迹指数联合PAPP-A。

颈前路减压嵌片式零切迹融合内固定术治疗临床罕见病Klippel-Feil综合征1例

应用颈前路减压嵌片式零切迹融合内固定术,治疗临床罕见病——Klippel-Feil综合征1例。

基于自更新置信分类网络的雷达点迹识别算法

多雷达协同组网进行目标探测识别时,受复杂战场环境影响,获取的数据富含大量杂波和不确定信息,传统雷达点迹识别算法在处理此类数据时具有一定局限。为了解决上述问题,提出一种基于自更新置信分类网络的雷达点迹识别算法(radar plots recognition algorithm based on self-updating confidence classification network,RPR-SCCN)。首先,构建置信分类网络,获取各轮迭代下雷达点迹隶属目标、杂波和不确定的初始置信度。然后,基于点迹的空间分布特性构造决策证据并进行修正融合,融合结果进行点迹类别更新,更新点迹则再次驱动置信分类网络训练学习。优化后的置信分类网络继续进行下一轮次的点迹置信更新、决策证据构建以及类别标签更新等,此过程一直循环迭代,直至前后两轮次的雷达点迹类别标签不再变化时停止。实测雷达点迹的实验验证结果显示,点云分形网络(point fractal network,PF-Net)、基于全连接神经网络的雷达点迹分类算法(radar plot classification based on fully connected neural network,RPC-FNN)、粒子群优化概率神经神经网络(particle swarm optimization probabilistic neural network,PSO-PNN)和基于卷积神经网络的雷达点迹分类算法(radar plot classification based on convolutional neural networks,RPC-CNN)典型雷达点迹智能识别算法的识别正确率为82%~90%,所提算法则可以达到93%,提升3%~10%。此外,所提算法对训练样本数目依赖较小,便于推广应用。

基于负荷预测和无迹粒子滤波的配电网动态状态估计

随着汽车充电成为新型重要负荷,为确保此时配电网运行与控制安全,对其进行实时准确的态势感知,提出一种基于卷积神经网络和门控循环单元的短期负荷预测与无迹粒子滤波算法自适应混合的配电网动态状态估计方法。结合使用卷积神经网络和门控循环单元进行短期负荷预测,将预测得到的有功与无功功率进行潮流计算,再与无迹粒子滤波量测估计值自适应加权得到电压幅值和相角状态估计结果。以IEEE33节点配电网为例,验证了所提状态估计方法的准确性与面对不良数据时的鲁棒性。

数量对合矩阵与数量反对合矩阵的迹与谱

应用相似关系下保持特征值与迹不变的性质,避开了计算特征多项式,得到了数量对合矩阵和数量反对合矩阵的只用迹表示的谱、行列式的计算公式及其相似等价类。作为应用,得到了通常对合矩阵、反对合矩阵、对称正交矩阵和反对称正交矩阵的相关结论。

郑道昭“无迹论”:话语建构及真实的书圣意义

从40余件四山刻石全部被视作郑道昭亲笔所为的书迹,到只有30余件,乃至于10余件被认为是郑道昭笔迹的论争之中走出来,笔者以为其实并没有一件作品是郑道昭亲笔书写的,这种现象可称作“无迹论”。那么,没有真迹的主持者郑道昭是否还具有“书圣”的意义呢?笔者认为恰恰相反,通过书刊行为,其将一座座山峦改变本来的意义(图1~图4),反而凸显出郑道昭真实的作用。这是可以对应现当代艺术之中的“大地艺术”“观念艺术”的思想层面创作判断。同时,这又是别于西方艺术纯粹的视觉张力的中国式的艺术方式。在此意义上,郑道昭创造了一种书法的新样式、新方法,也作出了对于书法史的真实变革。就此而言,对他的“北方书圣”判断才是恰当的。

基于无迹卡尔曼滤波的液体火箭发动机故障诊断

针对火箭发动机故障数据难以获取的问题,设计了一种基于无迹卡尔曼滤波(UKF)的液体火箭发动机故障诊断算法。采用MATLAB/Simulink平台搭建了液体火箭发动机故障仿真模型,实现发动机正常运行仿真和预燃室氧阀门故障、氧主泵汽蚀、氢主涡轮叶片脱落3种故障仿真。将正常运行仿真值与设计值、试车值进行了对比。结果表明:模型参数与设计值最大误差不超过5%,仿真精度较高;仿真参数变化趋势与试车值基本一致,且稳态值误差较小。使用UKF算法求取发动机正常运行阈值范围,并对故障序列进行滤波处理,若故障数据连续3次超出阈值区间,且在0.1 s内有至少2个涡轮泵发出报警,则判定故障发生,故障发生时间为第2个涡轮泵报警时间。使用设计算法对3种故障序列进行诊断,判定故障发生时间分别为20.08 s、20.05 s、20.18 s。相比于传统红线阈值算法,文中所设计算法响应更为及时,且误报率较低。

无迹粒子滤波跟踪的发动机性能退化预测

针对航空发动机性能退化预测问题,这里提出了一个结合多阶段有效传感器融合的无迹粒子滤波发动机剩余寿命预测模型。模型针对数据融合,基于累积方差贡献率动态更新各个退化阶段的有效传感器,得到更符合实际情况的退化状态健康指标,然后应用无迹粒子滤波算法更新模型时变参数以实现发动机健康指标和剩余寿命的提前预测。这里采用发动机性能退化仿真实验数据集进行数据分析和验证。结果表明,所提出的基于方差贡献率的分阶段非线性融合方法,可以减少退化量中的冗余数据影响。所引用的无迹粒子滤波算法,有效解决了传统滤波算法中的粒子退化、结果发散问题。相较于一般的滤波方法在最终预测结果上,绝对误差减少7个周期,精度提高了3.6%,加强了粒子的跟踪能力,提高了目标跟踪的精度。为航空发动机的健康管理和可靠性评估提供参考依据。

自适应双层无迹卡尔曼滤波的车辆状态估计

针对在车辆行驶状态估计中存在估计不准确、鲁棒性较差以及系统噪声不确定等问题,提出一种将双层无迹卡尔曼滤波(DLUKF)与改进的Sage-Husa算法相结合的自适应双层无迹卡尔曼滤波算法(ADLUKF)作为车辆行驶状态的估计器,再结合三自由度汽车模型对车辆行驶的横摆角速度和质心侧偏角进行估计。通过改进的Sage-Husa滤波器对系统过程噪声和测量噪声进行动态调整,进而减少车辆行驶状态估计的误差。应用Carsim与Matlab/Simulink进行联合仿真以及实车试验数据来验证该估计器的有效性,并与无迹卡尔曼滤波(UKF)算法进行对比。结果表明:与UKF算法相比,该算法有效提高了车辆行驶的横摆角速度和质心侧偏角的估计精度和稳定性。

基于改进的无迹卡尔曼滤波长基线定位算法研究

在复杂的水环境中,自主水下机器人(Autonomous Underwater Vehicle, AUV)运用声学导航系统实现自主导航并确保精确定位。针对水声环境中由于外部噪声带来的定位精度损失问题,提出一种改进的无迹卡尔曼滤波(Adapt Unscented Kalman Filter, AUKF)长基线定位算法。该算法在无迹卡尔曼算法(UKF)的基础上引入遗忘因子,充分利用新的测量数据动态调整测量协方差矩阵和过程协方差矩阵,有效避免因长期运行带来的累计误差。实验结果显示,当AUV沿两种不同轨迹运行时,AUKF算法的均方根误差最低,分别为2.901 1、19.221 5。该算法定位精度高,适用于长时间工作的高精度水下定位。

马尔科夫跳变线性系统二次最优控制的资格迹方法

本文研究了资格迹方法在马尔科夫跳变线性系统的最优二次控制问题(MJLS-LQR)中的应用。常见的方法通过求解耦合的代数黎卡提方程得到最优控制,并不直接优化策略参数。本文在无模型强化学习方法的基础上引入资格迹,直接优化策略参数。考虑参数已知和参数未知两种情况下,MJLS-LQR问题的资格迹方法。参数未知时,无法利用系统参数信息精确表示资格迹,本文利用零阶优化定理近似资格迹,这可以将问题扩展至代价函数非凸的情况。在有限时域和高斯噪声的条件下,分别给出了两种情况下算法的全局收敛保证。数值模拟结果显示资格迹方法与梯度下降算法相比收敛更快。

随机线性二次控制的资格迹方法

本文研究了强化学习方法在线性二次控制问题(LQR)中的应用。在LQR问题的研究中,常见的方法通过求解代数黎卡提方程得到最优控制,并不直接优化控制增益。本文在策略梯度算法的基础上引入资格迹方法,直接优化控制增益矩阵。考虑已知和未知参数两种情况下,资格迹方法的收敛。在有限时域和高斯噪声的条件下,分别给出了已知和未知参数两种情况下算法的全局收敛保证。参数未知时,利用零阶优化定理近似梯度项,这可以将问题扩展至代价函数非凸的情况。数值模拟结果显示资格迹方法与梯度下降算法相比更快收敛,方差更小。

基于分数阶模型多新息无迹卡尔曼滤波算法的超级电容SOC估计

对超级电容的SOC估计展开了研究。首先,搭建了超级电容测试平台,用于超级电容的参数辨识,并对超级电容进行了常规性能测试;其次,在不同的环境温度和动态工况下采用多种算法进行超级电容SOC估计。结果表明,采用分数阶模型多新息无迹卡尔曼滤波(FOMIUKF)算法对超级电容SOC的估计精度最高,对超级电容的路端电压跟随情况最好,估计结果的均方根误差和平均绝对误差的最大值分别约为1.8%和1.73%。

基于无迹卡尔曼滤波的精密时钟同步算法

工业以太网中,各设备对时钟同步精度的要求越来越高。以IEEE1588协议理论为基础,设计一种基于无迹卡尔曼滤波的时钟同步算法。通过对PTP得到的时间差进行观测,获取对下一个周期时钟偏差、时钟频率的估计值,使用该估计值校正从时钟频率和时钟偏差,以保证时钟同步。实验证明,该方法能够有效提高时钟同步精度。