高斯Wasserstein距离改进轻量YOLOv7模型的遥感影像道路交叉口检测

YOLOv7是目前目标检测任务中性能较优的模型,但在处理遥感影像中的道路交叉口时,出现目标背景复杂、先验框定位误差以及模型训练参数量增多的问题。针对复杂场景的道路交叉口提出一种结合归一化高斯Wasserstein距离与轻量级YOLOv7的遥感影像道路交叉口检测模型。首先,使用归一化高斯Wasserstein距离与CIoU(complete-IoU)进行先验框定位损失函数的改进,以提高网络模型对于目标尺寸的鲁棒性;其次,在加强网络特征提取模块中加入三维注意力机制,实现网络处理的特征优化;最后,在主干特征提取网络与加强特征提取网络中加入改进的FasterNet模块,提升网络模型的训练速度,减少了模型训练的参数。实验结果表明,改进后的YOLOv7网络模型相比原网络模型,漏检测情况得到明显改善,准确率(precision,P)、召回率(recall,R)、平均准确率(average precision,AP)和F_(1)分别提升了6.2%、4.9%、6.7%、6.5%,对道路交叉口的检测效果优于原网络模型。其成果对不同环境的影像具有较强适应能力,为道路交叉口检测的发展提供了参考。

基于动态TDFP模型与Wasserstein距离的滚动轴承运行状态评估

针对滚动轴承运行状态评估问题,提出一种基于动态二维特征概率(TDFP)模型与Wasserstein距离的评估方法。首先通过滚动轴承健康数据样本的均方根和线性峭度指标构建二维性能指标序列,利用多元核密度估计构建TDFP基准模型;然后通过不断累积的监测数据样本对TDFP模型进行动态更新,并计算Wasserstein距离测度获取基准模型与更新模型之间的量化差异;最后结合自适应健康阈值策略实现对滚动轴承运行状态的动态评估。滚动轴承全寿命周期实验数据验证结果表明:该评估方法能够准确跟踪轴承的退化过程,并及时捕捉到轴承初始退化时刻,对实际工程应用具有一定参考及借鉴价值。

基于Wasserstein距离分布鲁棒的电解铝负荷协同火储深度调峰方法研究

大规模的风电并网致使现有系统调峰资源难以为继,风电消纳受阻。为此,文中综合考虑风电出力与电价的不确定性,提出一种基于Wasserstein距离的电解铝负荷协同火储深度调峰分布鲁棒优化方法。首先,结合电解铝的负荷特性,计及储能辅助火电机组优化深度调峰容量,建立了电解铝负荷协同火储深度调峰的电力系统优化框架;其次,借鉴Wasserstein距离的分布鲁棒模型的思想,构建了上级电网购售电价与可再生能源出力的Wasserstein模糊集约束,设计了电解铝负荷协同火储深度调峰的分布鲁棒优化模型;最后,通过仿真分析验证了所提方法可有效降低系统运行成本,改善系统调峰压力,促进风电消纳,通过对比分析验证了其方法的经济性和鲁棒性。

基于分数阶矩和分片Wasserstein距离的鲁棒风险度量优化模型

鲁棒风险度量优化是一类随机风险分析度量的重要问题,其对不确定分布信息的捕捉需依赖不完善的假设和估计,分布尾部的反映直接影响分布预测的精准性,尾部模型误差在实际风险管理决策中会造成严重的后果。文章以一种对尾部模型误差具有稳健性的方式建立鲁棒风险度量优化模型。在构造模型不确定集时,提出基于Wasserstein距离的分布估计方法,克服了已有参数分布无法反映真实分布尾部行为的限制。鉴于分数阶矩对分布尾部信息具有精准刻画的能力,在解析分布估计的基础上,建立分数阶矩约束的鲁棒风险度量模型。为优化Wasserstein距离忽略分布几何结构造成的尾部模型误差,基于纤维丛理论思想,提出分片Was⁃serstein距离解析约束的分片鲁棒风险度量模型。最后,通过规范数据进行仿真分析,数值实验结果显示,该模型能够精准量化突发性极端损失风险。

基于有限关键节点及Wasserstein距离的配网拓扑识别

明确配电网结构是配电网最优潮流、安全评估、网络重建、故障定位的基础。针对现有配电网拓扑识别方法缺乏结合现有网络结构参数和潮流信息,仅通过量测数据来进行拓扑识别效率低的问题,提出一种基于有限关键节点及Wasserstein距离的配电网拓扑识别方法。首先,利用子空间扰动模型证明配网拓扑变化时,可以利用有限的关键节点来进行拓扑识别,基于熵值法的混合K-Shell算法引入影响度概念,通过影响度与节点电气距离得出节点的重要度,确定配电网拓扑结构中的关键节点。其次,基于密度的噪声应用聚类算法通过电压、电流、有功、无功等4个特征来进行节点的聚类,将其他节点与关键节点进行类别归属,再结合Wasserstein距离得出节点间的连接关系从而得出配电网的拓扑结构。最后,通过IEEE 33节点算例和某小区实例,验证该方法的有效性。该方法极大地提高配电网拓扑识别效率与正确率,实现了配网拓扑结构的动态识别。

一种基于混合高斯模型的雷达最大探测距离评估

机载火控雷达的最大探测距离是表征雷达探测能力的一项关键指标。分析雷达方程可知雷达探测距离受多种影响因素制约,且部分环境变量往往无法度量,故直接从不同影响因素出发分析雷达最大探测距离的分布特性存在一定困难,所以大部分对雷达探测距离评估方法的研究均是从数据本身出发,通过统计学方法分析变量的分布特性。

基于XGBoost和Wasserstein距离的风电机组塔架振动监测研究

针对风电机组塔架振动监测问题,考虑到风能脉动与机组控制动作等激励对塔架振动的影响,提出一种基于数据驱动的塔架振动监测方法。首先基于K-均值算法对风电机组工况进行辨识,分析各状态参量、机组工况对塔架振动的影响;其次基于极限梯度提升(XGBoost)算法对不同工况下的塔架振动趋势进行建模预测,针对同一风电场不同塔架振动预测残差的差异,提出一种基于Wasserstein距离的塔架振动监测方法;最后使用风电场实际数据验证,以误差平方和为评价指标,考虑机组工况条件的XGBoost预测精度提高了34.6%。基于数据驱动的方法能有效识别风电场中异常振动较频繁的塔架,提升了运维效率。

Wasserstein距离在液体火箭发动机故障检测中的应用

健康监控技术能够切实提高液体火箭发动机的可靠性,针对液体火箭发动机健康监控中的故障检测问题,提出基于Wasserstein距离的方法,利用液氢液氧火箭发动机地面热试车数据进行验证。该方法的核心思想是利用Wasserstein生成对抗网络模拟正常数据的样本分布,利用其判别器计算测试样本与模拟分布间的Wasserstein距离,进而实现故障检测。结果表明:该方法能够克服故障数据不足的困难,有效检测稳态过程中的故障,没有发生误报警,且对早期异常有较高敏感性;在训练样本较少的情况下,当Wasserstein距离阈值为3σ时对启动过程的早期异常有较高敏感性,取5σ时仍可有效检测启动过程中的故障,误报警率为12.5%。

复合高斯杂波下距离扩展目标斜对称自适应子空间检测器

针对非高斯杂波背景中距离维扩展的多秩线性子空间信号自适应检测问题,本文基于两步法设计了广义似然比(GLRT)、Rao、Wald检测器。为解决训练样本有限情况下自适应检测器性能急剧下降的问题,本文在检测器设计阶段利用了协方差矩阵的斜对称结构特征。考虑到高分辨率雷达目标回波除了具有沿雷达径向的平动分量之外,还能观测到偏航、横滚、俯仰等转动分量,将目标信号建模为距离扩展子空间信号,以充分利用多普勒信息;为弱化纹理分量先验分布选择的困难,减小模型失配导致的检测性能损失,将杂波建模为纹理分量为未知常数且散斑协方差矩阵具有斜对称结构的复合高斯杂波模型。经过蒙特卡洛仿真实验验证,在训练样本数量受限的情况下,本文所提三种斜对称检测器检测概率达到0.5所需的信杂比相比传统检测器平均低20 dB。同时,分析表明提出的三个斜对称自适应检测器均对散斑协方差矩阵具有恒虚警特性。

基于高斯过程回归矿山爆破飞石距离预测模型

为了提高矿山爆破飞石距离预测结果的精度,首先,根据马来西亚某矿山52次爆破作业记录的飞石距离相关参数,建立由6个输入(炮孔孔径、炮孔长度、最小抵抗线/孔距、炮孔填塞长度、最大一段装药量、炸药单耗)和1个输出(飞石距离)组成的数据库。然后,基于高斯过程回归机器学习算法,建立爆破飞石距离的预测模型,将其应用于马来西亚某矿山中,并与2种主流的机器学习方法(支持向量回归和神经网络)的预测结果进行对比。结果表明:从实际图-预测值图和残差分析看,基于双层神经网络构建的飞石距离预测模型的预测效果最差;从回归评价指标看,基于二次有理高斯过程回归建立的飞石距离预测模型的预测效果最优,其R-平方(R^(2))值为0.9、均方根误差(RMSE)值为24.67、均方误差(MSE)值为608.61、平均绝对误差(MAE)值为21.42。由此可知,基于高斯过程回归预测矿山爆破飞石距离更精确。可为类似矿山爆破安全警戒范围计算提供理论基础。

基于多尺度特征及Wasserstein距离损失的单目图像深度估计

单目图像深度估计是一个病态问题,究其原因在于单一图像中缺乏深度信息。随着深度学习技术的不断发展,深度神经网络在单目图像深度估计领域取得了一定的突破。现有的深度网络模型采用编码-解码结构,编码器往往采用全卷积的方式来获取特征图像,但提取的特征图像往往不能很好地反映图像原有的信息。因此,通过对图像编码器进行改进,对提取的不同尺度下的特征进行融合,使得特征图像能更好地反映原有的图像信息。并且在训练时,在左右一致性损失的基础上引入Wasserstein距离损失对模型进行约束。实验结果表明,模型在KITTI数据集上具有较好的表现,预测得到的深度图像具有较高的准确性。

基于高斯曲率的航空模锻件点云降噪方法研究

为了让大型航空模锻结构件全型面海量三维点云数据在高效降噪过程中避免过度光顺而丢失边缘特征点,论文提出了基于高斯曲率的分区域双边点云降噪方法。首先将散乱点云栅格化进行降采样,剔除了第一类噪声点;然后基于高斯曲率对点云分区域,同时添加欧式距离权重来保持点云空间特征,利用改进的双边滤波方法去除第二类噪声。最后在开源PCL1.10.1平台上,验证了论文点云降噪方法的有效性,试验表明论文点云滤波方法在点云降噪的同时,在避免曲面过度光顺和保持边缘特征方面有一定的效果。

基于马氏距离的电力系统两阶段鲁棒状态估计方法研究

针对在电力系统实际应用中,非高斯噪声会大大降低基于高斯测量噪声的常规状态估计方法的性能,提出一种非高斯噪声下基于马氏距离的两阶段鲁棒常规状态估计方法。首先,基于马氏距离计算得到多同步相量测量测点的固定最佳缓冲长度,建立基于常规监视控制和数据采集系统测量的极大似然估计器,将结果进一步与同步相量测量测点结合以在第二阶段中实现线性鲁棒估计。然后,在多种情况下基于IEEE-39节点系统的数值测试验证所研究方法的可行性,结果表明该方法可以约束坏数据和估计残差的影响,对39个节点的电压相角和电压模值的状态估计能力优于WLS估计算法10倍左右,且绝对估计误差始终稳定在一个更低的范围。

基于Wasserstein距离的局部能量分割模型

提出了一种基于Wasserstein距离和图像局部区域直方图信息的非参数活动轮廓分割模型.用该距离对图像中不同区域的直方图进行比较,提高了相似性衡量的准确性;引入高斯内核函数来获取图像局部区域直方图信息,并将信息嵌入模型指导轮廓演化,以克服由于亮度不均造成的图像分割困难;通过水平集规范项提高计算精度并避免水平集演化的重新初始化.实验结果表明,本模型能够对亮度不均的无序特征图像进行有效准确的分割.

基于Wasserstein距离和改进K-medoids聚类的风电/光伏经典场景集生成算法

随着风电、光伏等可再生能源发电渗透率的增加,电力系统运行需要考虑随之而来的不确定性。场景分析法因为可明确体现不确定性因素的概率特征而被广泛采用,但是由于大规模场景会降低随机规划的求解效率,实用性受到限制。针对该问题,提出一种经典场景集生成算法。该算法首先利用Wasserstein概率距离指标,将单一时刻的风/光出力连续分布概率函数转化为含精确概率信息的最优分位点,随后综合考虑计算规模和概率信息损失,对整个调度区间进行合理划分,段内采用基于改进的K-medoids并行聚类算法进行消减,段间进行场景融合,通过迭代消减、融合运算,形成覆盖整个调度区间的经典场景集。算例中采用国电云南分布式发电示范工程实际数据,结果显示所提出的经典场景集生成算法具有概率信息准确、求解效率高等特点。

基于测地线距离的广义高斯型Laplacian特征映射

传统的Laplacian特征映射是基于欧氏距离的近邻数据点的保持,近邻的高维数据点映射到内在低维空间后仍为近邻点,高维数据点的近邻选取最终将影响全局低维坐标.将测地线距离和广义高斯函数融合到传统的Laplacian特征映射算法中,首先提出了一种基于测地线距离的广义高斯型Laplacian特征映射算法(geodesic distance-based generalized Gaussian LE,简称GGLE),该算法在用不同的广义高斯函数度量高维数据点间的相似度时,获得的全局低维坐标呈现出不同的聚类特性;然后,利用这种特性进一步提出了它的集成判别算法,该集成判别算法的主要优点是:近邻参数K固定,邻接图和测地线距离矩阵都只构造一次.在木纹数据集上的识别实验结果表明,这是一种有效的基于流形的集成判别算法.

等距离球面高斯投影

针对传统高斯投影直接基于等角横切圆柱投影而带来的不能直接用球面坐标换算等问题,研究了一种运用等距离球面进行投影的高斯投影,即等距离球面高斯投影。借助等距离纬度正反解公式,推导了等距离球面高斯投影的正反解公式,分析了其经纬线变形情况;基于投影公式,计算和分析了等距离球面高斯投影的长度变形、角度变形、面积变形及子午线收敛角等参数;最后与传统高斯投影进行比较,说明了该投影的可用性。

复合高斯杂波下距离扩展目标的自适应检测

研究了复合高斯杂波下的距离扩展目标自适应检测问题.基于辅助数据,利用采样协方差矩阵(SCM)和迭代(RE)估计矩阵,建立了自适应检测器AMSDD和基于动态阈值的ADT检测器,并分析了检测器的恒虚警率(CFAR)特性.理论分析表明,基于SCM的检测器只能保持对杂波协方差矩阵结构的自适应特性;而基于RE的检测器能同时获得对杂波协方差矩阵结构和纹理分量的CFAR特性.性能分析表明,对于AMSDD和ADT来说,与采用SCM估计器相比,采用RE估计器能使检测器获得更好的CFAR特性和检测性能.另外,基于RE的ADT检测器在目标散射点个数失配时具有很好的鲁棒性.

基于邻域信息和高斯加权卡方距离的脊椎MR图像分割

提出一种基于邻域信息和高斯加权卡方距离的脊椎MR图像椎体的自动分割方法。由于成像过程中存在噪声和各向异性的影响,单个像素的灰度值对噪声敏感,为此采用5像素×5像素窗口,提取每个像素点邻域内的空间-灰度特征,该特征对噪声具有较强的鲁棒性。利用高斯加权的卡方距离度量两个像素的相似性,构造一种全新的相似度矩阵;而单一的尺度参数存在一定局限性,所以引入一种自适应的局部收缩因子,完成脊椎MR图像椎体的自动分割。实验结果表明,新算法克服了传统方法中常见的过分割和欠分割现象,覆盖率均在96%以上;分割的正常和退行性改变椎体光滑且清晰,具有分割结果准确、鲁棒性强的优点。作为一种一般性的分割方法,该算法可以拓展到其他器官的分割中。

一种基于高斯混合模型的距离图像分割算法

提出了一种基于表面法向的高斯混合模型的距离图像分割算法.它充分利用了表面法向高斯混合模型的物理含义,使数据聚类的次数减少,并利用Expectation-Maximization(EM)算法估计出的模型参数计算模型的后验概率实现了自动模型选择.算法针对两种距离相机的60幅真实距离图像进行了实验.将实验结果与几个流行的分割算法进行了客观比较.