基于编码矩阵估计的极化码参数盲识别算法

针对当前极化码参数识别算法缺少对码字起点的识别以及识别信息位算法计算复杂的问题,提出一种基于编码矩阵估计的极化码参数盲识别算法。所提算法首先将截获的码字矩阵、相应码长下的克罗内克矩阵以及逆向重排矩阵相乘得到编码矩阵估计,然后通过编码矩阵的分布特征识别出码长和码字起点,最后使用训练好的卷积神经网络对极化码信息位以及冻结位进行识别。实验结果表明,所提方法不仅完成了码字起点的识别,而且在未知码字起点的情况下完成了对码长的识别,且码长的识别准确率优于现有算法,误比特率在0.19时,参数为(32,12)的极化码码长识别率仍然可以达到90%以上。

稀土锆酸盐RE_(2)Zr_(2)O_(7)材料的Mueller矩阵特性研究

稀土锆酸盐RE_(2)Zr_(2)O_(7)是有巨大发展潜力的高温热障涂层材料,因优异的综合服役性能而受到广泛关注。目前,该材料体系的力学和热学性能研究较为成熟,但光学性能研究不足,特别是该材料体系的光学偏振特性及光学各项异性鲜见报道。为了系统研究RE_(2)Zr_(2)O_(7)材料的光学本征偏振特性,采用固相反应法合成制备了RE_(2)Zr_(2)O_(7)(RE=La、Nd、Sm、Gd、Er、Yb)系列的致密块体状材料,搭建了针对性光学偏振特性系统测试平台。采用旋转线延迟器法与多波长旋转Mueller矩阵数值计算相结合的方法,较为系统地研究了RE_(2)Zr_(2)O_(7)材料光学偏振特性,特别是对该材料体系的Mueller矩阵特性进行了系统的研究。实验中采用多波长旋转式Mueller矩阵测量法获得RE_(2)Zr_(2)O_(7)材料体系的Mueller矩阵,并得到了Mueller矩阵的16个参量及其与波长的对应关系。在对称角度和非对称角度下,分别研究了该材料体系的双向衰减参量D(M)和起偏参量P(M)的特性,并对Mueller矩阵参数进行了变换。研究结果表明,在对称角度和非对称角度探测下,每种材料的各向异性参数K具有明显的不同,对称方向的各向异性强于非对称方向。双向衰减参量D(M)和起偏参量P(M)表现出对材料种类有显著的依赖性,而与探测角度和探测方式相关性较弱。根据这种特性可实现对RE_(2)Zr_(2)O_(7)涂层材料的偏振特异性探测和伪装进行针对性设计,从而达到满足其光学使用功能的目的。

矩阵参数对穿刺织物厚度及拉伸断裂强力的影响分析

通过对比多规格二维机织碳布经不同钢针矩阵穿刺后的厚度和力学性能差异,分析穿刺矩阵参数对碳布性能的影响。研究结果表明:钢针总截面积变化是造成碳布性能差异的主要原因,其中钢针直径与总截面积存在显著正相关关系,故矩阵钢针直径越大,穿刺后的碳布增厚及拉伸性能降低现象越明显。

基于参数统计的破片战斗部地面威力场及人员毁伤矩阵模型

为了解决破片毁伤求解采用传统蒙特卡洛算法时效率不高的问题,针对破片战斗部打击地面目标的毁伤规律认知及快速评估需求,提出了先计算并处理破片地面威力场及毁伤参数,后结合相关毁伤判据进行人员毁伤评估的方法。在考虑重力的破片飞散模型基础上,通过分析验证了重力在模型计算中的必要性;通过计算地面威力场分布,探讨了破片初始动能、战斗部飞散角和落角等多个因素对地面威力场的影响规律;通过大破片量模拟,统计得到关键毁伤参数,构建地面人员毁伤矩阵模型,并结合蒙特卡洛算法进行了模型有效性验证。结果表明:在战斗部落角为30°和60°时,利用参数统计法得到的毁伤矩阵模型能有效预测人员毁伤概率,计算结果与蒙特卡洛方法结果的差异不超过0.1。

基于方位角的灰度共生矩阵法提取碳酸盐岩储层裂缝参数与应用

针对裂缝系统复杂多变的难题,利用灰度共生矩阵法对玉东3号构造带鹰山组碳酸盐岩储层提取表征裂缝的4种属性参数,对4种属性参数进行融合处理,融合后获得了表征裂缝的有效属性参数,并与裂缝(洞)发育模式相结合,较精准地圈定了裂缝发育带及裂缝系统的分割特征。应用结果表明,鹰山组裂缝系统发育良好,改善了储层的有效性。鹰山组各亚段裂缝(洞)的发育程度较高,鹰山组3个亚段之间裂缝发育程度存在一定差异,整体上具有东强西弱、沿断隆发育的分布特征。

基于Mueller矩阵成像椭偏仪的纳米结构几何参数大面积测量

为了实现有效的工艺监控,在批量化纳米制造中对纳米结构的关键尺寸等几何参数进行快速、低成本、非破坏性的精确测量具有十分重要的意义.光学散射仪目前已经发展成为批量化纳米制造中纳米结构几何参数在线测量的一种重要手段.传统光学散射测量技术只能获得光斑照射区内待测参数的平均值,而对小于光斑照射区内样品的微小变化难以准确分析.此外,由于其只能进行单点测试,必须要移动样品台进行扫描才能获得大面积区域内待测参数的分布信息,从而严重影响测试效率.为此,本文将传统光学散射测量技术与显微成像技术相结合,提出利用Mueller矩阵成像椭偏仪实现纳米结构几何参数的大面积快速准确测量.Mueller矩阵成像椭偏仪具有传统Mueller矩阵椭偏仪测量信息全、光谱灵敏度高的优势,同时又有显微成像技术高空间分辨率的优点,有望为批量化纳米制造中纳米结构几何参数提供一种大面积、快速、低成本、非破坏性的精确测量新途径.

基于无差拍预测算法的双向隔离型AC-DC矩阵变换器高动态电流控制策略

针对双向隔离型AC-DC矩阵变换器采用传统双闭环控制策略存在的控制参数多、整定困难等问题,提出了一种基于无差拍预测算法的高动态电流控制策略,通过引入无差拍预测算法对网侧电流进行控制,以减少控制器参数,消除数字控制时延。考虑到算法中电压电流检测量众多,故采用输入电压观测器以降低检测成本,减小采样误差的影响。变换器采用后级单重移相的调制方法来协调配合无差拍预测算法,其中参考输入电流指令与移相角为双射函数关系,简单易实现。仿真和实验结果表明:采用所提控制策略可以实现网侧电流正弦,功率因数接近于1;直流侧电压稳定,电流纹波率小于1%;直流电流在参考值突变时,跟踪快速且无超调、无振荡;同时,在变换器功率正向传输、反向传输以及正反向切换过程中,采用所提控制策略相比于传统的双闭环控制策略,电流动态调节时间分别缩短了69%、85%、67%。由此证明所提控制策略可以保证变换器良好的输入输出性能,并且相比于传统的双闭环控制策略在切换过程中动态性能得到显著提升。

协方差驱动随机子空间辨识的参数敏感性分析

协方差驱动随机子空间辨识(Covariance-driven Stochastic Subspace Identification,SSI-cov)是近年来发展较为成熟的工作模态分析方法。针对其识别精度和效率对参数设置具有较高敏感性的问题,基于敏感性分析方法,利用奇异熵增量跳跃点明显程度、频率平均识别误差、阻尼比总变异系数、振型平均模态置信因子、运行时间5种评价指标以及稳定图,通过一经典五自由度层模型仿真算例,研究Toeplitz矩阵行块数、采样频率、数据长度对SSI-cov识别结果的影响规律。并给出既能满足精度要求又可控制程序运行时间的参数建议取值范围。最后,通过一缩尺三层框架模型在白噪声激励下实测数据对提出的根据SSI-cov改进参数设置进行验证,结果表明提出的各参数建议取值范围均较为合理。

基于优化矩阵扰动分析的模拟电路故障诊断

在现有的模拟电路故障诊断算法中,人工智能故障诊断算法训练数据量大、训练时间长,且难以实现参数辨识。传统电路分析方法所需测试点多,计算复杂。基于此,提出了一种基于优化矩阵扰动分析的模拟电路故障诊断算法。首先,采用拉普拉斯(Laplace)算子卷积被测电路的输出响应矩阵,从而增强矩阵元素与电路元件参数之间的扰动规律。其次,选取矩阵的迹和谱半径作为故障特征,并利用这种扰动规律建立矩阵模型。然后,利用改进的诊断算法,在Sallen_Key带通滤波器电路和跳蛙低通滤波器电路上进行实例验证。结果表明,所提方法在仅使用一个测点的情况下,可实现故障元件的参数辨识。其故障诊断率达100%,参数辨识误差控制在1%内,且计算时间控制在毫秒级别。因此该方法容易实现在线测试,且适用于要求高定位准确率、高精度参数辨识的场合。

一类非静态细分矩阵链乘积的精确计算及应用

利用矩阵分块理论及特征分解技术对一类非静态细分模式的局部细分矩阵结构进行细致研究,得到细分矩阵链乘积的闭形式表达式,揭示该细分矩阵链乘积的代数结构。在此基础上提出一种可精确插值于极限曲线的细分算法,该算法在保持计算效率的同时,可显著提高细分结果的精度和质量。给出的造型实例表明了算法的有效性。

基于Mueller矩阵的水下偏振成像方法

水下偏振成像技术利用目标信息光与背景散射光的偏振特性差异实现清晰成像,在水下目标探测和识别等领域有重要价值。但多材质目标表面反射情况和退偏效应存在差异,无法有效提取上述偏振特性差异。针对这一问题,文中提出一种基于Mueller矩阵的水下偏振成像方法。利用Mueller矩阵探测水下场景中的光强信息以及目标物与水体的偏振信息,精确求解浑浊场景中目标物与背景散射光的偏振度信息,结合传统水下成像技术构建基于Mueller矩阵的水下偏振成像方法,有效分离目标信息光与背景散射光,提升成像质量,实现水下多材质目标物的清晰重建。

一种广义的非参数化Q矩阵修正方法

Q矩阵是认知诊断的基础,Q矩阵标定错误会影响被试分类的准确性。本研究基于非参数角度开发了不受模型限制的Q矩阵修正方法,并与已有参数化方法进行了比较。研究结果发现:(1)非参数的PLM方法可实现各模型下的Q矩阵修正,方法具有计算简单、方便使用且不受模型限制的特征。(2)非参数的PLM方法表现明显优于stepwise方法,而GDI方法和RSS方法的表现最差。(3)实证数据分析表明,PLM方法修正后的Q矩阵具有更好的相对拟合和绝对拟合结果。

基于广义逆矩阵的BRDF模型参数拟合方法

为了提高二向性反射率分布函数(BRDF)模型参数拟合的效率,充分了解地物目标的光谱方向特性,提出了一种基于广义逆矩阵的BRDF模型参数拟合方法。首先分析了地物光谱反射的方向特性,然后使用成像光谱仪测量不同方向条件下目标的光谱反射率,将实验条件与先验测量数据代入BRDF模型中,建立广义逆矩阵等式并拟合出测量目标的模型参数;利用拟合的目标BRDF模型参数反推任意特定方向条件下的光谱反射率,并与实测数据作对比,采用光谱角制图法度量其相似度。结果表明,草地和迷彩雨衣的拟合光谱曲线与实测光谱曲线的相似度很高,分别达到了0.1307和0.0896,证实了该参数拟合方法的有效性,同时也验证了BRDF模型的泛化拟合能力。该方法原理简单、快速有效,可为其它类型的BRDF模型参数拟合与后续地物目标光谱特性研究提供参考。

不确定转子系统动力学降阶模型构建与模型散度参数辨识

在航空、航天、船舶等领域的实际工程转子系统中,广泛存在高维复杂的非线性系统。在航空发动机转子系统、燃气轮机转子系统等重点研究领域,通常还难以对高维复杂非线性系统进行直接的数据处理和分析统计。针对不确定性转子系统的模型维度较高等问题,提出了一种模型不确定性动力学降阶计算模型构建和模型散度参数辨识方法。首先,根据确定性动力学模型和静态矩阵降阶方法,完善了确定性动力学降阶模型;然后,基于随机矩阵理论和非参数动力学建模方法,提出了不确定性动力学降阶模型;最后,利用系统确定性模型的一阶临界转速、振型和实验数据,对不确定性动力学模型的散度参数进行了辨识;为了验证散度参数辨识方法的有效性,笔者又在转子实验平台上进行了实验验证。研究结果表明:实验结果与降阶之后振动响应均值的差异性较小,且与不确定性动力学模型相差不超过10%,表明所采用的理论模型在描述转子系统行为方面具备了较高的准确性和可靠性,该模型可以为深入研究模型不确定性转子系统提供参考。

癌变组织偏振多参数识别与纹理特征分析

偏振成像技术中穆勒矩阵元素含义模糊、单一衍生参数信息解读受限,为了增强原有数据分析范式的可解释性和强关联性,提出一种癌变组织偏振多参数特征识别方法,并通过纹理分析来定量描述癌症组织的偏振差异。基于双波片旋转法穆勒矩阵测量方案升级搭建背向散射偏振成像系统,采集未染色肺癌与基底细胞癌切片。引入旋转不变量获取高维偏振参数集,生成偏振多参数特征曲线,实现病理区域多维特征提取与可视化,解决直接使用穆勒矩阵受方向影响的问题。计算了灰度共生矩阵和Tamura纹理属性,结果表明,当固定纹理维度时,不同偏振参数的癌变识别能力不同,单个纹理属性可成为多个偏振图像的共同量化指标;当固定偏振维度时,不同纹理属性有望成为单一偏振维度的多个辅助定量指标。该方法快速高效,可为辅助病理检测提供新思路,在临床上展现出良好的应用前景。

面向设备性能退化监测的分步参数估计策略

为通过预防性定期维护提升化工装置的精细化管理水平,探讨了关键设备的在线性能监测原理,针对设备性能参数可估计性差的问题,提出了一种基于机理模型分析设备性能退变的分步参数估计策略,根据灵敏度分析确定参数处理规则。首先以工业装置的严格机理模型为基础给出在线的粗粒度模型候选项,以历史数据拟合误差最小为目标完成初步参数估计,给出最优模型和各参数初值。然后基于灵敏度分析矩阵特征给模型参数排序,以表征性能退变的时变参数为界,前后不同顺位的定常参数采用不同策略依次处理。最后以滑动时间窗方式估计时变参数,实现设备性能监测。以反应釜夹套换热器的传热性能监测为例,按照分步策略获得设备性能参数的退变,剥离操作变量的影响,结果与工厂操作周期符合。表示该策略可以用于设备性能监测。

面向申威异构众核处理器的矩阵乘分块参数模型

针对矩阵乘计算的编译优化,解决了由于申威异构众核处理器复杂体系结构及存储层次导致的程序优化难问题,过程中循环分块参数对于程序的优化效果极为重要。基于申威最新一代SW26010-Pro异构众核处理器提出了矩阵乘计算分块参数模型,旨在为矩阵乘计算编译优化的计算分解提供分析模型支撑。模型通过对申威处理器上的存储空间及数据传输过程进行分析,能够确定最优循环分块参数,并对数据传输时间及程序执行时间做出预测。测试证明模型能够在存储空间限制条件下得到最优循环分块参数,且程序执行时间预测平均准确率达到了96.87%。

船舶冲击环境网络预报的参数主成分分析方法

针对由于船舶水下爆炸冲击的强非线性特征引起的在利用神经网络进行冲击环境预报时精度不高的问题,本文采用一种基于主成分分析的方法对网络模型的输入参数作降维处理从而提高精度。利用矩阵特征值提取和矩阵变换,通过主成分分析方法以及因子分析对原始数据样本进行数据降维处理,再选择适应的网络对冲击谱值进行快速预报。实验结果表明:主成分选取主要参考特征值的大小及下降趋势,保留陡降段的特征值,并分析过渡段特征值的取舍;同时验证了对参数实施去相关处理和降维处理可以明显改善神经网络的预报准确性。

基于动态极小势参数矩阵求解极小碰集的方法

在基于模型的故障诊断与测试过程中,求解极小碰集是诊断与测试的一个关键步骤,极大地影响了故障诊断的最终效率。鉴于此,提出一种基于动态极小势的参数矩阵计算极小碰集的新算法JMatrix,利用参数矩阵描述冲突集合簇中元素与集合的关系,每次动态选取当前矩阵中势最小的集合进行分解,将大问题逐步分解成规模更小的子问题,并在碰集求解过程中通过加入剪枝策略和启发式信息,避免了对无解空间的搜索;在对每一个碰集进行极小化时,根据原始冲突集合簇的矩阵特性,可以快速地找到特定元素所在的集合,从而加快极小化的速度。实验结果表明,所提算法JMatrix不但在大量人工测试数据集上较其他经典极小碰集求解算法具有更高的效率,而且在国际基准ISCAS-85电路数据集上仍具有高效稳定的性能。

考虑激发充分性的机械臂动力学最小参数集辨识

在考虑粗大误差和随机误差情况下,为了提高机械臂系统动力学参数辨识的精确性和鲁棒性,文章提出了基于鲁棒粒子群算法的参数辨识方法,建立了机械臂动力学模型;筛选出了动力学最小参数集,用于消除动力学参数间的冗余性。为了实现参数充分激励,基于有穷傅里叶级数构造了激励轨迹,并以最小化矩阵条件数为目标实现了轨迹优化。为了提高参数辨识性能,在粒子群算法中引入了“向其他个体学习”的新型学习方式;在适应度函数设计中加入了粗大误差剔除功能,有效提高了算法的抗干扰能力。经机械臂系统加噪实验验证,鲁棒粒子群算法优化的驱动力矩残差均值为1.1975N·m,比量子粒子群算法减少了75.29%;力矩实际值与计算值相关度为0.9593,比量子粒子群算法提高了11.73%。实验结果表明,鲁棒粒子群算法在机械臂动力学参数辨识中具有更高的精度和更强的鲁棒性。