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.

基于领域自适应的变工况轴承故障诊断

针对轴承故障诊断中存在训练样本和测试样本分布不同及各类故障数据不平衡导致故障识别率低的问题,设计了一种基于改进残差网络(ResNet)的领域自适应故障诊断方法。在诊断网络第1层使用多维度卷积结构进行特征提取,得到不同维度的故障特征信息;在领域自适应层采用局部最大平均差异(LMMD)对齐源域和目标域的分布,获取更多细粒度信息;使用类平衡损失函数(CBLoss)解决不平衡数据的训练问题,以Adam优化网络实现故障诊断。实验结果表明,所提方法可在故障样本类别不平衡下有较高的诊断结果。在2个轴承数据集和采集的风力发电机数据上进行实验验证,结果表明,所提方法具有一定的优越性,在数据样本不平衡情况下,诊断性能优于深度神经网络和领域自适应网络等深度迁移学习方法,可作为一种有效的跨工况故障分析方法。

基于动态辅助对比学习的跨域行人重识别

具有混合记忆的自步对比学习(Self-paced Contrastive Learning,SpCL)通过集群聚类生成不同级别的伪标签来训练网络,取得了较好的识别效果,然而该方法从源域和目标域中捕获的行人数据之间存在典型的分布差异,使得训练出的网络不能准确区别目标域和源域数据域特征。针对此问题,提出了双分支动态辅助对比学习(Dynamic Auxiliary Contrastive Learning,DACL)框架。该方法首先通过动态减小源域和目标域之间的局部最大平均差异(Local Maximum Mean Discrepancy,LMMD),以有效地学习目标域的域不变特征;其次,引入广义均值(Generalized Mean,GeM)池化策略,在特征提取后再进行特征聚合,使提出的网络能够自适应地聚合图像的重要特征;最后,在3个经典行人重识别数据集上进行了仿真实验,提出的DACL与性能次之的无监督域自适应行人重识别方法相比,mAP和rank-1在Market1501数据集上分别增加了6.0个百分点和2.2个百分点,在MSMT17数据集上分别增加了2.8个百分点和3.6个百分点,在Duke数据集上分别增加了1.7个百分点和2.1个百分点。

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.

部分线性变系数空间自回归模型的惩罚轮廓拟最大似然方法

主要研究了部分线性变系数空间自回归模型的变量选择问题。结合拟最大似然方法、局部线性光滑方法以及一类非凸罚函数,提出了一个变量选择方法用于同时选择该模型的参数部分中重要解释变量和估计相应的非零参数。大量模拟研究表明,所提出的变量选择方法具有满意的有限样本性质,并且关于空间权矩阵的稀疏度、空间相关强度、系数函数的复杂度以及误差分布的非正态性非常稳健。特别地,当样本容量较大且罚函数选择合适时,即使解释变量的相关性较强或者模型中含有较多不重要解释变量,所提出的变量选择方法仍然具有比较满意的有限样本性质。通过分析波士顿房屋价格数据考察了所提出的变量选择方法的实际应用效果。

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。

基于像素距离图和四维动态卷积网络的密集人群计数与定位方法

基于卷积神经网络(CNN)获得回归密度图的方法已成为人群计数与定位的主流方法,但现有方法仍存在两个问题:首先传统方法获得的密度图在人群密集区域存在粘连和重叠问题,导致网络最终人群计数和定位错误;其次,常规卷积由于其权重不变,无法实现对图像特征的自适应提取,难以处理复杂背景和人群密度分布不均匀的图像。为解决上述问题,提出一种基于像素距离图(PDMap)和四维动态卷积网络(FDDCNet)的密集人群计数与定位方法。首先定义了一种新的PDMap,利用像素级标注点之间的空间距离关系,通过取反操作提高人头中心点周围像素的平滑度,避免人群密集区域的粘连重叠;其次,设计了一种FDDC模块,自适应地改变卷积四个维度的权重,提取不同视图提供的先验知识,应对复杂场景和分布不均匀导致的计数与定位困难,提高网络模型的泛化能力和鲁棒性;最后,采用阈值过滤局部不确定预测值,进一步提高计数与定位的准确性。在NWPU-Crowd数据集的测试集上:在人群计数方面,所提方法的平均绝对误差(MAE)和均方误差(MSE)分别为82.4和334.7,比MFP-Net(Multi-scale Feature Pyramid Network)分别降低了8.7%和26.9%;在人群定位方面,所提方法的综合评价指标F1值和精确率分别为71.2%和73.6%,比TopoCount(Topological Count)方法分别提升了3.0%和5.9%。实验结果表明,所提方法能够处理复杂背景的密集人群图像,取得了更高的计数准确率和定位精准度。

长矩形腔体中混合流体的双局部行波

基于数值模拟,研究了分离比ψ=-0.4和长高比Γ=40的腔体内的双局部行波对流的动力学特性。结果发现,对流圈在端壁产生,向中心传播,到达一定位置对流圈消失;在矩形腔体中两端壁附近行波对流区域与中间部位无对流的传导区域同时共存,形成双局部行波对流;双局部行波对流中的行波由腔体两端向中部传播;腔体二分之一高度处的温度与垂直流速分布是谐波结构,波形比较光滑,浓度分布是台型结构;随着时间的发展,垂直流速最大值稳定在某个数值周期变化,下壁面努塞尔数基本稳定在某个数值,垂直流速最大值和下壁面努塞尔数及其达到稳定的时间随着相对瑞利数r的增加而增加;双局部行波对流稳定的存在于相对瑞利数r∈{1.52,1.57]的区间,双局部行波的对流区长度随着相对瑞利数r的增加呈良好的增加关系,并给出了双局部行波的对流区长度随着相对瑞利数r变化的拟合关系式。

局部遮荫下基于改进金枪鱼算法的光伏最大功率点跟踪控制

光伏阵列在局部遮荫环境下的P-U特性曲线呈现多峰特性,导致传统最大功率点跟踪(MPPT)算法在跟踪最大功率时失效。为此,提出一种基于改进金枪鱼算法的光伏MPPT双层控制模型,在上层中将莱维飞行(Levy)策略和多项式变异策略嵌入金枪鱼算法中,构建莱维-多项式变异金枪鱼算法(LPTSO)来搜索全局功率最大点;在下层中采用扰动观察法对全局最大功率点进行局部跟踪,以降低局部遮荫环境下的功率振荡。将该双层控制模型应用于光伏MPPT仿真系统中,仿真实验结果表明,针对多峰MPPT控制,所提模型在收敛速度、跟踪效率、功率振荡等方面都有较大提升,该光伏MPPT双层控制模型能够有效解决局部遮荫环境下最大功率跟踪失效的问题。

基于多视角三维航摄影像的树高提取方法比较

树高是一个重要的立木调查因子,传统树高测量方法是利用测高器人工测量,该方法调查速度慢,效率低下.重叠的立体像对,可以反映地物的高度信息,为大面积树高信息提取提供了可能.本研究采用大疆Phantom 4 RTK无人机获取研究区航摄影像并构建立体像对,分别从不同视角采用三维模型直接测量法、倾斜摄影点云提取法、冠层高度模型局部最大值法进行了树高信息提取.研究结果表明,三种方法林木检测率依次为:82.5%、76.8%、71.1%,测得的树高结果精度分别为:R2=0.730,RMSE=1.699;R2=0.804,RMSE=1.459;R2=0.766,RMSE=1.548.三维模型测量法获取的树高提取率最高,倾斜摄影点云提取的树高值与实测值的拟合度最高.研究结果利用航摄影像能够高效地提取树高信息,为林业研究调查提供一种低成本、高效率的方法.

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。

一种基于经验模态分解和局部极大值点数的配电网高阻接地故障检测方法

配电网高阻接地故障(HIF)因故障特征微弱而难以被常规装置检测到,容易引发过电压、火灾和人身触电等安全问题。本文提出一种将时频分解和阈值判断结合的HIF识别方法。首先,利用经验模态分解(EMD)对零序电流进行处理;然后,选取第二个固有模态分量(IMF)作为特征分量并进行高斯滤波;最后,统计特征分量的局部极大值点的个数来判断是否发生HIF。利用PSCAD/EMTDC软件搭建10kV配电网模型进行算法验证。仿真结果表明,所提方法能够以较高的准确率将HIF和一些常见的干扰事件区分开,并且在发生噪声干扰、采样率变化、系统中性点接地方式改变及系统网络结构改变的情况下,均表现出较好的适应性。

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。

应用于PCB缺陷检测系统的图像质量评价法

基于机器视觉的PCB缺陷检测系统易于因图像模糊等失真问题,影响后续缺陷检测的准确性。针对此问题建立了相关模糊图像数据集,并提出一种空频结合的无参考图像质量实时评价方法。方法提取图像的最大局部变化信息作为空域信息。随后对空域信息进行一级小波分解,求出高频分量中水平方向的小波系数,随后利用处理后的小波系数的最大值,得到客观评价值。同时,建立PCB模糊图像数据集(PBID)用于算法的验证。大量实验结果表明,与其它无参考图像质量评价方法相比,该方法与主观评价值具有较高的一致性,在PBID数据集上的皮尔逊线性相关系数(PLCC)达到了0.9835,且运行速度快,仅为每帧0.1302 s,适合对实时性要求较高的应用场合。