Obstacle avoidance technology of bionic quadruped robot based on multi-sensor information fusion

In order to improve the ability of a bionic quadruped robot to percept the location of obstacles in a complex and dynamic environment, the information fusion between an ultrasonic sensor and a binocular sensor was studied under the condition that the robot moves in the Walk gait on a structured road. Firstly, the distance information of obstacles from these two sensors was separately processed by the Kalman filter algorithm, which largely reduced the noise interference. After that, we obtained two groups of estimated distance values from the robot to the obstacle and a variance of the estimation value. Additionally, a fusion of the estimation values and the variances was achieved based on the STF fusion algorithm. Finally, a simulation was performed to show that the curve of a real value was tracked well by that of the estimation value, which attributes to the effectiveness of the Kalman filter algorithm. In contrast to statistics before fusion, the fusion variance of the estimation value was sharply decreased. The precision of the position information is 4. 6 cm, which meets the application requirements of the robot.

基于改进樽海鞘群算法的含瓦斯煤破裂过程信号特征识别

针对标准樽海鞘群算法存在的计算精度不足、易陷入局部停滞等缺陷,提出一种多策略融合的樽海鞘群算法。在初始化阶段,引入线性同余法随机发生器;利用野马算法优化樽海鞘领导者位置;采用金豺算法改进樽海鞘种群追随机制。通过测试函数寻优对比实验,证明多策略融合的樽海鞘群算法相比于其他智能算法在鲁棒性与稳定性方面均有显著提升。将多策略融合的樽海鞘群算法应用到含瓦斯煤破裂过程信号特征识别,实验结果表明:提出的含瓦斯煤破裂过程信号特征识别模型具有更好的表现,准确率可达93.33%,相比其他识别模型,识别率更高。

基于改进YOLOv网络的外观检测研究

外观检测涉及对图像或视频中的物体进行准确和高效的识别和定位,为了解决物体表面小尺寸目标检测的问题,研究通过优化YOLOv3网络模型,引入多尺度检测和深度可分离卷积技术来提高检测精度和模型效率,以增强对小尺寸目标的识别能力,再采用深度可分离卷积技术来减少计算量,并提高模型的训练效果;实验结果表明,研究模型在物体表面小尺寸检测方面取得显著提升;与其他金属表面损伤检测算法相比,优化后的YOLOv3实现了71.52%的检测精度,超越Faster R-CNN 6.83%;尽管Faster R-CNN在准确性方面优异但速度慢,SSD速度较快但不及YOLOv2;而YOLOv2虽速度快但精度稍低;相对于原始模型,研究算法的平均精度提升了7.77个百分点,达到了79.21%;虽然网络深度的提升稍增计算量,略有检测速率下降,但引入深度可分离卷积后,检测速度达到36.2帧/秒,仅较原模型稍低2.4帧/秒;研究可以优化算法,提高小尺寸目标检测的准确性和鲁棒性,推动其在计算机视觉领域的广泛应用。

复杂场景下多模态点云数据配准技术

针对复杂环境下多模态点云数据获取难,以及对点云数据配准、三维模型构建精度的要求越来越高的情况。本文以南通大剧院实景三维建模为例,当初始点云和校准点云两组多模态融合点云位置差较大时,采用ICP算法进行点云配准易导致局部最优问题,利用所提出的基于控制点辅助约束的最近点迭代(CPA-ICP)算法通过对点云数据进行配准,并与其他3种点云配准算法的试验进行对比,可知该方法的配准精度和配准效率较高,对复杂场景下的多模态点云数据融合有较好的参考意义。

基于多源信息融合和WOA-CNN-LSTM的外脚手架隐患分类预警研究

面对施工现场外脚手架隐患信息的多样性,传统的基于传感器监测的单一信号预警研究存在容错力不佳、含有信息有限等问题。针对施工现场外脚手架“图像+监测”数据,提出一种基于数据层和特征层信息融合的脚手架隐患分类预警方法。首先,利用Revit三维建模软件建立外脚手架实体模型,对不同初始隐患下的外脚手架进行有限元分析,划分隐患预警等级;其次,利用无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)及卷积长短时记忆网络(Convolutional Neural Network-Long Short Term Memory Network,CNN-LSTM)实现脚手架同类信息数据层融合及异类信息特征层融合;最后,通过实时收集西安市某在建项目落地式双排扣件式钢管脚手架隐患信息,对其进行分类预警,并使用鲸鱼优化算法(Whale Optimization Algorithm,WOA)对CNN-LSTM网络进行参数优化,发现隐藏节点个数为30、学习率为0.0072、正则化系数为1×10^(-4)时分类效果最佳,优化后预警精度达到了91.4526%。通过可视化WOA-CNN-LSTM、CNN-LSTM、CNN-SVM(Support Vector Machine,支持向量机)及CNN-GRU(Gate Recurrent Unit,门控循环单元)分类预警结果,证实了优化后的CNN-LSTM网络在脚手架分类预警方面的优越性。

基于多模型融合的中长期径流集成预测方法

中长期水文预报是流域水资源规划与合理配置的重要依据。为提高中长期径流预测精度,提出了一种基于多模型融合的水库中长期径流集成预测方法。该方法将ARMA、BP、LSTM、RF和SVR等5个异质预测模型进行融合,同时采用超参数优化方法确定各模型的最优参数。将其用于青海省龙羊峡水库的中长期径流预报中,结果表明,通过Stacking融合算法建立的集成预测模型相较于单一模型,取得了更高的预测精度(R2值由0.71提升至0.82)。此方法可为提升流域中长期径流预测精度提供一定参考。

我国人工智能政策新词发现与演化研究——一个多特征融合的算法

[目的/意义]作为中文分词的基础研究,新词发现是研究政策创新和扩散的重要技术方法。本文通过改进新词发现算法优化了政策文本分词不准确的问题,并构建词库以支持人工智能政策的演化研究。[方法/过程]提出多特征融合新词发现算法MFF,实现了对人工智能政策新词的挖掘,从新词角度对人工智能政策的创新、延续和扩散进行演化分析。[结果/结论]实验结果证明,本文提出的多特征融合新词发现算法MFF能够有效提升分词效果,丰富领域词库;人工智能政策新词出现的时序变化反映了不同阶段政策关注的重点发展领域,揭示了中央和地方政府在政策创新、延续、扩散和演化方面的特点。

基于随机森林模型的长江流域分区多源融合降水模拟方法研究

基于3种卫星降水产品,提出了一种基于随机森林模型的长江流域分区多源融合降水模拟算法(FCM-RF算法)。采用模糊C均值算法,结合地面观测站点资料对长江流域进行降水区域划分,引入降水比降刻画降水空间性,进一步通过普通克里金插值法优化融合结果,得到一套长江流域空间分辨率为0.25°×0.25°的多源融合降水产品,并对其进行了评估。结果表明:FCM-RF算法在长江流域具有良好的表现,可以有效提高原始卫星降水产品对于降水事件的捕捉能力,在验证站点模拟降水量与实测降水量的相关系数可达到0.76;FCM-RF算法在年际上具有相似变化特征,对于春秋季降水的敏感性较高,在夏季由于强降水影响表现欠佳,冬季由于雨量稀少、存在固态降水,呈现出误差小、相关系数较低的特点;FCM-RF算法在东南地区具有较强的降水捕捉能力,在青藏高原地区的准确性较低。

基于VMD-BP-GA模型的脆弱航段船舶短时交通流预测

【目的】针对繁忙航段船舶交通流易受外界环境扰动的难题,提出一种可用于识别船舶交通流脆弱性的预测模型,旨在通过脆弱性辨识,确定最薄弱的航段。【方法】首先采用变分模态分解(VMD)模型将船舶交通流参数序列分解为多个模态分量,然后结合反向传播神经网络(BP)和遗传算法(GA),通过构建约束模型并不断更新各个分量的中心和带宽,实现单个分量的预测,通过应用VMD-BP-GA模型对船舶交通流进行精准预测,并验证其合理性和有效性。【结果】在繁忙航段,本研究提出的VMD-BP-GA模型精准预测船舶交通流脆弱性的方法,相较于传统模型表现出更低的预测误差值,其中在航段流量预测方面,本研究模型的平均绝对误差(MAE)最低达到2.095%,均方根误差(RMSE)最低达到2.610%,平均百分比误差(MAPE)最低达到2.114%;在航段密度预测方面,本研究模型的MAE、RSME、MAPE最低分别为0.129%、0.162%、2.112%;并实现了时空两个维度的船舶交通流预测。【结论】本研究模型成功实现对船舶交通流脆弱性的识别和最薄弱航段的确定,具有高效的预测性能,能够精准并快速地预测船舶交通流,可为船舶通航安全保障提供了理论和实践指导。

基于AS-OCT图像的核性白内障多级排序分类算法研究

目的探讨基于眼前节光学相干断层扫描(AS-OCT)图像的核性白内障智能辅助分级算法对白内障分级的诊断价值。方法采用诊断试验研究方法,收集2020年11月至2021年9月间同济大学附属第十人民医院电子病例系统中核性白内障患者939例1608眼的AS-OCT图像资料,所有资料均符合临床阅片清晰度要求。其中男398例664眼,女541例944眼,年龄18~94岁,平均年龄(65.7±18.6)岁。由3名经验丰富的临床医生基于晶状体混浊分类系统(LOCSⅢ分级系统),对所收集的AS-OCT图像进行1~6级人工标注。构建一种基于多级排序的全局-局部白内障分级算法,该算法包含5个基本的二元分类全局-局部网络(GL-Net),每个GL-Net聚合白内障核区域、原始图像等多尺度信息进行核性白内障分级。基于消融实验和模型对比试验,采用准确率、精确率、灵敏度、F1指标及Kappa系数对模型性能进行评价,且所有结果均通过五折交叉验证。结果模型在核性白内障数据集上的准确率、精确率、灵敏度、F1、Kappa分别为87.81%、88.88%、88.33%、88.51%、85.22%。消融实验结果表明,ResNet18结合局部特征和全局特征进行多级排序分类,模型在准确率、精确率、灵敏度、F1、Kappa指标上均有提升。与ResNet34、VGG16、Ranking-CNN、MRF-Net模型比较,本研究模型各性能指标均有提升。结论基于深度学习的AS-OCT核性白内障图像多级排序分类算法对白内障分级具有较高的准确度,有望辅助提高眼科医生对核性白内障的诊断精度以及效率。

计及少样本的YOLOv5s轨枕掉块小目标缺陷检测方法研究

轨枕作为固定钢轨和扣件的重要轨道零部件之一,由于长期承受钢轨传来的各种作用力,其端部易出现掉块,造成轨道机械结构稳定性下降,故轨枕掉块缺陷检测对保证列车正常运行起到重要作用。针对轨枕掉块缺陷检测方法存在精度较低和缺陷样本少的问题,提出一种计及少样本的YOLOv5s轨枕掉块小目标缺陷检测方法。首先,采用Copy-Pasting数据增强方法增加轨枕图像中掉块小目标数量,解决缺陷样本少的问题;其次,通过降低网络下采样倍数和删除大尺度检测层的方式改进YOLOv5s模型的多尺度检测层,提高轨枕掉块缺陷检测精度和速度;然后,将锚框之间的平均交并比作为距离量度改进K-means聚类算法,并使用遗传算法优化,重新匹配适合轨枕掉块缺陷检测的锚框;最后,使用跨尺度连接结构和双向特征加权融合模块改进YOLOv5s的特征融合结构,增强特征融合能力。实验结果表明,与原模型相比较,改进后的YOLOv5s模型平均精度达到94.1%,提高2.3%,检测速度达到93.3 fps,提高26.6 fps,能够准确且快速地识别轨枕掉块小目标缺陷。

基于多视图融合跨层对比学习的推荐算法

现有基于图对比学习的推荐模型在图数据增强方面通常只采用一种视图增强方法,忽略了单一方法存在的局限性,在对比学习方面通常只对比同一节点的一对视图,未充分利用各个视图不同的层嵌入。为此,提出一种基于多视图融合跨层对比学习的推荐算法框架(MFCCL)。MFCCL分别使用随机边丢弃和随机添加噪声的增强方法构建2个全局视图,使用奇异值分解的方法构建局部视图,通过3种不同的视图增强方法构造全局和局部共3个视图,以实现有效的用户表示。同时,提出一种新的多视图融合跨层对比学习方法,该方法将2个全局视图不同的层嵌入通过平行和交叉2种方式进行融合后作对比,以获取更多的特征信息。将多视图融合跨层对比学习与全局-局部视图对比学习相结合,联合优化模型,从而提升推荐性能。在Yelp、Tmall和Amazon-book这3个公开数据集上进行实验,结果表明,MFCCL在推荐任务中具有有效性和可行性,相较于对比模型中性能最优的基线模型SimGCL,MFCCL在3个数据集中的Recall@20增益分别达到15.0%、13.3%和28.7%,NDCG@20值分别提升14.3%、13.2%和29.6%。

融合危险度模糊分级的UAV动态避障方法

针对无人机(UAV)在多障碍环境中面对运动障碍的反应式避障问题,为了在反应避障决策时能够朝向周围障碍更远、更少的方向进行避障,提出了一种融合障碍危险度模糊分级的三维速度障碍避障方法。通过三维速度障碍法,给出探测域内各运动障碍的碰撞预测。选取坐标系三轴方向作为相互独立的可用避障加速度方向,在速度及加速度限制下求解三轴方向上避障加速度方向以及数值区间。通过模糊算法,给出了周围其他静止障碍的危险分级方法,提出优化评价函数对计算各方向上的最优加速度,给出优化避障指令。仿真结果表明,针对复杂环境,UAV在反应避障的同时考虑了其他障碍的影响,相比原算法拥有了更高的避障成功率和更少的避障次数。

基于多模型融合的开放式创新社区内容质量特征挖掘

开放式创新社区高质量用户生成内容特征对企业精准获取技术创新意见具有重要作用。本文构建了开放式创新社区用户生成内容质量多维评价体系,提出一种融合5种算法的特征选择方法,在3种分类模型评估中得出最优特征子集,挖掘重要因素与高质量用户生成内容之间的关系。集成特征子集在模型上计算时间平均节约54.54%,比单一特征选择算法得到的特征子集预测准确率平均提高10.47%。基于多模型融合算法能够客观全面评估开放式创新社区用户生成内容质量,让企业能够精准识别高质量用户生成内容,促进企业开放式创新。

基于多信息融合的层次聚类测井曲线自动分层方法

随着人工智能的快速发展,机器学习的应用范围越来越广泛,将机器学习的方法用于测井曲线分层可以提高分层效率和精度。在利用测井资料进行岩性识别、沉积相分析等研究时,先要对测井曲线进行分层。文中提出一种基于多信息融合的层次聚类分层方法,实现了对测井曲线的自动分层。首先,采用滤波的方式滤除曲线上的噪点,对数据进行归一化处理,消除量纲的影响;其次,通过特征优选,选择包含较多地层信息的特征曲线,构造一个滤波器,将其中相似性较高的曲线融合,曲线融合的权值通过遗传算法求得;最后,使用层次聚类方法对多信息融合后的测井数据进行划分,将分层结果与人工分层结果进行对比验证。该方法能够提高分层效率,为地质勘探工作提供可靠的分层依据。

基于多算法融合的破损陶瓷绝缘子图像识别与检测方法

为了提高输电线路安全稳定运行,在传统检测绝缘子缺陷的基础上,提出一种多算法融合的破损陶瓷绝缘子检测方法。基于FASTER-RCNN算法,将拍摄到的绝缘子图像进行训练,得到绝缘子串具体位置,并改进SBGFRLS(线性自适应滤波)算法,实现对瓷绝缘子破损的精确识别。首先利用FASTER-RCNN算法,选择Faster R-CNN网格作为检测器,识别出利用无人机拍摄得到的图像中的绝缘子串所在位置;然后,利用SVM(支持向量机)算法对绝缘子图像进行粗分割,得到粗分割后的绝缘子缺陷识别图,再在粗分割的基础上,运用改进的SBGFRLS算法对图像中的绝缘子进行精确识别,得到破损绝缘子定位图。实验结果表明,得到的绝缘子破损识别图可以验证该改进算法的可行性和有效性。

一种稳健最小二乘支持向量机GNSS-IR土壤湿度反演方法

全球卫星导航系统干涉测量(global navigation satellite system interferometric reflectometry,GNSS-IR)是一种新型的遥感技术,可利用多径信噪比序列的延迟相位值反演土壤湿度值,其延迟相位求解通常使用信赖域算法,该算法一定程度依赖初值设定。文章先使用遗传算法求解出延迟相位粗略值,再将该数值作为信赖域的初值用于迭代计算,提升了部分卫星延迟相位的求解精度及稳定性。此外,针对多径信噪比序列易受环境因素影响引入粗差,进而影响模型反演精度,文章采用稳健最小二乘支持向量机作为反演模型,同时又考虑到多星融合的时空尺度优势,将该模型分别做了单星反演至五星融合反演,并与最小二乘支持向量机模型做对比。分析结果表明,当三星融合时该模型提升精度最为明显,MAE最高可降低15.6%,RMSE最高可降低12.0%。

适应多流融合仿真的交互同步接口算法

为研究分析当前新形态复杂配电网系统可靠性、电压稳定和高效运行的有效手段,综合考虑能量流、信息流、控制流及业务流的多流融合仿真的同步接口算法研究,通过对比研究了4种典型接口算法,研究了基于反馈电流滤波的理想变压器模型(ideal transformer model,ITM)改进接口算法。结果表明该方法通过将物理侧测到的电流经过滤波器反馈给数字侧,优化了ITM算法的稳定条件,减小了数模两侧的延迟,提高了多流融合仿真系统的稳定性和精确性,可见基于反馈电流滤波的ITM改进接口算法有效平衡了配网多流融合实时仿真中同步接口的稳定性和精度的要求。

多源量测环境下计及时延融合的配电网区间状态估计

配电网运行的不确定性和量测误差的未知但有界性使得精准感知系统状态难以实现。为此,文中考虑多源量测环境提出了一种计及时延融合的配电网区间状态估计方法。首先,扩展微型同步相量测量装置的量测范围,增加高精度量测冗余,提出多源量测数据融合策略实现量测数据在采样时刻上的同步。其次,基于区间数建立计及量测不确定性的区间状态估计模型,并线性化区间量测函数以降低模型复杂度。然后,提出结合区间约束传播的改进Krawczyk-Moore(KM)算法求解区间状态估计模型,采用改进的KM算子设定合理的初始解区间,引入区间约束传播缓解KM算法区间过度扩张的问题。基于IEEE 33节点和IEEE 118节点配电系统的仿真结果表明,所提方法在保证区间完备性的同时有效降低了估计区间的保守性。

基于加权DTW的多特征分级融合动态手势识别

AR设备以第一视角获取的动态手势往往存在手掌角度偏转问题,各关节点位移轨迹相较正视角度发生变化,现有的手掌关节点位移特征无法有效识别,并且受限于AR设备性能,部分神经网络模型无法取得良好表现。针对该应用场景,提出一种使用多特征分级融合的手势识别方法。该方法构造位移、长度、角度三个特征对手势进行描述,并进行向量编码与归一化以消除抖动干扰。根据关节点与标准手势的相似度距离,仿照sigmoid函数分配关节点权重,以加权的动态时间规整(DTW)距离进行KNN匹配,并根据最佳的KNN置信度与特征优先级筛选出最可信的特征识别结果。实验结果表明:该方法能有效识别9种存在角度偏转的动态手势;相较于传统的位移特征方法,该方法的平均准确率提高了4%,能有效应对手掌偏转情况下的动态手势识别问题。