基于序列特征融合和深度置信网络的配网故障选线方法

针对配网发生单相接地故障特征提取困难,且现有选线方法精度不高的问题,提出了一种基于序列特征融合和深度置信网络的故障选线方法。首先,通过序列特征融合方法对同一故障工况下的各馈线暂态零序电流进行数据拼接,获取序列融合特征。然后,将序列融合特征作为蜘蛛猴算法(spider monkey optimization,SMO)优化深度置信网络(deep belief network,DBN)的输入,经DBN自适应地提取低维故障特征进而实现故障选线。仿真结果表明,所提方法和现有方法相比,具有较高的选线精度。当信噪比达到10 dB时,所提算法的平均选线精度达到99.78%,具有较强的鲁棒性。

基于国产FPGA的PLC内部通信协议

针对目前国内PLC大量采用国外通信协议进行内部数据交互的现状,该文提出一种基于FPGA的PLC内部通信协议,底板内从站并行通信,底板间环网串行通信,在实现所有模块可靠通信的同时,提高数据传输效率,固定模块间通信延时,同时支持多主站冗余和从站主动通信,为实现PLC的彻底国产化提供底层技术支持。

扩增感受野特征融合的小目标检测算法

为了解决小目标检测在实际应用中的高漏检率、低准确率、低召回率等问题,提出一种基于感受野扩增特征融合的小目标检测算法.首先,对全卷积单阶段目标检测算法(fully convolutional one-stage object detection,FCOS)基础网络特征提取部分增加感受野扩增模块,改善基础网络ResNet-50特征信息提取较少、浅层特征层信息利用率偏低等问题;其次,在特征金字塔部分利用门控思想筛选信息融合,降低无效信息融合的干扰;最后,对7个特征层增加注意力机制模块,提升目标定位精度和分类精度.在COCO2017数据集上的实验结果表明,该算法比传统FCOS算法的检测精度提升2.4%.其中,小目标检测精度提升3.2%,具有更好的检测效果.

结合并行融合的序列化多模态生物特征识别系统框架

针对多模态生物特征识别系统并行融合模式中使用方便性和使用效率方面的问题,在现有序列化多模态生物特征识别系统的基础上,提出了一种结合并行融合和序列化融合的多生物特征识别系统框架。框架中首先采用步态、人脸与指纹三种生物特征的不同组合方式以加权相加的得分级融合算法进行的识别过程;其次,利用在线的半监督学习技术提高弱特征的识别性能,从而进一步增强系统的使用方便性和识别可靠性。理论分析和实验结果表明,在此框架下,随使用时间的推移,系统能够通过在线学习提高弱分类器的性能,用户的使用方便性和系统的识别精度都得到了进一步提升。

基于串行系统配置结构的分布式NEYMAN-PEARSON检测融合算法

研究采用串行系统配置结构的分布式检测融合系统。融合系统由 N部传感器构成。由于融合系统的检测性能由 N部传感器的判决规则共同决定 ,故为了使系统性能达到最优 ,需要联合设计各部传感器的最优判决规则。文中给出了融合系统检测性能最优化的必要条件 ,以及求解最优系统判决规则的数值迭代算法。采用该融合算法对分布式水声信号检测系统的性能进行优化 。

双滤波器捷联惯导外阻尼导航算法

针对捷联惯导系统导航精度受系统振荡误差严重影响的问题,提出一种基于双滤波器的捷联惯导外阻尼导航算法.该算法设计了两个串行滤波器,第一个滤波器以外速度为参考输入对外部速度作平滑处理并得到捷联惯导系统误差状态估计值,第二个滤波器利用平滑后的高精度外部参考速度,以速度变化量作为外部参考输入进行状态估计,屏蔽速度常值误差对系统的影响,最后,设计信息融合算法,将两个滤波器得到的估计状态进行融合,使得导航结果兼顾双滤波器的优点.仿真验证表明:存在外速常值误差时,相较于滤波器2而言,经过信息融合后的导航误差的地球振荡误差收敛速度明显加快,其短期精度得到显著提高;相较于滤波器1而言,经过信息融合后,其稳态导航精度得到显著提高;该方法具有较高的稳态精度,可缩短外阻尼系统误差收敛时间,有效提高捷联惯导系统导航精度.

基于最佳缝合线的序列遥感图像拼接融合方法

在图像融合过程中常采用重叠区域像素加权融合方法,这会存在鬼影现象。为解决这一问题,提出了一种改进的最佳缝合线生成算法和沿最佳缝合线的融合方法,并将其应用于序列遥感图像的拼接融合。首先在重叠图像中,对重叠区域的边赋予权值,然后进行最大流最小割,最终获取最佳缝合线。在计算边权值时引入了图像梯度信息,使缝合线更准确。在图像融合时,沿最佳缝合线生成一个条带形融合区域,采用渐入渐出法对缝合线两侧的条带形融合区域图像进行过渡处理,使拼接后的图像更为真实。在序列遥感图像拼接上,采用捆绑调整算法调整拼接图像的参数来实现全局误差最小化。实验表明,该方法能够有效消除鬼影并且能获得准确的拼接图像与融合,对于序列遥感图像的拼接融合能够获得很好的效果。

双峰聚乙烯的制备及其催化剂研究进展(Ⅰ)

介绍了目前主要的双峰聚乙烯制备方法,包括：熔融掺混法、串连反应釜法、使用双金属催化剂或混合催化剂的单反应器法。重点对串连反应釜法进行了阐述,同时对双金属催化剂的制备方法进行了综述,包括茂金属催化剂、传统Ziegler-Natta催化剂、铬系催化剂、铁系后过渡金属催化剂等。

改进的遗传蚁群混合算法在TSP中的应用

针对遗传算法和蚁群算法的不足,提出一种改进的遗传蚁群混合算法。该混合算法通过判定最优解的改良情况,将遗传算法和蚁群算法动态串行融合,以充分利用遗传算法的全局搜索能力和蚁群算法的正反馈机制。同时,依据信息素在正反馈过程中的重要作用,提出一种改进的带奖惩项的信息素更新机制。仿真计算结果表明,本文提出的混合算法在求解TSP方面,收敛速度和求解质量均较传统的遗传算法及蚁群算法要好。

基于文本数据挖掘的轨道电路故障智能分类

针对轨道电路不均衡的故障历史文本数据,提出了一种针对非均衡历史文本数据挖掘的轨道电路智能分类模型。选取TF-IDF和先验LDA无监督机器学习模型对历史故障文本数据分别进行词项级和主题级故障特征提取并向量化,将提取的历史数据特征向量串行融合,得到其特征向量空间。采用SMOTE算法自动生成历史文本数据中的少数类数据,避免在机器学习过程中出现欠拟合现象。鉴于单个分类器在机器学习及智能分类的精度不高,采用投票的方式实现基分类器与集成分类器的集成学习。选择广铁集团电务段2011年的故障文本数据进行试验分析,验证该模型在历史故障数据分类的准确率和召回率等方面的优势。

逻辑的解构、技法的互融、风格的跨越——析亨策《第三交响曲》中的技术互融现象

第三交响曲是亨策早期交响乐创作中的代表之作。在这部作品中,序列技术规则的解构、序列与主题动机的互渗、传统和声体系与固定中音的“移动和弦”的结合颇具特点,印象风格、新古典主义和爵士风格之间的跨越也十分突出。通过这些探索,作曲家在对传统交响曲模式进行消解和反叛的同时又构建了一种新的平衡与稳定。

基于数据融合的机器人超声测距系统设计

超声波测距作为一种典型的非接触测量方法,在机器人视觉识别等方面得到了广泛应用。文中介绍了一种应用于教学的机器人超声测距系统的软硬件设计与实现,详细阐述了系统的硬件组成、硬件电路设计和软件设计;并对数据处理方法以及超声测距仪与上位机(PC机)之间的通信做了详细论述。经实验验证,系统的稳定性、通信的实时性,以及测量精度均获得了较好的效果。

基于串行通信不完全数据采集的融合估计算法

针对监控系统采用串行电路作为数据传输方式具有一定延迟的弊端,提出一种基于异步串行数据融合的新算法。首先将随机接收自多传感器系统多采集目标的数据统一映射到融合中心的坐标系中,在融合周期内,状态更新时采用距前一融合时刻最近的观测值作为反馈,状态和观测预计时采用扩展卡尔曼滤波,从而获得基于全局的融合估计值和误差。仿真结果表明该算法估计误差更低,且随着串行系统数目的增加估计误差的增加幅度有明显降低。

组网雷达的集中式数据融合技术研究

组网雷达能够从不同角度对海空域进行探测,获取多方位的数据,利用数据融合处理能够提高对目标的探测能力。集中式数据处理方法可分为点迹合并式和串行合并式,本文针对串行合并式的坐标显示问题进行了仿真分析。

基于Depth from Focus的图像三维重建

应用改进Laplacian聚焦算子实现序列图像的融合显示,用高斯插值算法得到图像三维重建中的高度图,并设计一种轮廓线算法对高度索引图进行了三维重建;成功地应用于摄像机拍摄序列图像的三维重建,弥补了摄像机物镜焦深范围有限不能采样清晰大幅图像的不足。理论和实验结果证明,用该方法生成的二维融合图像和三维显示图像,恢复出比较精确的物体表面深度信息,提高了图像的清晰度。

利用传感器判决门限联合优化的串行检测融合算法

针对传感器观测相关的条件下最优分布式检测融合算法较为复杂这一问题,提出了一种基于似然比判决规则的系统性能优化方法.该方法的基本思想是,限定各部传感器采用似然比判决规则,并在此约束条件下,联合优化各部传感器的判决门限,以使系统检测性能达到最优.对于由N部传感器组成的分布式串行检测融合系统,在Bayes准则下推导了各部传感器判决门限联合最优化的必要条件,得到了最优传感器判决门限满足的系统方程,并在此基础上给出了求解最优传感器判决门限的数值迭代算法.由于将传感器判决规则的联合优化问题简化为了判决门限的联合优化问题,因此该算法计算量较小,收敛性较好,更加便于工程应用.

双峰聚乙烯的制备及其催化剂研究进展(Ⅱ)

介绍了目前主要的双峰聚乙烯制备方法,包括:熔融掺混法、串连反应釜法、使用双金属催化剂或混合催化剂的单反应器法。重点对串连反应釜法进行了阐述,同时对双金属催化剂的制备方法进行了综述,包括茂金属催化剂、传统Ziegler-Natta催化剂、铬系催化剂、铁系后过渡金属催化剂等。

基于CNN-ENN的改进串行混合网络及多传感器信息融合的运动意图识别研究

为了提高基于传感器信号的运动意图识别准确度,开展了基于深度学习和多传感器信息融合的运动意图识别方法的研究。首先,在平地、10°上/下坡、上/下楼梯,共5种步态模式下,提取了80名受试者的运动传感器数据,采用非线性降维Diffusion Maps法(DM)对数据进行降维,利用短期傅里叶变化(SIFT)提取数据特征;构建基于卷积神经网络(CNN)和埃尔曼神经网络(ENN)的新型串行混合网络模型(CNN-ENN),并完成了模型的训练;随机选取了5名志愿者参与实验测试。实验结果表明CNN-ENN改进串行混合网络模型对多传感器融合信息的平均识别准确度为95.86%,分别比传统的运动意图识别算法CNN和基于集成学习的加权投票算法(MFR)高10.21%和16.37%。实践表明深度学习模型与多传感器信息融合技术相结合的方法对运动意图识别精度的提高有很好的指导价值。

雷达组网数据融合处理中的点迹融合技术

基于点迹的雷达组网系统,可以充分发挥多雷达信息的优势.提高目标航迹起始概率.改善系统跟踪性能。本文结合工程实践,详细分析了组网雷达数据融合处理中的点迹融合技术,以及点迹关联处理的一般步骤和常用关联滤波方法.最后对点迹融合性能做了定量的分析。

序列化融合的指纹匹配方法

在指纹识别中,利用细节点或纹线等单一指纹特征的识别算法来得到一个很高的识别性能比较困难。将不同的指纹匹配算法进行融合来获得较高的准确率已经成为当前研究的热点。提出了一种新的序列化融合的指纹匹配方法。利用基于细节点的指纹匹配算法对待识别指纹进行预判,对于不能确定其为同源或异源的,将再利用基于纹线的指纹匹配算法进行匹配,对两次的匹配得分进行融合,基于融合结果判断其为同源或异源。在指纹库FVC2002DB2上的实验结果表明,采用基于细节点的指纹匹配算法、基于纹线的指纹匹配算法、对上述两种算法的Sum融合方法、提出的方法得到的等错误率(EERs)分别为3.0%、4.9%、2.0%、1.9%,且相对于Sum融合方法,提出的方法在时间消耗上降低了64.64%。