基于改进SRC的局部遮挡人脸识别方法

针对现实场景中人脸存在较为随机的局部遮挡的情形,创建了多种遮挡类型并存的过完备字典,并提出改进的稀疏表示分类方法。此算法在稀疏表示分类(Sparse Representation Based Classification,SRC)的基础上引入噪声补偿,通过对测试图像与去噪图像间噪声差的调节来控制重构图像的生成,进而实现对重构图像与测试图像间残差的控制,以达到准确分类识别的效果。实验结果表明,改进后的算法稳定性好、识别率高,对于局部遮挡图像的识别有较好的鲁棒性。

面向医疗数据的隐私保护联邦学习架构

联邦学习作为一种新兴的神经网络训练模型,因其可以在保护用户数据隐私的前提下进行模型训练而受到广泛关注。然而,由于攻击者可以从共享梯度中跟踪和提取参与者的隐私,因此联邦学习仍然面临各种安全和隐私威胁。针对医疗数据在联邦学习过程中面临的隐私泄露问题,基于Paillier同态加密技术提出一种保护隐私的医疗数据联邦学习架构。首先,采用Paillier加密技术对客户端的共享训练模型进行加密,确保训练模型的安全性和隐私性,同时设计了零知识证明身份认证模块确保参与训练成员身份的可信性;其次,在服务器端通过构造消息确认机制将掉线或无响应用户暂时剔除,减少了服务器等待时间,降低了通信开销。实验结果表明,所提机制在实现隐私保护的同时,具有较高的模型准确率,较低的通信时延,并具有一定的可扩展性。

混合型有源电力滤波器的复合电流控制策略

针对电网中非线性负载引起的谐波问题,提出了一种并联混合有源电力滤波器结构。基于此拓扑结构,建立了其数学模型,并设计了基于PI控制策略的电流控制器。针对传统PI控制方法补偿精度受带宽制约,补偿效果不理想的问题,提出了基于重复控制的电流双闭环控制方法,并设计了双闭环电流控制器。仿真和实验结果表明,该控制策略具有很高的稳态补偿精度,能够有效补偿由非线性负载引起的谐波电流。补偿后电网电流THD降低到5%以下,波形近似于正弦波。

并联型有源电力滤波器的复合电流控制方法

针对非线性负荷对电网电能质量的影响,研究一种并联型有源电力滤波器拓扑结构。根据此拓扑结构,建立其在三相静止坐标系下和两相同步旋转坐标系下的数学模型,推导模型的传递函数,设计基于PI控制的电流控制器。通过分析PI控制器在有源电力滤波器电流跟踪控制中存在的局限性,提出将PI控制与重复控制并联的复合控制策略,以改善系统的稳态性能。通过实验对所提出的控制方法进行研究,结果表明该复合控制方法具有很高的稳态补偿精度,能够有效地抑制由非线性负载引起的谐波电流,大大改善电网电流波形。

基于灰色预测的自适应内模PID双重控制器设计

针对一类非线性系统,提出一种基于灰色预测的自适应内模PID双重控制方法.把由系统的输入输出数据得到的灰色预测模型作为系统的内部模型,并在基本的内模控制结构上增加PID控制器,加快了跟踪误差收敛速度,内模控制的性能明显改善.仿真结果表明,该控制方法简单而有效,内模PID双重控制较单一内模控制具有更好的系统性能.

基于柔性神经树和表面肌电信号的手势识别模型

表面肌电信号因为具有非入侵式、易于采集特点,被广泛应用于康复医疗和行为识别等领域。传统的基于表面肌电信号sEMG(Surface Electromyography)的手势识别通常采用数字信号处理DSP(Digital Signal Processing)芯片或者集合方法研究实时识别问题。这些方法易导致数学模型参数繁多、硬件连接复杂和实时识别率较低。提出一种基于肌电信号与柔性神经树FNT(FlexibleNeural Trees)模型的实时手势识别模型。柔性神经树模型通过简单的预定义建立,能够解决人工神经网络ANN(Artificial NeuralNetwork)的结构高依赖性问题。柔性神经树模型不仅能够避免复杂的计算和电路连接,还具有较高的实时识别率。针对六名参与者的六种手势进行实验,实验结果表明:该模型的均方根误差RMSE(Root Mean Square Error)最低为0.000385,实时识别率最高可达97.53%。

利用柔性神经树的实时肌电信号手势识别模型

传统的手势识别通常采用数字信号处理(Digital Signal Processing,DSP)芯片或者集合方法(Ensem-ble Methods)研究实时识别问题。这些方法易导致数学模型参数繁多、硬件连接复杂和实时识别率较低。提出一种基于表面肌电信号与柔性神经树(Flexible Neural Trees,FNT)模型的实时手势识别模型。表面肌电信号(surface Electromyography,sEMG)具有非入侵式、易于采集特点,故被广泛应用于行为识别和诊断等领域。柔性神经树模型通过简单的预定义来构建,能够解决人工神经网络(Artificial Neural Network,ANN)的结构依赖性高的问题。柔性神经树模型不仅能够避免复杂的计算和电路连接,还具有较高的实时识别率和较低的方均根误差(Root Mean Square Error,RMSE)。实验针对六名参与者的六种手势进行测试,结果表明该模型实时识别率较高,实际应用也证明该算法可行。

基于同步化FFT算法的矿井供电系统电参量采集方法

针对目前防井供电保护系统信号检测精度低、漏电保护可靠性差等问题,在分析DFT和FFT算法的基础上,提出了同步化RFFT改进算法,并采用高速浮点DSP加以实现。该算法通过对数据采集方法改进和信号频率跟踪,既减小了非同步采集误差,又提高了采集精度及保护动作速度。实验和仿真结果表明,所提算法可以准确地提取电参量谐波幅值和相角,其采样精确度高于普通FFT算法,为矿井电网电参量检测和分析提供了一种有效方法,同时精确的测量提升了保护系统的可靠性。

肌电三维仿真手的单通道盲识别系统

介绍的肌电三维仿真手的单通道盲识别系统。利用单通道盲源分离,避免硬件电路连线复杂;利用混沌加密,确定表面肌电信号(Electromyography)盲源识别顺序。实验表明,该系统实现了肌电信号单通道纪录,解决了盲源分离中的分离无序的问题,准确地实现手部运动模式的实时识别和显示。

基于微粒群算法的灰色预测PID控制器

针对大滞后系统,提出一种基于微粒群算法的灰色预测PID控制算法.采用灰色预测模型GMC(1,2)预测时滞系统的输出并用微粒群算法优化PID控制器的参数.这种控制方法不需要精确的数学模型,在线估计参数少,计算简单.仿真结果表明该方法的有效性.

基于长短期记忆网络的齿轮剩余寿命预测研究

设备运行数据蕴含了大量的状态退化信息,利用状态退化信息对设备进行剩余寿命预测,可以为预测性维修提供重要的依据。针对监测过程中接收到表征设备退化的大量数据,提出一种改进的基于记忆机理循环神经网络实时剩余寿命预测模型。该模型利用随机搜索选择模型超参数,采用加入动量考虑的随机梯度下降算法优化模型参数,防止陷入局部最优,从而提高剩余寿命预测模型的预测精度。通过齿轮弯曲疲劳试验,验证了该模型剩余寿命预测的准确性。

GPRS网络控制技术在RP中的应用

提出了一个以Microsoft Visual C++作为编程工具,在GPRS网络环境下,通过Winsock接口编程开发的基于快速原型制造设备的GPRS网络控制系统。该系统结合了远程控制技术、GPRS技术和先进集成制造技术,实现了远程控制中心对多个快速原型设备、云台和摄像机及时准确地无线通信和控制,并能使信息在无线网络环境下能够更好地互动和管理,而且系统的可扩展性强、易于推广和维护。

钢管斜连轧工艺参数对轧制力及荒管尺寸精度的影响

为分析斜连轧工艺参数对轧制力及荒管尺寸精度的影响,取工艺变参数及范围：顶头前伸量15～28 mm、穿孔段送进角7°～9°、穿孔段孔喉34～35 mm、轧管段轧辊转速182～190 r·min-1,在斜连轧实验机组上对Φ40、Φ42 mm的管坯进行单变量多组实验。结果表明：在实验参数范围内,随顶头前伸量增大,穿孔段轧制力减小,顶头轴向力先减小后增大;随送进角的增大,穿孔段轧制力减小,顶头轴向力微增大;当管坯直径一定时,随孔喉减小,轧制力增大,而当孔喉一定时,随管坯直径增大,轧制力增大。在穿孔段工艺参数一定时,轧管段轧辊速度不同的情况下,若张力轧制时穿孔段及轧管段轧制力均减小,相反若推力轧制时均增大。对斜连轧后荒管的分析结果显示微张力轧制得到的荒管壁厚精度达±0.2 mm,外径精度达±0.35 mm。

一种钢管斜连轧机组的张力检测装置及其试验研究

简要介绍了无缝钢管斜连轧工艺及斜连轧试验机组的结构。针对该斜连轧试验机组的整体结构特点,设计了一种适用性好的张力检测装置,用于检测轧制过程中的管坯内部张力变化情况,并详细介绍了该装置的工作原理。应用该装置进行了试验测试。结果表明该张力检测装置能很好地反映出连轧过程的张力变化情况。这能为后续在线调整及张力控制模型奠定基础。

基于深度学习的异噪声下手写汉字识别的研究

针对手写汉字字符图像识别率受随机噪声影响的问题,提出了一种基于深度学习与抑制噪声相结合的新算法。该算法主要应用于拥有随机噪声的手写汉字字符图片,是其在Python环境下,利用Caffe平台建立抑制噪声与卷积神经网络相结合的模型,通过模型移除噪声并正确识别手写汉字。另外,新算法去除噪声的同时对字符形态没有改变,保留了汉字的原始信息。结果在其两种不同的噪声(高斯噪声和椒盐噪声)下,逐渐提升其噪声强度,进行多次实验,同时与其他方法对比,最终得到其平均识别率为97. 05%。实验结果表明,该模型和算法具有效率快、识别能力强的优点。

基于OCR技术的复杂背景下工件标识字符识别方法

针对铸造工艺过程中白模挂涂、铸件补漆后工件标识字符模糊不清、背景复杂,从而导致识别难度增加的问题,提出了一种基于卷积循环神经网络与连接时域分类的端对端光学字符识别模型。该模型在卷积层基于VGGNet16进行了简化和改进,又利用旋转、加噪、调整亮度和对比度的数据增广方法解决了样本数量少的问题。根据试验对比选择合适的模型参数,实现了复杂背景下铸造工件标识字符的识别。结果表明,改进后的字符识别模型稳定、识别率高,对相似字符具有较好的鲁棒性。

微波辅助生物柴油生产的多物理场耦合计算研究

多物理场耦合计算对于优化微波加热化学反应体系的生产工艺,避免热点和热失控带来的安全问题起到极其重要的作用。因此,本文首先将微波辅助生物柴油生产涉及到的电磁场方程、热传导方程和化学反应动力学方程进行相互耦合计算,然后依次分析微波功率、醇油摩尔比、反应温度、催化剂用量对生物柴油产率的影响,最终得到制备生物柴油的最优条件并对该条件下的电磁场和温度场分布进行分析。结果表明,在最优条件下,生物柴油产率高、温度分布均匀且无明显热点产生。

基于CAN总线的甲烷断电装置的研制

针对目前矿用甲烷断电装置多为单机工作模式、功能单一、可靠性差等缺点,研制了基于CAN总线的甲烷断电装置。该装置采用双电源供电,以STM32单片机为核心,设计了闭锁控制、通信等电路,约定了与其他设备的通信内容,并编写了通信程序。使用KA83J型传感器智能调校装置和ECAN Tools测试甲烷断电装置,结果表明:装置能够可靠闭锁,实现故障上传、参数设定以及远程闭锁控制和3%甲烷风电闭锁功能。

基于多物理场计算的微波加热均匀性研究

针对微波加热液体过程中存在温度分布不均匀的问题,提出利用锚式搅拌桨对被加热液体进行搅拌的办法。通过多物理场耦合计算对微波加热静止的去离子水和加热过程中用锚式搅拌桨以不同转速搅拌去离子水的过程进行仿真,研究了搅拌对去离子水温度分布和变异系数的影响,并通过实验验证。结果表明,与去离子水处于静止状态的加热效果相比,锚式搅拌桨的引入可以减小去离子水内部温差且随着搅拌桨转速提升其对加热均匀性改善效果更加明显。

基于卷积神经网络的手势识别研究

随着人机交互技术的发展,手势动作作为一种自然、方便以及高效的交互方式受到人们的关注。因而对此从理论和程序执行的角度提出一个针对9种手势识别的卷积神经网络(Convolutional Neural Networks,CNN)模型。首先,从组成CNN的基本单元神经元开始,然后上升到神经网络,最终到反向传播算法。通过调整卷积神经网络中的参数(迭代次数、步长),观察不同参数对网络的均方误差和测试准确度的影响。实验结果表明,该模型和算法可以有效识别9种手势,识别准确率最高可达93. 33%.