基于自步学习策略的归纳式迁移学习模型研究

在机器学习任务中很多时候是单任务学习,所以往往会忽略学习任务之间的相关性,并且在单任务学习中容易忽略样本的复杂度,为此,本文提出了一种新的基于自步学习策略的归纳式迁移学习模型,通过对当前多个相关的源任务共享参数学习构建一个预测模型,从而解决目标任务的分类问题。首先提出模型基于自步学习的策略,按照预先设定的自步学习模型参数对多个相关的源任务进行联合学习,利用源任务中样本的损失大小与难易程度对学习的样本赋予一个权重,在迭代的过程中更新自步学习的参数从而挑选出比较合适的样本(损失较小的样本),然后使用在多个相关的源任务中学习到的知识帮助学习目标任务,构建多个相关迁移学习目标任务的模型,将多个源任务学习到的模型迁移到相关的目标任务中从而提高模型的泛化能力,最后通过拉格朗日函数进一步优化目标模型以提高分类器的性能。实验结果表明,提出的模型在相同的实验条件下优于现有的归纳式迁移学习模型。

基于深度特征的单目视觉惯导里程计

视觉里程计是SLAM(Simultaneous Localization and Mapping)领域中的基石,单目视觉里程计因其成本低廉和仅需较少的相机标定工作而占据着重要的地位,但它存在着尺度不确定、尺度漂移、鲁棒性差等缺点。本文在ORB_SLAM3的基础上,提出了一种基于深度特征的单目视觉惯导里程计,简称DF-VIO(Visual Inertial Odometry Based on Deep Features),它采用深度学习网络提取的深度特征替代传统的人工点特征,并融合了人工线特征,强化了系统在现实复杂场景下的鲁棒性;另外,系统提供了多种位姿跟踪方式,除了基于恒速模型和跟踪参考关键帧的方式外,还提供了一种基于深度学习网络的可重复性图的位姿跟踪方法,进一步提高了系统位姿跟踪的精度。在公开数据集EuRoC上进行对比实验,在纯视觉模式下,平均轨迹误差下降了25.9%,在视觉惯导模式下,平均轨迹误差下降了8.6%,证明了本文提出的系统在复杂的场景下能够具有更高的鲁棒性。

一种基于Fréchet距离的谱聚类算法

为提升谱聚类的聚类精度和适用性,提出了一种基于Fréchet距离的谱聚类算法(A Spectral Clustering Algorithm Based on Fréchet Distance,FSC),通过Fréchet距离构建相似度矩阵,并将重构的相似矩阵应用于谱聚类中。利用Fréchet距离度量数据特征维度的相似性对样本的多个特征进行分析,进而扩展典型谱聚类算法的适用性。FSC不仅适用于低维流形结构清晰的数据,也适用于高维或稀疏数据,如高光谱图像数据。在3个经典的高光谱图像上的实验结果表明,FSC算法有效提高了高光谱图像聚类的精度。

基于HTC Vive的虚拟工业机器人示教编程系统

我国已经成为全球最大的工业机器人消费国,但相关的技术人才缺口正逐年扩大。其重要的原因是工业机器人成本高、操作危险,导致机器人示教编程存在困难。针对这一问题,基于HTC Vive(由HTC公司与VALVE公司合作开发的一款VR设备),将虚拟现实(Virtual Reality,VR)技术与机器人示教编程相结合,开发了虚拟工业机器人示教编程系统。首先,分析系统的VR环境特点,为系统的主界面交互设计立体式用户界面(User Interface,UI);然后进行机器人运动学建模,实现直接拖拽机器人的示教方式;运用词法分析、语法分析和语句执行机制,开发虚拟解释器,并实现快速插入式编程的功能;最后,系统实现了可进行复杂轨迹运动的机器人示教编程功能。实验测试表明系统具有良好的交互性,能进行虚拟机器人示教编程操作。本系统操作安全,并可降低机器人示教编程的成本,有助于机器人相关人才的培养、为工业生产中机器人的仿真提供方案等,助力中国制造业的发展。

基于多特征融合的表情识别算法

针对轻量级面部表情识别算法泛化能力的不足,提出了一种结合多特征融合和注意力机制的表情识别方法。使用局部二值模式(Local Binary Pattern,LBP)算子减少面部图像中无关信息的干扰,双分支神经网络提取原始人脸图像和LBP图像的特征,融合两个网络提取的中高层特征,并通过注意力机制加强重要特征,在保持较少参数量的同时生成大量的有效特征信息提高算法的识别效果。实验结果表明,该方法在Fer2013和CK+数据集上的识别率分别为70.21%和95.59%,有效地提高了轻量级表情识别算法的性能。

基于滑模控制的四旋翼飞行器鲁棒三维轨迹跟踪

近年来,无人自主飞行器在军事和民用的众多领域引起了人们的关注,而其轨迹跟踪任务一直是一个热门研究课题。本文提出了一种鲁棒滑模控制,用于控制四旋翼无人机在存在扰动和参数不确定的情况下进行三维轨迹跟踪。首先,建立了一个具有6个方位的四旋翼飞行器的非线性动力学模型。然后,设计了针对质量、惯性和刚度不确定因素的滑模控制器。通过在Matlab Simulink和Universal Mechanism软件系统中进行建模模拟,验证了控制器的三维跟踪效果。最后,使用Pelican四旋翼平台进行了进一步的实验验证,在水平和垂直轴上施加扰动以验证其鲁棒性。仿真和实物验证结果都表明,四旋翼飞行器对特定轨迹的跟踪效果和鲁棒性是令人满意的,证实了所提出的滑模控制算法的正确性和有效性。

基于双极化时序InSAR技术的地表形变监测

针对时序干涉测量(Time-series Interferometric Synthetic Aperture Radar,TS-InSAR)技术在相干性较差地区监测结果不佳的问题,从极化数据的角度对传统TS-InSAR方法进行改进。实验选取珠海市高栏港经济区作为研究区域,以47景含有垂直发射垂直接收模式(Vertical transmit and Vertical receive,VV)和垂直发射水平接收模式(Vertical transmit and Horizontal receive,VH)的双极化Sentinel-1A卫星影像作为数据源进行实验,并对实验结果进行验证分析。结果表明:采用双极化数据能够有效提高时序InSAR技术的监测质量;造成该地区沉降的原因是地质条件和填海工程。该研究可为地区沉降监测和防治提供理论依据。

轻型农用运输AGV的设计与分段模糊控制研究

农用运输自动导引车(Automatic Guided Vehicle, AGV),作为农业高效、绿色、自动化运输的机械设备,以其低成本、轻型化的设计,成为现代农业机械化的一个重要发展方向。为此,针对农业大棚环境,设计一款基于磁导航的农用运输AGV。对该AGV的运载力进行核算,确定其工作能力,结合设计的磁导航模块,对AGV进行了运动学建模。应用模糊PID控制算法,对AGV的驱动速度进行仿真与实验,结果表明AGV能够在4 s内完成速度的控制响应,并最终做到相对稳定运行,速度误差小于5%。设计分段模糊PID控制算法,对AGV的循迹导引进行仿真与实验,结果表明在不同驱动速度下AGV都能够调节与导航磁条的相对位置误差。稳定运行时,其相对位置误差保持在±7.5 mm以内。

相变材料/导热翅片复合热管理系统应用于三元体系锂离子动力电池模组实验研究

以三元动力电池模组为研究对象,通过研究自然对流、相变材料(Phase Change Materials, PCM)、相变材料/导热翅片3种不同散热技术,分析3种不同热管理系统(Battery Thermal Management System, BTMS)在室温(25℃)和高温(45℃)工况下不同恒定倍率放电及充放电循环过程中的温度变化规律、产热速率及温升速率,测试整个电化学反应进程中的最大温度及最大温差技术指标,深入研究不同散热介质对于电池组安全性能的影响机理。结果表明,无论室温/高温环境条件恒定倍率放电和大电流充放电循环工况,相变材料/导热翅片电池组通过对电池组侧面和正负极处进行强化传热,具有明显有效的降温和均衡温度的能力,可以实现电池组最高温度的快速降低,并维持电池模组最高温差在5℃以内,满足动力电池模组的散热需求。

滑移式线性菲涅尔太阳能集热器的设计及实验研究

介绍了一种滑移式线性菲涅尔太阳能集热器的设计方法及其工作原理.当真太阳时为10:00~14:00时,在TracePro中对此集热器进行光路模拟,得出一天中光斑的变化情况,并与实验结果进行对比,最后进行全年光斑模拟分析.模拟及实验结果表明:两曲线规律基本一致,均呈现先增大后减少的抛物线对称分布规律;集热器有滑移时一天中的平均集热效率为22.90%,模拟等效平均集热效率为24.45%,无滑移时平均集热效率为6.40%.

考虑层间接触的旧水泥混凝土路面加铺厚沥青层的力学分析

基于试验路段省道120线的路面技术状况,利用有限元软件ABAQUS建立旧水泥路面加铺厚沥青层的三维力学分析模型,并考虑了旧路面与加铺层的层间接触和旧路面间接缝.首先计算分析了结构的温度场,然后分析了结构在温度荷载和车辆荷载耦合作用下调平层厚度对结构力学响应的影响及各结构层的功能需求.得出以下结论:在典型高温天气下,面层顶部的温度高于55℃;温度场变化幅度较大的范围在0~30 cm,增加加铺层厚度可降低因旧路面结构引起的温度应力;加铺层承受了较大的竖向变形,上面层和调平层承受较大的拉应力,是路面由上而下开裂和由下向上疲劳开裂的主要原因;上面层承受着较大的压应力和剪应力,同时下面层和调平层也承受了较大的剪应力;增加调平层厚度,可有效降低调平层的拉应力、压应力和剪应力,可以较大降低对旧路面结构的抗拉强度要求,从而增强了结构抗反射裂缝能力和抗疲劳能力;根据力学分析,给出了各加铺层混合料设计建议.研究成果为改善道路材料设计和提高加铺结构耐久性提供力学理论依据.

基于贝叶斯最优化的Xgboost算法的改进及应用

在使用Xgboost框架时,经常涉及各种参数的调整,并且参数组合的选取对模型的分类性能影响较大.传统的参数寻优方法,通常先导出一个惩罚函数,然后运用经验或者穷举法调整参数值来最大化或最小化这个惩罚函数,但是经常会遇到某个模型没有一个显式的表达式情况.这类模型的参数寻优就非常麻烦,同时又会给算法带来一定的不确定性和随机性.本文基于高斯法(GP)的贝叶斯最优化算法对Xgboost框架进行参数寻优,提出了一种新的算法GP_Xgboost,并通过多组数值进行实验.结果表明本文改进的算法分类效果要优于人工调优和穷举法,从而证明了该算法的可行性和有效性.

基于模糊算法的智能变电站继电保护可靠性评估

为了提高智能变电站继电保护可靠性评估的可信度,在传统继电保护可靠性研究基础上,针对智能变电站继电保护系统,建立了由继电保护设备、通信及人员3个子系统组成的多状态空间图.对每个子系统用不同的可靠性评估方法进行建模,并分析各个子系统对保护系统的影响,用经过模糊化处理后的马尔科夫状态空间模型,求解保护系统在不同配置结构及不同网络结构模式下的综合可用度.实际算例计算结果验证了所建模型及算法的有效性及合理性,为智能变电站保护系统可靠性评估提供可靠依据.

水华鱼腥藻在不同络合态铁环境下的增殖规律

采用实验室模拟培养的方法,分别培养初始柠檬酸铁铵、EDTA-Fe、草酸铁、腐殖酸铁质量浓度为0.2 mg/L、0.4 mg/L、0.6 mg/L、0.8 mg/L、1.0 mg/L时的水华鱼腥藻.结果表明:在相同络合态铁质量浓度下,柠檬酸铁铵与腐殖酸铁较之草酸铁与EDTA-Fe,生物可利用性更强,藻类表现出更快的促进时效及更大平均增长速率,但促进效果因络合态铁的浓度不同而略有差异;柠檬酸铁铵最适生长铁质量浓度出现在0.2 mg/L;EDTA-Fe、草酸铁最适生长铁质量浓度出现在0.6 mg/L附近;腐殖酸铁的最适宜生长质量浓度出现在0.4 mg/L附近.

不确定时滞神经网络的无源性分析

对神经网络系统的无源性进行了研究,根据无源性网络理论,得出神经网络满足无源保守性更弱的条件.另外研究了参数不确定时滞神经网络的鲁棒无源性.根据李雅普诺夫稳定性理论、Jensen不等式、Schur补及自由权矩阵等方法,研究表明,从构造一个新颖李雅普诺夫泛函并化简李雅普诺夫泛函导数的二次积分项,能够得到神经网络保守性更小的无源条件.同时,得到了满足神经网络无源条件的李雅普诺夫泛函的所有二次项对称矩阵可非正定.实验仿真证明了本文方法的有效性.

基于云计算平台的并行DBSCAN算法

DBSCAN算法是一种典型的基于密度的聚类算法,具有速度快、可以发现噪声的优点,但在处理大规模数据时出现聚类效率低、内存和I/O消耗大、聚类精度降低的问题,集群式计算机技术特别是云计算技术的发展提供了解决DBSCAN算法缺陷的方案.文中提出了数据预分区的并行PMDBSCAN算法,该算法在聚类之前对数据分区预处理,利用并行编程模型MapReduce实现DBSCAN算法并行化,结合重叠分区思想,减少I/O消耗.实验结果表明,在大规模数据集上,PMDBSCAN算法聚类有效提高了聚类的速度、减少了I/O消耗、改善了聚类的质量.

一种改进的C-V水平集图像分割方法

由Chan-Vese提出的水平集图像分割模型可以不依赖于图像的边缘信息而对弱边缘以及含有内部轮廓的图像具有良好的分割效果.但对于背景图像灰度包含两个及以上等级分层时,图像分割得不到准确的结果.提出一种新的基于C-V模型的改进算法,该算法引入了快速C-V方法的思想,融入全局梯度信息以及目标的先验知识.实验结果表明,该方法能够很好地分辨出背景图像复杂灰度包含多个等级分层的目标区域轮廓且具有良好的适应性.

资源一号02C数据在稀土开采遥感监测中的应用与评价

选择粤赣两省交界处为研究区,以资源一号02C影像为主要数据源.首先在对资源一号02C数据进行质量评价的基础上,通过多次试验选择合适的方法对数据进行预处理,制作满足稀土开采监测要求的遥感影像.然后参照以往稀土遥感监测研究成果并结合野外踏勘情况,建立合适的解译标志.再提取研究区的稀土开采图斑,并进行野外验证.最后,通过往年的影像提取稀土开采历史图斑,进行多期对比分析,对工作区近年来的稀土开采状况进行监测.研究表明,资源一号02C数据能较好满足稀土开采监测的要求,在我国南方地区应用具有典型意义.

柱状晶CuAlNi形状记忆合金控温水阀的设计与性能

用柱状晶CuAlNi形状记忆合金作为感温及控制元件,将其进行定型处理成弹簧,测试了相变温度及回复力.设计制作控温水阀,并对其性能进行测试.结果显示,在进水温度为50 ～ 70℃的范围内,不同阀芯位置的出水温度分别为38.50、38.75℃,调温性能可靠,控温精度为1.50℃,误差小.