为实时监测室内 CO2 浓度变化, 以 STC89C52 单片机为核心, 设计了一种基于气体传感器的二氧化碳 报警器。 硬件系统包括二氧化碳传感器、 信号调理电路、 模数转换电路、 STC89C52 单片机和声光报警单元。 软件系统包括数据采集、 数据处理、 报警逻辑等功能单元。 该报警器在室内 CO2 体积百分比超过1. 5% 时可以 及时启动声光报警功能, 并可实时显示室内 CO2 值。

 针对目前人工果蔬采摘成本较高且国内果蔬采摘机器人发展较慢问题, 设计了一类智能果蔬采摘 机器人。 该机器人的设计采用 Jetson Nano 开发板进行效率更高的视觉识别( VI: Visual Identity) 运算和处 理方法, 视觉识别使用 YOLO V5s 算法, 运动控制应用五自由度机械臂的运动学正解进行分析并得出其 运动学正解公式, 进而得知机械臂活动空间, 末端执行器采用夹持爪子以便各类果蔬的采摘。 最终确定 了较为清晰的果蔬采摘智能结构, 结果表明, 采用 Jetson Nano 开发板使视觉识别算法运算速率提高 10 倍 以上, 通过对正解公式的分析使末端执行器运动更为精准, 在可接受偏差内较为完整的实现了果蔬采摘 功能。

针对在以数字化的方式传承和保护蓝印花布的技术中由于缺乏具有原始手工特征的蓝色印花图案数据集, 极大地限制了深度学习技术在蓝印花布纹样识别领域的应用问题, 构建了一个大规模蓝印花布纹样数据集。 该数据集包含 50 216 张蓝印花布纹样, 从动物、 植物、 中国神话传说及复合四大题材的角度将数据分为85 个子类。 该数据集的创建不仅涉及到蓝印花布的数字化建设, 如蓝印花布纹样检索及相关纹样命名, 还能使相关研究人员设计和验证机器学习算法。 在所构建的数据集基础上, 提供了 4 个典型深度学习网络的实验结果, 以此作为其性能基准。

为解决电动汽车充电负荷过大对电网造成的影响, 提出了考虑储能运营商和电动汽车的配电网双层优化 模型。 模型上层考虑储能运营商参与配电网削峰填谷和电动汽车充电的经济效益, 下层考虑电动汽车所有者 基于分时电价积极响应储能运营商调度充放电的经济效益。 采用改进的模拟退火算法对双层模型进行求解, 并用 IEEE 33 节点验证了该模型在保证配电网安全运行情况下能有可观的收益。

针对中点箝位(NPC: Neutral-Point-Clamped)型三电平逆变器直流侧上下两个电容电压不一致, 以及传统的空间矢量脉宽调制(SVPWM: Spatial Vector Pulse Width Modulation)虽然可在一定的调制度范围内解决两个电容电压不一致, 但在较大的调制比下中点电位无法维持平衡的问题, 在传统 SVPWM 和虚拟空间矢量脉宽调制(VSVPWM: Virtual Space Vector Pulse Width Modulation)的基础上优化控制方法。 该方法依据电流的流向对不同的正、 负小矢量采用不同大小的平衡因子, 同时根据中点电位差值, 引入电压调差系数, 并在此基础上与无差拍控制相结合。 该闭环控制策略利用中点电位差值与逆变器三相电流输出值作为反馈量调整输出波形,抑制中点电位。 仿真结果表明, 该方法在三电平逆变器调制度较高时仍然可以维持直流侧中点电位的平衡,证明了控制策略的正确性和有效性。

由于基于传统深度学习的岩石图像识别算法模型比较繁琐, 而且应用于移动终端等需要一定的计算能力, 因此很难实现对岩石类型的实时准确判别。 为此, 以 ShuffleNetV2 网络为基础, 插入通道连接注意力机制ECA (Efficient Channel Attention)模块, 使用 Mish 激活函数代替 ReLU 活函数并引入轻量级网络部件中的深度可分离卷积。 将该方法用于岩石图像识别, 实验结果表明, 改进后的算法结构简单, 同时具有轻量化的特点, 其识别精度达到 94. 74% , 可在移动终端等有限资源环境下应用。

针对传统人工识别心电信号方法存在工作量大、 容易出错和现有心电监测设备仍然存在心电信号识别 类型少、 诊断精度不高、 过度依赖于网络服务等问题, 为提高心电监测设备性能, 基于深度学习技术设计了 心电信号 ECG(Electrocardiogram Signals)分析检测系统。 通过搭建 SENet-LSTM(Squeeze-and-Excitation Networks- Long Short Term Memory)网络模型实现心电信号 7 分类的自动诊断, 模型建立在一个采用 ADS1292R 作为心电 采集模块, STM32F103 作为数据处理模块, 树莓派作为中央处理模块的智能化硬件平台上, 该系统利用一体化 的高性能微型计算机树莓派进行计算分析, 为用户提供离线化的人工智能(AI: Artificial Intelligence) 服务, 同时模型的准确度和精确度分别为 98. 44% 和 90. 00% , 从而实现 ECG 的实时检测和准确分类, 为患者提供 精准的病情诊断。

针对传统的命名实体识别方法无法充分学习古汉语复杂的句子结构信息以及在长序列特征提取过程中 容易带来信息损失的问题, 提出一种融合 SikuBERT( Siku Bidirectional Encoder Representation from Transformers) 模型与 MHA(Multi-Head Attention)的古汉语命名实体识别方法。 首先, 利用 SikuBERT 模型对古汉语语料进行预训练, 将训练得到的信息向量输入 BiLSTM(Bidirectional Long Short-Term Memory) 网络中提取特征, 再将 BiLSTM层的输出特征通过 MHA 分配不同的权重减少长序列的信息损失, 最后通过 CRF(Conditional Random Field)解码得到预测的序列标签。 实验表明, 与常用的 BiLSTM-CRF、 BERT-BiLSTM-CRF 等模型相比, 该方法 的 F1 值有显著提升, 证明了该方法能有效提升古汉语命名实体识别的效果。

针对非结构化大数据边缘安全性较差, 存储效果受限的问题, 提出基于边缘计算的非结构化大数据动态 安全存储算法。 有效分析和识别非结构化大数据, 利用构建的数据敏感级别识别模型确立非结构化大数据敏 感度等级并加密。 基于边缘计算及云计算, 建立云边协同架构, 利用该架构编写的分布式压缩感知鄄同时正交 匹配追踪(DCS-SOMP: Distributed Compressed Sensing-Simultaneous Orthogonal Matching Pursuit)算法对加密数据 进行压缩采集, 以此降低数据存储量, 最终将非结构化加密数据上传至云边协同框架各个边缘, 实现非结构化 大数据动态安全存储。 经存储量、 元数据占比、 加密耗时和带宽消耗测试实验, 结果表明该算法鲁棒性较高, 能保证实际应用性。

为解决传统通信原理实验箱在对信号处理和检测方面存在的不足, 需要利用仿真对实验现象进行更全面 的展示, 而 Simulink 和 LabVIEW 等软件只能对数字通信系统进行仿真。 为此, 采用 Multisim 实现了对脉冲 幅度调制(PAM: Pulse Amplitude Modulation)编译码、 频移键控(FSK: Frequency Shift Keying)调制解调和相移 键控(PSK: Phase Shift Keying)调制解调等模拟通信系统的元器件级电路仿真。 通过仿真, 直观地展示了抽样 定理、 锁相环和科斯塔斯环的内在工作机理, 并深入分析了 FSK 解调过程中可能出现的两种失真的机理。 

针对配电房主要依赖传统的人工巡检方式, 存在巡检成本高、 故障隐患误报漏报率较高等问题, 基于知识图谱和智能认知技术, 提出了配电站房运检业务知识库及高级应用的理论和技术, 深入研究了知识共享管理、 智能搜索和推荐、 数据标签及故障智能推理, 建立了配电站房知识库并在山西电网进行了示范应用。利用研究成果构建了配电站房智能运检业务知识库, 并开展了智慧应用研究, 实现了故障隐患智能分析等知识赋能, 减小了巡检成本, 提高了智能运检能力。

在深度强化学习算法中, 近端策略优化算法 PPO( Proximal Policy Optimization) 在许多实验任务中表现优异, 但具有自适应 KL(Kullback-Leibler) 散度的 KL-PPO 由于其不对称性而影响了 KL-PPO 策略更新效率,为此, 提出了一种基于相关熵诱导度量的近端策略优化算法 CIM-PPO (Correntropy Induced Metric-PPO)。 该算法具有对称性更适合表征新旧策略的差异, 能准确地进行策略更新, 进而改善不对称性带来的影响。 通过OpenAI gym 实验测试表明, 相比于主流近端策略优化算法 Clip-PPO 和 KL-PPO 算法均能获得高于 50% 以上的奖励, 收敛速度在不同环境均有 500 ~ 1 100 回合左右的加快, 同时也具有良好的鲁棒性。

针对 O 型密封圈表面细微缺陷检测困难的问题, 提出了一种基于6 光度立体法和图像综合特征分析的密 封圈缺陷检测方法。 首先采集 6 个不同光源角度的图片, 利用光度立体法重构表面梯度图和反射率图。 然后 将表面梯度图先转化为平均曲率和高斯曲率图像, 再转化为灰度图并使用固定阈值分割出缺陷区域。 将反射 率图经高斯滤波后, 采用局部的均值和方差阈值分割缺陷区域。 最后, 对得到的缺陷区域连通域特征分析并准 确选择出缺陷。 实验测试结果表明, 该方法对密封圈表面存在熔痕、 凹凸、 流痕等细微缺陷有较好的效果。 在 所设计的密封圈质量检测系统的应用中, 检测准确度大于 98. 4% , 能解决目前工业中存在的密封圈缺陷检测 识别率不高的问题。

为解决跨区域科技资源共享和协同创新存在管理、 协同、 关联难等问题, 开展科技资源平台实践应用和理论研究并构建科技创新生态数字化展示系统。 首先构建科技创新要素的定义、 组成及指标体系, 提出以创新地图、 能力、 主体、 载体、 资源和环境为核心的数字化展示系统, 并以吉林省为例, 以指数法监测区域科技创新水平, 以文本挖掘法进行科技政策热点分析, 基于 Vue+Django+MySQL 技术架构进行系统的体系架构和功能设计, 最终实现区域内的科技数据创新生态数字化展示, 使系统具有数据共享、 数据关联、 决策支撑等智慧化服务功能。 应用实践表明, 该系统丰富了科技数据资源的可视化方式, 提升了科技创新生态的可视化程度, 提高了系统的高扩展性、 高效率和良好性能。

为解决新型冠状病毒肺炎(COVID-19: Corona Virus Disease 2019)计算机辅助诊断相关问题, 建立双线性 卷积神经网络模型, 选取 VGG(VGG: Visual Geometry Groupnetwork)16 与 VGG19 网络作为特征提取子网络, 将 算法应用于新冠图像分类, 并与基本图像分类算法进行对比。 计算结果和病灶可视化分析表明, 与其他深度 学习网络模型相比, 双线性卷积神经网络模型具有更高的精度, 准确度高达 95. 19% 。 通过替换原始分类层, 采用支持向量机分类器, 模型分类准确度进一步提高至 96. 78% 。 研究结果证实了细粒度图像算法在新冠 CT 图像分类上的可行性, 为快速正确诊疗新冠肺炎提供了可靠的工具。

传统推荐算法缺少对图结构的隐含信息及上下文信息的利用, 从而可能降低推荐效果。 为提高传统推荐 算法的推荐效果, 提出基于图神经网络的推荐模型。 该模型基于图的高阶连通性理论, 使用图神经网络挖掘 用户-物品二部图中的隐含信息, 并由一阶扩展到多阶, 从而获取更精确的嵌入式表示和推荐效果; 在更新过 程中考虑上下文信息, 有利于理解上下文间的交互关系。 并将该模型在 Yelp-OS、Yelp-NC 和 Amazon-book 数据 集上进行实验, 实验结果表明, 在 HR(Hit Ratio)和 NDCG(Normalized Discounted Cumulative Gain)指标上均优于 相关对比算法, 证明该算法可优化推荐效果, 提升推荐质量。

针对传统单幅图像超分辨率重建算法未能充分利用浅层特征信息, 忽略视觉目标中的空间结构信息,难以捕捉特征通道与高频特征信息之间的依赖关系, 重建图像出现伪影、 边缘模糊的问题, 提出一种基于残差网络和注意力机制的图像超分辨率重建算法。 该模型特征提取部分结合 WDSR-B( Wider Activation Super-Resolution B)残差网络增强特征信息在网络中的流通, 通过坐标注意力机制对特征参数加权, 引导网络更好地重建高频特征, 恢复图像细节。 实验结果表明, 4 倍图像重建下, 在 Set5 和 Set14 测试集上的峰值信噪比(PSNR: Peak Signal to Noise Ratio)为 31. 00 dB、28. 96 dB, 结构相似性( SSIM: Structural Similarity) 为 0. 893、0. 854, 重建后的图像在细节、 轮廓方面均表现更好, 优于其他主流超分辨率重建算法。

针对传统卷积神经网络模块体积庞大、 运算量高, 在体积较小、 资源有限的嵌入式平台上运行效果不好, 以及现有轻量化模块无法满足测量速度和测试精确度要求的问题, 为此选择目前的主流目标识别算法 Yolo v4 进行模型轻量化, 在 Yolo v4 模型中引入 Mobilenet 网络和深度可分离模块进行研究。 研究结果表明, 改进后不 同 Mobilenet 网络的 Yolo v4 模型检测一张图片的用时均比原始 Yolo v4 模型减少 19 ms 以上, 准确率都高于 92% 。 其中以 Mobilenet v3 为主干特征提取网络的改进 Yolo v4 模型的准确率为 95. 12% , 与原始 Yolo v4 模型 准确率相比提高 2. 99% , 但该模型的参数量约为 Yolo v4 模型的 1 / 6, 模型处理一张巡检图片用时比原 Yolo v4 模型减少 20 ms。 绝缘子作为输电线路的重要组成部分, 在众多图像中更快地识别出绝缘子能为之后分析输电 线路的运行情况提供帮助。

 为满足“新工科”背景下科研与教学融合的课程建设需求, 设计了一套基于 Python 的多维度、 层次化的 综合实验平台。 平台以专业人才培养方案为导向, 在图像识别、 机器学习及数据分析 3 个科研热点方向, 设计 了多维的实验教学内容。 图像识别实验从文字识别入门, 进而通过多种方式实现人脸和车牌识别。 机器学习 实验基于 Python 的机器学习算法实现, 并应用于玉米病害识别。 数据分析实验将 Python 处理 Excel 数据应用于 计算工作量和生物信息数据分析中。 学生在实验中可以根据专业需求和科研方向选择不同的实验项目, 从而 实现因材施教的培养目标。 将实验平台应用于教学实践中表明, 学生对 Python 在图像识别、 机器学习以及 数据分析的编程实现有了更深入的了解, 提升了科研兴趣, 从而实现将科研融入教学, 提高本科生教学质量的 目标。

针对数据库信息隐私易受到非法攻击, 安全性较低且储存空间较少的问题, 提出基于混沌映射的数据库信息隐私加密储存算法。 通过扰动 Logistic 混沌映射控制参量生成混沌序列, 将该序列与其他系统生成的混沌序列混合产生新的混沌序列, 然后通过动态编码算法进行非线性变换。 将输出序列作为数据库明文密钥加密明文, 构建用于数据库加密信息查询索引字段并通过哈希函数压缩, 与加密信息共同储存于数据库中, 实现可查询的混沌映射数据库信息隐私加密储存。 实验结果表明, 采用所提方法能缩短加、 解密用时, 减少空间占用, 降低算法能耗。

为解决评估过程中评估指标体系权重分配不合理和空战数据不确定的问题, 提出基于博弈论和区间云模型进行非完备空战决策效能评估的研究方法。 针对空战攻防决策, 构建评估指标体系, 基于博弈论合理调整主客观权重获得指标的综合权重值。 然后, 对评估中出现的随机性和模糊性问题, 研究区间云模型方法, 通过区间云发生器确定非完备空战决策效能优劣。 最后, 通过仿真验证了所提方法的可行性和有效性, 为解决非完备信息下的空战决策效能评估问题提供了技术支撑。

 针对经过拼接合成等篡改操作的图像被压缩后, 难以检测出篡改证据的问题, 提出了一种基于摄像机标定的压缩图像拼接合成检测方法。该方法首先分析压缩图像的成像规律, 将空间变换矩阵作为检测证据;然后基于摄像机标定参数, 估计单应矩阵; 最后基于摄像机外部参数, 通过旋转图像的空间变换矩阵, 确定图像的真实性, 完成拼接合成压缩图像的检测。实验结果证明, 该方法可以检测出经过拼接合成篡改的图像,检测精度为75%。

针对如何降低循环取货车辆路径问题(VRP: Vehicle Routing Problem)中的运输成本, 提出一种离散海鸥算法。 首先, 在海鸥迁移过程中, 采用 insert、 reverse 操作更新海鸥位置加快算法寻优速度; 其次, 在海鸥攻击过程中, 采用 swap、 3-opt操作更新海鸥位置提升算法局部搜索能力; 最后, 结合模拟退火算法避免算法在运行过程中陷入局部最优, 重新定义了在离散的车辆路径问题下的更新策略。 以总成本最低为目标函数, 构建相应的数学模型。 实验结果表明, 该算法具有高效解决循环取货车辆路径问题的能力, 寻优效果及求解质量均高于标准海鸥优化算法、 粒子群算法、 模拟退火算法、 灰狼优化算法、 鲸鱼算法和飞蛾扑火算法。

针对遥感光伏图像分辨率高、 环境噪声较大以及背景复杂等问题, 提出了一种改进 Yolov5 目标检测模 型, 以实现对光伏电厂的定位。 首先, 在主干特征提取网络的卷积层中添加 CA(Coordinate Attention)坐标注意 力机制提高网络特征的学习能力; 其次, 将 Ghostconv 网络结构加入到 Backbone 中, 用 Ghostconv 网络模块替换 Conv 网络模块; 设计新的 GhostC3 网络代替原来的 C3 网络模块, 提高模型的学习效率; 最后, 将损失函数由 GIoU_Loss 函数改为 SIoU_Loss 函数。 实验结果表明, 相比原 Yolov5 方法, 改进算法的平均精度均值 mAP、 精准率和召回率分别达到了 97. 5% 、98. 9% 和 94. 9% , 提升了 1. 8% 、1. 7% 和 5. 8% , 验证了该算法对光伏检测 具有很好的效果。

针对多传感器分布式接收中的弱信号检测与调制识别稳健性不足的问题, 提出了一种基于深度学习的联合处理算法。 该方法采用分布式软信息融合处理策略, 将信号检测与调制识别综合为一个多元假设检验问题, 借助深度神经网络优异的函数逼近能力, 在对网络结构、 目标函数和网络输入输出进行分析基础上,给出了基于深度神经网络的联合后验概率求解及分类判决方法。 通过仿真实验对所提方法性能进行了验证,结果表明, 该方法能实现多个传感器信号有效融合, 并且随着接收单元数目增加, 分类准确率明显提升; 与现有基于等权值合并的置信度融合方法相比, 该方法性能更优, 且在低信噪比、 短数据和接收单元数目较多时优势体现更加明显。

针对并发频谱接入模型下的认知物联网(C-IoT: Cognitive Internet of Things)系统中的干扰管理问题, 提出一种基于遗传算法(GA: Genetic Algorithm)的 C-IoT 功率自适应部分干扰转向(PIS: Partial Interference Steering)算法。 该算法能在同时保证主用户(PU: Primary User)和认知用户(CU: Cognitive User)服务质量的前提下提高系统的频谱效率。 仿真结果表明, 该算法能在寻求系统最优频谱效率时快速收敛, 求出此时 PU 和 CU 期望信号的最佳发射功率。 在主发射机、 PU 和 CU 相对位置确定的场景下, 根据用户的平均违反约束程度 D_{cv_ave},能求解出可接入授权频谱认知发射机的最佳空间分布区域。

动态模糊逻辑程序设计语言的独特优势在于可以处理动态模糊数据, 但现存的编译器很难有效解析动态模糊数据。 针对此问题, 通过扩展监督命令程序结构, 引入对动态模糊性的形式化描述, 设计一种新型的动态模糊逻辑程序设计语言编译器。 通过实例验证, 该编译器能正确解析动态模糊数据, 降低了动态模糊逻辑程序调试难度, 提高了动态模糊逻辑程序开发效率。

为实现数字图像的高精度应用, 降低外界光线对视觉成像的影响, 提出一种基于变分贝叶斯的视觉散焦 光图像快速盲复原算法。 通过梯度和卷积处理, 计算视觉散焦光图像后验概率期望, 利用 Sobolev 空间函数分 布方法提取最优初始图像和散焦光模糊函数先验概率。 以变分贝叶斯的近似分布思想, 无限逼近实际的后验 概率; 使用相对熵计算多个分布间距离, 最大程度贴近真实值; 将最小损耗代价函数输入双边滤波器内, 即以 近似清晰图像为指导图, 剔除剩余高频噪声, 得到最优图像盲复原结果。 实验结果表明, 所提算法盲复原后 图像对比度高, 边缘细节清晰, 复原速度快, 具有极高的应用价值。

针对视频人体运动目标跟踪过程中遮挡导致跟踪能力下降的问题, 提出考虑遮挡因素的视频人体运动目 标自适应跟踪算法。 采用区域生长和视觉阈值效应相结合算法粗检测目标, 以粗检测结果为基础通过 Kalman 滤波器和 Meanshift 跟踪算法跟踪视频人体运动目标。 在目标尺度改变、 旋转以及光线变化等情况导致跟踪效 果不佳时引入 SIFT(Scale Invariant Feature Transform)算法提高跟踪能力, 实现抗遮挡的视频人体运动目标自适 应跟踪。 实验结果表明, 该方法的跟踪精确度较高, 在遮挡程度为 0. 5 时, 跟踪成功率仍可以达到 75% 左右, 且平均跟踪帧率为 28. 9 frame / s, 实时性较强。

为提高自动控制相关课程的实验教学水平, 研制出一套四容水箱液位控制装置。 该装置选用工业上常用 的硬件设备, 软件部分设计了 Matlab / GUI(Graphical User Interface)操作界面, 可允许在 Matlab 中直接编程实现 对系统的控制。 建立了四容水箱系统的数学模型, 并利用阶跃响应法辨识系统的模型参数。 针对四容水箱 系统设计了分散内模控制器, 仿真环节采用 Matlab / Simulink 完成, 实现了四容水箱系统液位的跟踪控制。 实验 结果表明, 采用内模控制器的四容水箱系统, 当其中一个水箱的水位发生变化时, 对其他水箱的水位影响很 小, 系统具有满意的控制效果。 在自控等相关课程中, 该装置可以作为一种新的实验设备, 并具有较好的实验 教学效果。

针对扩频通信网络跳频信号时差估计结果误差过高, 导致信号定位追踪能力下降, 多领域内信号传播停滞的问题, 为增强扩频通信网络跳频信号的传播效率, 提高辐射源跟踪和定位系统的信号探测能力, 提出基于分数阶傅立叶变换(FRFT: Fractional Fourier Transform)与盲分离的扩频通信网络跳频信号时差估计算法的方法。 采用盲分离方法获取满足跳频信号时差估计条件的两条信道, 即平坦衰落信道和频率选择性衰落信道,利用 FRFT 估计两条信道特征, 分别将平坦衰落信道特征和频率选择性衰落信道特征与最大似然块检测算法结合, 实现扩频通信网络跳频信号的时差估计。 实验结果表明, 该方法无论是在正常环境中, 还是在噪声干扰环境中, 其均方根误差均处于较低水平、 估计成功率均处于较高水平。

为解决异构数据孤岛之间难以开展安全机器学习的问题, 提出了一种异构数据孤岛之间的联邦学习通信 方式, 实现了横向和纵向混合的联邦学习通信, 突破了传统联邦学习横向和纵向参与方之间模型结构不统一的 通信壁垒。 基于政府、 银行等机构的特殊性隐私需求, 在混合联邦学习模型的基础上进一步去除了第三方聚合 器, 计算只在参与方之间进行, 大大提高了本地数据的隐私安全性。 同时针对上述模型中纵向同态加密为通信 过程带来的计算速度瓶颈问题, 通过增加本地迭代轮次 q 将纵向联邦学习的加密时间缩短了 10 倍以上, 降低 了横向参与方与纵向参与方间的计算瓶颈, 并且精度损失不超过 5% 。

针对 AlGaN(Aluminum Gallium Nitride)基深紫外 LED(Light Emitting Diode)发光效率低、 工作偏压较大的 问题, 设计了一种带有 n ⁺ -GaN/ Al _{0. 4}Ga_{0. 6}N/ p ⁺ -GaN 隧道结的氮极性 AlGaN 基深紫外 LED 器件结构。 该结构由 n-Al _{0. 65}Ga_{0. 35}N 电子提供层、 Al _{0. 65} Ga_{0. 35} N/ Al _{0. 5} Ga_{0. 5} N 多量子阱、 组分渐变 p-Al _xGa1_-xN 和 n ⁺ -GaN/ Al _{0. 4}Ga_{0. 6}N/ p ⁺ -GaN 隧道结构成。 研究结果表明, 相比于无隧道结的参考 LED, 隧道结 LED 具有更高的内量子效率和 光输出功率, 同时其具有更低的开启电压。 隧道结 LED 光电特性的改善, 归因于隧道结的引入提升了 LED 的 空穴注入效率, 提高了 LED 器件的电流扩展能力。 通过模拟软件对半导体器件载流子输运、 光电特性的模拟, 有助于加深对半导体器件物理特性的理解。 若在“半导体器件物理”学习课程加入对半导体器件模拟软件的 学习, 能有效提升学生对半导体器件物理知识的理解和探索。

针对油气物联网中无效能量消耗和网络寿命短等问题, 提出了一种新的数据筛选和融合算法。 该算法 通过分析数据与正常数据的偏离程度自适应地判断数据的异常程度, 对数据进行簇内筛选和簇间融合, 避免了 网络信息的冗余以及能量的过度消耗。 实验结果表明, 与传统方案相比, 该方案能有效改善油气物联网的通信 质量和能耗效率。

为使信号在不失真的情况下降低共模噪声的干扰, 提高激光自混合光栅干涉信号的信噪比, 提出了一种 基于差分技术的激光自混合光栅干涉位移测量方法。 +1 级衍射光被振动物体反射后返回激光腔, 发生自混合 干涉,并由封装在激光器内的光电探测器 PD1 接收, 0 级衍射光由外置 PD2 接收。 根据半导体激光器前后向 输出存在 180毅相位差的原理, 两光束所携带的自混合干涉信号相位相反,而叠加的噪声是部分相关的, 因此对 两个干涉信号进行差分能消除部分噪声。 通过对差分后的自混合信号处理, 可以重构出位移。 实验结果表明, 差分后的重构振动波形的平均误差更小, 信号更平稳, 且差分后的干涉信号的信噪比提高 3 dB 以上。

为解决人体解剖结构复杂, 存在较大个体差异, 教科书上有限的二维解剖图像常使学生难以理解及在 学习过程中存在学习目的不清晰、 方法不科学、 效率低下、 效果不佳等问题, 提出基于影像三维可视化技术的 临床解剖教学模式, 并对近年基于三维可视化技术的临床教学成果进行总结, 指出三维可视化技术临床教学 模式的可行性及优越性。 最后对可视化临床教学模式的拓展内容与发展思路进行了论证, 探讨了基于影像 可视化技术的临床解剖案例库建设应用于可视化教学模式的可能性。

 针对传统语言模型不能解决深层双向表征和分类模型不能充分捕获文本显著特征的问题, 提出了一种基 于 BERT-BiGRU-CNN( Bidirectional Encoder Representation from Transformers-Bidirectional Gating Recurrent Unit- Convolutional Neural Networks)的文本分类模型。 首先, 该模型使用 BERT 预训练语言模型进行文本表示; 其次, 将 BERT 的输出数据输入 BiGRU 中, 以捕获文本的全局语义信息; 然后, 将 BiGRU 层的结果输入 CNN 中, 捕获文本局部语义特征; 最后, 将特征向量输入 Softmax 层得到分类结果。 实验采用中文新闻文本标题数据集, 结果表明, 基于 BERT-BiGRU-CNN 的文本分类模型在数据集上的 F1 值达到 0. 948 5, 优于其他基线模型, 证明 了 BERT-BiGRU-CNN 模型可提升短文本的分类性能。

为解决校园不同信息、 应用系统间不能互通互联、 共享数据等问题, 利用数据整合技术将多源教育数据 进行融合, 搭建一套多源异构教育大数据挖掘与应用平台。 该平台利用人工智能模型的输出以及多源异构 教育大数据挖掘引擎的输入, 基于大数据挖掘技术对学生档案、 教学资源和社交行为等多源信息进行分析 处理, 实现教学体征诊断、 学习状态智能对比、 教学影响因素分析、 潜在问题挖掘、 教学质量趋势预测等功能。 为科学提升校园个性化教学服务质量, 客观评价教学个体及团队教学水平, 辅助分析教学个体及团队长板、 短板, 科学指导决策者管理教学体系提供有力支撑。

针对原始局部保持投影(LPP: Local Preserving Projection)算法难以准确获取非均匀高维数据的局部流形 结构且未利用样本类别信息的缺陷, 提出一种多信息融合的局部保持投影算法(MIF-LPP: Multi-Information Fusion Local Preserving Projection)。 该算法使用改进后的标准欧氏距离获取样本的近邻和互邻信息, 降低了 样本点分布不均和不同维度数据量纲差异的影响。 通过融合样本的类别信息构造权值矩阵, 进而获得数据的 低维本质流形。 最后, 分别在 CWRU(Case Western Reserve University) 数据集和本实验室轴承数据集上验证 该算法的有效性。 实验结果表明, MIF-LPP 算法的特征提取性能明显优于其他算法, 并且对邻域值具 有鲁棒性。

为解决传统有线混合网络数据传输丢包率高、 链路延迟长、 利用率低的问题, 提出一种有线混合网络数据传输拥塞优化控制方法。 以单向延迟和可用带宽的检测结果为基础, 采用马尔可夫模型预测有线混合网络传输的拥塞状态, 将资源消耗和链路利用率作为优化控制的目标, 在有线混合网络数据传输拥塞优化控制目标选择的路径符合要求下, 根据其状态建立目标函数, 完成优化控制。 实验结果表明, 该方法数据传输的丢包率小于 4% , 链路延时控制在 0. 05 s 内, 且其有线混合网络数据传输丢包率低, 链路延迟短、利用率高。

为减小复杂多变的电磁环境对车辆的影响, 利用三维电磁场仿真软件 CST ( Computer Simulation Technology)在车辆发动机舱建立线缆模型, 研究不同因素对车辆电磁耦合效应的影响。 通过仿真得到线缆长 度、 线缆距车底高度、 线缆相对距离、 线缆终端电阻、 导体半径、 绝缘层厚度等参数变化下, 线缆感应电压和 感应电流的峰值绘制关系曲线。 这些结论可以为车辆线束设计提供理论指导, 并为电磁防护设计中对于线缆 导体半径选择、 线缆相对距离、 离地高度、 线缆长度等提供依据。

针对抽油机井示功图故障诊断问题, 提出基于轻型卷积神经网络, 并引入注意力机制, 以提高在参数量、 计算量减少的情况下的网络诊断性能。 网络基础结构采用 MobileNet-V2, 并将 ECA(Efficient Channel Attention Module)模块嵌入 MobileNet-V2 的倒残差模块中。 倒残差模块中, ECA 对特征图从通道维度, 将生成的通道注 意力重标定权重与输入特征图进行相应通道相乘, 最后获取经过注意力加权处理的特征图。 基于提出的方法, 在保证模型诊断准确性的前提下, 降低了网络模型结构的复杂性。 实验结果表明, 改进后的 MobileNet-V2 的 诊断准确率达到 97. 60% , 满足油田实际生产需求。 

针对商用 SnO2 水分散液易发生颗粒团聚的问题和提升 SnO2 薄膜电学和表面性能的需求, 提出了一种 利用小分子螯合剂对 SnO2 进行优化的策略。 该策略选用低成本的螯合剂柠檬酸钠(SC: Sodium Citrate)对 SnO2 传输层进行掺杂, 制备的器件结构为 ITO/ SnO2 +SC/ FA1-xMAxPbI3 / Spiro-OMeTAD/ Au 的 PSCs。 在引入浓度经过 优化的 SC 后, PSCs 的开路电压和填充因子最高可达 1. 135 V 和 78. 23% , 能量转换效率为21. 53% , 与未引入 SC 的器件相比获得了明显提升。 对薄膜和器件进行表征后发现, SC 的掺杂可提升 SnO2 薄膜的电学和表面性 能, 进而改善了钙钛矿的结晶。 对集成的器件进行表征发现缺陷密度降低, 载流子复合引起的电压和填充因子 损失减少, 电荷传输的效率得到明显改善。

为减轻电力工作人员的巡检负担, 实现变电站智能巡检, 对变电站设备缺陷检测算法进行了研究。 首先, 利用数据增强方法对有限的初始数据集进行扩充, 利用多种图像处理方法增加数据集的复杂度, 生成 考虑复杂光照环境的数据集; 然后, 采用自适应空间特征融合(ASFF: Adaptively Spatial Feature Fusion)的方法 缓解特征金字塔中不同尺度特征的不一致性问题, 并引入 Focal 损失函数作为置信度损失函数以缓解正负样本 不平衡的问题, 利用改进的 YOLOX-s(You Only Look Once X-s)网络模型设计了变电站缺陷检测算法; 最后, 将改进的YOLOX-s 网络模型与其他深度学习算法的检测效果进行对比, 实验结果表明, 改进的 YOLOX-s 网络 模型的综合检测效果较好, 准确性和实时性均可以满足变电站设备缺陷检测任务。 

针对网络欺骗攻击检测过程中易受信号强度、 监控配置和路由器性能等干扰问题, 提出了基于深度学习 算法的校园监控网络欺骗攻击检测方法。 利用深度学习网络中的自编码器对校园监控网络流量数据进行降维 处理, 使用自编码器构成的栈示编码器对降维后的流量数据实行特征提取, 并将提取的特征输入置信度神经 网络中, 根据输出的置信度数值与固定阈值相比较判断网络欺骗攻击的类型, 完成校园监控网络欺骗攻击的 检测。 实验结果表明, 该方法的检测时间短、 检出率高、 误报率低。

为有效减少网络安全事件造成的损失, 并对高风险网络资产进行漏洞评估, 提出了一种基于量子粒子群 轻量级梯度升降算法(QPSO-LightGBM: Quantum Particle Swarm Optimization-Light Gradient Boosting Machine)的 多分类预测模型。 该模型通过对少量过采样技术(MOTE: Minority Oversampling)进行合成从而达到数据平衡, 采用量子粒子群算法(QPSO: Quantum Particle Swarm Optimization) 实现参数的自动最优化, 并使用 LightGBM 进行建模, 进而实现网络资产的多分类预测。 为验证模型的有效性, 将所提模型与其他算法模型进行了比对, 实验结果表明, 该模型在各类预测性能指标上都取得了较好的效果。 

针对无人机巡检图像模糊、 分辨率低等问题, 利用深度残差卷积神经网络( VDRCNN: Very Deep Residual Convolutional Neural Network)理论, 提出了一种无人机巡检图像的超分辨率重构方法。 该算法模型 由超分辨率加深网络(VDSR: Very Deep Network for Super-Resolution)和残差结构组成, 同时结合批量组归一 化和 Adam 优化器以获得更好的重建效果。 在此基础上, 构建电力部件检测数据集, 通过恰当设置网络 参数, 实现针对模糊电力部件图像的高分辨率重构。 实验结果表明, 基于 VDRCNN 的超分辨率方法重建出 的图像纹理更丰富、 视觉效果更逼真, 在峰值信噪比和结构相似度上分别有 2. 95 dB 和 3. 79% 的提升, 明显 优于传统检测方法。 所提出的基于 VDRCNN 的电力巡检图像超分辨率重构方法对解决电力巡检实际问题 具有一定的应用价值。

针对入侵检测数据集存在类别不平衡问题, 提出了系统化数据预处理与混合采样相结合的网络入侵检测 算法。 根据入侵检测数据集的特征分布, 对特征值进行系统化处理。 首先对 Proto、Service 和 State 3 个类别 特征, 合并每类特征中样本数较少的取值, 以降低独热编码的维度; 然后依据数值分布将其中 18 个极端分布 的数值特征进行对数处理后再执行 Z-score 标准化。 设计了 Nearmiss-1 欠采样与 SMOTE(Synthetic Minority Over- sampling Technique)过采样相结合的类别不平衡处理技术, 将训练集中每类样本按照 Proto、Service 和 State 类别 特征分成子类, 对每个子类进行等比例欠采样或过采样。 建立了入侵检测模型 PSSNS-RF(Nearmiss and SMOTE based on Proto, Service, State-Random Forest), 在 UNSW-NB15 数据集上的多分类检出率达到 97. 02% , 解决了 数据不平衡问题, 显著提高了少数类的检出率。

为提高卫星星座网络受到攻击后的抗毁性及工作能力, 提出了一种模拟退火狼群算法。 该算法利用主客 观权重法结合综合逼近理想排序法(TOPSIS: Technique for Order Preference by Similarity to Ideal Solution)对网络 中的节点进行重要度评估, 并按照节点重要度排序依次攻击。 以网络连通度与网络连通效率为优化目标, 卫星 星座网络通信限制为约束条件, 采用运动算子的思想实现狼群自适应步长的游走、 召唤和围攻。 使用通过优化 得出的加边方案对网络结构进行优化。 实验表明, 与其他优化算法相比, 该算法具有优越性, 解决了卫星星座 网络在受到攻击后工作能力下降的问题, 提高了其受到攻击后的抗毁性。

针对传统的分配策略在混合储能系统中存在可用容量差异, 且混合储能系统会因为可用容量不够而停运的问题, 提出一种采用改进麻雀算法的功率分配策略。 该策略将混合储能体系内有效存储容量占总体容量之比最优化作为目标, 并利用改进麻雀算法能更好地解决锂电池跟超级电容之间的功率分配问题。 并且利用超级电容器高功率、 低能量密度的特点, 针对实际工作中会发生可用容量不够的问题, 提出运用锂离子电池根据转移电流调整超级电容器的残余有效储能容量的方法, 并利用模糊控制的转移电流求解方法, 使超级电容器始终保持一定的有效储能容量, 从而增强了超级电容器的持续运营能力。 仿真实验结果表明, 该策略具有快速性、 稳定性及有效性。

微地震反演是根据微地震监测数据反演推测震源位置、 发震时刻、 真震级、 震源初始振幅、 震源机制 以及介质参数等信息, 进而完成微地震监测主要任务的重要途径。 为通过对微地震反演技术的研究, 获取更 精确的微地震信息, 进而提升对储层压裂评价的可靠性、 降低开发成本以及提高油气采收率, 从微地震震源 定位、 震源机制以及多参数联合反演 3 个方面对微地震反演进行综述。 回顾了近年来微地震反演技术的研究 进展, 分析了各种反演方法的原理与优缺点, 总结了各种反演技术的改进以及应用情况, 展望了未来的研究 思路和发展方向, 为今后微地震反演技术进一步发展提供参考借鉴。 

为解决商用车在行驶过程中, 传统的液压助力转向系统阻力较大且效率较低, 并且在长期使用后保养不 当容易泄露, 可能引起事故等问题, 对电动辅助转向电机控制算法和设计进行了研究。 电动辅助转向电机选择 永磁同步电机, 通过应用模糊 PID(Proportional Integral Derivative)算法可以精确, 快速地调制到参考值。 同时 采用拓展卡尔曼滤波器可以估算永磁同步电机的转子位置, 减小控制器的体积及成本。 在驱动系统中, 由于 大电流耦合路径多样严重影响电机控制系统的电磁兼容性能, 所以电机控制时采用驱动系统 EMC(Electro Magnetic Compatibility)设计。 实验结果表明, 基于模糊 PID 算法以及拓展卡尔曼滤波器的永磁同步电机控制 可以应用于商用车电动辅助转向电机控制中。

为提高短期电力负荷预测精度, 提出了基于变分模态分解(VMD: Variational Mode Decomposition)的 CNN-BiLSTM-Att( Convolutional Neural Network-Bidirectional Long Short-Term Memory-Attention) 的 短 期 负 荷 预测模型。 该模型将历史的负荷数据使用 VMD 分解成多个子序列负荷并结合天气、 日期、 工作日类型等 因素作为输入特征, 得到各个子序列负荷的预测值, 然后相加重构组成实际负荷预测曲线。 通过与其他 模型实验对比, VMD-CNN-BiLSTM-Att 模型在测试集上相比于其他模型均有所降低, 在连续的周负荷预测 中, 日负荷预测的平均绝对百分比误差基本维持在 1% ~ 2% 之间。 在复杂负荷变化的非工作日中, 平均 绝对百分比误差相比 CNN-LSTM 降低 0. 13% 。 证明 VMD-CNN-BiLSTM-Att 短期负荷预测模型能提高电力 负荷预测的精度。 

针对受森林地区复杂地形和植被冠层结构的影响, 基于被动微波遥感数据的森林地区雪深反演精度普遍 较低的问题, 在代表性半经验雪深反演算法的基础上, 结合森林气象站观测数据建立了中国东北森林地区半 经验雪深反演优化算法。 该算法考虑了森林植被介电常数随气温变化的特性, 使森林地区的雪深反演精度得 到了较大的提高。 与其他代表性半经验雪深算法相比, 该算法的均方根误差(RMSE: Root-Mean-Square Error) 平均减小了 2. 3 cm, 偏差(Bias)平均减小了 3. 7 cm, 相关系数(R)平均提升了 0. 11; 与常用的机器学习雪深反 演算法对比, 该算法的 RMSE 平均减小了 2. 17 cm, Bias 平均减小了 1. 67 cm, R 平均提升了 0. 22。 

针对求解多目标优化问题(MOP: Multi-Objective Problem)时, 人工蜂群算法(ABC: Artificial Bee Colony) 存在难以收敛和候选解多样性难以保持的问题, 对其各部分求解策略进行了改进。 基于 ABC 算法框架, 设计 了一种基于自适应求解策略的多目标 ABC 算法, 并在机电执行器设计的实际应用工程设计问题中, 将所提出 的改进多目标 ABC 与其他典型的群智能算法进行优化性能比较。 通过实验验证可知, 所提出的MOABC/ DD (Multi-Objective Artificial Bee Colony Based on Dominance and Decomposition) 算法在求解机电执行器设计问题 基准测试用例时, 与典型算法相比, 具有较好的问题求解精度。 并且 MOABC/ DD 的实验结果较为稳定, 从而 证明了 MOABC/ DD 具有较高的求解稳定性和健壮性。

为解决人物面部遮挡情况下识别人脸信息不清楚的缺陷, 优化人脸识别系统, 提出了基于面部边缘细节 的局部遮挡人脸图像识别方法。 依据稀疏性表达对人脸图像去噪, 根据图像灰度变换原理检测人脸图像边缘, 分割边缘区域, 计算其阈值以得到人脸图像边缘信息。 标记人脸特征点增强信息识别精度, 提取人脸图像的 特征描述子, 并将其输入支持向量机模型中, 通过训练实现局部遮挡人脸图像识别。 实验结果表明, 该方法 应用于人脸图像识别平均识别率高于 73% , 识别时间低于 20 s。

为预测油田增油控水措施效果中月产油量与含水量, 提出一种基于混合空洞卷积神经网络(HDCNN: Hybrid Dilated Convolutional Neural Network)-BIGRU-Attention 的措施效果预测模型。 模型通过 HDCNN, 提取生产 数据多尺度全局特征; 针对措施生产数据时序性较强与波动性较大的特点, 利用双向门控循环单元(BIGRU: Bidirectional Gated Recurrent Unit)充分挖掘数据间长期依赖关系, 提高时序信息利用率与学习效果; 引入缩放点 积注意力模块(Attention), 为重要信息赋予较高权重并不断调整参数使模型始终关注与预测目标相关性较大的 特征。 为验证模型的有效性, 将 LSTM(Long Short-Term Memory)、 CNN(Convolutional Neural Network)-LSTM 以及 LSTM-Attention 作为实验对比, 结果表明该模型具有更低的预测误差与更好的泛化能力。

 针对在室内应用超宽带 UWB(Ultra Wide Band)定位技术时, 需要建立高效精确的三维坐标定位系统以 克服信号干扰问题, 应用机器学习方法对其进行了研究。 首先使用多种统计分析模型清理无效或误差测量值; 然后将 TOF(Time Of Flight)算法的先验知识与神经网络、 XGBoost(eXterme Gradient Boosting)算法相结合, 提出 了神经XGB(Exterme Gradient Boosting)三维定位系统, 该系统可通过“正常数据冶和“异常数据冶 (受干扰)以及 4 个锚点的坐标精准预测靶点的坐标值, 能使误差在二维平面降至 5. 08 cm, 在三维空间降至 8. 03 cm; 同时 建立了判断数据是否受干扰的神经网络分类模型, 精确率为 0. 88; 最后通过结合上述系统, 得到了连续且规律 的运动轨迹, 证明了系统的有效性与鲁棒性。

针对现有通信工程类专业课程实验大多以仿真为主, 软硬件开发等实操类实验项目不足的问题, 设计了 一套基于手机相机的可见光成像通信实验系统。 该系统利用上位机编辑信息, 通过 STM32 单片机驱动放大 电路, 控制条形 LED(Light Emitting Diode)的高频闪烁, 实现信息的调制和传输。 采用手机相机作为接收器, 基于 Android Studio 开发手机应用程序, 实现条带信息采集、 解调和解码等功能, 并实时显示发布信息。 系统 融合嵌入式软硬件开发、 Android 开发等实用型技术, 激发学生的学习兴趣。 搭建的实验平台逐步实现编码、 调制、 传输、 解调和解码, 使学生对可见光通信原理有深入的理解, 有助于专业教育理论课程的学习。 

针对由于行人拍摄相机参数、 拍摄环境以及角度等的差异, 使行人重识别算法的准确率较低的问题, 提出了一种基于行人语义感知信息以及深度学习的行人重新识别算法。 首先, 超分辨率重构行人视图, 提升 行人视图细节特征, 提取行人的整体特征值, 并用其识别体型差异较大的行人。 其次, 感知行人图像的语义 信息, 根据上述结果提取行人语义信息的特征值, 用于识别体型相同或相似的行人。 然后将行人视频中的人体 宏观特征值以及语义感知的信息特征值融合为综合的特征值。 使用生成的特征值计算与不同个体视频特征值 的间距, 识别海量人物图像。 最后, 在不同的数据集中验证了算法的性能。 实验结果表明, 该基于语言感知 行人重识别算法的 mAP 和 rand-1 值最高。

 为解决分割目标和周围结构边界不清楚的问题, 提出一种基于注意力机制的腰椎间盘突出患者多裂肌 分割方法。 该网络采用了编码器-解码器的结构, 通过引入注意力机制模块提升网络分割精度, 并在特征提取 后引入空洞空间卷积池化金字塔模块, 融合了上下文信息, 以提升网络模型的性能。 实验结果表明, 在推理时 间接近的情况下, 该模型与经典 U-Net 算法相比, Dice 系数提升了 7. 8% , Jaccard 相似系数提升了10. 1% , Hausdorff Distance 下降了 69. 5% , 提高了多裂肌脂肪浸润部位的分割精度。 

中文化学命名实体结构没有严格的构词规律可循, 识别实体中包含字母、 数字、 特殊符号等多种形式, 传统字向量模型无法有效区分化学术语中存在的嵌套实体和歧义实体。 为此, 将高中化学试题资源的命名实 体划分为物质、 性质、 量值、 实验四大类, 并构建化学学科实体词汇表辅助人工标注。 通过 ALBERT 预训练模 型提取文本特征并生成动态字向量, 结合 BILSTM-CRF( Bidirectional Long Short-Term Memory with Conditional Random Field)模型对高中化学试题文本进行命名实体识别。 实验结果表明, 该模型的精确率、 召回率和 F1 值 分别达到了 95. 24% 、95. 26% 、95. 25% 。

为提高移动通信中用户服务质量(QoS: Quality of Service), 解决系统总能效和用户服务质量不能兼顾的 问题, 以稀疏码多址接入( SCMA: Spare Code Multiple Access)下行链路为应用场景提出了一种基于用户服务 质量和能效的资源分配方案, 将系统的容量和能耗作为主要方向进行优化。 使用贪婪算法对用户进行码本 分配, 采用丁克尔巴赫理论(GDA: Generalized Dinkelbach’s Algorithm)将其转化为一个凸优化问题进行迭代求 解, 以本次计算得出的用户最低服务速率作为下一轮运算的系统最低服务速度重复进行用户码本和能耗轮换 计算, 直到系统中用户最低通信速度变化低于预设值或达到最大运算次数为止, 使系统的容量及能耗达到较好 的情况。 通过理论分析和仿真结果表明, 所提出的 SCMA 分配方案能有效提升下行链路的用户的通信速率和 系统能效。

为更好地保护生态环境并提高可回收垃圾的经济价值, 针对现有的垃圾识别方法面临的分类背景复杂、 垃圾目标形态变化多样等问题, 提出一种面向垃圾图像分类的残差语义强化网络, 能从复杂背景中剥离前景 语义目标。 该网络以骨干残差网络为基础, 利用视觉概念采样、 推理以及调制模块实现视觉语义的提取, 并通过注意力模块消除语义层次和空间分辨率与视觉概念特征的差距, 从而对垃圾目标形态变化更加具有 鲁棒性。 通过在 Kaggle 开源的 12 分类垃圾数据集及 TrashNet 数据集上进行实验, 结果表明, 相较于骨干网络 ResNeXt-50 和其他深层网络, 该算法均取得了性能的提升, 在垃圾图像分类任务上有较好表现。

针对“误差理论与数据处理冶课程理论性强, 计算公式多, 而传统教学中存在重理论、轻实践问题, 基于 Matlab APP(Application) Designer, 设计了综合性实验系统 APP。 分别实现了随机误差、系统误差和粗大误差等基本概念和最小二乘拟合等典型算法的快速实现和可视化。 同时, 依托“地面核磁共振冶实际工程数据, 设计了系统误差和粗大误差的去除方法。 该综合性实验平台不仅能培养学生的应用能力, 还能使科研与教学有机结合, 便于学生理解和掌握抽象概念, 提高学生的学习兴趣。 

针对金属部件表面损伤点云数据对分割网络局部特征分析能力要求高, 局部特征分析能力较弱的传统算 法对某些数据集无法达到理想的分割效果问题, 选择采用相对损伤体积等特征进行损伤分类, 将金属表面损伤 分为 6 类, 提出一种包含空间尺度区域信息的三维图注意力特征提取方法。 将得到的空间尺度区域特征用于 特征更新网络模块的设计, 基于特征更新模块构建出了一种特征更新的动态图卷积网络( Feature Adaptive Shifting-Dynamic Graph Convolutional Neural Networks)用于点云语义分割。 实验结果表明, 该方法有助于更有效 地进行点云分割, 并提取点云局部特征。 在金属表面损伤分割上, 该方法的精度优于 PointNet+ +、 DGCNN (Dynamic Graph Convolutional Neural Networks)等方法, 提高了分割结果的精度与有效性。

针对目前图像的模糊去重方法存在处理后图像不清晰、 质量不高的问题, 提出了基于小波域的数字化 媒体图像自适应模糊去重算法。 首先通过小波域方法对数字化媒体图像完成去噪处理; 其次利用逐步标注显 著区域方法将数字化媒体图像分成保护与非保护区域, 其中保护区域即为显著区域; 最后利用显著性正则化处 理图像, 完成图像的自适应模糊去重算法。 实验结果表明, 基于小波域的数字化媒体图像自适应模糊去重算法 处理后的图像噪声低、 质量高、 图像信息丰富, 清晰度好。 

针对现有图像数据集存在的隐私保护需求, 提出一种图像数据集隐私保护场景及该场景下隐私保护的 图像替代数据生成方法。 该场景利用经隐私保护方法处理后的替代图像数据集取代原始图像数据集, 其中 替代图像与原始图像一一对应, 人类无法识别替代图像所属类别, 替代图像可训练现有的深度学习图像分类 算法, 且具有较好的分类效果。 同时针对上述场景, 改进了基于投影梯度下降(PGD: Project Gradient Descent) 攻击的数据隐私保护方法, 将原始 PGD 攻击目标由标签改为图像, 即图像对图像的攻击, 并使用经过对抗训练 的鲁棒模型进行图像对图像攻击作为替代数据的生成方法。 在标准测试集上, 替代后的 CIFAR( Canadian Institute For Advanced Research 10)数据集和 CINIC 数据集在图像分类任务上分别取得了 87. 15% 和 74. 04% 的 测试正确率。 实验结果表明, 该方法能在保证替代数据集对人类隐私性的前提下, 生成原始数据集的替代数据 集, 并保证现有方法在该数据集上的分类性能。

针对目前市场上可直接用于光纤光栅传感实验教学的装置较少, 前沿科研技术和本科实验教学相脱节 现状, 设计了基于光纤光栅的温度应力传感教学装置。 该装置包括光纤激光器、 光谱仪和上位机控制软件 3 部 分。 光纤激光器实现了 1 550 nm 左右的激光输出, 利用光谱仪测量光纤光栅中心波长的改变, 并采集数据 输入计算机, 上位机控制软件用于图形显示和数据存储等。 该实验装置操作简单、 组装灵活、 重复性和稳定性 好, 可用于本科实验教学。 将前沿科学技术引入本科实验教学, 促进了科学研究与本科实验教学相融合, 实现 了科研教学水平的同步提高。

为解决识别地震图像上的断层、 气烟囱等特殊地质体的边界信息模糊、 噪音影响等问题, 提出一种改进 的局部二值模式(LBP: Local Binary Patterns)算法与局部熵(ENT: Entropy)结合的边缘检测算法(LBP/ ENT)。 利用传统的 LBP 构建一种旋转不变统一的局部二值模式, 使其适应地震图像异常地质体的横向不连续性, 并引入局部熵刻画地震图像局部的离散特征, 提高地震噪音的鲁棒性。 利用提出的 LBP/ ENT 方法对复杂的 Marmousi 理论模型和实际地震图像上的气烟囱进行研究, 并与 Canny 算子、 LBP 算子、 局部方差( VAR: Variance)、 LBP/ VAR 算子进行对比, 结果表明: LBP/ ENT 能更清楚地刻画地震图像的边缘信息, 对噪音具有 更好的鲁棒性。 研究实例说明提出的 LBP/ ENT 算法为检测地震图像上特殊地质体的边缘信息提供了一种可行 的技术方法。 

针对降维算法局部线性嵌入算法 LLE(Local Linear Embedding)未能充分保留高维数据中邻域之间的结构

的问题, 提出了一种新的融合邻域分布属性的局部线性嵌入算法。 该算法通过计算每个样本数据的邻域分布

以及 KL(Kullback-Leibler)散度度量不同邻域点与其中心样本各自的近邻分布差异, 并利用其差值优化重构的

权重系数, 从而获得更精确的低维电机数据。 通过可视化、 Fisher 测量和识别精度 3 个评价结果验证了该算法

挖掘电机轴承检测数据高维结构的有效性。

 为应对大规模新能源的接入, 以 IEEE 33 节点配电网模型为基础, 添加了可调度负荷和无功调压设备, 基于二阶锥支路潮流模型, 构建了主动配电网日前-日内调度模型。 日前阶段以综合运行成本为优化目标, 对 配电网各设备未来 24 h 的出力情况进行调度。 日内滚动优化调度阶段, 则将储能设备、 电动汽车以及电容器 组的日前调度结果作为约束条件, 以电压稳定性、 网损和新能源利用率为优化目标。 可调度负荷接入后, 日前 调度的新能源消纳率提高了 4. 41% , 购电成本从 472. 03 元降至 446. 90 元。 与日前调度结果相比, 日内调度中 新能源消纳率降低 0. 53% , 各节点电压偏移最大值从 0. 060 0 降至 0. 025 3。 实验结果表明, 提出的二阶段 调度模型电压偏移较低, 同时新能源利用率较高。

针对观测数据的零样本遥感影像场景分割时, 因不存在相应的参照物, 造成分割耗时长, 精确率较低等 问题, 提出了基于卷积神经网络的零样本城市遥感影像场景分割算法。 采用主成分分析方法与 K-奇异值分解 方法对遥感影像去噪处理, 抑制斑块效应; 将去噪后影像输入 Retinex 增强算法中, 进一步提升零样本城市遥 感影像增强效果; 采用均值漂移算法分割遥感影像场景获取其像素点之间关系, 通过卷积神经网络完成零样本 城市遥感影像场景精准分割。 实验结果表明, 该算法精确率高, 召回率高, F-score 率高, 消耗时间短。 

针对变分模态分解(VMD: Variational Mode Decomposition)算法在分解信号时参数选择不准确导致降噪效果不理想的问题, 提出一种改进的蜜獾优化算法(LHBA: Levy Honey Badger Algorithm)与 VMD 结合的降噪算法。首先, 利用 LHBA 算法优选 VMD 的分解模态数 K 和惩罚因子 α; 其次, 利用优化后的参数进行 VMD 信号 分解; 最后, 计算各模态分量与原始信号之间的豪斯多夫距离(HD: Hausdorff Distance), 选取有效模态分量 进行信号降噪处理。 实验结果表明, 该算法与 HBA(Honey Badger Algorithm)-VMD、 GA(Genetic Algorithm)- VMD 和 PSO(Particle Swarm Optimization)-VMD 相比, 其 4 种评价指标均优于其他对比算法, 具有较好的降噪效果, 验证了该算法的有效性和先进性。

针对目前数字图像采集传输过程中因受环境干扰出现低像素的图像, 导致图像重建效果较差的问题, 提出了基于多尺度残差的数字图像超分辨率重建算法。 首先, 采用双边滤波算法完成数字图像的去雾处理; 其次, 分类数字图像的亮度特征信息和色彩信息, 采用距离阈值去噪方法分别对其进行去噪处理; 并且设置 多个尺寸的卷积核, 将其引入图像特征提取过程中, 获取数字图像特征, 对其展开反向投影操作, 在残差学习 思想的基础上连接升采样和降采样过程提取的特征, 实现数字图像超分辨率重建。 实验结果表明, 所提算法对 图像重建的结构相似度高、 峰值信噪比(PSNR: Peak Signal-to-Noise Ratio)高、 重建效果好。

针对互联网的广泛应用容易导致各类隐私数据泄露的问题, 提出了云计算下去中心化双重差分隐私数据 保护算法。 首先通过学习隐私数据传输信道网络模型准确采集隐私数据, 然后利用重构隐私数据空间特征的 方法获取隐私数据本体特征, 最后通过隐私数据特征对采集的隐私数据实施精准加噪, 以达到精准保护隐私 数据的目的, 完成去中心化双重差分隐私数据保护。 经实验验证, 所提算法对隐私数据的保护实时性高、 安全 性好, 且在不同噪声环境下均可以对隐私数据实施精确保护。

为实现低资源嵌入式设备的图像分类识别, 针对能实现简单图像识别任务、对图像识别准确率要求不 高, 且要求低成本的场景, 将卷积神经网络(CNN: Convolutional NeuralNetwork)部署到资源受限的微控制器单元(MCU: Microcontroller Units)上。 首先提出一种在资源受限 MCU 上的轻量化部署策略: 为降低模型的参数量, 提出一种轻量化的神经网络算法; 为保证模型大小能适应有限的随机存取存储器(RAM: Random Access Memory), 提出了一种基于闪存(FLASH: Flash Memory)扇区的替存储算法。 其次, 在资源受限的嵌入式设备上部署该策略。 针对采集图像的质量和采集速度不匹配问题, 设计了摄像头外围电路; 对采集图像进行基于高斯分布的自适应阈值二值化处理并对图像样本完整性进行校验。 实验结果表明, 该系统取得大约 80% ~ 89% 的 识别准确率。 虽然该准确率低于训练精度 10% 左右, 但在上述对精度要求不高的实际场景中可以较好地应用。

针对采集设备在获取空间多维数据时往往是离散的, 受设备故障、 环境等因素的影响, 空间多维数据会 出现遗漏或异常问题, 提出了基于 Lagrange 插值算法的空间多维数据校准模型。 首先, 建立星型和雪花型的 空间多维数据库结构, 明确数据分布特征。 然后, 预处理初始数据, 经过参数初始化操作, 实现数据维数一致 性划分, 提高数据质量。 再通过信息熵蚁群聚类、 优化合并等过程完成数据分类, 将具有相同特征的数据聚集 到同一簇中, 减少离群点。 最后, 利用基函数确立 Lagrange 插值多项式, 引入归一化思想, 确保数值在一定区 间内浮动, 避免龙格现象, 生成新的插值多项式, 多项式计算结果即为校准的数据值。 实验结果表明, 该方法 具有较好的数据预处理能力, 能有效减少校准误差。

针对现有高校毕业生学位预测研究多是集中于构建成绩预测模型, 忽略了学位预警工作的重要性, 为此, 提出基于支持向量机的学位预警模型。 通过应用某高校 2018 级广播电视编导、 汉语言文学、 化学、 会计 学和数学与应用数学 5 个专业实际数据对其进行了大量实验验证。 结果表明, 构建的预警模型具有良好的准 确度和实用性, 可以成为提升教学质量的重要组成部分, 为教师改进教学方案, 学生改变学习方法提供参考。

针对 K-means 算法需要人为确定聚类个数和随机选取初始聚类中心导致结果陷入局部最优的问题, 结合 基于密度峰值的聚类算法 CFSFDP(Clustering by Fast Search and Find of Density Peaks), 提出一种改进的无参数 K-means 算法。 首先, 计算样本点的局部密度和离散度。 然后, 建立决策图, 将两个参数组成向量, 计算每个 点到周围 5 个点的距离, 筛选出距离大于 2 倍均方差且密度大于平均密度的点作为算法的初始聚类中心, 统计 聚类中心个数 k 作为聚类个数, 将初始聚类个数 k 以及初始聚类中心作为 K-means 算法的初始参数对数据进行 聚类。 最后, 对 UCI(University of California, Irvine)数据集、 人工建立的高斯数据集以及真实刀具振动数据集 3 种不同类型的数据集进行聚类。 结果表明, 所提算法保持传统算法全局最优性, 并验证了提出算法的有效 性。 由于 K-means 是一种无监督聚类方法, 在获得较优刀具状态识别结果的同时, 可减少人工数据标定、 有监督训练等工作量及运算成本, 这对于准确实时提取数控机床刀具运行状态具有较高的实际意义。

由于传统云端访问安全监控方法无法识别访问数据的伪显特征, 服务器易受存储空间限制, 导致监控 效果和数据保密性较差。 为了能察觉网络攻击, 及时做出应对方案, 提出了基于活跃能耗与空闲能耗的云主机 访问安全监控算法。 利用离散小波变换方法处理云主机访问页面入侵信息, 得到数据自相关函数, 放大倍数中 雷同性, 分割成不同聚合序列; 通过计算节点能量消耗, 得到活跃与空闲状态能耗, 增加访问路径节点活跃 时隙次数, 均衡网络能量负载, 延长网络使用周期; 以网络访问特点构成云主机网络的多角度分析模型, 明确 其特征功能与处理形式, 获得全部云主机访问有效域数据, 提高处理器应用率, 算出时间平均数, 感知云主机 访问安全状况。 实验结果表明, 所提算法能监控攻击情况, 误报率更低, 检出精准度接近 100% , 优于其他 两种算法, 证明了该方法的有效性。

由于受医院网络自身稳定性的影响, 导致无纸化办公网络数据易遭受攻击, 为此提出基于混沌序列的 医院无纸化办公网络自适应加密算法。 通过随机数自动生成密匙, 利用三维混沌系统生成混沌序列, 产生 置乱、 分组的密匙序列。 基于服务期望设计节点调度算法调度医院无纸化办公网络节点, 确保密匙加密时能 调度到合适的网络节点。 通过云存储与改进背包算法实现医院无纸化办公网络的自适应加密处理。 在某医院 无纸化办公网络中选取文字、 图像以及视频 3 种数据进行测试。 测试结果表明, 加密后密文呈现数字状态, 不 容易引发攻击者的注意; 3 种数据密文与明文之间的均方误差均较大, 最大为 258. 63; 加密后 3 种数据的数据 相关性均大幅减弱, 说明该算法能破坏数据原本的相关性, 具有良好的网络数据加密能力。

为解决基于 RNN(Recurrent Neural Network)的序列推荐模型在处理长序列时易出现梯度消失或爆炸从而 导致推荐模型训练过程不稳定问题, 在传统门控循环单元(GRU: Gated Recurrent Unit) 基础上, 引入了残差 连接、 层归一化以及前馈神经网络等模块, 提出了基于深度残差循环神经网络的序列推荐模型 DeepGRU。 并 在 3 个公开数据集上进行了验证, 实验结果表明, 该 DeepGRU 相较于目前最先进的序列推荐方法具有明显的 优势(推荐精度平均提升 8. 68% )。 消融实验验证了引入的残差连接等模块在 DeepGRU 框架下的有效性。 并且, 该 DeepGRU 有效缓解了在处理长序列时训练过程不稳定的问题。 

针对传统的人工势场法在移动机器人路径规划中存在的目标不可达和局部极小值问题, 提出了一种改进的人工势场法。 首先, 对目标点附近有障碍物时由于斥力较大, 机器人难以到达目标点的问题, 在势场中引入了安全距离因子, 并对该参数进行了优化, 从而使机器人与障碍物保持合适的距离, 顺利到达目标点。 其次, 为解决局部极小值问题, 引入了局部极小值判别条件, 并在触发该条件时对局部极小区域进行绕行, 使机器人顺利到达目标点。 仿真结果表明, 改进后的算法在不同数量的障碍物地图环境下运行, 有较强的鲁棒性, 所提出的算法可以使机器人在 U 型障碍物环境中绕过局部极小值区域, 成功解决了移动机器人路径规划中的 局部极小值问题。

为解决非线性板球系统滑模控制中出现的抖振现象以及轨迹跟踪过程中多扰动问题, 提出了一种基于 三步法的滑模控制方案。 首先, 建立板球系统状态空间模型, 设计滑模控制律克服系统存在的不确定性扰动; 其次, 将三步法控制规律与滑模控制算法相结合, 设计三步法滑模控制器, 避免了滑模控制中存在的抖振 现象; 最后, 通过李雅普诺夫函数证明了闭环控制系统的稳定性。 对比仿真实验结果进一步验证该方法在轨迹 跟踪控制中的有效性。 

为解决多属性群决策结果之间存在较大的差异问题, 对基于直觉模糊测度的可测函数列依测度收敛进行 了研究。 基于可能性理论和直觉模糊集理论研究直觉模糊可能性测度, 确定直觉模糊测度存在有界性、 单调性 以及直觉模糊可加性性质与直觉模糊测度依据接收、 延迟和拒绝 3 项决策规则。 研究结果明确给出可测函数 列依测度收敛情况, 可知集函数在可测空间中存在集值双零渐进可加的收敛状态。 通过算例验证该方法可有 效计算差异属性特征下不同决策的直觉模糊可能性测度, 可有效获取最佳决策方案和解决多属性群决策问题, 具有较好的实用性。

为改善永磁同步电机(PMSM: Permanent Magnet Synchronous Motor)模型预测控制系统中较高的转矩脉动 与磁链脉动, 通过学习永磁同步电机的基本构造和控制方法, 设计了一种对占空比与电压矢量进行同步调节的 模型预测控制系统方案。 通过选择某一取样时间的最优预期电压矢量和作用时间, 加上当前取样时间的最优 预期电压矢量和作用时间, 对采样时间的占空比系数实现调整。 通过对仿真模型进行对比分析, 验证了该方法 对提升永磁同步电机控制性能的可行性和有效性。

针对 Yolov3-Tiny 算法在加油站监控场景检测时由于数据特征提取不充分而导致检测精度低、 漏检率高 等问题, 提出一种基于加油站场景的 Misp-YOLO(You Only Look Once)目标检测算法。 首先引入 Mosaic 数据 增强算法, 使图片包含更多特征信息; 其次使用 InceptionV2 和 PSConv(Poly-Scale Convolution)多尺度特征提取 方法提升网络多尺度预测能力; 最后结合 scSE(Concurrent Spatial and Channel ‘ Squeeze & Excitation爷)注意力 机制, 重构主干网络输出特征。 实验结果证明该算法具有较高检测准确度, 并且检测速度满足实际需求。 优化 后的算法性能得到极大提升, 可推广应用于其他目标检测中。

针对公共计算机实验室课时和上课学生数量众多的问题, 自主开发了一套公共计算机实验室信息化 系统。 该系统包括学生端、 教师端与服务器 3 部分。 学生端是一个基于 Python 的桌面程序。 教师端与服务器 实现在同一个由 JSP(Java Server Pages)编写的 Web 工程里。 在功能上划分为学生签到、 失物招领和意见反馈 3 个基础模块, 同时集成了其他常用功能。 应用结果表明, 该系统能利用信息化手段为学生在实验室学习提供 便利, 真正落实了“以学生为本冶的教学理念。

功能磁共振成像技术(fMRI: functional Magnetic Resonance Imaging)是一种高效的脑成像技术研究方法, 为减少 fMRI 数据的冗余, 将其转换为更具分类潜力的特征, 提出一个基于孪生网络( SANet: Siamese Network) 的特征构造算法 SANet, 将多个扫描点下的脑区信息类比为图, 应用改进的 AlexNet 网络进行特征构造, 并结合 增量特征选择策略达到优化分类的目的。 通过实验对比 3 种不同网络结构和 4 种分类器对 SANet 模型的影响, 并进行消融实验, 验证增量特征选择算法对 SANet 构造特征的分类效果。 实验表明, SANet 模型能对 fMRI 数据进行有效构造, 且提高原始特征的分类性能。

为提高传统目标检测的识别效果和准确率, 并加快运算速度, 提出了一种具有更强大特征学习和特征 表达能力的卷积神经网络(CNN: Convolutional Neural Network)模型和相关的深度学习训练算法, 并将其应用于 计算机视觉领域的大规模识别任务。 首先详细分析了传统目标检测算法, 如 V-J(Viola-Jones) 检测器、 HOG (Histogram of Oriented Gradients)特征结合 SVM(Support Vector Machine)分类器和 DPM(Deformable Parts Model) 检测器的特点。 然后提出了深度学习算法, 如 RCNN(Region-based Convolutional Neural Networks)算法和 YOLO (You Only Look Once)算法, 并分析了其在目标检测任务中的应用现状。 针对倒地检测任务, 使用 YOLOv5 (You Only Look Once version 5)模型对不同身高体型目标人群的行为进行训练。 通过使用不同的交并比( IOU: Intersection over Union)、 准确率(Precision, P)、 召回率(Recall, R)和 PR 曲线等评估指标, 对 YOLOv5 模型进 行了分析, 评估了其在检测站立和倒地两种活动方式的实际效果。 同时通过预训练和增强处理, 增加了训练样 本数量并提高了网络的识别准确率。 实验结果表明, 倒地识别率达到了 86% 。 可将其应用于灾区探测救援类 机器人的设计中, 以辅助识别和分类受伤倒地人员, 提高灾区救援效率。 

针对物资市场价格受多种原材料价格波动的影响, 并且其市场价格调整落后于原材料价格调整的滞后 问题, 为提高预测效果, 利用二元密度聚类方法结合动态时间规整算法(DTW: Dynamic Time Warping), 计算 不同时间间隔内物资的市场价格与原材料价格走势相似度, 得到价格的时间延迟。 结果表明, 物资的市场价格 波动滞后原材料价格波动 11 周, 电缆物资的市场价格则可根据 11 周前原材料价格走势进行预测, 辅助企业 采购部门制定合理的采购方案。 

针对等效线束法建模难、 计算效率低的问题, 探讨了车辆线束在电磁脉冲辐照下不同参数的耦合效应, 以提高仿真效率, 并分析了车辆线束中相关参数对线束电磁脉冲耦合的影响。 首先, 分析了车辆线束数量对 线束电磁耦合效应的影响, 通过控制变量法, 改变线束中的线缆数量, 观察线束中耦合电压的最大值。 然后, 改变线缆尺寸和负载电阻, 观察线束中耦合电压电流最大值的变化。 仿真结果表明, 耦合电压的峰值随线缆数 量的增大而减小, 随线缆尺寸的增大而增大, 并且都呈线性变化; 耦合电流的峰值随负载电阻的增大而减小, 呈幂级数关系。 最后, 结合仿真结果, 对不同参数下的最大耦合电压电流进行拟合, 得出其之间的关系, 为车辆线束的电磁防护工作提供参考。

针对在冰雪环境下车辆横向稳定控制, 为解决在低附着、 分布不均的路面情况下车辆对参考轨迹的稳定 跟踪问题, 设计了基于神经网络调节的模糊 PID( Proportional-Integral-Differential) 制器, 以及基于线性化车辆 模型的模型预测控制(MPC: Model Predictive Controll)。 以路面附着系数及车辆速度作为输入构建 BP(Back- Propagation)神经网络, 输出调节系数优化模糊 PID 控制器控制性能; 设计了十自由度模型表征车辆在冰雪 环境下的动力学特性, 使用 MPC 实现车辆横向稳定控制。 使用 CarSim/ Simulink 进行联合仿真实验, 结果表明 该控制器能显著提高车辆轨迹跟踪性能。

 考虑到新型电力负荷随机性增强, 传统的准确预测方法已无法满足要求, 提出一种 EMD-BiLSTM-ANFIS (Empirical Mode Decomposition-Bi-directional Long Short-Term Memory-Adaptive Network-based Fuzzy Inference System)分位数预测负荷概率密度的方法, 使用负荷预测区间取代点预测的准确数值, 能为电力系统分析与 决策提供更多数据, 增强预测的可靠性。 首先将原始负荷序列通过 EMD(Empirical Mode Decomposition)分解成 若干分量, 并通过计算样本熵分为 3 类分量。 然后将重构后的 3 类分量与由相关性筛选的外界因素特征采用 BiLSTM、ANFIS 模型进行训练和分位数回归(QR: Quantile Regression), 并将分量的预测区间结果累加得到最终 负荷的预测区间。 最后利用核密度估计输出任意时刻用户负荷概率密度预测结果。 通过与 CNN-BiLSTM (Convolutional Neural Network-Bidirectional Long Short-Term Memory)、LSTM(Long Short-Term Memory)模型对比点 预测及区间预测结果, 证明了该方法的有效性。 

 为提高去噪图像质量, 提出了一种基于二维变分模态分解算法(2D-VMD: Two Dimensional Variational Mode Decomposition)和巴氏距离( BD: Bhattacharyya Distance) 的结合算法用于图像去噪。 该算法首先使用 2D-VMD算法将图像分解为若干个固有模态函数( IMFs: Intrinsic Mode Functions); 然后使用 BD 测量每个 IMF 的概率密度函数(PDF: Probability Density Function)与原图像 PDF 间的几何距离, 区分出信号主导 IMF 和噪声 主导 IMF; 最后将噪声主导 IMF 经小波阈值去噪后与信号主导 IMF 重构, 得到去噪图像。 将算法应用于医学 图像去噪, 理论分析和仿真结果表明, 2D-VMD 和 BD 结合算法与全变分模型(ROF: Rudin Osher Fatemi)算法、 中值滤波和小波阈值滤波相比, 其在主观和客观评价方面都具有较好的去噪效果, 有效地提高了去噪图 像质量。 

针对暴力破解攻击使网络安全面临重大风险问题, 提出了开源网络空间大数据暴力破解攻击识别算法 设计方案。 构建开源网络空间数据信息模型, 求出参变量矢量的集合, 优化模型变量计算结果。 基于蚁群算法 将特征优化变换成路径搜索问题, 先将网络暴力破解攻击特征当做是蚂蚁要访问的一个位置, 再选择明确状态 转移概率, 将部分搜索细化, 获得全局最优特征。 利用信息增益法度量特征, 求出数据集中各特征信息的 增益, 通过计算单一数据集中间值的函数, 测量样本差异性, 降低数据集合中的离群值, 并与阈值比较识别出 攻击行为。 实验结果表明, 所提算法能精准识别网络暴力破解攻击, 识别率保持在 95% 以上, 且误报率较低、 识别效果最佳。

针对传统无源有损积分环路滤波器相较于有源无损积分环路滤波器, 具有功耗低、 电路设计简单等特 点, 但其噪声传输函数(NTF: Noise Transfer Function)平滑, 噪声整形效果较弱的问题, 提出了一种无源无损的 二阶积分环路滤波器, 保留了无源有损积分优点的同时具有良好噪声整形效果。 设计了一款分辨率为 16 bit、 采样率为 2 Ms/ s 的混合架构噪声整形 SAR ADC。 仿真结果表明, 在 125 kHz 带宽、 过采样比为 8 时, 实现了 高信号与噪声失真比( SNDR( Signal to Noise and Distortion Ratio) 为 91. 1 dB)、 高精度(14. 84 bit) 和低功耗 (285u W)的性能。

为了更好地利用深度学习框架防范安卓平台上恶意软件攻击, 提出了一种新的应用程序可视化方法, 从而弥补了传统的采样方法存在的信息损失问题; 同时, 为得到更加准确的软件表示向量, 使用了 Swin- Transformer架构代替传统的卷积神经网络(CNN: Convolutional Neural Network)架构作为特征提取的主干网络。 实验采用的数据集中的样本来自 Drebin 与 CICMalDroid 2020 数据集。 研究结果表明, 新提出的可视化方法 优于传统的可视化方法, 检测系统的准确率达到 97. 39% , 具有较高的恶意软件识别能力。

 针对出租车随意停靠造成城市交通拥堵甚至交通事故的问题, 利用成都实际区域的出租车 GPS(Global Position System) 数据和爬取的 POI ( Point of Interest) 数据, 使用 DBSCAN( Density-Based Spatial Clustering of Application with Noise)聚类算法对上下客点进行聚类, 得到出租车的载客热点, 根据 POI 的类型划定载客热点 区域的类型, 对出租车不同时间的出行需求进行分析, 进而划分出出租车的固定停车区域。 研究结果表明, 出租车固定停车区域的设定与出行者的出行需求有关, 即将固定停车区域设置在出行者出行需求多的区域, 可以满足出行者的不同出行需求。 结合出租车载客热点和爬取 POI 数据划定固定停车区域的方法具有较高的 实用性, 可为城市交通安全方面提供理论和现实意义。 

为解决养殖户很难监测到自己养殖鱼类的行为状态与投料反馈的问题, 针对大型半潜平台“澎湖冶号网 箱养殖鱼群进行了昼夜连续的被动声学监测。 结合昼夜时频分析结果, 获得人工投料、 投料机自动投料，外来船舶惊扰及深夜安静状态等 4 个时段的噪声频带及声压级分布特性。 时频分析结果显示大范围自动投料下测 得的鱼群活跃度明显高于其他状态, 相对海洋环境背景噪声的声强度高出 30 dB 左右。 外来船舶惊扰时测得的 鱼群噪声强度高出人工投料时刻 9 dB 左右。 深夜鱼群处于安静状态, 鱼群活跃度最低, 噪声声压级约为 70 ~ 75 dB。 通过变分模态分解(VMD: Variational Mode Decomposition)对时域信号进行模态分解, 获得 Hilbert 谱分析显示: IMF1 为鱼群拍打和泳动噪声高频噪声分量, IMF2 为金鲳鱼摄食及活动噪声, 频带位于 1 100 ~ 3 000 Hz。 石斑鱼进食及活动噪声频带为 300 ~ 1 100 Hz, 是第 3 阶 IMF(Intrinsic Mode Function)分量的主要构成。 希尔伯特边际谱在 600 ~ 700 Hz 频带范围内出现峰值, 鱼群的生物噪声能量占比最高。 研究海洋鱼群发声特性、行为状态与环境背景关系, 预期为投饵调控、 海上施工及网箱养殖鱼群种群分类研究提供基础。 

由于光伏阵列在局部阴影情况下输出功率呈多峰值状态, 而传统最大功率点追踪( MPPT: Maximum Power Point Tracking)控制无法解决多峰问题, 会陷入局部最优, 影响光伏发电效率, 为此, 提出一种复合算法 应用于光伏最大功率点追踪。 该方法将麻雀算法的初始种群进行优化, 结合反向学习策略, 加强了算法的全局 搜索能力。 当搜索到光伏发电最大功率点附近转换成扰动观察法, 利用其快速收敛的特性快速搜索至最大 功率点。 利用 Simulink 仿真与硬件实验, 验证所提出复合算法的全局搜索能力和快速收敛能力, 与麻雀算法、 扰动观察法相对比, 复合算法的准确性和快速性具有显著提升。

 针对视觉 SLAM( Simultaneous Localization and Mapping) 在真实场景下出现动态物体( 如行人, 车辆、 动物)等影响算法定位和建图精确性的问题, 基于 ORB-SLAM3(Oriented FAST and Rotated BRIEF-Simultaneous Localization and Mapping 3)提出了 YOLOv3-ORB-SLAM3 算法。 该算法在 ORB-SLAM3 的基础上增加了语义线 程, 采用动态和静态场景特征提取双线程机制: 语义线程使用 YOLOv3 对场景中动态物体进行语义识别目标检 测, 同时对提取的动态区域特征点进行离群点剔除; 跟踪线程通过 ORB 特征提取场景区域特征, 结合语义信 息获得静态场景特征送入后端, 从而消除动态场景对系统的干扰, 提升视觉 SLAM 算法定位精度。 利用 TUM (Technical University of Munich)数据集验证, 结果表明 YOLOv3-ORB-SLAM3 算法在单目模式下动态序列相比 ORB-SLAM3 算法 ATE(Average Treatment Effect)指标下降30% 左右, RGB-D(Red, Green and Blue-Depth)模式下 动态序列 ATE 指标下降 10% , 静态序列未有明显下降。

为保证网络访问稳定, 减少资源浪费, 提出了基于节点实时负载的开源大数据负载均衡优化算法。 建立 开源大数据节点计算能力模型, 按照节点负载大小及时反馈和调整, 根据该区域服务器收到的请求数量预测 下一步行动, 利用指数平滑方法算出每秒服务器请求数量的预测值, 完善一阶指数平滑法滞后偏差问题, 计算 服务器综合负载。 在节点上添加一个负载代理和监控器, 用于平衡组块的数目和分片节点负载, 并将不能删除 的分片和组块放入最小单元候选名单, 实现负载均衡优化。 通过实验证明, 所提算法能提高网络资源利用率和 负载均衡性, 在访问中保证网络更加稳定安全。

为实现负载阻值发生改变后, 电动汽车进行无线充电时仍能达到最优效率和恒压输出, 在负载侧接入 同步Sepic 变换器, 对不同负载阻值进行识别, 通过改变占空比的方式进行阻抗匹配, 实现传输效率最优。 利用移相全桥对整流器的移相角进行闭环控制实现恒压输出。 最后, 利用 Matlab / Simulink 软件进行仿真实验, 证明了该阻抗匹配方式和闭环控制方案的可行性。

针对微地震信号能量较弱, 噪声较强, 使微地震弱信号难以提取问题, 提出了一种基于 EM-KF (Expectation Maximization Kalman Filter)的微地震信号去噪方法。 通过建立一个符合微地震信号规律的状态 空间模型, 并利用 EM(Expectation Maximization)算法获取卡尔曼滤波的参数最优解, 结合卡尔曼滤波, 可以有 效地提升微地震信号的信噪比, 同时保留有效信号。 通过合成和真实数据实验结果表明, 与传统的小波滤波和 卡尔曼滤波相比, 该方法具有更高的效率和更好的精度。 

目前大多计算卸载策略是在任务整体卸载情况下进行的, 且仅考虑时延或能耗单一指标, 未将二者结合进行优化, 为此, 以任务处理的时延与能耗加权和为优化目标, 提出一种基于强化学习的部分卸载算法。 将单个任务的处理分为本地计算和部分卸载两种方式, 且在部分卸载中引入了变量确定卸载权重, 最后利用强化 学习 Q-learning 完成了所有任务的计算卸载与资源分配。 实验结果表明, 所提算法能有效降低任务处理的时延与能耗。

针对由于受光照条件变化、 行人身高差异等影响, 致使监控视频图像在不同时刻的成像存在较大的跨 模态差异问题, 为准确识别跨模态图像中的行人, 提出基于泛化迁移深度学习的跨模态图像行人识别算法。 通过循环生成对抗网络(Cyele GAN: Cycle Generative Adversarial Network)形成跨模态图像, 采用单目标图像 处理对基准图分割处理, 得到人体候选区域, 在匹配图中搜索和其匹配的区域, 得到人体区域的视差, 通过 视差提取人体区域的深度和透视特征。 将注意力机制和跨模态行人识别相结合, 分析两种不同类型图像的 差异, 将两个子空间映射到同一个特征空间, 同时引入泛化迁移深度学习算法对损失函数度量学习, 自动筛选 跨模态图像的行人特征, 最终通过模态融合模块将筛选的特征融合处理完成行人识别。 实验结果表明, 所提 算法可以快速、 准确地提取不同模态图像中的行人, 识别效果较好。

由于光网络中的路径跳数过多或距离偏大, 使寻找可用的频谱资源难度增加, 导致光网络动态频谱利用 率降低、 网络效益较少且阻塞率较高, 为此, 提出基于蛙跳博弈优化算法的光网络动态频谱分配方法。 采用 OHM(Optimized Link State Routing Protocol using the Highway Model)路由算法, 选择与业务请求对应, 且满足跳 数最小、 调制等级最高的候选路径, 找到可用的频谱资源。 根据获取的频谱资源, 在光网络中将最大频隙号在 所有链路中最小作为目标, 构建光网络动态频谱分配的目标函数。 并在约束条件下, 采用蛙跳博弈优化算法对 目标函数求解, 获取的解即为光网络动态频谱分配最优结果。 实验结果表明, 该方法的阻塞率低、 频谱利用率 高、 网络收益高, 具有实用性。

针对传统相干体属性和机器学习在复杂断裂识别能力差的问题, 提出一种基于 UNet++卷积神经网络的断 层识别方法。 该方法采用加权交叉熵损失函数做目标函数, 使网络模型训练过程中避免了数据样本不平衡的 问题, 引入注意力机制和密集卷积块, 以及更多的跳跃连接, 更好地实现深层次断层语义信息和浅层次断层空 间信息之间的特征融合, 进而可以使 UNet++网络模型更好地实现断层识别。 实验结果表明, 该网络模型将 F1 值提高到了 92. 38% , loss 降低到 0. 012 0, 可以更好地学习断层特征信息。 将该模型应用于西南庄断层的识别 中, 结果表明, 该方法可以更准确预测断层位置, 在识别连续断层的准确率上有所提高, 有效防止了地下噪音 对于断层识别的不利影响, 从而验证了 UNet++网络模型在断层识别上具有一定的研究价值。 

由于光电探测器的工作性能直接关系到系统数据采集质量, 为此, 对高性能 PtS₂ / MoTe₂ 异质结红外光电 探测器进行了研究。 通过选取材料、 试剂和设备制作了 PtS₂ / MoTe₂ 异质结红外光电探测器。 搭建探测器性能 测试环境, 并利用光响应度、 探测率、 响应时间和光电导增益 4 个指标, 分析探测器性能。 结果表明, 随着 测试时间的推移, PtS₂ / MoTe₂ 异质结红外光电探测器的光响应度数值始终处于 5 A/ W 限值以上; 无论对采集 何种材质反射的红外光, 探测器探测率均大于 10 cm·Hz1 / 2 W ^-1 ; 无论光生电流是处于上升还是下降时间, 其响应时间始终在限值 150 μs 以下; 光电导增益值保持在 80% 以上。

为解决由于固定温度 SAC(Soft Actor Critic)算法中存在的 Q 函数高估可能会导致算法陷入局部最优的 问题, 通过深入分析提出了一个稳定且受限的 SAC 算法( SCSAC: Stable Constrained Soft Actor Critic)。 该算法 通过改进最大熵目标函数修复固定温度 SAC 算法中的 Q 函数高估问题, 同时增强算法在测试过程中稳定性的 效果。 最后, 在 4 个 OpenAI Gym Mujoco 环境下对 SCSAC 算法进行了验证, 实验结果表明, 稳定且受限的 SAC 算法相比固定温度 SAC 算法可以有效减小 Q 函数高估出现的次数并能在测试中获得更加稳定的结果。

针对目前不平衡大数据分类算法分类效果较差的问题, 提出基于随机森林模型的不平衡大数据分类 算法。 首先采用 SVM( Support Vector Machine) 支持向量机算法对不平衡大数据进行信息过滤, 然后利用反 k 近邻法检测并消除离群点, 通过增量主成分分析法去掉不平衡大数据中协方差矩阵存在的奇异性, 并依据 熵值法对其展开权重解析, 进而提取不平衡大数据特征信息。 将 CART(Classification and Regression Trees)决策 树当作不平衡大数据的基分类器, 进而构建随机森林决策树分类器, 最后将提取的不平衡大数据特征信息输入 分类器中, 实现不平衡大数据分类。 实验结果表明, 该算法对不平衡大数据的采样效果较好, 并且分类精准 度、 稳定性和性能都较高。 

针对主机在具有延迟响应特征的入侵数据时, 对现有判断模式与延迟数据存在关联度失联的情况, 导致 主机安全防护存在节点间数据关联置信度判断失真, 入侵检测失败的问题, 提出一种入侵数据关联置信度判断 方法。 在主机安全防护框架下, 采用主机防火墙数据包过滤技术对异常数据进行剔除; 采用分布式部署的方式 将安全节点放置于主机内, 并利用数学模型技术进行入侵攻击检测; 通过对正常数据间的关联进行分析, 确定 数据间的关联置信度, 进而完成入侵判断。 实验结果表明, 通过对主机安全防护系统进行具有延迟特征的 病毒、 木马攻击成功次数测试、 数据包监测所用时间测试和功能覆盖率测试, 验证了该系统的安全性和 有效性。 

为提高 Copula 变分推理(CVI: Copula Variational Inference)的近似性能, 提出了一种 Copula 层次化变分 推理方法(CHVI: Copula Hierarchical Variational Inference)。 该方法的主要思想是将 CVI 方法中的 Copula 函数 与层次化变分模型(HVM: Hierarchical Variational Model)特殊的层次变分结构相结合, 使 HVM 的变分先验服从 CVI 方法中的 Copula 函数。 CHVI 不但继承了 CVI 中的 Copula 函数较强的捕获变量相关性的能力, 而且还继承 了 HVM 的变分先验结构能获取模型隐变量依赖关系的优势, 使 CHVI 可以更好地捕获隐变量之间的相关性, 提高近似精度。 利用基于经典的高斯混合模型验证 CHVI 方法, 在合成数据集和实际应用数据集上的实验结果 表明, CHVI 方法的近似精度相较于 CVI 有较大提升。

 针对采用控制器局域网络(CAN: Controller Area Network)总线的自动操舵系统和采用串口通讯的航海导航 设备之间通讯的不匹配问题, 设计了一种基于 Cortex-M3 嵌入式平台的通信转换模块, 实现了串口与 CAN 总线 数据的双向转换功能。 同时对传统 CAN 收发器 CTM1050 存在的信号稳定性不足、 波特率精准度低等问题, 提出 并实现了一种硬件电路的替代方案, 提高了数据通讯的时效性和稳定性。 基于 CAN2. 0B 扩展帧, 设计了自动操 舵系统内部 CAN 总线协议。 该协议可根据报文信息优先级分配标识帧, 保证了总线数据的有序传输。 实验结果 表明, 该通讯模块功能使用正常且通讯效果良好, 具有一定通用性, 可在多种需要转换的设备系统上推广使用。

 为解决传统的模型鲁棒性评价方法存在描述相符性较低, 难以获得精准的场景匹配数据的不足, 提出了 一种新的电力人工智能指标算法模型多场景鲁棒性评价方法。 针对多场景数据进行提取, 设置局部空间的多 场景数据扰动范围区间, 控制空间范围的区间移动距离, 在区间范围内预测样本点的数据获取结果。 输入算法 模型的基础特征参数, 在输入参数维度提高的同时选择多场景数据获取距离范围数值, 根据选取的数值进行初 始数据评估操作。 针对不确定的控制目标的特点进行数据基础分析, 确保系统处于稳定状态中, 并保持系统的 动态特征, 有效分析不同的系统参数之间的差异, 构建偏差值范围, 判断算法模型的多场景特点, 实现数据评 价。 实验结果表明, 该电力人工智能指标算法模型多场景鲁棒性评价方法能很好地变换采样点坐标, 确保多场 景采样点数据图像具备不变性, 从而克服场景数据旋转敏感问题, 提高响应速度。 与传统评价方法相比, 笔者 提出的评价方法在干扰鲁棒性和仿射形变鲁棒性等方面具有较强的优势。

为解决传统虚拟同步发电机(VSG: Virtual Synchronous Generator)电压电流双闭环控制的抗扰动性能差, 受系统参数变化及各种不确定影响较大等问题, 在建立微电网 VSG 转动惯量自适应控制模型的基础上, 采用 一种基于跟踪微分器的非线性 PID(Proportion Integration Differentiation)实现电压外环和电流内环的控制, 并 根据输出信号的反馈值实时调节系统动态响应, 从而达到稳定输出的效果。 通过仿真验证了基于非线性 PID 的微电网虚拟同步发电机双闭环控制的正确性和有效性。 

针对目前网络数据平面存在僵化现象, 导致网络中数据流不均衡的问题, 提出了一种基于数据平面可 编程的负载均衡算法。 首先通过带内网络遥测( INT: In-band Network Telemetry)技术获取网络实时状态信息, 然后利用提出的 BD-ECMP(Bandwidth and Delay Equal-Cost Multi-Path Routing)算法选择数据流的最佳传输路径。 采用编程协议无关的包处理器(P4: Programming Protocol-Independent Packet Processors) 语言对 SDN 网络数据 平面的数据流进行优化处理, 从而实现网络负载均衡。 仿真实验结果表明, 与传统 ECMP 算法相比, BD-ECMP 算法在平均流完成时间、 网络吞吐量及网络丢包率等方面具有明显优势。

为解决摄像头监拍煤矿输送皮带上矿料分布情况时, 存在的光照条件不稳定、 扬尘等干扰因素, 从而 导致直接对摄像头画面应用二值化获得矿料分布效果不稳定, 容易出现漏检的问题, 提出了一种基于 Cycle GAN(Cycle Generative Adversarial Networks)图像增强的输送皮带洒料检测技术。 首先利用摄像头采集的煤矿 输送皮带图像作为输入, 经过 Cycle GAN 进行图像增强; 然后采取二值化方法进行图像分割, 准确获取输送 皮带洒料的目标区域; 最后采用阈值法和形态学处理对输送皮带洒料区域进行判断和检测。 实验结果表明, 该技术能有效地监测输送皮带上的洒料情况, 并且在传统监测方法的基础上可提高监测准确率。

为解决使用 Java 和.NE 等传统技术开发、 部署数据服务复杂且与先进的云端及容器化技术结合较为困难 的问题, 提出一种基于 Web 的轻量级钻井三维可视化数据服务解决方案, 对前端的可视化应用提供数据接口 支持。 基于 NodeJS、Angular、TypeScript 等开源轻量级技术, 研发了一个轻量级钻井数据库系统, 可作为一线 技术管理人员的辅助工具, 并以最快的方式提供最关注的数据项, 具有较高的经济性和实用性。 利用数据加载 工具, 钻井技术人员可方便地将数据加载到数据库中, 包括区块的地震切片、 复杂事故以及测井等数据。 此外 系统提供了全面的数据安全机制, 包括基于 JWT ( JSON Web Token) 的身份认证和基于 JWE ( JSON Web Encripytion)的数据加密, 以确保数据安全。 应用结果表明, 该解决方案可为钻井三维可视化系统提供高效的 数据传输服务。 

针对目前 BNN(Binarized Neural Network)剪枝方法存在剪枝比例低、 识别准确率显著下降以及依赖训练 后微调的问题, 提出了一种基于三值向二值演化的滤波器级的 BNN 剪枝方法, 命名为 ETB( Evolution from Ternary to Binary)。 ETB 是基于学习的, 通过在 BNN 的量化函数中引入可训练的量化阈值, 使权重和激活值 逐渐从三值演化到二值或零, 旨在使网络在训练期间自动识别不重要的结构。 此外, 一个剪枝率调节算法也被 设计用于调控网络的剪枝率。 训练后, 全零滤波器和对应的输出通道可被直接裁剪而获得精简的 BNN, 无需 微调。 为证明提出方法的可行性和其提升 BNN 推理效率而不牺牲准确率的潜力, 在 CIFAR-10 上进行实验: 在 CIFAR-10 数据集上, ETB 对 VGG-Small 模型进行了 46. 3% 的剪枝, 模型大小压缩至 0. 34 MByte, 准确率为 89. 97% , 并在 ResNet-18 模型上进行了 30. 01% 的剪枝, 模型大小压缩至 1. 33 MByte, 准确率为 90. 79% 。 在 准确率和参数量方面, 对比一些现有的 BNN 剪枝方法, ETB 具有一定的优势。

针对隐私风险的不确定性决策问题, 在直觉模糊和集对分析理论基础上, 对隐私确定-不确定建立信息 权重的集对关系, 给出了直觉模糊集对(IFSPA: Intuitionistic Fuzzy Set Pair Analysis)算子, 定义了直觉模糊集对 的相关概念、 运算、 性质、 期望值、 大小排序和几种直觉模糊集对信息集结算子: 直觉模糊集对加权平均 (IFSPAWA: Intuitionistic Fuzzy Set Pair Analysis Weighted Average) 算子、 直觉模糊集对加权几何( IFSPAWG: Intuitionistic Fuzzy Set Pair Analysis Weighted Geometric)算子、 直觉模糊集对有序加权( IFSPAOWA: Intuitionistic Fuzzy Set Pair Analysis Ordered Weighted Average)算子、 直觉模糊集对有序加权几何( IFSPAOWG: Intuitionistic Fuzzy Set Pair Analysis Ordered Weighted Geometric)算子、 直觉模糊集对混合集结( IFSPAHA: Intuitionistic Fuzzy Set Pair Analysis Hybrid Aggregation)算子、 直觉模糊集对混合几何(IFSPAHG: Intuitionistic Fuzzy Set Pair Analysis Hybrid Geometric)算子及这些算子相关性质。 在此基础上, 分析了隐私风险多属性决策的直觉模糊集对信息 集结方法, 并通过算例验证了该方法的可行性和合理性。

为保证数据安全性, 缓解数据存储空间, 提出基于密度划分的分布式数据容错存储算法。 过滤分布式 数据高密度数据区域, 将具有高度相似的目标划分到不同区域, 通过数据来源样本点描述数据的密度分布, 设定数据弹性, 利用概率以及数据粒度推算出对应的存储梯度和强度指数, 并在信息存储中引入数据存储梯度 和数据弹性, 完成分布式数据容错存储。 实验证明, 所提算法有较高的容错性, 带宽吞吐量平稳, 平均路径 长度较小, 能提高网络数据的安全性。

针对当前设备到设备(D2D: Device-to-Device)通信在车联网端应用时只考虑提高 D2D 的复用模式的资源 利用率或系统遍历容量, 而未将 D2D 的其他模式纳入到系统内的问题, 提出一种兼顾资源分配与模式选择的 算法。 通过优先复用模式的方式提高通信资源利用率, 对不满足复用模式的 D2D 用户对(D-UE: Device-to- device UsErs)采用蜂窝模式, 采取和蜂窝用户(C-UE: Cellular UsErs)相同的方案满足 D-UE 的基础需求, 考虑 D-UE 用户与蜂窝用户和基站(BS: Base Station)距离、 D-UE 间的信噪比等因素对 D-UE 分配不同的资源接入 模式。 理论计算与仿真结果均表明所提资源分配与模式选择方案能有效提升系统容量及 D-UE 的服务质量 (QoS: Quality of Service)。

为更好地使 URLLC( Ultra-Reliable and Low Latency Communications) 与增强型移动宽带业务( eMBB: enhanced Mobile Broad Band)在同一载波频段有效复用, 进一步提升混合业务系统性能, 提出一种基于可扩展 传输时间间隔(TTI: Transmission Time Interval)的动态带宽分配策略。 系统根据业务类型进行带宽动态划分; 时域上提升 URLLC 调度优先级; 频域上采用不同长度的 TTI 进行以用户为中心的无线资源分配。 动态系统级 仿真表明, 在不同程度的负载水平下, 相比传统无线资源分配算法, 该方案能在有效满足 URLLC 用户时延 需求的前提下优化 eMBB 用户的吞吐量消耗, URLLC 用户时延增益最高达到 83. 8% , 提升了 5G 混合业务系统 中不同类型业务的服务质量(QoS: Quality of Service)。

针对内部网络安全威胁节点成因多、 特征难捕捉问题, 提出一种基于 XGBoost 算法的内部网络安全威胁 检测方法。 以内部网络社区间的状态差异作为指标, 计算不同社区类型内节点的边权重, 查找与目标值存在 关联性的节点。 经多次分配提取特征值, 将其作为初始值输入 XGBoost 决策树中, 构建威胁性特征目标函数, 求解每个节点对应的泰勒系数, 实现内部网络安全威胁检测。 实验结果表明, 所提方法特征提取精准度高, 在 多种网络攻击条件下均能实现精准检测。

针对数字信息产生的海量、 多角度的非结构化大数据, 由于外界干扰、 数据结构损坏等因素造成其信息 丢失问题, 提出了基于迁移学习的非结构化大数据缺失值插补算法。 通过迁移学习算法, 预测非结构化大数据 缺失部位, 利用朴素贝叶斯算法分类数据特征, 度量属性间权重值, 明确数据类别特征差异向量, 辨别特征 差异程度。 采用核回归模型对数据缺失部分实施非线性映射, 经过多项式变化编码, 描述数据的跨空间互补条 件, 完成非结构化大数据缺失值插补。 实验结果表明, 所提算法可以有效完成非结构化大数据缺失值插补, 具有较好的插补效果, 能提高插补精度。

针对目前人们只是从理论上提出了针对知识图谱外延简洁性评估指标, 并没有给出针对该指标规范的 评估方法及流程问题, 对知识图谱外延简洁性评估方法进行了研究, 提出了支持中英文混合知识图谱外延简洁 性评估的新方法。 该方法定义了从总体层面进行分组以及分别对头实体、 关系和尾实体进行评估的公式, 同时 为保障评估的准确性, 定义了句子层面的评估公式。 最后, 将 4 种评估公式联合, 得到了对知识图谱外延简洁 性指标进行评估的算法。 为验证所提出算法的准确性和性能, 利用开放数据集 OPEN KG(Knowledge Graph), 对提出的算法和相关的算法进行了评估与比对, 结果验证了本算法对中英文混合知识图谱简洁性评估方面的 准确性、 时间效率都具有一定的保障, 综合性能高于相关的算法。

针对机器人在组装和生产过程中, 由于几何参数存在一定误差, 使连杆以及关节处等不可避免地出现 细微差别, 对机器人运动精度产生一定影响问题, 提出了基于改进权函数距离的机器人运动偏差补偿算法设计 方案。 在定位机器人位置前添加扭角, 获取机器人两坐标系间转换矩阵, 根据线性标定计算机器人运动定位的 绝对误差, 利用改进权函数建立机器人距离误差数学模型, 初步补偿运动误差。 计算机器人末端执行器中心点 位置和姿态的偏差, 将补偿问题转化成机器人运动优化问题, 得出运动偏差优化问题目标函数, 经多次迭代 得出最终补偿结果。 实验结果表明, 所提方法的误差补偿效果佳, 重心补偿后的机器人运行稳定性好。 

为使风电并网过程中电流、 电压、 频率、 相位等参数保持一致, 提高风电并网安全性和稳定性, 提出 一种基于寻优算法的风电并网变流器控制参数辨识方法。 建立风电并网变流器控制模型, 根据电力电压支撑 情况变更 PI(Proportional Integral)调节器的功率控制指令。 利用微分函数方程, 设置 PI 调节器控制条件, 计算 复频域的函数关系, 明确调节积分系数逻辑关系。 通过控制传递函数得出控制参数的可辨识性, 分析参数控制 输出值以及特性数据, 最终完成控制参数的寻优辨识结果。 实验结果表明, 所提方法在多种环境下均能完成控 制参数的辨识, 辨识误差小, 准确度高。

针对电动汽车直流充电桩故障多发且难以精准诊断的问题, 提出一种基于改进反向传播神经网络(BP: Back Propagation)的充电桩故障诊断方法。 首先, 对充电桩的运行数据集归一化、 缺失值填充等预处理, 将 处理后的数据集输入 BP 模型中进行训练; 其次, 引入基于蝴蝶优化算法改进的麻雀搜索算法, 对 BP 模型的权 值和阈值进行寻优, 得到最优化模型; 最后, 基于优化后的 BP 模型对充电桩的故障状态进行诊断。 仿真结果 表明, 在平均绝对误差、 平均绝对百分比误差、 均方根误差等方面均具有良好的计算优势, 相比传统 BP 算法 的诊断精度, 所提出的改进 BP 方法提升了 14. 85% , 能较为准确地诊断充电桩的状态, 为电动汽车故障诊断 提供有力保障。

针对传统 SMO( Sliding Mode Observer)在开关函数切换过程中存在抖振现象, 提出一种利用饱和函数 代替开关函数的新型滑模观测器削弱抖振, 并在位置信息提取过程中选用锁相环代替传统的反正切方法, 从而 提高对 PMSM(Permanent-Magnet Synchronous Motor)转子位置的观测精度。 在 Matlab 环境下, 通过传统和新型 SMO 的对比, 可观察到转子的转速误差提高了大约 14 r/ min, 转子位置误差提高大约 0. 03 rad。

针对不完整大数据因其自身结构具有不规则性, 导致在进行缺失值插补时计算量大、 插补精度低的 问题, 提出空间自回归模型下不完整大数据缺失值插补算法。 利用迁移学习算法在动态权重下过滤出原始数 据中冗余数据, 区分异常和正常数据, 提取残缺数据, 采用最小二乘回归对残缺数据实施修补。 将缺失值插补 分为 3 种类型, 分别为一阶空间自回归模型插补、 空间自回归模型插补和多重插补法。 根据实际情况将修补后 数据插补到合适的位置, 实现不完整大数据缺失值插补。 实验结果表明, 所提方法具有良好的缺失值插 补能力。

为标定光交叉芯片驱动电压, 控制光交叉芯片实现光路由功能, 提出并搭建了基于多通道 DAC(Digital to Analog Converter)阵列的控制驱动电路系统。 系统主要由控制系统模块、 多路驱动电路模块及上位机控制 模块构成。 控制电路和驱动电路具有调校简单、 可双极性输出、 输出路数多、 加电精确度较高的特点, 解决 了当前驱动电路工作繁琐、 加电极性单一、 加电路数少、 精度差的问题。 上位机控制模块除了可控制驱动 电路施加控制电压外, 还可接收来自数据采集装置采集到的光功率信号作为控制驱动系统的反馈信号。 通过分析控制电压与光功率之间的关系, 可得到最佳的光交叉芯片控制驱动电压。 系统测试实验结果表明, 该系统能提供高精确度的双极性驱动电压, 有效地对光交叉芯片进行驱动。 可在较短的时间内标定出光 开关的控制电压, 完全可以满足有源光交叉芯片控制中对驱动电压的需求。 该系统在光交叉芯片控制方面具有一定的应用价值。

针对遥控水下机器人(ROV: Remote Operated Vehicle)在水下作业时, 传统滑膜控制( SMC: Sliding Mode Control)方法存在抖振、 稳定性差等问题, 提出一种新型协同控制律, 并设计出一种基于推力矢量分配的 ROV 姿态控制器。 首先, 建立 ROV 运动学和动力学模型, 并解耦动力学模型; 然后, 提出了一种新型协同控制律, 通过构造适当的宏变量使其呈指数收敛, 从而为 ROV 姿态控制系统提供连续的控制律, 达到消除 ROV 姿态控 制系统抖振的目的; 最后, 采用新型协同控制律设计出基于推力矢量分配的 ROV 姿态控制器。 通过Matlab / Simulink 进行仿真, 结果表明, 所提出的新型协同控制律可提高 ROV 姿态控制系统的控制精度与稳定性。 该控制策略为 ROV 姿态控制提供了一种新的可行方案。

针对观瞄镜强杂光干扰问题, 提出一套完整的强杂光抑制技术方案。 首先, 对物镜内表面采用绒布 消光; 然后, 在软件图像处理上结合使用相邻图像累加积分、 直方图统计和宽动态灰度增强等算法完成强杂光 抑制; 在天空照度为 1伊10 -3 lx 以下的野外暗夜环境下, 加入强杂光干扰后进行实验测试。 实验结果表明, 该技 术方案能有效完成强杂光抑制和图像细节增强, 提升图像质量。 软件算法在 FPGA( Field Programmable Gate Array)平台上运行, 2 ms 内完成图像处理工作, 满足实时性要求。

针对近似匹配过程易受数据冗余性、 异构成分等的影响, 提出了基于并行小波算法的多模态数据近似 匹配模型。 该模型首先采用并行小波算法剔除多模态数据中的噪声, 避免噪声对匹配过程产生影响; 其次 采用张量分解的聚类算法将不同相似度的数据划分到不同类簇中, 以消除不同类簇的数据差异度; 最后将预 处理后的数据输入到基于空间方向近似性的数据匹配模型中, 通过计算参考数据与待匹配数据之间的空间 方向近似度、 编辑距离完成多模态数据的近似匹配。 实验结果表明, 所提方法的匹配查准率高、 查全率高、 匹配时间短。 

针对油气物联网(OGIoT: Oil and Gas Internet of Things) 连接设备的数量暴增导致边缘计算(EC: Edge Computing)系统中的边缘节点算力不足, 且难以有效识别其他边缘节点的恶意攻击而导致的服务崩溃问题, 提出针对油气物联网数据污染检测改进的高效机器学习算法(EMLDI: Efficient Machine Learning Method for Improved Data Contamination Detection of Oil and Gas IoT), 解决了因边缘节点鲁棒性不强, 数据失真或遭到轻度 质变导致边缘节点运算结果波动大且不准确问题。 通过随机选择批量样本加入高斯噪声(GN: Gaussian Noise) 扩充数据集训练网络, 使网络具有更宽泛的数据拟合能力和预测能力, 解决了数据被严重破坏时边缘节点难以 实施正确运算导致系统性崩溃问题。 实验结果表明, 该算法能更有效地识别噪声污染以及随机标签污染的 样本, 并且算法在规定的训练批次内能达到最好的效果。

由于动态负载均衡是保证数字集群系统正常运行中不可缺少的环节, 但其在控制过程中存在易受通信 故障等因素的干扰问题, 为此提出基于 Kent 映射的数字集群动态负载均衡算法。 通过基于云平台的虚拟机系 统采集数字集群的节点连接数、 响应时间、 动态负载等信息, 分析数字集群系统的负载情况。 其次构建数字集 群资源利用率模型, 通过基于 Kent 映射的灰狼算法对模型求解得到数字集群的资源利用率。 最后将资源利用 率输入 LQR(Linear Quadratic Regulator)控制回路器中, 通过控制服务器的迁移实现数字集群的动态负载均衡。 实验结果表明, 所提算法处理后的数字集群响应时间短、 适应度值大、 容错能力强。

为保证电力应急物资及时配送, 使其可快速恢复供电, 减少经济损失, 以地理信息系统为基础, 提出 电力应急物资配送路径的规划方法。 先基于 GIS(Geographic Information System)地理信息系统中的 Map X 组件, 构建地理空间数据预处理模型, 然后根据处理后数据, 建立配送路径规划数学模型与约束条件, 最后融合遗传 算法、 爬山算法与蚁群算法, 循环运算数学模型, 取得最优配送路径。 实验以某次电力设备突发事件为背景, 当满足物资需求时, 规划路径在道路状况正常与非正常条件下的配送时间各减少 14 min 和30 min, 成本分别 减少10. 9 元和 5. 09 元, 证明所设计的规划方法具有显著优越性。

针对在虚拟网络布局过程中, 存在大量重复特征与相关性较少的特征, 影响其布局效率的问题, 提出了 大数据消冗技术下虚拟网络聚类特征层次布局算法。 利用加权无向图方式建立虚拟网络图, 通过社团划分 虚拟网络社团结构, 在保持原有特征不变的前提下, 最大限度消除虚拟网络聚类特征, 得到相关性较大特征; 根据库伦力的斥力增加各社团之间距离, 采用胡克定律的引力缩小网络节点与中心点之间距离, 结合共轭梯度 (FR: Flecher-Reeves)算法调整虚拟网络聚类特征层节点的斥力与引力之间关系, 实现层次布局算法。 实验 结果表明, 所提算法能更加清晰展现出各社团内部结构特征, 且布局用时最短。

为改善板球系统轨迹跟踪控制误差大, 控制精度低的问题, 提出了一种基于微分平坦的板球系统反步 滑模控制方法。 首先基于欧拉-拉格朗日方程建立板球系统的运动学模型, 通过合理简化得到解耦线性状态 空间模型。 以 X 轴方向控制器设计为例, 利用微分平坦技术获得系统的目标状态量以及前馈控制量, 建立误差 系统, 进而采用反步法实现对误差系统的滑模控制, 利用李雅普诺夫稳定性理论证明了闭环系统的稳定性。 算法中使用双曲正切函数抑制滑模的抖动, 实现了对板球系统的轨迹高精度跟踪控制。 仿真实验结果表明, 该方法控制精度高, 具有良好的控制效果。

为了能清晰理解互斥量对共享资源的独占访问原理与机制, 在简要分析实时操作系统的互斥量的含义、 应用场合、 调度机制以及关键要素作用的基础上, 对 mbedOS 互斥量调度机制进行了理论剖析。 以 KL36 芯片 为例对 mbedOS 的互斥量进行了实践, 基于时序图采用 printf 方法直观地输出了线程响应互斥量的调度过程信 息, 并对互斥量调度机制的实时性能进行分析。 通过对互斥量调度机制的剖析, 有助于进一步分析 mbedOS 的 其他同步与通信方式, 也可为深入理解其他实时操作系统的同步与通信手段提供参考借鉴。