为符合目前电力行业可持续、 智能化的发展趋势, 建设高效、 精准、 可靠性强的用电信息采集系统, 提出了一种将全光纤网络应用于智能电力抄表的解决方案。 在本地主干通讯网络应用塑料光纤作为信号传输 媒介, 在远程信道则采用石英光纤进行大量、 远距离的数据传输, 同时在计量设备和通信节点增设相应的光收 发模块, 使用电信息采集系统全光化。 实验结果表明, 全光集抄方案可将本地主干网络抄读成功率提升至 100% , 平均抄读耗时为 2. 1 s, 系统功耗为 50 mW, 这将给电力行业带来更多的智能化增值功能。

为了分析交叉口车辆运行轨迹的规律性, 提高环形交叉口交织段的通行能力, 提出基于时空相似系数的环形交叉口车辆轨迹聚类方法。 针对规定区域车辆轨迹, 分析车辆轨迹时空信息并计算得到时空相似系数, 同时采用谱聚类进行聚类, 将交叉口区域内一段时间内的轨迹聚类情况进行可视化展示。 经过实例验证, 所提出的方法能够有效地约简数据, 并可提取出轨迹信息中的潜在规律, 为进一步的决策工作提供一定的参考价值。

针对 LSD(Line Segment Detector)算法在对图像中连续的边缘进行提取时, 结果中常常呈现线段不连续的问题, 提出一种基于信息熵的自适应高斯金字塔的 LSD 改进算法。 该算法首先通过计算处理后的图像与原图之间的互信息熵, 确定高斯金字塔的层数与层内图像数量, 构建出自适应高斯金字塔; 其次使用改进的大津阈值, 根据图像的梯度峰值将图像分割成不同区域并计算相应梯度阈值, 分离出图像背景; 最后根据梯度角度寻找线段, 并通过赫尔姆霍兹准则验证线段。 仿真结果表明, 该算法解决了 LSD 算法提取线段不连续的问题;与其他流行算法 Hough 变换(Hough Transform)、 PPHT(Progressive Probabilistic Hough Transform)、 LSWMS(Line Segment detection using Weighted Mean Shift)、 LSD、 EDLines 比较, 能提取出更多有意义的线段。

传统的异构通信网络稳定性控制技术传输过程中容易发生信号失真, 且稳定性控制效果不明显。 为此,研究了一种延时约束下的异构通信网络稳定性控制技术。 引用分数阶方法设计了技术工作框架, 根据电子信号种类不同, 设置不同的采集模板处理信息, 选用模式识别、 概率法和转换算法对稳定性控制的输出结果进行识别。 在工作流程方面进行了简化处理, 共分为初始数据检查、 自由网建立、 位移变化率建立和波动值控制4 步, 有效提高了异构通信网络系统的抗干扰能力。 与传统控制技术进行了对比实验, 并对正常运行、 故障运行和恢复运行状态进行了研究, 实验结果表明, 设计的稳定性控制技术能有效提高控制效率, 使异构通信网络始终保持在稳定状态下运行。

为度量信息被信道噪声干扰后的可恢复程度, 提出基于互信息的信息保真度概念, 并揭示保真度与互信息以及信息恢复方法误差概率之间的内在联系。 理论分析表明, 信道最大信息保真度能反映最优传输消息分布, 在此基础上把最优传输消息分布的求取转化为信息保真度极值问题, 并研究基于最大化信息保真度的最优信息传输。 以二元无记忆信道为例, 对其进行理论和数值分析, 并验证了最大保真度与信道容量以及最优传输消息分布之间的关系。 结果表明, 对较为复杂的信道模型, 基于信息保真度的最优化计算比信道容量的计算更为简洁。

针对基于视觉的机器人伺服过程中, 控制系统的精度和稳定性容易受到环境噪声、 设备性能等因素影响, 导致收敛指标不理想的问题, 提出一种基于无穷范数优化任务序列( INOTS: Infinite Norm Optimization Task Sequence)的自适应增益算法, 通过将实时全局任务细化为不同子任务, 根据不同时刻子任务的特点自动配置增益。 仿真结果表明, 相比于固定增益及传统自适应增益调节算法, 该增益算法可有效提高系统响应速度,增强控制系统的抗干扰能力, 提高系统稳定性。

解决非结构化环境中的机器人视觉伺服控制的主要问题是获得交互矩阵, 而解决交互矩阵的常见问题是交互矩阵伪逆的奇异性问题。 针对该问题, 提出了一种新型的基于图像的视觉伺服控制方法, 并采用增量式极限学习机解决图像雅可比矩阵的伪逆逼近问题。 为提高系统的收敛速度, 采用了具有自适应因子的速度改进控制器。 最后, 采用了六自由度机械手仿真, 验证了所提出方法的有效性和优势, 该算法提高了系统的鲁棒性, 避免了计算雅可比矩阵的伪逆的问题。

为解决目前房车使用中存在的电池、 用电器的管理问题, 设计了一种以 Raspberry Pi 3B+为主控制器的房车电源管理系统, 该系统包括车载蓄电池监测模块和用电器监测模块。 电池监测模块利用电池专用监测芯片DS2438, 对电池组温度、 电压等车载蓄电池信息进行检测并统一管理, 完成单体蓄电池状态显示和故障报警提示; 用电器监测模块利用 RN8209 芯片检测房车用电器的电功率并及时通过主控制器对电器进行智能化管理。通过测试表明, 系统能准确测定电池和用电器的相关信息, 具有一定的实用性。 同时针对传统的充放电状态(SOC: State Of Charge)预测困难的问题, 提出了一种修正安时积分法,充分考虑了电池在实际使用中存在容量差的问题, 经 Matlab 仿真结果表明该方法有较高的估算精度, 可用于 SOC 估算策略。

传统去噪方法在处理高强度噪声干扰图像时, 往往不能有效去除噪声且在修复过程容易引入二次污染。为此, 提出一种边缘图导向的非局部图像均值滤波算法。 首先获取二阶差分边缘信息, 在非局部范围内搜索相似块, 以边缘导向图与噪声图像共同生成滤波器权值, 进而构建由边缘信息导向的非局部协同滤波框架。 与传统滤波为代表的局部线性滤波方法相比, 所提出算法能挖掘图像边缘信息并利用一种新的非局部协同滤波框架进行图像去噪, 因此增强了高强度噪声干扰环境下的边缘修复能力。 实验证明, 提出算法在高强度噪声污染的情况下, 修复的图像不仅获得了更高的测量指标, 视觉效果也更加理想。

针对管理医疗敏感信息存在数据被攻击窃取的问题, 提出基于量子计算的医疗敏感信息智能加密算法。首先考虑混合纠缠态设计医疗敏感信息量子加密的密钥构造, 并分析密钥内部构造的协议子空间矩阵, 由此组成密钥信息。 然后通过计算信息的邻域分布函数, 构建分离矩阵量子编码, 为密钥重排提供处理数据, 考虑量子纠缠态及其附加态的干扰情况, 进行有效密钥加密, 最后实现医疗敏感信息智能加密。 实验结果表明, 采用该方法进行医疗敏感信息智能加密的抗攻击能力较好, 加密信息的传输效率高, 整体性能较好。

为准确识别视频目标个体完整行为动作序列, 增强视频行为识别精度, 提出一种基于超限学习机的深度网络时间分组行为识别方法。 首先按照人体行为关键姿态个数明确行为识别模型的状态数量, 建立人体运动行为多尺度结构关联, 把运动轨迹及边缘轮廓小波矩的不同尺度特征引入行为模型中, 获取人体运动行为概略特征; 其次利用视频分组稀疏抽样法, 将视频分割成等时长分组, 运用标准反向传播法优化模型参数, 实现低成本视频级时间建模, 并确保建模过程信息完整性; 最后根据隐含层激活函数输出及对应输出层权重系数,得到灵敏度解析式, 按照灵敏度参数对隐含节点进行排序, 删除次要节点, 实现深度网络时间分组行为的精准识别。 仿真实验结果表明, 该方法具备较高水准的识别精度, 且耗时少, 拥有极强的鲁棒性。

根据中小企业信息服务平台建设需求, 解决传统中小企业信息系统竖井式部署带来的管理分散、 资源利用率低等问题, 提出中小企业服务平台的整体框架, 并基于 OpenStack 开源云框架对中小企业云平台进行实验部署, 最后对中小企业服务云平台的高可用性技术进行初探。 结果表明, 基于基础资源层、 数据中台层、 业务中台层和应用层等 4 层的平台框架, 解决了传统信息系统竖井方式部署产生的信息孤岛问题, 基于 OpenStack框架搭建的原型系统验证了OpenStack 较适合于建设中小企业私有云平台。

为解决排序任务聚合方法效果不明确的问题, 在群体智慧概念下, 对排序任务问题群体智慧效应发生的条件即集中化机制进行聚合方法的比较研究, 试图找到已知基本事实排序任务问题中使群体智慧效应最显著的排序聚合方法。 创新性提出评估群体智慧的概念即群体智慧效度。 运用实证研究方法对群体进行排序任务重建实验, 以实验测试的排序数据为基础, 使用 7 种不同的排序聚合方法对排序任务问题的所有个体排序进行聚合, 得到相应的群体排序。 测量7 种群体排序和真实排序之间的偏差, 并根据群体智慧效度大小判断不同聚合方法的表现。 实验结果显示, 在基于群体智慧效度的重建排序任务聚合方法中, 众数法的表现最好, 中位数法和 K-Y 方法表现次之。

为调动学生对肝胆外科学习的积极性, 加深对肝脏影像学及外科治疗的理解及认识, 提高学习效率及成绩, 提出一种将三维可视化技术与传统教学相结合的新颖教学方法。 选取吉林大学医学院临床 5 年制学生90 名进行随机对照研究, 对照组采用传统肝脏外科授课方法教学, 实验组采用三维可视化技术结合传统授课方法进行教学。 学习结束后, 两组学生进行标准化考试, 并采用调查问卷进行教学效果评价。 结果显示, 实验组学生的综合考试成绩及优秀率均高于对照组, 实验组教学效果优于对照组。

为了实现骨髓血细胞的自动识别, 构建了骨髓红系细胞和粒系细胞数据集, 基于深度学习语义分割技术提出了 CellNet 网络模型。 该模型通过加入残差模块增加了网络的深度, 利用卷积残差块使网络模型更容易训练, 并结合 U鄄Net 的裁剪操作为分割提供更精细的特征。 实验结果表明, 该模型对骨髓红系细胞和粒系细胞识别正确率分别达到 93. 65% 、95. 25% , 为骨髓血细胞自动识别技术提供了一种方法。

为改善现阶段渔业养殖、 水下环境监测、 水质检测等领域人员作业困难、 效率低下的问题, 设计了一款具有水样采集功能的观测型水下机器人, 该设计搭载了传感器和水样采集装置采集水体环境信息。 首先进行了水样采集实验, 验证其运动能力和水样采集能力。 然后针对自然水域采集的图像, 采取动态阈值白平衡的方法, 去除光源强度和色偏的影响。 最后使用对比度拉伸、 直方图均衡、 限制对比度自适应直方图均衡(CLAHE:Contrast Limited Adaptive Histogram Equalization)3 种算法进行图像增强, 选取对比度、 信息熵和平均梯度进行像质评价。 实验结果表明, 该设计具有操作灵活, 交互性强的特点,CLAHE 方法明显提升了水下图像细节, 为科研实验、 水下探测和环境保护等方面提供了新途径。

为解决大学校园的垃圾回收分类问题, 提出了一种基于卷积神经网络和归一化技术的垃圾图像分类方法, 不需要对输入的图像进行复杂的处理, 网络模型即可根据算法提取图像特征, 通过加入群组归一化(GroupNormalization)和网络模型各层之间的协作, 克服传统分类算法的缺点, 实现对垃圾图像的分类。 实验表明,该识别方法具有较高准确率, 可以较好识别不可回收及可回收垃圾。