为解决装置结构复杂与测量分辨率低的问题, 提出了一种利用单模光纤和耦合器组成的位移测量系统,耦合器输出端两臂连接准直镜头, 照射在被测物体正反两面形成差动结构。 该结构使系统位移分辨率提高了2 倍, 达到 1 / 4 波长, 且整个系统受温度的干扰较小。 通过仿真分析和实验验证, 证明了该方法的可行性,并使用多重希尔伯特变换方法进行位移重构。 结果表明, 该系统的位移重构精度也优于单通道系统, 重构误差由 111 nm 降至 60 nm。

针对传统的拉普拉斯特征映射(LE: Laplacian Eigenmaps)算法采用欧氏距离度量样本点之间的位置关系只适用于线性数据集, 但实际工程中的数据常表现出强烈的非线性导致最终的嵌入结果难以反映出原始数据的本质特征问题, 提出了一种基于双度量约束的拉普拉斯特征映射(D-LE: Double metric constraint Laplace Eigenmaps)的算法。 该算法采用余弦相似性评估样本间的相似性, 并融合样本间以及样本与局部流形的度量关系, 构建降维模型。 通过在 3 个轴承数据集上进行实验, 实验结果表明, 该方法对处理非线性数据集能明显提高降维效果。

专业数字集群(PDT: Professional Digital Trunking)标准协议无法满足较大数量终端在规定的较短时间内周期上报卫星定位数据的使用要求, 为此, 提出一种基于组呼文本短消息上拉与专用数据信道上报相结合的高效的卫星定位数据上报方法。 首先通过有线调度终端发起终端定位数据上拉请求, 然后 PDT 系统封装定位数据上拉组呼文本短消息并发送给目标终端, 最后目标终端按序在专用数据信道上报卫星定位数据。 通过实验仿真, 证明了方法的有效性和可行性。

为解决现有电子测量实验教学中实验平台无法满足多层次人才培养的问题, 结合测控技术与仪器专业电子测量实验教学目标与要求, 引入电子测量前沿技术, 研制开发一套与理论教学、 工程实践紧密结合的实验教学平台。 该平台采用模块化、 开放式设计思路, 包括基于 DDS(Direct Digital Freqiaency Synthesizers)技术的信号源模块、 带通滤波器模块、 交流电压参数测量模块、 数字频率计模块及供电、 接口模块等, 为学生验证理论知识提供实践操作平台。 同时, 为综合性、 设计性实验提供开放式的硬件平台和资源。 实践应用表明, 该平台的应用不仅使学生更加深入了解掌握电子测量理论知识, 同时也锻炼学生的创新思维和实践动手能力, 实现了高水平、 多层次人才培养的目标。

针对用于三自由度机械臂各关节末端轨迹跟踪控制的非线性系统在扰动存在的情况下跟踪效率较低的问题, 提出一种变增益迭代学习控制律。 利用拉格朗日法建立动力学方程, 设计三自由度机械臂结构的变增益迭代学习控制器并进行收敛性分析, 通过 Matlab 的 Simulink 仿真模块, 构建三自由度机械臂控制系统仿真图,进行闭环定常 PD(Proportion Differentiation)型和闭环变增益 PD 型迭代学习控制器的三自由度机械臂对比仿真试验。 仿真结果显示, 基于变增益迭代学习的三自由度机械臂在干扰的状态下, 能较短时间内收敛到期望轨迹。

为提高可编程逻辑控制系统实验教学效果, 基于“西门子杯冶中国智能制造挑战赛工业自动化赛项电梯仿真模型, 以教学用 5 层电梯为被控对象, 取代原有教学电梯的电气控制系统, 采用西门子公司 S7-1200 系列可编程控制器、 变频器、 触摸屏, 配置硬件系统端子, 开发一款新型电梯教学实训平台, 建立一种新型的“虚-实冶结合的实验教学模式。 同时, 系统设计引入模块化思想, 易于调整实训内容, 让学生由易入难地学习相关课程内容。使用该实训平台从虚拟仿真到实际操作, 可激发学生的学习兴趣, 在培养学生的专业素质方面起到积极作用。

随着知识图谱的广泛应用, 为了提高从中提取知识数据和产品数据的准确率和效率, 以知识图谱为数据源, 根据实际业务需求制定业务数据抽取与组织规则(抽取规则即为题目中的映射规则, 设计规则的表达描述方法和规范约束, 由业务需求者填写实际可实施抽取的规则), 支持根据该规则从知识图谱中抽取符合规则的子图。 由于该子图符合设计业务需求方的规则, 因此该子图包含了符合业务需求的数据和组织结构。 通过数据产品生成规则(从结构相对固定, 具备实际业务含义的子图数据生成报告文档、统计表格等业务用户最终需要的数据产品), 从抽取的子图生成需要的数据产品(报告文档, 统计表格等)。 通过 SPARQL 查询语言、自然语言生成等技术实现了以知识图谱为数据源, 快速自动地生成文本、 图表、 报告文档等数据产品, 大幅度提升了效率。

针对传统 Faster R-CNN(Region-Convolutional Neural Networks)检测钢材表面小目标性缺陷性能差的问题, 提出了一种基于改进 Faster R-CNN的钢材表面缺陷检测方法。 首先引入导向锚点候选区域网络(GA-RPN: Guided Anchoring Region Proposal Network)预测锚点的位置和形状, 设计可调节机制解决网络锚点形状偏移量超出感兴趣区域的问题, 从而解决无关特征的影响; 其次, 提出多任务 FPN(Feature Pyramid Network)结构缩短高层特征定位信息映射路径, 并能解决相邻层特征融合再采样的不充分特征融合, 提高小目标检测性能。 将改进的 Faster R-CNN 算法应用于钢材表面缺陷检测。 仿真结果表明, 改进的网络其召回率与准确率都得到提高, 具有更好的检测性能。

为解决现有长白山景点旅游数据不够集中、 缺乏有效利用问题, 通过合理制定基于 Python 的网络爬虫,实现了对部分旅游网站长白山旅游数据的爬取, 并利用 Tableau 工具对数据进行可视化分析, 从多个维度精准挖掘旅游人数与各个因素之间的潜在关系, 得到了更为直观的效果, 有利于趋势分布的观察, 为长白山地区进一步制定合理的旅游策略奠定了基础。

针对传统实地调查取证、 人工对比遥感影像等高成本、 低效率的海域监管方式无法满足当前监管需求的问题, 利用星遥感影像和深度学习算法提出了一种针对大范围的、 快速动态的用海综合管控手段。 依托海量影像及多源海洋基础数据, 在研究多规融合分析的基础上, 基于 Faster R-CNN(Regions with Convolutional Neural Networks features)算法, 建立人工智能识别模型, 实现对海上目标、 非法用海占海与破坏生态环境行为的自动识别与预警。 分析了 Faster R-CNN 算法原理, 采用不同年份、 不同卫星、 不同分辨率的卫星遥感数据, 针对 5 种常见海洋目标, 建立了 10 000 多张图片样本库, 利用 VGG16 和 RestNet101 两种网络模型进行了训练和测 试。 实验结果表明, RestNet101 模型计算量略大于 VGG16 模型, 但其具有更强的复杂特征提取能力, 更适合于复杂海上目标的检测与识别; 对本文中特定的 5 类目标总体识别准确率在 80% 以上。 利用该模型结合海洋规划数据, 实现了大范围海域的快速自动监管和非法用户行为预警, 为海洋智能化监管提供了一种新思路。

为提高负荷预测结果的精度, 设计了一种基于 VMD-IWOA-LSSVM ( Variational Mode Decomposition- Improved Whale Optimization Algorithm-Least Square Support Vector Machine)短期负荷预测模型。 先通过变分模态算法将原始负荷数据分解成多个子序列, 将分解数据分别输入到经由种群变异策略和邻域搜索延伸策略改进的鲸鱼优化算法优化后的最小二乘支持向量机中, 每个子序列的预测结果进行相加, 即可得到最终的预测结果。 通过仿真对比实验, 4 月 1 日和 8 月 1 日 VMD-WOA-LSSVM 的平均绝对百分比误差(MAPE: Mean Absolute Percentage Error)与 VMD-WOA-LSSVM 相比, 分别下降了 0. 17 和 0. 33, 证明了 VMD-IWOA-LSSVM 短期负荷预测模型可以有效改善电力负荷预测的准确性。

针对电机轴承故障识别准确率不高问题, 提出了一种天牛须搜索算法(BAS: Beetle Antennae Search)与概率神经网络( PNN: Probabilistic Neural Network) 相结合的滚动轴承故障诊断方法。 该方法结合 LLE( Locally Linear Embedding)算法得到振动信号的敏感特征, 保证振动信号的可靠性和敏感性。 并采用天牛须搜索算法对 PNN 网络中的平滑参数进行寻优, 避免主观经验选取参数对诊断结果的影响。 通过实验验证了该方法的有效性, 可实现故障类型准确判别。

卷积神经网络(CNN: Convolutional Neural Network)计算量较大, 为达到快速处理数据的目的, 需借助硬件手段进行加速。 因此, 利用现场可编程门阵列(FPGA: Field Programmable Gate Array)并行计算的架构特性, 提出了基于 FPGA 的并行计算加速策略。 该策略采用的具体方法包括: 合理分布片上内存与片下存储, 降低数据读取延迟; 采用多通道并行流水结构加速卷积操作; 通过卷积层数据共享减少访存延迟。 利用 PYNQ-z2 开发平台加速卷积神经网络 YOLOv2, 最终实现目标物体的检测识别, 该设计的处理能力为27. 03 GOP/ s(Giga Operations Per Second, 10 亿次运算/ s), 与 CPU(E5-2620V4) 相比, 处理能力是 CPU 的 6. 57 倍, 功耗是 CPU 的 3% 。

现有成绩预测研究多集中于如何构建预测模型, 但都忽略了预测时间的重要性。 针对此问题, 提出基于 BP(Back Propagation)神经网络方法构建大一成绩同最终毕业时的成绩预测模型, 旨在挖掘大一成绩同毕业成绩存在的潜在联系, 实现早指导早见效的原则。 通过对某高校信息与计算科学专业 2016 级学生成绩进行随机预测实验, 证明大一成绩同毕业成绩间具有潜在联系。 同时, 提出的基于 BP 神经网络的高校学生成绩预测模型具有良好的预测精度、 实用性和推广性, 可以成为提升教学质量的重要组成部分, 为实现人才培养的目标发挥更大的作用。

为更安全、 高效地共享智能电网中的数据, 提出基于属性加密的安全数据共享(AEDS: Attribute-Based Encryption Secure Data Sharing)算法。 AEDS 算法采用属性加密策略实现安全数据共享, 并通过模糊访问策略, 提高接入数据的安全性。 引用线性密钥共享策略, 支持任意单调的访问结构, 进而增强访问策略的可表述性。 性能分析表明, 提出的 AEDS 算法有效地提高了接入效率, 增强了接入数据的安全性。

为实现实验室设备远程管理和监控, 结合 Android wear、MySQL、Redis 等技术, 基于设备连接云服务器, 使用 flask 框架构建微 WSGI(Web Server Gateway Interface)服务器为基于虚拟控制面板 APP 的客户端提供设备监控服务。 通过虚拟控制面板可用于管理种类不同且众多的设备, 实现了对设备的控制、 状态查询等功能。 阐述了虚拟控制面板设计与功能实现, 并给出了虚拟面板的测试结果图。 经过测试表明, 该虚拟控制面板运行稳定、 功能可靠。 该虚拟面板实现了 APP 界面控件和控制逻辑实现的分离, 方便了用户控制和管理设备, 可有效地应用于监控设备的 APP 设计中。

为解决滞后质量控制导致的用户在不同时间获取的观测资料质量不高和完整性不一致等问题, 结合自动气象站观测资料复杂性和实时性的特点, 基于资料所反映的大气变量的物理、气候特征和资料必须遵循的基本规律, 设计并开发了一套基于数据有效性和一致性检查的自动气象站资料 3 级自动质量控制系统。 研制采用的质量控制关键技术主要包括一级质量控制技术有效性检查, 2 级质量控制技术时间一致性检查和内部一致性检查, 3 级质量控制技术空间一致性检查。 其中时间一致性检查还包括时变检查和持续性检查两种技术, 内部一致性检查包括同类要素之间、 不同要素之间、 要素值与统计值之间关系检查 3 种技术, 空间一致性检查采用最优插值法技术。 并且进一步优化了相关气象要素的界限范围和阈值。 该系统实行分级质量控制技术, 针对自动气象站的要素值和统计值进行 3 级质量控制, 具有很好的操作性和实用性, 可以实现计算机自动化处理且疑误数据检测效率较高, 能有效地提高数据的一致性、 准确性和处理时效、 数据质量, 减少人工劳动。

针对目前高校转专业分配效率低, 需要提前预测报考情况的问题, 提出一种基于 DNN(Deep Neural Network)网络结构下的预测模型。 并以吉林大学 2003 年-2017 年热门学院学生转专业情况建立预测模型; 引入 DNN 深度学习网络结构, 在谷歌研发的 Tensorflow 框架下建立高校热门学院转专业生源数量预测模型; 最后, 采用训练已有15 年的数据对 2020 年的热门学院转专业生源数量进行预测分析。 数据分析结果表明, 所提方法较好地解决了热门学院转专业报考人数预测的问题, 对后续工作开展具有一定的指导意义。

为解决夜晚值班人员犯困的问题, 设计具有自主避障、 自适应构图、 自主导航及定位等功能的可辅助值守人员巡逻的自适应仓库值守机器人。 利用光电、 陀螺仪、 激光雷达等传感器进行感知, 由搭载 ROS(Robot Operating System)机器人操作系统的 Intel5 微处理器进行控制。 采用开源设计模式, 结合 SLAM( Simultaneous Localization And Mapping)及模拟键盘控制技术, 并搭载摄像头、 噪声采集模块等多种环境监测传感器, 使用 TeamViewer 进行远程监控以实时获取当前机器人的位置及状态信息, 具有较强的兼容性和扩展性。 经测试表明, 该自适应值守机器人能摆脱键盘自主建图, 实现巡逻等各项辅助值守人员的工作, 有很好的市场应用价值