分布式声传感(DAS: Distributed fiber Acoustic Sensing)是一种新型的传感技术, 但 DAS 数据中信号被复 杂噪声覆盖, 信噪比非常低, 衰落噪声严重影响到后续信号的反演和解释。 为此, 提出基于注意力引导的深度 网络(ADNet: Attention-guided Denoising convolutionalneural Network)实现 DAS 数据智能消噪。 与传统的用于处 理 DAS 信号方法相比, 选择在网络中引入注意力引导模块, 生成注意力特征图, 使深层网络着重处理特征性强 的部分, 以此提高网络模型在去噪方面的性能。 通过测试并与传统方法实验对比, 证明了 ADNet 在噪声消减 和效率提高方面具有较大优势。

针对由于地震数据中含有的随机噪声, 严重影响后续资料处理解释的准确性问题, 提出一种基于卷积 神经网络的智能化地震随机噪声压制方法。 首先根据卷积神经网络原理设计一种深层非线性的噪声压制网络, 然后利用构建的高质量随机噪声训练集对该网络进行训练, 在高维空间实现对随机噪声特征的自动学习, 从而 拟合出含噪地震数据记录与随机噪声的非线性映射关系, 实现随机噪声自动压制。 将该方法用于地震数据 噪声压制, 并与常用的滤波算法(均值滤波法和中值滤波法)进行对比, 实验结果证明, 该方法具有更高的信噪 比, 克服了传统方法存在的问题。 实例验证了该方法的可行性和有效性。

针对稀疏码多址接入(SCMA: Spare Code Multiple Access)下行链路系统中经典的资源分配、 子载波平均
功率分配、 基于最大通信容量和最大系统能效功率分配方案中系统总能效和容量不兼顾问题, 提出了一种下行
链路中基于比例因子控制的混合 SCMA 功率分配方案。 其将系统的容量和能耗都作为主要方向进行优化,
通过插入比例因子使系统能灵活调整倾向性。 由于该问题是一个非凸优化问题, 首先通过丁克尔巴赫理论
(GDA: Generalized Dinkelbach's Algorithm)将其转化为一个凸优化问题, 然后选取合理的拉格朗日值采用 KKT
(Karush-Kuhn-Tucker)条件对模型进行迭代求解, 最后通过调节比例因子使系统的能效及容量达到最优。 理论
计算分析和仿真结果表明, 所提出的混合规律分配方案能有效提升下行链路系统的容量和能效。

为使数字模拟转换器(DAC: Digital-to-Analog Converter)实现更高的分辨率, 提出了一种可实现多进制
数字输入的电压输出型 DAC 通用结构。 该 DAC 通用结构主要由电阻网络、 单刀多掷模拟开关、 参考电压源和
缓冲放大器组成。 在提出的电路结构的基础上, 采用分立元件和集成电路芯片设计了一个 8 位的三进制 DAC
电路模块, 并对测试数据进行了误差分析。 经理论分析, 该8 位三进制 DAC 相比于传统的8 位 DAC, 在不明显
提高结构复杂性的情况下, 分辨率提高 25. 6 倍, 且该 DAC 结构还具有结构简单、 进制拓展性和位数拓展性强
的特点。

为提高光电编码器的细分精度, 实现莫尔条纹信号的补偿和校正, 分析了对信号质量产生影响的误差 来源, 建立了莫尔条纹信号的波形方程。 设计了一种利用布谷鸟搜索算法结合最小二乘法, 用残差平方和作为 适应度函数实现波形方程多参数辨识的方法。 并利用辨识得到的参数结合波形方程对信号中的正弦性偏差、 直流分量和等幅性偏差进行修正。 将辨识得到的相位参数用于构建查找表, 以实现信号的正交性偏差补偿。 实验结果表明, 上述方法有效降低了输出信号中出现的偏差, 提高了光电编码器的细分精度。

针对传统的基于转子磁链的异步电机无速度传感器矢量控制系统具有严重的超调量, 鲁棒性不强且带 负载能力差等缺陷, 对传统的异步电机无速度传感器模型进行改进, 提出了将传统异步电机无速度传感器模型 中的转速 PI(Proportion Integration)调节器与神经网络自适应控制算法相结合, 并在转子磁链的电流模型中加入 三阶低通滤波器。 针对异步电机的启动、 突增负载后的转速、 转矩以及估计转速的变化情况进行仿真分析, 实验表明, 改进后的异步电机无速度传感器矢量控制系统明显消除了超调量, 有效地提升了系统的鲁棒性, 增强了异步电机的带负载能力。

针对铁路制冷机用永磁同步电动机矢量控制系统调速精度低、 动态响应速度慢以及控制器参数选取繁琐
的问题, 利用细菌觅食算法实现传统的转速环控制器和电流环控制器的优化。 将细菌觅食算法与引力搜索机
制相结合形成 GS-BF(Gravitational Search-Bacterial Foraging)算法, 从而增强细菌个体游动操作的目标性, 加快
游动效率, 使细菌觅食算法具有更好的全局最优解搜索能力且有效加快算法的收敛速度。 利用 Matlab 验证
GS-BF算法的优越性, 仿真结果表明优化后的 PID(Proportional Integral Derivative)控制器具有更小的超调、 更快
的响应速度; 矢量控制系统的静态误差和动态响应速度均得到有效改善。 该方法具有使用的普遍性, 也适用于
其他电动机的调速系统。

为保证燃气管接头焊接质量, 防止重大事故发生, 研制了高性能热熔管件焊接控制系统。 该系统采用 双向可控硅为主控电路, 利用定时器中断技术, 通过 PWM (Pulse Width Modulation)对可控硅的控制, 实现热熔 焊接系统的可调电压输出。 为提高系统的可靠性, 对传感器采集信息产生的误差进行分析, 利用传感器采集信 息最小二乘法分段动态标定, 减少了传感器输出的非线性和零漂的误差; 采用自适应滑动滤波法, 平抑了噪声 干扰和工频干扰的误差; 对控制电压, 设计了改进的 PID (Proportion Integration Differentiation) 快速电压调节 算法, 提高了输出响应速度和输出稳定度。 经现场测试, 焊接过程快速达到稳态, 有效地平抑环境噪声对采集 数据的干扰, 电压波动小于+-0. 1 V, 低于+-0. 5 V 国家标准, 满足焊接工艺的需求。

目前微博已经成为网络舆论传播和挖掘民意的重要平台, 为分析疫情事件对网民情绪的影响, 科学高效地做好防控宣传和舆情引导工作, 为此融合不同的深度学习方法对 2020 年初发生的新冠疫情的微博评论进行情感分析。 提出一种基于 RNN(Recursive Neural Network)和 LSTM(Long Short-Term Memory)混合模型并在嵌入层中使用 FastText 词向量表示方法, 以降低词向量中的噪声数据, 从而获得语义丰富且噪声少的高质量词向量, 并与朴素贝叶斯、 支持向量机、 RNN、 LSTM 多种情感分析方法进行比较。 结果表明, 所提出的情感分析模型正确率达到了 98. 71% , 证明了该模型能有效提升情感分析正确率。

针对空战信息的非完备问题, 基于改进麻雀算法进行无人机非完备信息攻防博弈策略研究。 通过分析 敌我双方空战信息, 在确定敌我双方的空战态势优势函数、 空战性能优势函数以及收益函数的情况下建立攻防 博弈模型。 结合博弈模型给出博弈支付函数并计算敌我双方的支付矩阵, 提出基于反向学习的改进麻雀算法, 求解出敌我双方攻防博弈的纳什均衡解。 通过仿真验证了所提方案的可行性和所提算法的有效性, 该方案能 初步解决空战对抗过程中所遇到的信息非完备问题。

程序性知识在人类学习与认知过程中扮演了重要的角色, 目前对程序性知识的组织都是通过产生式系统实现, 是一种非语义化、 无法体现知识间的关系且不易维护的方法。 为此, 将 ACT-R( Adaptive Control of Thought-Rational)理论、 事件认知理论与文献中的事件模型相融合, 提出一种能表征程序性知识的事件七元组语义模型。 在此基础上, 以 Java 语言中的程序性知识为例, 构建了程序性知识事件本体模型, 并设计了基于程序性知识事件的 ACT-R 认知模型对其进行验证。 实验结果表明, 程序性知识事件本体能实现对程序性知识及其之间关系语义完整性描述, 为程序性知识教学资源组织与基于程序性知识的网络教学等提供了新的思路。

为提高主动配电网的经济效益, 在考虑分布式能源、 网损费用和发电成本基础上, 建立了主动配电网经 济调度模型。 模型加入了柔性软开关对主动配电网进行灵活调度和无功优化, 使用优化后天牛须搜索算法对 其进行求解, 优化方法为在算法中加入遗传因子和锦标赛选择策略, 使算法结果不会陷入局部最优, 得到最小 发电成本。 最后经仿真实验, 验证了优化后的天牛须搜索算法在主动配电网经济调度问题中具有实用性 和高效性。

为解决医疗数据集中数据缺失对分类器的性能以及下游任务产生的不利影响, 提出使用缺失森林插补法对医疗数据集中缺失值进行插补。 该方法首先采用数据集中完整数据的观测值训练一个随机森林模型; 利用训练好的随机森林模型预测缺失数据; 不断重复迭代上述过程, 从而完成数据缺失值补全。 在两个医学数据集上进行测试, 结果表明, 根据 NRMSE( Normalized Root Mean Squared Error) 和 PFC( the Proportion of Falsely Classified)评估指标, 缺失森林插补法误差较低, 插补效果优于 K 最近邻插补法、 多重插补法和 GAIN(Generative Adversarial Imputation Nets)插补法。 同时, 使用糖尿病数据集通过分析谷丙转氨酶(ALT: A Lanineamino Transferase)与糖尿病剂量反应关系证明了缺失森林插补法的稳定性。

为使轴承故障诊断工作更加准确与智能化, 构建了一种基于 Inception 结构和残差结构的卷积神经网络(CNN: Convolutional Neural Network), 提出一种新的轴承故障诊断方法。 首先使用短时傅里叶变换( STFT:Short Time Fourier Transform)将滚动轴承原始一维信号转变为二维时频图, 分为训练集、 验证集和测试集; 然后使用训练集对搭建的 Inception-残差网络模型进行迭代, 不断更新网络参数, 并由验证集检验模型是否出现过拟合现象; 最后将训练好的模型应用于测试集, 并通过输出层的分类器输出诊断结果。 最终由实验证明所提方法的可行性, 对轴承故障分类的平均准确率到达了 99. 98% +-0. 02% , 相对于其他方法具有较高的准确率和稳定性。

针对传统加油站生产环境下卸油作业检测效率低, 违规操作引发的安全问题, 提出一种基于改进 YOLOv3的加油站卸油检测方法。 该方法通过在 Darknet-53 主干输出后引入 RFB(Receptive Field Block)感受野模块, 使模型能选择合适的感受野对不同尺度目标进行匹配, 提高检测精度; 结合 CSP(Cross Stage Partial)网络并提出RFB_CSP 和 RFBS_CSP 两种结构, 实现两条支路的跨级拼接与通道整合, 降低计算成本; 用 K-means++算法对现场的 9 类目标重新聚类分析, 确定合适的网络 anchor 参数。 实验结果表明, 优化后的模型对比原始的 YOLOv3 模型, 其平均精度均值提高了 2. 3% 和 2. 9% , 说明优化后的 YOLOv3 模型在加油站场景检测具有较高的实用价值。

由于丙型病毒性肝炎病毒感染后约有 3 ~ 10% 丙肝病例发展为肝细胞癌, 因此准确预测丙肝感染情况,提高丙型肝炎病毒检测技术非常重要, 为此, 采用机器学习中的集成算法进行丙肝预测。 为挑选出最优检测丙肝模型, 将不同机器学习模型在 UCI(University of California Irvine)丙肝数据进行比较分析。 实验结果表明,梯度提升树, 随机森林以及轻量级梯度提升机表现较好, 其中梯度提升树在预测丙肝准确率高达 0. 9351。使用梯度提升树对丙肝感染情况进行预测最为准确。

针对传统协同过滤算法用户相似度计算准确度低的问题, 在推荐系统中引入项目属性信息和项目标签信息, 提出融合标签和属性信息的混合推荐算法。 首先将用户对项目的评分转化为用户对项目属性值及标签的评分, 构建用户-属性值偏好矩阵和用户-标签偏好矩阵, 将其作为用户描述文件; 然后分别根据用户-属性值偏好矩阵和用户-标签偏好矩阵计算用户之间的相似性, 并将结果加权平均, 得到每个用户的最近邻居列表;最后根据邻居对项目的评分产生推荐结果。 由于项目属性值的数量和主要标签数量远低于项目数量, 该算法能有效解决协同过滤算法的数据稀疏性问题, 同时也能更直观地描述用户的偏好。 而且在构建用户描述文件时, 考虑到用户偏好随时间变化的规律, 对用户不同时间点的评分赋予不同的权重, 权重随着时间推移逐渐增大。 实验结果表明, 该算法能更准确地预测用户对未评分项的评分, 提高推荐的准确度和召回率。

针对数据提取方法无法进行海量挖掘, 且挖掘结果不准确, 挖掘时间较长的问题, 提出一种基于数据挖掘算法的地域性强关联规则数据提取方法。 结合地域性强关联规则数据管理系统, 采集用户需求信息, 检索特征关联性, 收集地域特征。 利用数据关联度, 分析地域检索中地域特征间的关联, 计算相似标签信息参数,并对支持度和置信度实施计算, 从地域性强关联规则数据库中挖掘关联规则。 利用 Kulczynski 量度和不平衡率实施相关性分析和过滤, 最终获取到具有实际意义的强关联规则。 实验结果表明, 该方法挖掘效率较高, 且具有广泛的应用价值。

针对在传统的统计方法中, 联合分析方法不能同时对大量参数进行变量估计问题, 提出了贝叶斯 茁 回归模型。 该模型使用 Dirichlet 分布作为模型参数的先验分布, 并设计相关 MCMC(Markov Chain Monte Carlo)算法对模型进行拟合。 通过分析将该模型应用于离散指标变量评估中, 结果表明该模型对数据拟合效果好且算法收敛速度快,说明贝叶斯层次模型弥补了传统联合分析方法的缺陷, 并对联合分析方法进行了优化改进。

为了能清晰理解 mbedOS 调度基本原理与机制, 通过阐述 ARM(Advanced RISC Machines) Cortex-M4 内核对实时操作系统的支持特性, 分析了实时操作系统常用的调度策略, 采用流程图分析、 上下文核心代码解析等方法重点剖析了 SVC(Supervisor Call)中断、 PendSV 中断和 SysTick 中断 3 种 mbedOS 调度策略实现方法, 最后以意法半导体的 STM32L431 芯片为例给出了 mbedOS 的线程调度剖析实践。 通过对 mbedOS 的线程调度剖析, 有助于深入理解 mbedOS 的调度机理, 为设计多任务系统提供帮助, 也为分析其他实时操作系统提供参考借鉴。

针对 SIFT(Scale-Invarivant Feature Transform) 算法存在的不足, 提出 Harris 算法与 SIFT 算法相结合的方法。 选用 Harris 算法检测出的角点邻域范围内的 SIFT 特征点作为特征点, 利用高斯圆形窗口对特征点建立64维描述向量。 实验证明, 该算法在保证匹配精度的同时, 有效提高了匹配速度。

随着互补型储能发电系统日益普及, 其覆盖范围也不断扩大, 但容量优化技术仍处于单一能源阶段。为此, 针对太阳能风能互补储能发电系统, 设计了一种容量优化算法。 通过分析发电系统的电能输出情况,获得其年产出与供应状态, 然后根据电能均衡准则构建容量优化目标及约束条件。 然后结合差分进化算法进行变异、 交叉和选择等操作, 再通过粒子群算法更新方位与速度, 二者结合取得亲体与群体的当前最优解,经迭代循环实现储能系统容量优化。 经实验研究分析, 并通过对组件配置量、 负荷缺电率等数据发现, 该算法在大幅提升经济效益的同时, 确保了供电可靠性, 表明该算法具有显著的优化优越性与较大的试运行潜力。

对于图像的聚类, 现有方法在特征提取方面或难以选择合适的维度转换方法, 或提取的特征对图像特征的表达较弱且不够丰富, 对图像的聚类效果产生了较大影响, 导致了聚类精度较低。 为此, 提出一种基于多尺度残差卷积自编码器的图像聚类方法, 通过构建具有若干个含有残差连接的多尺度卷积模块, 获得中间层的高维特征表达, 并以此进行图像聚类。 实验结果表明, 在 MNIST 数据集上的聚类准确率为 82. 2% , ARI(Adjusted Rand Index) 值为 0. 781 0, NMI (Normalized Mutual Information) 值为 0. 853 2, 模型达到了较好的聚类效果。

为提高影视动画场景色彩搭配效果, 提出基于特征点提取算法的影视动画场景色彩搭配系统设计方法,构建影视动画场景色彩搭配的视觉认知模型。 使用辅助视觉图像采样模型提取影视动画场景色彩搭配图形的辅助视觉元素特征空间结构, 结合影视动画场景色彩搭配图形的三维分布特征量; 利用特征点提取算法建立影视动画场景色彩搭配视觉元素 RGB 特征分解模型; 通过视觉信息参数融合和三维视觉重建的方法, 进行影视动画场景色彩搭配系统的软件平台开发, 设计影视动画场景色彩搭配系统, 采用三维重建软件, 实现影视动画场景色彩搭配系统的视景仿真开发设计。 仿真结果表明, 设计的影视动画场景色彩搭配系统输出稳定性较高,可靠性较好。

针对社会对长期、 持续的病房监护的需求, 提出了一种基于 ZigBee 的病房监护系统设计方案。 系统终端 实现对病房环境与病患生理信息的采集, 利用 ZigBee 技术组网对传感器模块的数据进行整合传输; 建立护士 站管理平台, 对各病房及病患的信息进行监控与管理, 使整个系统将病房环境、 病患信息、 管理后台集于一体。 实际测试, 该系统可在30m² 室内实现24 h以上的稳定通信, 测量生理信息误差率低于 2. 5% , 满足普通病房 日常监护管理需求