为解决T₂谱成像精度低, 影响检测结果的准确性的问题, 对基于贝叶斯的核磁共振T₂谱成像方法进行 了研究。首先给出了NMR(Nuclear Magnetic Resonance) 信号的基本特征, 并基于贝叶斯原理, 推导了NMR信号的似然函数, 构建了T₂谱成像框架。 其次, 采用改进的马尔科夫链蒙特卡洛策略, 得到T₂谱及其不确定 度。最后, 通过随机构造服从多峰的混合高斯概率密度函数的T₂谱模型, 验证了基于贝叶斯的核磁共振T₂谱 成像方法的有效性。 该方法可应用于通信原理综合实验内容, 也可用于创新性训练实验。

为提高地震勘探精度, 需要从低信噪比地震勘探数据中高精度地重构地震信号, 为此结合卷积框架变换 的稀疏性和低维流形模型学习地震信号的灵活性, 提出基于卷积框架变换正则化低维流形模型(CFR-LDMM: Convolutional Framelet Regularization based Low Dimensional Manifold Model)的地震信号恢复算法。 通过数据驱动 的局部基和非局部基对地震信号块流形联合表示, 获得地震信号块流形的低维等距嵌入, 避免显示定义流形 坐标, 提升地震噪声压制能力和信号恢复度。 合成数据和实际地震勘探记录测试表明, 所提的CFR-LDMM方法能将地震数据的卷积框架变换系数能量集中到系数矩阵的一角, 在压制地震勘探噪声的同时准确地重构 了低信噪比地震数据中的缺失道。

由于仪器设备工作以及室外环境等因素的影响, 采集的管道信号中会存在一定的随机噪声, 使原始信号 失去本身特征, 导致无法对管道信号进行准确识别, 为此, 提出一种基于变分模态分解(VMD: Variational Mode Decomposition)算法-熵方法的特征提取方法。 首先基于VMD算法对采集的管道工况信号进行去噪处理, 然后 从能量、 冲击特性、 时间序列复杂性3个角度全面提取不同工况下的信号特征, 分别计算3种工况信号重构后 信号的能量熵、峭度熵以及模糊熵, 最后建立特征向量输入到极限学习机中进行工况识别。 实验结果表明, 该特征提取方法相比其他特征参数能更加准确地分类识别管道工况信号, 识别率达到98. 33% , 证明该方法对 管道泄漏信号分类识别的可行性。

针对目前方法对配电网电力系统进行负荷预测时, 由于未能在电力负荷预测前对电力数据进行缺失值插 补处理, 导致该方法存在预测精度差、时间长以及性能差的问题, 提出一种基于DE-ELM(Differential Evolution-Extreme Learning Machine)算法的配电网电力系统负荷预测研究方法。 首先依据小波变换对电力数据进行去噪 处理, 根据去噪结果完成电力数据缺失值的插补, 获取完整的电力数据集; 再将数据集分成训练集与测试集 两部分, 将全局寻优引入极限学习机, 采用 DE-ELM算法对训练集进行计算, 依据结果建立网络模型; 最后将 测试集放入构建的模型中进行训练, 基于输出结果实现配电网电力系统的负荷预测。 实验结果表明, 运用该 方法进行配电网电力系统负荷预测时, 预测精度高、时长短、性能好。

为解决科技资源“信息孤岛"问题, 以异构数据的深度整合应用分析为目标; 以多视角用户对科技资源的 应用需求为导向, 分析多源异构的科技资源的元数据特征, 采用关联聚合方法和知识组织工具进行异构数据 整合设计, 建立多种类型科技资源之间的关联整合; 以吉林省科技文献信息服务平台(简称“平台") 的科技 资源元数据进行应用实证, 最终实现了平台的多源异构数据的元数据仓储共享服务, 增强了科技资源的共享 服务程度和效果。

针对当前方法对配电网运检故障进行定位时, 未考虑对故障电流进行判断, 导致故障定位和检测效果 差、 故障定位精度低的问题, 提出基于拓扑解耦的配网运检故障定位算法。 根据等效解耦的配电网拓扑结构 原理, 基于配电网拓扑邻接矩阵, 将配电网等效解耦的若干树干网进行组合, 并在每个树干网中加入FTU (Feeder Terminal Unit)馈线终端设备, 对加入FTU的配电网单树枝支路进行分割。 采用基尔霍夫电流定律对 故障线路进行计算, 判断单树枝支路中的故障电流方向, 依据判断结果, 利用故障区间判断矩阵, 定位配电网 运检故障。 实验结果表明, 该方法的故障测距与实际测距误差小、故障节点检测个数多、误检次数少, 其故障 定位和检测效果较好, 可有效提高故障定位精度。

为解决隧道侧壁给交通流带来的压迫以及阻滞效应, 造成隧道交通流偏离车道, 运行速度下降或发生 碰撞的问题, 对隧道侧壁效应下的交通流运行特性与隧道断面优化间的关系进行了研究。 首先分析了隧道 侧壁效应对交通流的影响, 其次结合流体力学知识对隧道交通流粘滞特性理论建模, 最后分别分析了车道 宽度、交通流密度与粘滞系数的关系, 以及交通流速度、 侧壁间距与粘滞力的关系, 并以单向多车道隧道为例 进行了交通流常规粘滞力标定。 实验结果直观表达了交通流粘滞系数与车道宽度和交通流密度的关系以及 交通流粘滞力与侧壁间距和交通流速度的关系, 可作为单向三车道隧道断面优化的理论基础。

信息化赋能传统物流行业的迭代升级, 为解决由于汽车制造业独有的物流特点带来的运输难题, 使循环 取货速度提升、成本费用降低及物流车辆造成城市内部交通压力得到缓解, 以汽车厂A在城市Q本地循环 取货实际运输需求为基础, 设计了基于改进的遗传算法用于汽车零部件运输的智能路径规划方法。 利用循环 物流过程中当月零部件需求量、供应商订单详情、选配运输车辆容载率、单车器具体积占比、时间窗需求等 耦合性因素, 使用大规模邻域搜索算法改进遗传算法, 求解出应用Solomon数据算例的最优路径并于遗传算法 相比较和厂A与供应商间实际运输需求的最优配送方案线路。 实验结果表明, 该方法在性能上具有显著优越 性, 数值仿真结果阐明了该方法的适用性和优化过程中的收敛情况。

随着分布式电源的不断发展, 配电网中负荷也呈现多样化的趋势, 传统的配电网的无功调控策略和算法 已经不能满足现代配电网无功补偿的需求, 为此, 提出一种基于改进磷虾群算法的主动配电网动态无功优化策 略。 首先将无功优化过程分为日前调控与日内动态补偿两部分, 日前考虑离散型无功补偿设备的无功补偿 能力, 日内充分考虑风光出力及其他连续调节设备对系统进行补偿, 构建基于主动配电网的日前鄄日内多时间 尺度动态无功优化模型。 其次提出一种基于余弦控制因子和柯西因子的改进磷虾群算法对该模型进行求解。 最后通过修正的IEEE33节点系统的实验, 验证了该策略的可行性和有效性, 在保证主动配电网平稳运行的 同时, 实现经济效益最大化。

针对抽油机故障数据不足、 样本分布不均衡的问题, 提出一种基于自注意力机制的条件深度卷积生成对抗 网络(CDCGAN: Conditional Deep Convolutional Generative Adversarial Networks)模型。 该模型在 CDCGAN 的基础上 引入自注意力机制, 并在损失函数中加入约束生成图像分布的正则项, 提高了生成图像的质量和多样性, 有效地 防止了模式崩溃的发生。 采用 AlexnetVGG16 等网络对生成的抽油机故障样本进行分类测试, 实验结果表明, 改进网络的生成数据质量更高, 能够有效平衡抽油机故障数据,进一步提升了抽油机故障诊断的准确率。

为解决钻井可控因素之间由于复杂的耦合关系造成模型拟合效果不佳的问题, 提出了一种基于模糊神经 网络的机械钻速预测模型, 应用模糊控制的思想解决参数耦合问题并进行预测。 利用聚类算法将相似度高的 数据划分为一个模糊集, 作为模糊神经网络第 2 层的初始化参数。 以某油田为背景进行仿真, 结果表明模糊神经 网络提取出的经验知识符合该油田钻井可控参数之间的耦合关系, 且适用于该地区大部分钻井作业, 证明该模型 具有良好的预测能力, 并验证了模型的可行性以及适用性, 这对提高钻井效率, 节约成本具有重要意义。

为准确检测出系统的故障信号, 保障系统安全稳定运行, 通过搭建故障检测滤波器的方法, 研究了带有 时变时滞的中立系统的H_∞故障检测问题。 选取时滞相关的Lyapunov函数使故障检测系统渐近稳定并满足H_∞ 性能准则, 同时运用线性矩阵不等式(LMI: Linear Matrix Inequality)技术将故障检测滤波器的设计问题转化为LMI的凸优化问题。 最后将该方法应用于双级溶解槽系统, 仿真结果证明, 所提方法能快速准确地检测出系统 故障, 与时滞无关的Lyapunov函数相比, 该方法可以降低系统设计的保守性。

针对目前隧道照明控制常采用分段控制方式, 存在过度照明、浪费电力的问题, 为降低隧道照明能耗, 在 LED(Light Emitting Diode)灯具以及无极控制的基础上, 依据人眼视觉特性以及交通流状态参数, 进行隧道 照明设计, 并在车辆达到驶离数据的基础上, 从行车安全性与节能两方面考虑, 采用“车进灯亮, 车走灯灭冶的 控制策略设计了灯具启灭控制方法。 经实验验证, 所设计的隧道照明连续逐渐变化, 更适应于人眼的视觉 特性, 且该方法可依据交通流数据对隧道灯具进行合理的启灭控制, 在保证隧道行车安全的同时降低能耗。

针对石窟寺岩体裂隙发育缓慢、 影响因素多样化, 难以对裂隙发育情况进行预测的问题, 提出了一种新 的基于深度学习的岩体裂隙发育预测网络(FDPNet: Fracture Development Prediction Network), 即并行自注意力 机制混合网络。 FDPNet通过局部卷积模块和全局循环模块对序列数据的时间相关性进行建模, 使模型能准确 捕捉到不同时间尺度的时间模式。 同时通过引入自注意力机制对多元时序数据中不同序列之间复杂的依赖 关系进行建模。 在此基础上, 利用传统的自回归模型进一步提高模型的鲁棒性。 此外, 以Q市北石窟寺32号 窟6个月的裂隙发育相关因素监测数据构建了国内外首个该领域的数据集。 在该数据集上进行的对比实验 结果表明, 该模型在石窟寺岩体裂隙发育预测场景下具有更好的性能表现。

为使用户了解云存储文档的完整性, 提出基于消息认证码的数据可取回性证明方案M-POR( Proof of Retrievability-Based Message Authentication Codes), 消息认证码作为验证信息由数据块生成, 不但可以验证数据 完整性, 而且具有定位错误数据块的特点。 原始文件冗余编码后上传到服务器。 用户通过挑战-响应-验证算法 验证数据完整性。 在编码过程中引入纠删码, 如果错误数据小于阈值, 可以通过冗余数据修复错误数据。 性能 分析证明M-POR方案能提供数据完整性证明, 并具有较低的存储成本和计算成本。

针对人群图像背景的差异性, 以及透视效应引起的人群尺度变化等对人群计数精度产生严重影响的 问题, 提出一种多层次融合与注意力机制的人群计数算法。 该算法包含尺度注意力提取与多层次融合两个子 网络, 尺度注意力提取网络采用编解码结构, 负责尺度注意力的提取, 以对抗复杂人群场景中的人群尺度 变化、人群遮挡等问题; 多层次融合网络在每个卷积块之前增加一个特征融合操作, 将不同尺度的注意力图与 相对应卷积层次的输入融合, 以去除冗杂的图像信息, 进而生成高质量的人群密度图。 相较于其他优秀的人群 计数算法, 该算法在ShangHaitech数据集Part_B 上的MAE(Mean Absolute Error)和MSE(Mean Squared Error) 分别提高了17 %和25%, 在Part_A上的MAE提高了1. 7%, 在UCF_CC_50数据集上的MAE提高了7%。 实验结果表明, 该算法在应对复杂人群场景时具有较高的准确性与鲁棒性。

对动态数据流的在线学习问题, 传统的在线 BLS(Broad Learning System)算法无法准确地捕捉数据最新的 变化趋势。 为此提出两种具有遗忘机制的在线BLS算法——基于遗忘因子的在线 BLS 算法(FF-OBLS: Online Broad Learning System based on Forgetting Factor) 和基于滑动窗口的在线 BLS 算法( SW-OBLS: Online Broad Learning System based on Sliding Window)。 FF-OBLS在在线学习过程中通过为旧样本添加遗忘因子以体现新旧 样本对学习模型的不同贡献, SW-OBLS 在在线学习过程中通过删除旧样本以消除旧样本对学习模型的影响, 从而使学习模型对动态数据流的后续趋势做出更准确的分析和预测。 为验证提出的两种在线BLS算法的有效 性, 使用动态回归数据集进行实验。 实验结果表明, 具有遗忘机制的在线 BLS 模型在预测精度和时间开销上均 优于传统在线BLS模型, 更适合处理动态数据流问题。

针对彩色图像安全性差、 加密效率缓慢等问题, 设计一种基于混沌映射的空域彩色图像复合加密算法。 构建深度残差网络, 在残差单元块内添加跳跃连接, 创建含噪图像的非线性映射, 将激活函数移动到卷积层, 加快网络收敛速率的同时实现图像去噪目标; 对图像采取小波变换操作, 分析图像空域特征, 利用多普勒波对 图像的高、 低频系数进行像素置乱, 利用扩散操作计算图像对称点近邻区域, 将待扩散像素点根据零均值归一 化互相关分数排列组合, 令混沌序列与图像具备充足耦合关联, 强化图像安全性能; 在 Logistic 混沌映射中 引入映射参数, 调节映射变量随机值, 计算混沌系统序列概率分布函数, 完成彩色图像复合加密。 仿真结果证 明, 所提方法能有效消除彩色图像像素特征信息, 加密效果良好, 可行性强。

针对当前已有算法未能计算语义相似度, 导致检测结果不理想的问题, 提出一种面向大学英语教学的 作文主题偏离自动检测算法。 在大学英语教学环境下, 以分布式和结构化两种语义空间为基础, 组建语义表示 模型, 在英语单词以及短语中, 得到语义相似度。 通过 LDA(Latent Dirichlet Allocation)模型对全部文档进训练, 同时对文档中各个主体和特征词进行概率加权求和, 根据设定的合理阈值检测出偏离主体的作文。 仿真实验 结果表明, 所提算法能获取高精度的作文主题偏离自动检测结果。

为解决依靠保密人员对文件的密级进行人工标注, 其准确性依赖相关人员的业务素质, 容易造成标密不 准的问题, 建立一种基于Transformer模型的企业文件密级分类系统。 该系统能自动提取文本密级信息的特征 表达, 对企业秘密文件做出智能辅助定密的决策。 在国网吉林省电力有限公司内部核心商密文件、 普通商密 文件和非秘密文件构建的数据集上对提出的模型进行了实验验证, 准确率为97. 37% , 召回率为98. 67% , 表明 模型达到了较高的识别效果, 因此该系统能有效防止秘密文件的泄露

为探究电子支付科研现状和发展趋势, 针对电子支付研究热点进行了分析。 采用文献计量方法, 从电子 支付领域的研究概况、 研究力量和学科分布 3 个方面分析了电子支付领域的发展现状, 利用科学知识图谱 方法, 对该领域的研究热点进行可视化分析。 结果表明, 电子领域的论文产出最多的国家是中国和美国; 主要 产出机构是北京邮电大学和中南大学; 研究热点主要侧重于电子支付体系安全性的理论和实践应用研究。

为完成高校主数据管理需求, 全面分析高校业务数据现状以及管理需求, 基于微服务分布式体系结构 搭建高校主数据管理平台。 该平台基于Spring Boot微服务架构以及DevOPS(Development and Operation)模式进 行研发与部署, 实现基础、 业务和接口等主数据相关微服务, 满足主数据全生命周期管理需求。 经过实际运行 表明, 该平台可在高校日常管理中稳定高效运行, 满足高校内各类数据(包括学生、 科研、 财务等)的有效性和 完整性管理目标。

为使本科生了解卫星遥感技术、 掌握机器学习方法, 结合吉林大学大学生创新创业训练计划, 设计了 实验项目“基于遥感影像的校园周边建筑物变化检测研究冶。 以高分二号(GF鄄2)卫星影像与吉林一号夜间微光 影像为实验数据, 实验区域为中国某小学周边地区。 使用多种机器学习方法以提取实验区域内不同时段的 建筑物信息并对该结果进行精度分析; 将建筑物提取结果与地面参考数据进行对比, 最终获得了不同时间段的 建筑物的变化情况。 并且采用了吉林一号夜间微光影像对校园周边建筑与居民活动情况进行了分析。 实验 结果表明, 所选取的随机森林与 VGG(Visual Geometry Group)神经网络算法可对遥感影像中的建筑物进行有效 识别, 并通过不同时期建筑物数量和夜间灯光变化的检测结果, 说明了校园对周边地区发展的影响, 为城市 规划提供了参考信息

为解决传统移动机器人在局部路径规划中的避障问题, 针对传统 DWA(Dynamic Window Approach)算法 的移动机器人避障时间过长以及在密集动态障碍物区中无法选择最佳路径的缺点, 提出了 A * 算法结合 VO (Velocity Obstacle)算法的 VO 混合路径规划算法, 对移动机器人避障算法进行优化。 基于 ROS(Robot Operating System)机器人操作系统, 在具有 3 种障碍物的情况下, 采用模块化的软件架构, 通过设计 DWA 算法与 VO 混合路径规划算法的对照研究实验, 检验 VO 混合路径规划算法的避障效果。 多种环境下的仿真实验结果 表明, 在动态障碍物多、 障碍物移动速度快以及雷达扫描频率低的情况下, 使用 VO 混合路径规划算法, 避障 效果有明显改善。