针对 JLU-FG03A 型井下磁通门磁力仪在井下高压潮湿环境下地磁场观测的应用需求, 为磁力仪设计了实验室标定以及井下在线标定方法。 给出了实验测试系统的搭建和相关的测试方法, 利用实验室标定方法分别测试了磁力仪量程、 带宽、 噪声以及灵敏度温漂, 使用井下在线标定方法测试了在井中工作的磁力仪数据的可靠性以及噪声水平。 实验室标定结果表明, 仪器量程为+-100 000 nT, 带宽为 DC-10 Hz, RMS(Root Mean Square)噪声低于 0. 01 nT(DC-0. 3 Hz), 开启自适应反馈功能后温漂为 23. 39 ppm, 以上指标满足井下地磁观测的应用需求。 井下在线标定实验表明, 仪器在井下工作状态正常。 噪声测量结果表明, 井下磁环境良好,有利于磁力仪发挥出最佳性能。

由于特征提取是数据挖掘的基础工作, 而其质量对挖掘结果有很大影响, 为此针对局部线性嵌入(LLE:Locally Linear Embedding)算法并未考虑同一数据的不同特征之间的相关性, 不能较好地保留时间信号的主要形态趋势, 提出了基于特征相关性的局部线性嵌入 ( CC-LLE: Local Linear Embedding Algorithm Based on Characteristic Correlation)算法,并应用于轴承故障诊断。 针对轴承故障信号周期性特点, 该算法在特征提取阶段对数据进行分段操作, 选取各分段上的标准偏差作为特征, 构造原始数据的特征样本集, 从而有效提取鉴别特征。 通过在轴承数据集上进行实验验证了该算法在特征提取方面的有效性。

针对传统资源调度算法不能适应切换场景空口信号质量急速下降而导致的切换命令重传问题, 提出了一种对切换场景优化的应用于 B-TrunC 专网的降低切换命令误码率的新型传输方案。 该方案在 PDCP(Packet Data Convergence Protoco1)模块自动识别下发给终端的切换命令, 通过设计区别于普通信令和数据传输的调度机制, 采用指定的低阶调制方式和编码速率传输切换命令, 降低切换命令传输误码率。 切换场景下的仿真结果表明, 所提出的方案可有效降低切换命令的重传和失败概率, 显著提升 B-TrunC 专网系统的切换时延性能。

针对实际系统存在各种不可预知的扰动, 造成系统很难精确地达到期望的各项性能指标, 研究了基于 Round-Robin 协议的一类非线性时变系统的保概率 H_∞ 滤波问题。 利用概率约束 H_∞ 性能指标, 使该系统更贴近实际工程应用。 同时, 考虑在数据传输过程中产生的网络拥塞和资源占用现象, 采用 Round-Robin 协议对网络节点间的数据传输进行调度。 考虑信号从传感器至待设计滤波器传输过程中具有非线性扰动, 构造保概率非脆弱 H_∞ 滤波器。 其不确定参数由服从均匀分布且相互独立的随机变量控制, 同时通过寻求线性矩阵不等式工箱设计能在概率约束下保证性能要求的滤波器。 利用递推线性矩阵不等式方法求解保概率 H_∞ 滤波问题。最后, 通过仿真示例, 证明所提出的滤波方案的有效性。

针对在两相混合式步进电机位置控制系统中采取滑模算法控制时系统抖振较大的问题, 基于边界层概念对滑模控制算法进行了改进, 优化了准滑动模态控制算法。并且在相关软件中搭建两相混合式步进电机控制仿真模型, 并进行了仿真验证。结果表明, 采用准滑动模态滑模控制比用一般滑模控制情况下系统的抖振幅度减小50% , 系统的动态性能得到了很大提升。

为优化油田井下无线电能传输系统磁耦合机构, 提出一种改进型螺线管型磁耦合机构, 采用 Maxwell 电磁场仿真工具提出一种优化设计方法, 并通过研究 LCC-S 高阶补偿拓扑的特性得到了 LCC-S 的补偿设计公式和主要电路特性, 最后使用 PSIM(Power Simulation)仿真软件通过闭环 PI (Proportion Integration)控制验证了提出的耦合结构和补偿拓扑的设计可行性和正确性, 结果表明, 该磁耦合机构适合油井下供电场景。

为改善传统 Halbach 充磁结构在直线发电机的非气隙侧产生漏磁, 导致主磁通含量降低、功率密度变小 和带负荷能力下降的问题, 提出了在传统的 Halbach 充磁结构上进行改进, 用于改善直线发电机的磁场分布。首先对传统矩形永磁体结构形状进行了改变, 提出了梯形、T 字形和 U 字形的 Halbach 充磁结构的变体, 通过分析在不同尺寸下的磁通密度基波含量, 从而找到各个变体的最佳设计尺寸。 仿真结果表明, U 字型 Halbach充磁结构比其他几种结构对改善非气隙侧的漏磁作用更加明显, 输出功率和效率均得到了提高。

在利用常识知识图谱构造出文本自身语义之外的语境语义及基于知识图谱的预训练模型获取语境语义特征的基础上, 针对文本语义特征、 语境语义特征和标记实体语义特征, 建立多重语义融合机制, 实现关系分类模型 MSF-RC(Relation Classification Model based on Multiple Semantic Fusion)。 该模型在 SemEval-2010 task 8和 TARCED 两个不同数据集上进行了测试, 试验结果表明, 语境信息的引入有助于加强标记实体对语义的理解, 多重语义的层级融合可以进一步提升关系分类模型的性能。

以往告警关联分析算法中将告警重要性视为相同, 为区分不同告警的重要性差异, 以及告警中包含信息量的差异性, 提出一种改进加权方法的告警关联分析算法。 首先将告警信息中有关告警重要性的属性量化, 并使用极端梯度提升(XGBoost: extreme Gradient Boosting)集成学习模型训练, 得到告警属性的权重值, 并对告警数据赋予权重; 然后, 将网络拓扑数据加入滑动窗口中, 改进传统滑动窗口划分事务存在的问题, 改进后的滑动窗口划分的事务集更加真实可靠; 最终将加权后的告警事务集使用加权 FP-Growth ( Frequent Pattern Growth)算法挖掘频繁告警和关联规则。 通过实验验证了该改进加权方法的告警关联分析算法在挖掘频繁告警、 重要关联规则和时间上都有很好的性能。

由于目前各领域集成模型还主要以数据集成、 信息集成为主, 但这些集成模型中缺乏对标准的融合等问题, 而本体和关联数据技术不仅能从根本上解决“知识孤岛冶现象, 且基于该技术还能在模式层将语义进行链接, 减少数据的冗余, 为知识元提供集成化的知识模型。 为此首先比对并分析了传统知识组织方法, 然后依据本体、 关联数据知识组织方法, 提出并构建了标准驱动的知识集成模型。 该模型通过复用领域主题词表和国际上相关的事实标准本体中的叙词表实现对领域知识本体的表示。 最后通过关联数据技术将实体 RDF (Resource Description Framework)序列化, 并实现与外部知识库中的实体进行链接, 发布成统一的、 集成化的关联数据, 为领域提供知识服务。 为验证所提模型的可行性, 以石油领域为背景, 复用了石油主题词等标准词汇表并构建了标准化石油领域本体, 再将石油领域知识与 GeoNames 和 DBpedia 百科知识库关联实现了集成,验证了所提模型的合理性与可用性, 该标准化的集成模型同样适用于其他领域的知识集成。

针对目前人脸到素描合成存在生成的素描图轮廓模糊、 细节纹理缺失等问题, 提出一种采用循环生成对抗网络(CycleGAN: Cycle-Generative Adversarial Networks)解决方案。 构建多尺度 CycleGAN, 生成器采用深度监督的 U-Net++结构为基础, 在其解码器端进行下采样密集跳跃连接; 在其生成器的编码器端设计通道注意力和和空间注意力机制形成特征增强模块; 最后在生成器中增加像素注意力模块。 实验结果表明, 与现有经典算法相比, 从主观视觉评测和利用现有的4 种图像质量评价算法进行质量评估, 该方法较好地合成了素描图像的几何边缘和面部细节信息, 提高了素描图像的质量

针对传统乳腺超声影像分割算法存在准确率低、 精度低且耗时长等问题, 提出基于深度学习的三维乳腺超声影像自适应分割算法。 首先预处理图像, 采用深度多示例学习方法检测病变图像块, 删除正常图像块。然后对乳腺超声影像数据集扩增处理, 用于神经网络训练。 其次构建残差卷积神经网络模型, 设计残差学习单元, 结合扩增数据集形成特征映射, 采用 softmax 函数训练网络并进行特征块判断, 并结合阈值设置实现三维乳腺超声影像自适应分割。 实验结果表明, 该算法能更细致地完成图像分割, 算法平均运行耗时为52. 3 s, 图像分割精度为 95. 5% , 且 F1 分数值高, 整体性能佳, 为卷积神经网络分割应用提供参考。

为解决数字签名方案中的强前向安全问题, 分析了一类基于椭圆曲线的前向安全数字签名方案, 结果表明该方案不具备后向安全的性质。 引入双私钥演化的方法, 提出了一种具有强前向安全的椭圆曲线数字签名方案。 安全性分析表明, 改进方案具有强前向安全性和抗伪造性, 同时满足后向安全的要求。

由于雷达通信网络覆盖范围逐渐加大, 接入用户数量剧增, 终端准入风险扩大, 而雷达通信终端是阻挡不良用户接入的关键设备之一, 为此, 提出基于电子签名技术的雷达通信终端安全准入控制算法。 搭建雷达通信终端安全准入控制框架, 应用 CA 认证技术认证待进入雷达通信终端用户的身份信息, 并将用户认证信息存储于雷达通信终端数据库。 利用电子签名技术制作用户个人电子签名, 通过 SIFT( Scale Invariant Feature Transform)匹配算法匹配电子签名, 判定待接入雷达通信终端用户电子签名认证信息是否安全, 从而实现了雷达通信终端安全准入的控制。 实验结果表明, 应用提出算法获得的雷达通信终端安全率及其安全准入效率数值较大, 雷达通信终端安全准入控制效果更佳。

针对群体社交网络舆情演化时, 目前方法获取关键节点中的数据较为困难, 导致无法准确获得舆情传播次数、 搜索指数、 达到舆情峰值所用时间等参数, 存在演化精度低的问题, 提出基于聚类算法与易感-感染-易感(SIS: Susceptible Infected Susceptible Model)模型的群体社交网络舆情演化仿真方法。 在群体社交网络中采用PageRank 算法获取关键节点, 利用聚类算法对关键节点中的数据聚类进行处理, 在此基础上构建 SIS 模型, 并通过其完成群体社交网络的舆情演化仿真。 实验结果表明, 该方法可准确地获得舆情传播次数、 搜索指数、 达到舆情峰值所用时间等参数, 演化仿真精度高。

偶子图覆盖问题是图论研究领域的的重要内容之一, 为研究最小偶子图覆盖猜想, 利用整数流与偶子图覆盖的联系, 借助于整数 4-流在图的某个圈中扩充的结论, 给出并证明了无桥图的最小偶子图覆盖的一个新的上界, 改进了范更华给出的结论。

针对配送车辆行驶路径选择不合理、 配送效率降低等问题, 提出基于改进布谷鸟算法的配送车辆路径优化方法。 遵循路径最短配送原则, 构建目标函数, 为简化模型结构, 设置路径优化的相关约束条件, 保证每个需求点只能被配送一次, 车辆必须在最大距离负荷范围内行驶, 建立路径优化模型; 分析经典布谷鸟算法的鸟巢位置更新过程, 添加调整因子, 引入动态惯性权重; 通过布谷鸟搜索算法求解优化模型, 经过种群初始化、 鸟巢位置更新等过程不断寻找全局最优解, 当满足迭代停止条件时, 输出最佳优化方案。 实验证明,该方法搜索能力强, 解集分布均匀, 能确保配送路径最短, 提高配送效率。

针对在短期电力负荷预测中, 当某区域电力负荷数据较少时, 负荷预测精度较差的问题, 提出一种基于1DCNN-LSTM(1D Convolutional Neural-Long Short-Term Memory Networks) 和参数迁移的短期负荷预测方法, 并采用1DCNN-LSTM 结合迁移学习针对性提高预测精度。 使用美国某地区的实际负荷数据进行仿真分析, 实验结果表明, 该方法能有效提升区域电力负荷数据缺失时负荷预测的精度。

针对现有电力系统短期负荷预测中存在的预测效果不佳的问题, 提出基于深度数据挖掘的电力系统短期负荷预测算法。 将归一化处理的历史电力系统负荷数据、 模糊处理的温度数据、 天气状况、 降水概率等数据作为预测模型的输入量, 构建基于模糊 GBDT(Gradient Boosting Decision Tree)的电力系统短期负荷预测模型, 并引入 Boosting 算法, 以解决预测模型中存在的训练速度缓慢和内存占用大等问题; 在此基础上, 设计基于模糊Boosting-GBDT 的电力系统短期负荷预测模型, 实现电力系统短期负荷预测。 实验结果表明, 所提预测方法在工作日和休息日不同时刻的电力系统短期负荷预测结果与实际负荷较接近; 未来一周电力系统短期负荷预测MAPE 和 RMSPE 值均低于 0. 2% 。

由于抽油机故障诊断因故障种类繁多且系统复杂而导致识别准确率低, 增加了故障诊断难度, 因此根据SVM(Support Vector Machine)工作原理, 应用蚁群算法并用其调整 SVM 的惩罚系数以及核函数参数, 为避免蚁群算法陷入局部最优解, 通过引入懒蚂蚁策略, 在蚁群算法停滞后利用懒蚂蚁再次更新信息素从而使蚁群获取新的路径。 为进一步降低蚁群算法出现局部最优解的问题并提高蚁群算法普通蚂蚁个体在寻优初期的搜索速度, 通过利用混沌初始化和扰动优化懒蚂蚁使其具有更好的全局寻优特性。 并利用抽油机井的测试数据作为检验该故障诊断系统的样本数据, 实验结果表明, 该故障诊断系统具有较高的故障识别准确率。

为了能及时检测出高压电力线路在供电过程中发生的局部放电现象, 提出了一种用于局部放电现象检测的多尺度全卷积时序深度学习模型。 其以从高压电力线路中收集的电力信号数据为基础, 使用多尺度全卷积时序模型进行训练, 并可根据训练得到的模型, 对未来的连续信号进行监视, 检测其是否产生了局部放电现象。 实验结果表明, 该模型在所用数据集上具有较好的精确度。

针对目前采用的方法对三维人体运动图像进行检测时, 无法准确获取图像中的目标区域, 导致算法存在检测完整度低、 检测准确率低、 误检率高和检测效率低的问题, 提出基于自适应投影的三维人体运动图像智能检测算法。 首先构建背景粗提取模型, 利用该模型提取三维人体运动图像的背景区域, 获取图像的人体运动目标区域; 其次采用自适应投影方法提取目标区域的特征, 在支持向量机的基础上构建最优分类函数, 将目标区域特征输入到最优分类函数中, 完成三维人体运动图像的智能检测。 实验结果表明, 所提算法的检测完整度高、 检测准确率高、 误检率低、 检测效率高。

由于当前已有方法未能对车牌照进行降维处理, 导致车牌照识别结果不准确, 为此, 提出一种基于Relief算法的智能车辆牌照模糊识别方法。 采用 Relief 算法计算不同车牌图像特征的权重系数, 对特征集进行降维处理。 通过序列视频图像对智能车牌进行增强处理, 利用全卷积网络对车牌照显著区域进行检测, 粗略提取图像中的显著区域, 使用滑动窗方法对候选区域车牌进行精准检测, 定位车牌准确位置, 加入字符的上下文信息,对字符进行精确检测和识别, 最终实现智能车辆牌照模糊识别。 仿真实验结果表明, 所提方法可获取高精度的车牌照识别结果。

为减小视觉图像目标跟踪的执行时间和提高跟踪轨迹的准确性, 提出一种基于改进卷积神经网络算法的视觉图像目标跟踪方法。 为获得较短的目标跟踪执行时间和较好的目标跟踪轨迹, 用视频图像处理技术提取视觉图像的前景, 利用改进卷积神经网络算法提取视觉图像的特征, 采用 MeanShift 目标跟踪算法在视觉图像特征的基础上跟踪视觉图像目标, 通过卡尔曼滤波进一步优化 MeanShift 目标跟踪算法的跟踪结果, 实现视觉图像目标的跟踪。 实验结果表明, 所提方法的执行时间短、 跟踪准确度高。

针对在对分布式、 多维数据流频繁模式挖掘算法研究时, 没有删除多维数据流中的非频繁项集, 存在平均处理时间长的问题, 提出分布式多维数据流频繁模式挖掘算法。 该方法根据人工神经网络特点, 建立了人工神经网络模型, 并对多维数据流训练, 以达到提升挖掘效率的目的; 并基于训练结果构造数据流频繁模式信息树, 即频繁模式树(FR-tree: Frequent Pattern tree)。 由于 FR-tree 中存在较多过期的多维数据流, 所以需要对 FR-tree 剪枝, 并删除非频繁项集, 从而加快频繁模式计算速度, 并采用分布式挖掘算法对全局 FR-tree挖掘, 从中取得多维数据流的频繁项集完全集, 实现分布式多维数据流频繁模式的挖掘。 通过对该方法的平均处理时间测试, 验证了该方法的实用性。

为进行高帧率眼动交互, 提出了基于深度学习的单相机双光源识别方法。 该方法运用了反射光斑与视线落点的相关关系, 得到了由眼图到视线落点的映射规律, 构建了人机眼动交互装置并得到高质量数据集, 训练得到了精度与速度较高的视线落点定位模型, 解决了视线估计数学模型复杂、 运算量大的问题。 实验结果表明, 该方法实现了实时识别用户视线落点并进行交互的功能, 可支持心理学实验研究以及虚拟现实应用技术的发展和应用。

针对现实生活中垃圾分类知识普及不够, 许多城市和学校都面临着垃圾分类困难的问题, 利用神经网络对分类问题的高效性和准确性, 通过一种基于 ResNet 网络和 SENet 网络的深度残差收缩网络实现垃圾图像分类。 通过对 Garbage 数据集进行筛选得到实验所需数据集, 并对 ResNet 进行改进, 将 SENet 和软阈值化操作加入 ResNet 结构中。 实验结果表明, 该方法通过网络训练和超参数调整, 得到了较好的识别率, 在校园垃圾分类中获得了较好的识别效果, 具有一定可行性。