针对 AlGaN(Aluminum Gallium Nitride)基深紫外 LED(Light Emitting Diode)发光效率低、 工作偏压较大的 问题, 设计了一种带有 n ⁺ -GaN/ Al _{0. 4}Ga_{0. 6}N/ p ⁺ -GaN 隧道结的氮极性 AlGaN 基深紫外 LED 器件结构。 该结构由 n-Al _{0. 65}Ga_{0. 35}N 电子提供层、 Al _{0. 65} Ga_{0. 35} N/ Al _{0. 5} Ga_{0. 5} N 多量子阱、 组分渐变 p-Al _xGa1_-xN 和 n ⁺ -GaN/ Al _{0. 4}Ga_{0. 6}N/ p ⁺ -GaN 隧道结构成。 研究结果表明, 相比于无隧道结的参考 LED, 隧道结 LED 具有更高的内量子效率和 光输出功率, 同时其具有更低的开启电压。 隧道结 LED 光电特性的改善, 归因于隧道结的引入提升了 LED 的 空穴注入效率, 提高了 LED 器件的电流扩展能力。 通过模拟软件对半导体器件载流子输运、 光电特性的模拟, 有助于加深对半导体器件物理特性的理解。 若在“半导体器件物理”学习课程加入对半导体器件模拟软件的 学习, 能有效提升学生对半导体器件物理知识的理解和探索。

为减小复杂多变的电磁环境对车辆的影响, 利用三维电磁场仿真软件 CST ( Computer Simulation Technology)在车辆发动机舱建立线缆模型, 研究不同因素对车辆电磁耦合效应的影响。 通过仿真得到线缆长 度、 线缆距车底高度、 线缆相对距离、 线缆终端电阻、 导体半径、 绝缘层厚度等参数变化下, 线缆感应电压和 感应电流的峰值绘制关系曲线。 这些结论可以为车辆线束设计提供理论指导, 并为电磁防护设计中对于线缆 导体半径选择、 线缆相对距离、 离地高度、 线缆长度等提供依据。

针对降维算法局部线性嵌入算法 LLE(Local Linear Embedding)未能充分保留高维数据中邻域之间的结构

的问题, 提出了一种新的融合邻域分布属性的局部线性嵌入算法。 该算法通过计算每个样本数据的邻域分布

以及 KL(Kullback-Leibler)散度度量不同邻域点与其中心样本各自的近邻分布差异, 并利用其差值优化重构的

权重系数, 从而获得更精确的低维电机数据。 通过可视化、 Fisher 测量和识别精度 3 个评价结果验证了该算法

挖掘电机轴承检测数据高维结构的有效性。

为改善永磁同步电机(PMSM: Permanent Magnet Synchronous Motor)模型预测控制系统中较高的转矩脉动 与磁链脉动, 通过学习永磁同步电机的基本构造和控制方法, 设计了一种对占空比与电压矢量进行同步调节的 模型预测控制系统方案。 通过选择某一取样时间的最优预期电压矢量和作用时间, 加上当前取样时间的最优 预期电压矢量和作用时间, 对采样时间的占空比系数实现调整。 通过对仿真模型进行对比分析, 验证了该方法 对提升永磁同步电机控制性能的可行性和有效性。

为提高自动控制相关课程的实验教学水平, 研制出一套四容水箱液位控制装置。 该装置选用工业上常用 的硬件设备, 软件部分设计了 Matlab / GUI(Graphical User Interface)操作界面, 可允许在 Matlab 中直接编程实现 对系统的控制。 建立了四容水箱系统的数学模型, 并利用阶跃响应法辨识系统的模型参数。 针对四容水箱 系统设计了分散内模控制器, 仿真环节采用 Matlab / Simulink 完成, 实现了四容水箱系统液位的跟踪控制。 实验 结果表明, 采用内模控制器的四容水箱系统, 当其中一个水箱的水位发生变化时, 对其他水箱的水位影响很 小, 系统具有满意的控制效果。 在自控等相关课程中, 该装置可以作为一种新的实验设备, 并具有较好的实验 教学效果。

针对遥感光伏图像分辨率高、 环境噪声较大以及背景复杂等问题, 提出了一种改进 Yolov5 目标检测模 型, 以实现对光伏电厂的定位。 首先, 在主干特征提取网络的卷积层中添加 CA(Coordinate Attention)坐标注意 力机制提高网络特征的学习能力; 其次, 将 Ghostconv 网络结构加入到 Backbone 中, 用 Ghostconv 网络模块替换 Conv 网络模块; 设计新的 GhostC3 网络代替原来的 C3 网络模块, 提高模型的学习效率; 最后, 将损失函数由 GIoU_Loss 函数改为 SIoU_Loss 函数。 实验结果表明, 相比原 Yolov5 方法, 改进算法的平均精度均值 mAP、 精准率和召回率分别达到了 97. 5% 、98. 9% 和 94. 9% , 提升了 1. 8% 、1. 7% 和 5. 8% , 验证了该算法对光伏检测 具有很好的效果。

针对求解多目标优化问题(MOP: Multi-Objective Problem)时, 人工蜂群算法(ABC: Artificial Bee Colony) 存在难以收敛和候选解多样性难以保持的问题, 对其各部分求解策略进行了改进。 基于 ABC 算法框架, 设计 了一种基于自适应求解策略的多目标 ABC 算法, 并在机电执行器设计的实际应用工程设计问题中, 将所提出 的改进多目标 ABC 与其他典型的群智能算法进行优化性能比较。 通过实验验证可知, 所提出的MOABC/ DD (Multi-Objective Artificial Bee Colony Based on Dominance and Decomposition) 算法在求解机电执行器设计问题 基准测试用例时, 与典型算法相比, 具有较好的问题求解精度。 并且 MOABC/ DD 的实验结果较为稳定, 从而 证明了 MOABC/ DD 具有较高的求解稳定性和健壮性。

针对物资市场价格受多种原材料价格波动的影响, 并且其市场价格调整落后于原材料价格调整的滞后 问题, 为提高预测效果, 利用二元密度聚类方法结合动态时间规整算法(DTW: Dynamic Time Warping), 计算 不同时间间隔内物资的市场价格与原材料价格走势相似度, 得到价格的时间延迟。 结果表明, 物资的市场价格 波动滞后原材料价格波动 11 周, 电缆物资的市场价格则可根据 11 周前原材料价格走势进行预测, 辅助企业 采购部门制定合理的采购方案。 

为实时监测室内 CO2 浓度变化, 以 STC89C52 单片机为核心, 设计了一种基于气体传感器的二氧化碳 报警器。 硬件系统包括二氧化碳传感器、 信号调理电路、 模数转换电路、 STC89C52 单片机和声光报警单元。 软件系统包括数据采集、 数据处理、 报警逻辑等功能单元。 该报警器在室内 CO2 体积百分比超过1. 5% 时可以 及时启动声光报警功能, 并可实时显示室内 CO2 值。

针对商用 SnO2 水分散液易发生颗粒团聚的问题和提升 SnO2 薄膜电学和表面性能的需求, 提出了一种 利用小分子螯合剂对 SnO2 进行优化的策略。 该策略选用低成本的螯合剂柠檬酸钠(SC: Sodium Citrate)对 SnO2 传输层进行掺杂, 制备的器件结构为 ITO/ SnO2 +SC/ FA1-xMAxPbI3 / Spiro-OMeTAD/ Au 的 PSCs。 在引入浓度经过 优化的 SC 后, PSCs 的开路电压和填充因子最高可达 1. 135 V 和 78. 23% , 能量转换效率为21. 53% , 与未引入 SC 的器件相比获得了明显提升。 对薄膜和器件进行表征后发现, SC 的掺杂可提升 SnO2 薄膜的电学和表面性 能, 进而改善了钙钛矿的结晶。 对集成的器件进行表征发现缺陷密度降低, 载流子复合引起的电压和填充因子 损失减少, 电荷传输的效率得到明显改善。

为解决商用车在行驶过程中, 传统的液压助力转向系统阻力较大且效率较低, 并且在长期使用后保养不 当容易泄露, 可能引起事故等问题, 对电动辅助转向电机控制算法和设计进行了研究。 电动辅助转向电机选择 永磁同步电机, 通过应用模糊 PID(Proportional Integral Derivative)算法可以精确, 快速地调制到参考值。 同时 采用拓展卡尔曼滤波器可以估算永磁同步电机的转子位置, 减小控制器的体积及成本。 在驱动系统中, 由于 大电流耦合路径多样严重影响电机控制系统的电磁兼容性能, 所以电机控制时采用驱动系统 EMC(Electro Magnetic Compatibility)设计。 实验结果表明, 基于模糊 PID 算法以及拓展卡尔曼滤波器的永磁同步电机控制 可以应用于商用车电动辅助转向电机控制中。

为减轻电力工作人员的巡检负担, 实现变电站智能巡检, 对变电站设备缺陷检测算法进行了研究。 首先, 利用数据增强方法对有限的初始数据集进行扩充, 利用多种图像处理方法增加数据集的复杂度, 生成 考虑复杂光照环境的数据集; 然后, 采用自适应空间特征融合(ASFF: Adaptively Spatial Feature Fusion)的方法 缓解特征金字塔中不同尺度特征的不一致性问题, 并引入 Focal 损失函数作为置信度损失函数以缓解正负样本 不平衡的问题, 利用改进的 YOLOX-s(You Only Look Once X-s)网络模型设计了变电站缺陷检测算法; 最后, 将改进的YOLOX-s 网络模型与其他深度学习算法的检测效果进行对比, 实验结果表明, 改进的 YOLOX-s 网络 模型的综合检测效果较好, 准确性和实时性均可以满足变电站设备缺陷检测任务。 

 为满足“新工科”背景下科研与教学融合的课程建设需求, 设计了一套基于 Python 的多维度、 层次化的 综合实验平台。 平台以专业人才培养方案为导向, 在图像识别、 机器学习及数据分析 3 个科研热点方向, 设计 了多维的实验教学内容。 图像识别实验从文字识别入门, 进而通过多种方式实现人脸和车牌识别。 机器学习 实验基于 Python 的机器学习算法实现, 并应用于玉米病害识别。 数据分析实验将 Python 处理 Excel 数据应用于 计算工作量和生物信息数据分析中。 学生在实验中可以根据专业需求和科研方向选择不同的实验项目, 从而 实现因材施教的培养目标。 将实验平台应用于教学实践中表明, 学生对 Python 在图像识别、 机器学习以及 数据分析的编程实现有了更深入的了解, 提升了科研兴趣, 从而实现将科研融入教学, 提高本科生教学质量的 目标。

针对传统的命名实体识别方法无法充分学习古汉语复杂的句子结构信息以及在长序列特征提取过程中 容易带来信息损失的问题, 提出一种融合 SikuBERT( Siku Bidirectional Encoder Representation from Transformers) 模型与 MHA(Multi-Head Attention)的古汉语命名实体识别方法。 首先, 利用 SikuBERT 模型对古汉语语料进行预训练, 将训练得到的信息向量输入 BiLSTM(Bidirectional Long Short-Term Memory) 网络中提取特征, 再将 BiLSTM层的输出特征通过 MHA 分配不同的权重减少长序列的信息损失, 最后通过 CRF(Conditional Random Field)解码得到预测的序列标签。 实验表明, 与常用的 BiLSTM-CRF、 BERT-BiLSTM-CRF 等模型相比, 该方法 的 F1 值有显著提升, 证明了该方法能有效提升古汉语命名实体识别的效果。

 为解决分割目标和周围结构边界不清楚的问题, 提出一种基于注意力机制的腰椎间盘突出患者多裂肌 分割方法。 该网络采用了编码器-解码器的结构, 通过引入注意力机制模块提升网络分割精度, 并在特征提取 后引入空洞空间卷积池化金字塔模块, 融合了上下文信息, 以提升网络模型的性能。 实验结果表明, 在推理时 间接近的情况下, 该模型与经典 U-Net 算法相比, Dice 系数提升了 7. 8% , Jaccard 相似系数提升了10. 1% , Hausdorff Distance 下降了 69. 5% , 提高了多裂肌脂肪浸润部位的分割精度。 

为解决人体解剖结构复杂, 存在较大个体差异, 教科书上有限的二维解剖图像常使学生难以理解及在 学习过程中存在学习目的不清晰、 方法不科学、 效率低下、 效果不佳等问题, 提出基于影像三维可视化技术的 临床解剖教学模式, 并对近年基于三维可视化技术的临床教学成果进行总结, 指出三维可视化技术临床教学 模式的可行性及优越性。 最后对可视化临床教学模式的拓展内容与发展思路进行了论证, 探讨了基于影像 可视化技术的临床解剖案例库建设应用于可视化教学模式的可能性。

为解决异构数据孤岛之间难以开展安全机器学习的问题, 提出了一种异构数据孤岛之间的联邦学习通信 方式, 实现了横向和纵向混合的联邦学习通信, 突破了传统联邦学习横向和纵向参与方之间模型结构不统一的 通信壁垒。 基于政府、 银行等机构的特殊性隐私需求, 在混合联邦学习模型的基础上进一步去除了第三方聚合 器, 计算只在参与方之间进行, 大大提高了本地数据的隐私安全性。 同时针对上述模型中纵向同态加密为通信 过程带来的计算速度瓶颈问题, 通过增加本地迭代轮次 q 将纵向联邦学习的加密时间缩短了 10 倍以上, 降低 了横向参与方与纵向参与方间的计算瓶颈, 并且精度损失不超过 5% 。

针对现有高校毕业生学位预测研究多是集中于构建成绩预测模型, 忽略了学位预警工作的重要性, 为此, 提出基于支持向量机的学位预警模型。 通过应用某高校 2018 级广播电视编导、 汉语言文学、 化学、 会计 学和数学与应用数学 5 个专业实际数据对其进行了大量实验验证。 结果表明, 构建的预警模型具有良好的准 确度和实用性, 可以成为提升教学质量的重要组成部分, 为教师改进教学方案, 学生改变学习方法提供参考。

针对目前数字图像采集传输过程中因受环境干扰出现低像素的图像, 导致图像重建效果较差的问题, 提出了基于多尺度残差的数字图像超分辨率重建算法。 首先, 采用双边滤波算法完成数字图像的去雾处理; 其次, 分类数字图像的亮度特征信息和色彩信息, 采用距离阈值去噪方法分别对其进行去噪处理; 并且设置 多个尺寸的卷积核, 将其引入图像特征提取过程中, 获取数字图像特征, 对其展开反向投影操作, 在残差学习 思想的基础上连接升采样和降采样过程提取的特征, 实现数字图像超分辨率重建。 实验结果表明, 所提算法对 图像重建的结构相似度高、 峰值信噪比(PSNR: Peak Signal-to-Noise Ratio)高、 重建效果好。

针对受森林地区复杂地形和植被冠层结构的影响, 基于被动微波遥感数据的森林地区雪深反演精度普遍 较低的问题, 在代表性半经验雪深反演算法的基础上, 结合森林气象站观测数据建立了中国东北森林地区半 经验雪深反演优化算法。 该算法考虑了森林植被介电常数随气温变化的特性, 使森林地区的雪深反演精度得 到了较大的提高。 与其他代表性半经验雪深算法相比, 该算法的均方根误差(RMSE: Root-Mean-Square Error) 平均减小了 2. 3 cm, 偏差(Bias)平均减小了 3. 7 cm, 相关系数(R)平均提升了 0. 11; 与常用的机器学习雪深反 演算法对比, 该算法的 RMSE 平均减小了 2. 17 cm, Bias 平均减小了 1. 67 cm, R 平均提升了 0. 22。 

为解决校园不同信息、 应用系统间不能互通互联、 共享数据等问题, 利用数据整合技术将多源教育数据 进行融合, 搭建一套多源异构教育大数据挖掘与应用平台。 该平台利用人工智能模型的输出以及多源异构 教育大数据挖掘引擎的输入, 基于大数据挖掘技术对学生档案、 教学资源和社交行为等多源信息进行分析 处理, 实现教学体征诊断、 学习状态智能对比、 教学影响因素分析、 潜在问题挖掘、 教学质量趋势预测等功能。 为科学提升校园个性化教学服务质量, 客观评价教学个体及团队教学水平, 辅助分析教学个体及团队长板、 短板, 科学指导决策者管理教学体系提供有力支撑。

针对 K-means 算法需要人为确定聚类个数和随机选取初始聚类中心导致结果陷入局部最优的问题, 结合 基于密度峰值的聚类算法 CFSFDP(Clustering by Fast Search and Find of Density Peaks), 提出一种改进的无参数 K-means 算法。 首先, 计算样本点的局部密度和离散度。 然后, 建立决策图, 将两个参数组成向量, 计算每个 点到周围 5 个点的距离, 筛选出距离大于 2 倍均方差且密度大于平均密度的点作为算法的初始聚类中心, 统计 聚类中心个数 k 作为聚类个数, 将初始聚类个数 k 以及初始聚类中心作为 K-means 算法的初始参数对数据进行 聚类。 最后, 对 UCI(University of California, Irvine)数据集、 人工建立的高斯数据集以及真实刀具振动数据集 3 种不同类型的数据集进行聚类。 结果表明, 所提算法保持传统算法全局最优性, 并验证了提出算法的有效 性。 由于 K-means 是一种无监督聚类方法, 在获得较优刀具状态识别结果的同时, 可减少人工数据标定、 有监督训练等工作量及运算成本, 这对于准确实时提取数控机床刀具运行状态具有较高的实际意义。

由于受医院网络自身稳定性的影响, 导致无纸化办公网络数据易遭受攻击, 为此提出基于混沌序列的 医院无纸化办公网络自适应加密算法。 通过随机数自动生成密匙, 利用三维混沌系统生成混沌序列, 产生 置乱、 分组的密匙序列。 基于服务期望设计节点调度算法调度医院无纸化办公网络节点, 确保密匙加密时能 调度到合适的网络节点。 通过云存储与改进背包算法实现医院无纸化办公网络的自适应加密处理。 在某医院 无纸化办公网络中选取文字、 图像以及视频 3 种数据进行测试。 测试结果表明, 加密后密文呈现数字状态, 不 容易引发攻击者的注意; 3 种数据密文与明文之间的均方误差均较大, 最大为 258. 63; 加密后 3 种数据的数据 相关性均大幅减弱, 说明该算法能破坏数据原本的相关性, 具有良好的网络数据加密能力。

由于传统云端访问安全监控方法无法识别访问数据的伪显特征, 服务器易受存储空间限制, 导致监控 效果和数据保密性较差。 为了能察觉网络攻击, 及时做出应对方案, 提出了基于活跃能耗与空闲能耗的云主机 访问安全监控算法。 利用离散小波变换方法处理云主机访问页面入侵信息, 得到数据自相关函数, 放大倍数中 雷同性, 分割成不同聚合序列; 通过计算节点能量消耗, 得到活跃与空闲状态能耗, 增加访问路径节点活跃 时隙次数, 均衡网络能量负载, 延长网络使用周期; 以网络访问特点构成云主机网络的多角度分析模型, 明确 其特征功能与处理形式, 获得全部云主机访问有效域数据, 提高处理器应用率, 算出时间平均数, 感知云主机 访问安全状况。 实验结果表明, 所提算法能监控攻击情况, 误报率更低, 检出精准度接近 100% , 优于其他 两种算法, 证明了该方法的有效性。

为解决识别地震图像上的断层、 气烟囱等特殊地质体的边界信息模糊、 噪音影响等问题, 提出一种改进 的局部二值模式(LBP: Local Binary Patterns)算法与局部熵(ENT: Entropy)结合的边缘检测算法(LBP/ ENT)。 利用传统的 LBP 构建一种旋转不变统一的局部二值模式, 使其适应地震图像异常地质体的横向不连续性, 并引入局部熵刻画地震图像局部的离散特征, 提高地震噪音的鲁棒性。 利用提出的 LBP/ ENT 方法对复杂的 Marmousi 理论模型和实际地震图像上的气烟囱进行研究, 并与 Canny 算子、 LBP 算子、 局部方差( VAR: Variance)、 LBP/ VAR 算子进行对比, 结果表明: LBP/ ENT 能更清楚地刻画地震图像的边缘信息, 对噪音具有 更好的鲁棒性。 研究实例说明提出的 LBP/ ENT 算法为检测地震图像上特殊地质体的边缘信息提供了一种可行 的技术方法。