为提高卫星星座网络受到攻击后的抗毁性及工作能力, 提出了一种模拟退火狼群算法。 该算法利用主客 观权重法结合综合逼近理想排序法(TOPSIS: Technique for Order Preference by Similarity to Ideal Solution)对网络 中的节点进行重要度评估, 并按照节点重要度排序依次攻击。 以网络连通度与网络连通效率为优化目标, 卫星 星座网络通信限制为约束条件, 采用运动算子的思想实现狼群自适应步长的游走、 召唤和围攻。 使用通过优化 得出的加边方案对网络结构进行优化。 实验表明, 与其他优化算法相比, 该算法具有优越性, 解决了卫星星座 网络在受到攻击后工作能力下降的问题, 提高了其受到攻击后的抗毁性。

针对互联网的广泛应用容易导致各类隐私数据泄露的问题, 提出了云计算下去中心化双重差分隐私数据 保护算法。 首先通过学习隐私数据传输信道网络模型准确采集隐私数据, 然后利用重构隐私数据空间特征的 方法获取隐私数据本体特征, 最后通过隐私数据特征对采集的隐私数据实施精准加噪, 以达到精准保护隐私 数据的目的, 完成去中心化双重差分隐私数据保护。 经实验验证, 所提算法对隐私数据的保护实时性高、 安全 性好, 且在不同噪声环境下均可以对隐私数据实施精确保护。

针对等效线束法建模难、 计算效率低的问题, 探讨了车辆线束在电磁脉冲辐照下不同参数的耦合效应, 以提高仿真效率, 并分析了车辆线束中相关参数对线束电磁脉冲耦合的影响。 首先, 分析了车辆线束数量对 线束电磁耦合效应的影响, 通过控制变量法, 改变线束中的线缆数量, 观察线束中耦合电压的最大值。 然后, 改变线缆尺寸和负载电阻, 观察线束中耦合电压电流最大值的变化。 仿真结果表明, 耦合电压的峰值随线缆数 量的增大而减小, 随线缆尺寸的增大而增大, 并且都呈线性变化; 耦合电流的峰值随负载电阻的增大而减小, 呈幂级数关系。 最后, 结合仿真结果, 对不同参数下的最大耦合电压电流进行拟合, 得出其之间的关系, 为车辆线束的电磁防护工作提供参考。

针对在冰雪环境下车辆横向稳定控制, 为解决在低附着、 分布不均的路面情况下车辆对参考轨迹的稳定 跟踪问题, 设计了基于神经网络调节的模糊 PID( Proportional-Integral-Differential) 制器, 以及基于线性化车辆 模型的模型预测控制(MPC: Model Predictive Controll)。 以路面附着系数及车辆速度作为输入构建 BP(Back- Propagation)神经网络, 输出调节系数优化模糊 PID 控制器控制性能; 设计了十自由度模型表征车辆在冰雪 环境下的动力学特性, 使用 MPC 实现车辆横向稳定控制。 使用 CarSim/ Simulink 进行联合仿真实验, 结果表明 该控制器能显著提高车辆轨迹跟踪性能。

为实现负载阻值发生改变后, 电动汽车进行无线充电时仍能达到最优效率和恒压输出, 在负载侧接入 同步Sepic 变换器, 对不同负载阻值进行识别, 通过改变占空比的方式进行阻抗匹配, 实现传输效率最优。 利用移相全桥对整流器的移相角进行闭环控制实现恒压输出。 最后, 利用 Matlab / Simulink 软件进行仿真实验, 证明了该阻抗匹配方式和闭环控制方案的可行性。

功能磁共振成像技术(fMRI: functional Magnetic Resonance Imaging)是一种高效的脑成像技术研究方法, 为减少 fMRI 数据的冗余, 将其转换为更具分类潜力的特征, 提出一个基于孪生网络( SANet: Siamese Network) 的特征构造算法 SANet, 将多个扫描点下的脑区信息类比为图, 应用改进的 AlexNet 网络进行特征构造, 并结合 增量特征选择策略达到优化分类的目的。 通过实验对比 3 种不同网络结构和 4 种分类器对 SANet 模型的影响, 并进行消融实验, 验证增量特征选择算法对 SANet 构造特征的分类效果。 实验表明, SANet 模型能对 fMRI 数据进行有效构造, 且提高原始特征的分类性能。

为提高 Copula 变分推理(CVI: Copula Variational Inference)的近似性能, 提出了一种 Copula 层次化变分 推理方法(CHVI: Copula Hierarchical Variational Inference)。 该方法的主要思想是将 CVI 方法中的 Copula 函数 与层次化变分模型(HVM: Hierarchical Variational Model)特殊的层次变分结构相结合, 使 HVM 的变分先验服从 CVI 方法中的 Copula 函数。 CHVI 不但继承了 CVI 中的 Copula 函数较强的捕获变量相关性的能力, 而且还继承 了 HVM 的变分先验结构能获取模型隐变量依赖关系的优势, 使 CHVI 可以更好地捕获隐变量之间的相关性, 提高近似精度。 利用基于经典的高斯混合模型验证 CHVI 方法, 在合成数据集和实际应用数据集上的实验结果 表明, CHVI 方法的近似精度相较于 CVI 有较大提升。

针对现有图像数据集存在的隐私保护需求, 提出一种图像数据集隐私保护场景及该场景下隐私保护的 图像替代数据生成方法。 该场景利用经隐私保护方法处理后的替代图像数据集取代原始图像数据集, 其中 替代图像与原始图像一一对应, 人类无法识别替代图像所属类别, 替代图像可训练现有的深度学习图像分类 算法, 且具有较好的分类效果。 同时针对上述场景, 改进了基于投影梯度下降(PGD: Project Gradient Descent) 攻击的数据隐私保护方法, 将原始 PGD 攻击目标由标签改为图像, 即图像对图像的攻击, 并使用经过对抗训练 的鲁棒模型进行图像对图像攻击作为替代数据的生成方法。 在标准测试集上, 替代后的 CIFAR( Canadian Institute For Advanced Research 10)数据集和 CINIC 数据集在图像分类任务上分别取得了 87. 15% 和 74. 04% 的 测试正确率。 实验结果表明, 该方法能在保证替代数据集对人类隐私性的前提下, 生成原始数据集的替代数据 集, 并保证现有方法在该数据集上的分类性能。

为保证数据安全性, 缓解数据存储空间, 提出基于密度划分的分布式数据容错存储算法。 过滤分布式 数据高密度数据区域, 将具有高度相似的目标划分到不同区域, 通过数据来源样本点描述数据的密度分布, 设定数据弹性, 利用概率以及数据粒度推算出对应的存储梯度和强度指数, 并在信息存储中引入数据存储梯度 和数据弹性, 完成分布式数据容错存储。 实验证明, 所提算法有较高的容错性, 带宽吞吐量平稳, 平均路径 长度较小, 能提高网络数据的安全性。

由于光电探测器的工作性能直接关系到系统数据采集质量, 为此, 对高性能 PtS₂ / MoTe₂ 异质结红外光电 探测器进行了研究。 通过选取材料、 试剂和设备制作了 PtS₂ / MoTe₂ 异质结红外光电探测器。 搭建探测器性能 测试环境, 并利用光响应度、 探测率、 响应时间和光电导增益 4 个指标, 分析探测器性能。 结果表明, 随着 测试时间的推移, PtS₂ / MoTe₂ 异质结红外光电探测器的光响应度数值始终处于 5 A/ W 限值以上; 无论对采集 何种材质反射的红外光, 探测器探测率均大于 10 cm·Hz1 / 2 W ^-1 ; 无论光生电流是处于上升还是下降时间, 其响应时间始终在限值 150 μs 以下; 光电导增益值保持在 80% 以上。

针对观瞄镜强杂光干扰问题, 提出一套完整的强杂光抑制技术方案。 首先, 对物镜内表面采用绒布 消光; 然后, 在软件图像处理上结合使用相邻图像累加积分、 直方图统计和宽动态灰度增强等算法完成强杂光 抑制; 在天空照度为 1伊10 -3 lx 以下的野外暗夜环境下, 加入强杂光干扰后进行实验测试。 实验结果表明, 该技 术方案能有效完成强杂光抑制和图像细节增强, 提升图像质量。 软件算法在 FPGA( Field Programmable Gate Array)平台上运行, 2 ms 内完成图像处理工作, 满足实时性要求。

针对机器人在组装和生产过程中, 由于几何参数存在一定误差, 使连杆以及关节处等不可避免地出现 细微差别, 对机器人运动精度产生一定影响问题, 提出了基于改进权函数距离的机器人运动偏差补偿算法设计 方案。 在定位机器人位置前添加扭角, 获取机器人两坐标系间转换矩阵, 根据线性标定计算机器人运动定位的 绝对误差, 利用改进权函数建立机器人距离误差数学模型, 初步补偿运动误差。 计算机器人末端执行器中心点 位置和姿态的偏差, 将补偿问题转化成机器人运动优化问题, 得出运动偏差优化问题目标函数, 经多次迭代 得出最终补偿结果。 实验结果表明, 所提方法的误差补偿效果佳, 重心补偿后的机器人运行稳定性好。 

 针对出租车随意停靠造成城市交通拥堵甚至交通事故的问题, 利用成都实际区域的出租车 GPS(Global Position System) 数据和爬取的 POI ( Point of Interest) 数据, 使用 DBSCAN( Density-Based Spatial Clustering of Application with Noise)聚类算法对上下客点进行聚类, 得到出租车的载客热点, 根据 POI 的类型划定载客热点 区域的类型, 对出租车不同时间的出行需求进行分析, 进而划分出出租车的固定停车区域。 研究结果表明, 出租车固定停车区域的设定与出行者的出行需求有关, 即将固定停车区域设置在出行者出行需求多的区域, 可以满足出行者的不同出行需求。 结合出租车载客热点和爬取 POI 数据划定固定停车区域的方法具有较高的 实用性, 可为城市交通安全方面提供理论和现实意义。 

针对传统相干体属性和机器学习在复杂断裂识别能力差的问题, 提出一种基于 UNet++卷积神经网络的断 层识别方法。 该方法采用加权交叉熵损失函数做目标函数, 使网络模型训练过程中避免了数据样本不平衡的 问题, 引入注意力机制和密集卷积块, 以及更多的跳跃连接, 更好地实现深层次断层语义信息和浅层次断层空 间信息之间的特征融合, 进而可以使 UNet++网络模型更好地实现断层识别。 实验结果表明, 该网络模型将 F1 值提高到了 92. 38% , loss 降低到 0. 012 0, 可以更好地学习断层特征信息。 将该模型应用于西南庄断层的识别 中, 结果表明, 该方法可以更准确预测断层位置, 在识别连续断层的准确率上有所提高, 有效防止了地下噪音 对于断层识别的不利影响, 从而验证了 UNet++网络模型在断层识别上具有一定的研究价值。 

针对隐私风险的不确定性决策问题, 在直觉模糊和集对分析理论基础上, 对隐私确定-不确定建立信息 权重的集对关系, 给出了直觉模糊集对(IFSPA: Intuitionistic Fuzzy Set Pair Analysis)算子, 定义了直觉模糊集对 的相关概念、 运算、 性质、 期望值、 大小排序和几种直觉模糊集对信息集结算子: 直觉模糊集对加权平均 (IFSPAWA: Intuitionistic Fuzzy Set Pair Analysis Weighted Average) 算子、 直觉模糊集对加权几何( IFSPAWG: Intuitionistic Fuzzy Set Pair Analysis Weighted Geometric)算子、 直觉模糊集对有序加权( IFSPAOWA: Intuitionistic Fuzzy Set Pair Analysis Ordered Weighted Average)算子、 直觉模糊集对有序加权几何( IFSPAOWG: Intuitionistic Fuzzy Set Pair Analysis Ordered Weighted Geometric)算子、 直觉模糊集对混合集结( IFSPAHA: Intuitionistic Fuzzy Set Pair Analysis Hybrid Aggregation)算子、 直觉模糊集对混合几何(IFSPAHG: Intuitionistic Fuzzy Set Pair Analysis Hybrid Geometric)算子及这些算子相关性质。 在此基础上, 分析了隐私风险多属性决策的直觉模糊集对信息 集结方法, 并通过算例验证了该方法的可行性和合理性。

针对近似匹配过程易受数据冗余性、 异构成分等的影响, 提出了基于并行小波算法的多模态数据近似 匹配模型。 该模型首先采用并行小波算法剔除多模态数据中的噪声, 避免噪声对匹配过程产生影响; 其次 采用张量分解的聚类算法将不同相似度的数据划分到不同类簇中, 以消除不同类簇的数据差异度; 最后将预 处理后的数据输入到基于空间方向近似性的数据匹配模型中, 通过计算参考数据与待匹配数据之间的空间 方向近似度、 编辑距离完成多模态数据的近似匹配。 实验结果表明, 所提方法的匹配查准率高、 查全率高、 匹配时间短。 

针对目前市场上可直接用于光纤光栅传感实验教学的装置较少, 前沿科研技术和本科实验教学相脱节 现状, 设计了基于光纤光栅的温度应力传感教学装置。 该装置包括光纤激光器、 光谱仪和上位机控制软件 3 部 分。 光纤激光器实现了 1 550 nm 左右的激光输出, 利用光谱仪测量光纤光栅中心波长的改变, 并采集数据 输入计算机, 上位机控制软件用于图形显示和数据存储等。 该实验装置操作简单、 组装灵活、 重复性和稳定性 好, 可用于本科实验教学。 将前沿科学技术引入本科实验教学, 促进了科学研究与本科实验教学相融合, 实现 了科研教学水平的同步提高。

针对由于受光照条件变化、 行人身高差异等影响, 致使监控视频图像在不同时刻的成像存在较大的跨 模态差异问题, 为准确识别跨模态图像中的行人, 提出基于泛化迁移深度学习的跨模态图像行人识别算法。 通过循环生成对抗网络(Cyele GAN: Cycle Generative Adversarial Network)形成跨模态图像, 采用单目标图像 处理对基准图分割处理, 得到人体候选区域, 在匹配图中搜索和其匹配的区域, 得到人体区域的视差, 通过 视差提取人体区域的深度和透视特征。 将注意力机制和跨模态行人识别相结合, 分析两种不同类型图像的 差异, 将两个子空间映射到同一个特征空间, 同时引入泛化迁移深度学习算法对损失函数度量学习, 自动筛选 跨模态图像的行人特征, 最终通过模态融合模块将筛选的特征融合处理完成行人识别。 实验结果表明, 所提 算法可以快速、 准确地提取不同模态图像中的行人, 识别效果较好。

为解决使用 Java 和.NE 等传统技术开发、 部署数据服务复杂且与先进的云端及容器化技术结合较为困难 的问题, 提出一种基于 Web 的轻量级钻井三维可视化数据服务解决方案, 对前端的可视化应用提供数据接口 支持。 基于 NodeJS、Angular、TypeScript 等开源轻量级技术, 研发了一个轻量级钻井数据库系统, 可作为一线 技术管理人员的辅助工具, 并以最快的方式提供最关注的数据项, 具有较高的经济性和实用性。 利用数据加载 工具, 钻井技术人员可方便地将数据加载到数据库中, 包括区块的地震切片、 复杂事故以及测井等数据。 此外 系统提供了全面的数据安全机制, 包括基于 JWT ( JSON Web Token) 的身份认证和基于 JWE ( JSON Web Encripytion)的数据加密, 以确保数据安全。 应用结果表明, 该解决方案可为钻井三维可视化系统提供高效的 数据传输服务。 

 针对采用控制器局域网络(CAN: Controller Area Network)总线的自动操舵系统和采用串口通讯的航海导航 设备之间通讯的不匹配问题, 设计了一种基于 Cortex-M3 嵌入式平台的通信转换模块, 实现了串口与 CAN 总线 数据的双向转换功能。 同时对传统 CAN 收发器 CTM1050 存在的信号稳定性不足、 波特率精准度低等问题, 提出 并实现了一种硬件电路的替代方案, 提高了数据通讯的时效性和稳定性。 基于 CAN2. 0B 扩展帧, 设计了自动操 舵系统内部 CAN 总线协议。 该协议可根据报文信息优先级分配标识帧, 保证了总线数据的有序传输。 实验结果 表明, 该通讯模块功能使用正常且通讯效果良好, 具有一定通用性, 可在多种需要转换的设备系统上推广使用。

 为解决传统的模型鲁棒性评价方法存在描述相符性较低, 难以获得精准的场景匹配数据的不足, 提出了 一种新的电力人工智能指标算法模型多场景鲁棒性评价方法。 针对多场景数据进行提取, 设置局部空间的多 场景数据扰动范围区间, 控制空间范围的区间移动距离, 在区间范围内预测样本点的数据获取结果。 输入算法 模型的基础特征参数, 在输入参数维度提高的同时选择多场景数据获取距离范围数值, 根据选取的数值进行初 始数据评估操作。 针对不确定的控制目标的特点进行数据基础分析, 确保系统处于稳定状态中, 并保持系统的 动态特征, 有效分析不同的系统参数之间的差异, 构建偏差值范围, 判断算法模型的多场景特点, 实现数据评 价。 实验结果表明, 该电力人工智能指标算法模型多场景鲁棒性评价方法能很好地变换采样点坐标, 确保多场 景采样点数据图像具备不变性, 从而克服场景数据旋转敏感问题, 提高响应速度。 与传统评价方法相比, 笔者 提出的评价方法在干扰鲁棒性和仿射形变鲁棒性等方面具有较强的优势。

针对 Yolov3-Tiny 算法在加油站监控场景检测时由于数据特征提取不充分而导致检测精度低、 漏检率高 等问题, 提出一种基于加油站场景的 Misp-YOLO(You Only Look Once)目标检测算法。 首先引入 Mosaic 数据 增强算法, 使图片包含更多特征信息; 其次使用 InceptionV2 和 PSConv(Poly-Scale Convolution)多尺度特征提取 方法提升网络多尺度预测能力; 最后结合 scSE(Concurrent Spatial and Channel ‘ Squeeze & Excitation爷)注意力 机制, 重构主干网络输出特征。 实验结果证明该算法具有较高检测准确度, 并且检测速度满足实际需求。 优化 后的算法性能得到极大提升, 可推广应用于其他目标检测中。

 考虑到新型电力负荷随机性增强, 传统的准确预测方法已无法满足要求, 提出一种 EMD-BiLSTM-ANFIS (Empirical Mode Decomposition-Bi-directional Long Short-Term Memory-Adaptive Network-based Fuzzy Inference System)分位数预测负荷概率密度的方法, 使用负荷预测区间取代点预测的准确数值, 能为电力系统分析与 决策提供更多数据, 增强预测的可靠性。 首先将原始负荷序列通过 EMD(Empirical Mode Decomposition)分解成 若干分量, 并通过计算样本熵分为 3 类分量。 然后将重构后的 3 类分量与由相关性筛选的外界因素特征采用 BiLSTM、ANFIS 模型进行训练和分位数回归(QR: Quantile Regression), 并将分量的预测区间结果累加得到最终 负荷的预测区间。 最后利用核密度估计输出任意时刻用户负荷概率密度预测结果。 通过与 CNN-BiLSTM (Convolutional Neural Network-Bidirectional Long Short-Term Memory)、LSTM(Long Short-Term Memory)模型对比点 预测及区间预测结果, 证明了该方法的有效性。 

 为提高去噪图像质量, 提出了一种基于二维变分模态分解算法(2D-VMD: Two Dimensional Variational Mode Decomposition)和巴氏距离( BD: Bhattacharyya Distance) 的结合算法用于图像去噪。 该算法首先使用 2D-VMD算法将图像分解为若干个固有模态函数( IMFs: Intrinsic Mode Functions); 然后使用 BD 测量每个 IMF 的概率密度函数(PDF: Probability Density Function)与原图像 PDF 间的几何距离, 区分出信号主导 IMF 和噪声 主导 IMF; 最后将噪声主导 IMF 经小波阈值去噪后与信号主导 IMF 重构, 得到去噪图像。 将算法应用于医学 图像去噪, 理论分析和仿真结果表明, 2D-VMD 和 BD 结合算法与全变分模型(ROF: Rudin Osher Fatemi)算法、 中值滤波和小波阈值滤波相比, 其在主观和客观评价方面都具有较好的去噪效果, 有效地提高了去噪图 像质量。