针对抽油机故障诊断的传统图像识别方法识别率高但速率较慢, 或训练速度适宜但识别率较低等问题,提出一种基于改进残差网络模型的示功图图像识别算法。改进策略包括替换模型第 1 层卷积核, 由更小卷积核代替; 改变残差模块排列顺序; 将传统 ResNet50( 残差网络) 模型的全连接层替换成径向基函数( RBF: Radial Basis Function) 网络作为额外的分类器; 采用数据增强方式对数据集进行扩充, 并利用迁移学习在改进的ResNet50-RBF 模型得到 ImageNet 上预训练好的权重参数后进行训练。 实验结果表明, 改进的模型在示功图识别中得到了 98. 86% 的准确率, 与其他网络相比, 鲁棒性进一步加强, 并且速率得到一定提升, 为抽油机故障诊断提供了一定参考。

为提高多无人船编队系统的导航能力,提出了一种基于注意力机制的多智能体深度确定性策略梯度(ATMADDPG: Attention Mechanism based Multi-Agent Deep Deterministic Policy Gradient) 算法。 该算法在训练阶段, 通过大量试验训练出最佳策略, 并在实验阶段直接使用训练出的最佳策略得到最佳编队路径。仿真实验将 4 艘相同的“百川号冶无人船作为实验对象。 实验结果表明, 基于 ATMADDPG 算法的队形保持策略能实现稳定的多无人船编队导航, 并在一定程度上满足队形保持的要求。相较于多智能体深度确定性策略梯度(MADDPG: Multi-Agent Depth Deterministic Policy Gradient)算法, 所提出的 ATMADDPG 算法在收敛速度、 队形保持能力和对环境变化的适应性等方面表现出更优越的性能, 综合导航效率可提高约 80% , 具有较大的应用潜力。

针对雾霾天气拍摄的图片质量大幅下降的问题, 基于经典的大气散射模型提出了一种新的多任务学习方法, 以端到端的方式联合学习透射图和去雾图像。该网络框架是基于一种新的双重条件生成对抗网络, 由两个改进的条件生成对抗网络( CGAN: Conditional Generative Adversarial Network) 堆叠组成, 即将有雾图像输入第 1 阶段 CGAN 估计透射图, 然后将预测的透射图和有雾图像输入第 2 阶段 CGAN, 通过第 2 个生成器恢复出对应的无雾图像。为改善输出图像的颜色失真和边缘模糊问题, 设计了联合损失函数, 提高图像转化的质量。在合成和真实数据集上与多种去雾方法进行定性和定量实验比较, 结果表明, 该方法输出的无雾图像具有更好的视觉效果, 其结构相似性和峰值信噪比的值分别达到了 0. 985 和 32. 880 dB。

针对混合噪声特点不一致, 抑制难度较大的问题, 为提升噪声抑制效果, 提高图像清晰度, 提出一种基于提升小波的数字图像混合噪声抑制算法。通过概率神经网络将数字图像噪声划分为脉冲噪声和高斯噪声,采用中值滤波方法去除数字图像中的脉冲噪声, 运用提升小波方法去除数字图像中的高斯噪声, 实现混合噪声的抑制。实验结果表明, 所提算法获得的图像清晰度和信噪比更高, 且去噪后数字图像的 ENOB( Effective Number Of Bits) 值明显提升, 说明该算法的混合噪声抑制效果更佳。

为提高最大功率点追踪的速度与准确性, 并减小光伏阵列在局部阴影时光伏发电系统输出功率的损失与谐波含量, 提出基于布谷鸟算法( CSA: Cuckoo Search Algorithm) 和电导增量法( INC: Incremental Conductivity method) 相结合的控制方法。 在算法前期利用布谷鸟算法进行全局搜索, 避免算法陷入局部最优解。 后期利用电导增量法进行局部范围内细致搜索, 锁定最大功率点。 并且将此算法应用于并网控制, 验证是否满足并网谐波含量要求。 在 Matlab / Simuink 中建立了仿真模型, 结果表明基于布谷鸟与电导增量法相结合的复合算法追踪速度更快, 误差更小, 满足并网谐波含量要求。

针对深度学习中的 RNN( Recurrent Neural Networks) 常用于时间序列预测, 但其存在难以对历史序列进行特征提取、以及无法突出关键信息的影响且时间序列过长时早期信息易丢失等问题, 提出一种基于双重注意力机制CNN( Convolutional Neural Networks) -BiLSTM( Bi-directional Long Short-Term Memory) 的油田注水流量预测方法。 该方法以油田历史注水数据为输入, 利用 CNN 层提取历史注水数据特征, 并引入特征注意力机制层,通过计算权重值的方式为特征赋予相应权重, 使关键特征更容易得到较大权重, 进而对预测结果产生影响; BiLSTM 层对数据进行时序建模, 并引入时间步注意力机制, 通过选取关键时间步并突出该时间步的隐藏状态表达, 使早期隐藏状态不会随时间消失, 能提升模型对长时间序列的预测效果, 最后完成流量预测。 以公开数据集和中国南部某地区油田注水数据为算例, 并与 MLP( Multilayer Perceptron)、 GRU( Gate Recurrent Unit)、LSTM( Long Short-Term Memory)、BiLSTM,CNN 进行对比, 证明该方法在油田注水流量预测中精度更高,可帮助油田制定生产计划、减少资源浪费以及提高注采率, 具有一定的实际工程应用价值。

为延长油气物联网寿命, 提出一种基于双簇头的油气物联网路由算法。该算法在簇头选举过程中充分考虑了传感器节点当前剩余能量、历史平均能量、节点与基站的距离、邻居节点密度以及节点与能量收集源的距离等因素, 并在同一簇群中选举双簇头, 同时在数据传输阶段提出一种新型路由方式以均衡簇头能耗。在引入能量采集技术的同时, 采用了一种新型的节点工作模式切换策略。仿真实验表明, 与传统算法相比, 该算法能更有效地均衡网络能耗, 延长网络寿命。

由于油气勘探开发中井下高温高压和复杂压力系统导致钻井过程面临的风险日益增大, 因此迫切需要一款集工况数据模拟计算与井下复杂监测控制相结合的软件系统, 助力实现安全高效钻井。为此, 运用先进的控压钻井技术, 实时监测井底压力、钻井液循环出入口流量差和密度等关键参数的变化, 分析井下工况的变化, 实现在钻井过程中井筒压力的快速、准确控制, 有效降低钻井过程的安全隐患, 及早发现并快速控制井下复杂情况, 为形成预测、预控和快速处置的井筒安全提供支持。设计的控压钻井计算模拟与控制软件旨在从录井、PWD( Pressure While Drilling)、MWD( Measure While Drilling)、控压等设备获取钻井相关信息, 建立水力学模型计算井筒压力、流量等参数。通过采用客户端/ 服务端网络架构, 实现了多个客户端同时连接一个服务端, 达到客户端数据同步的效果, 经现场验证既可满足单机使用, 又可方便网络连接, 实现后方集中分析处理与远程操控。结果表明, 该软件能准确地模拟计算各种钻井参数, 保证安全高效钻井。实现了控压钻井由现场工程师处理模式转变为后方基于数据平台的模式, 奠定了 1 个平台对 N 个现场控压钻井装备之间的互联互通基础, 有力推动了控压钻井的智能化发展。

针对采用磁耦合谐振式无线电能传输技术的动态电动汽车无线充电过程中, 汽车底部的能量接收线圈在直线行驶和转弯过程中发生的互感跌落、互感波动率增大的问题, 提出一种源自 BP( Bipolar Pad) 线圈结构的改良式接收线圈, 从而达到平稳接收互感, 增强无线传输过程中稳定性的目的。该改良式线圈通过双线圈分别贴合轨道内外径的方式解决了传统 BP 线圈因解耦而造成的正对耦合有效面积的减少, 并利用 Ansys / Maxwell软件进行仿真寻优, 得到补偿线圈的合理设计位置及相对大小。实验数据表明, 无论在汽车转弯还是直线行驶过程中, 新型接收线圈均可以在一定程度上抑制互感波动, 增强接收互感数值。互感波动率优化峰值为5. 1% ,互感接收情况较传统 BP 线圈最大提升 28. 7% 。

为提高路径规划效率, 避免蚁群算法输出非最优路径, 构建一种多智能体路径规划模型。使用栅格法建立智能体环境感知模型, 改进蚁群算法中局部和全局信息素更新规则, 通过调节转弯次数和信息素浓度约束蚂蚁行进。令算法能智能地放大或减少路径中信息素浓度。当迭代次数达到设置的最大迭代次数时, 输出值即为最优路径规划结果。经实验证明, 改进算法获得的规划路径较短, 迭代收敛速度较快。

针对多无人机、无人车异构无人集群系统编队避障控制问题, 对其利用博弈论方法进行了研究。不同于目前大多数只考虑群体编队目标的多智能体编队控制方案, 允许每个智能体都具有个体目标, 其中个体目标包含个体跟踪目标和避障目标。使异构无人集群系统在完成协同编队的同时, 每个智能体还需根据其自身利益跟踪目标点并实时避障。由于智能体的个体目标和群体目标之间可能会产生冲突, 将异构无人集群编队问题转化为智能体之间的非合作博弈问题。通过在代价函数中加入基于人工势场函数设计的避障项实现实时避障, 并基于寻求纳什均衡方法设计了控制器, 使异构无人集群系统可实现个体目标和群体目标平衡的编队模式。最后通过仿真实验验证了理论结果的正确性。采用该方法可使异构无人集群系统实现编队运动并实时避障。

为降低多终端用户对医疗共享信息的访问风险, 从数据库和软件功能两个方面, 优化设计医疗信息共享强制访问控制系统。构建医疗共享信息、用户等数据库表, 根据逻辑关系连接数据库表, 完成系统数据库的设计。模拟医疗信息共享过程, 确定医疗共享信息敏感级别。分配多终端用户角色与权限, 实时检测访问用户异常访问行为, 结合授权与行为检测结果, 实现系统的医疗信息共享强制访问控制功能。测试结果表明, 设计系统的访问控制错误率降低约 24. 4% , 在设计系统控制下, 医疗共享信息的访问风险得到明显降低。

为提高有遮挡人脸的识别精度, 提出基于改进 Gabor 算法的遮挡人脸智能识别方法。首先, 对人脸图像动态范围压缩, 并选择反锐化掩模滤波算法展开图像增强处理; 其次, 利用 Gabor 滤波器对信息保留较完整、亮度较高的半边脸进行特征提取; 最后将提取到的 Gabor 特征输入到极限学习机中完成遮挡人脸的智能识别。实验结果表明, 所提方法对处理遮挡人脸图像具有良好的效果, 且其对人脸图像识别具有精准度高、识别时间短等优点。

针对眼底图像中存在大量不规则、噪声干扰严重、边界模糊、分割难度较大的细小血管的问题, 提出一种基于多方向特征和连通性检测的眼底图像分割方法MDF_Net&CD( Multi-Directional Features neural Network and Connectivity Detection)。 设计了一个以像素点不同方向特征向量为输入的深度神经网络模型MDF_Net ( Multi-Directional Features neural Network), 利用 MDF_Net 对眼底图像进行初步分割; 提出连通性检测算法, 根据血管的几何特征, 对 MDF_Net 的初步分割结果进一步修订。在公开的眼底图像数据集上, 将 MDF_Net&CD与近期有代表性的分割方法进行实验对比, 结果表明 MDF_Net&CD 各项评估指标均衡, 敏感度，F1 值和准确率优于其他方法。该方法能有效捕捉像素点的细节特征, 对不规则、噪声干扰严重、边界模糊的细小血管有较好分割效果。

为进一步提高剩余油边缘检测的质量和精度, 提出一种改进多方向 Sobel 算子的剩余油边缘检测方法。该方法通过改进双边滤波方法去除微观剩余油分布图像噪声, 实现保边去噪的目的; 结合 Otsu 算法使其能自适应获得微观剩余油图像的最佳阈值; 在改进的 4 个方向上依次使用幅度为 3×3 的 Sobel 算子计算剩余油图像梯度的幅值和方向; 最后利用非极大值抑制算法过滤伪边缘像素点, 从而得到最终的剩余油边缘检测图像。实验结果表明, 该方法能在去除微观剩余油图像噪声的同时, 精确检测出微观剩余油分布图像中的剩余油边缘信息。

为确保网络安全, 及时掌控安全状况, 以易感者、感染者和免疫者( SIR: Susceptible Infected Recovered)模型为基础, 面向无线网络提出安全威胁态势量化评估算法。 选取资产价值性,系统脆弱性与威胁性作为量化评估指标, 分别根据信息资产的安全属性与主机劣势的 Agent 检测值, 得到价值性量化值与脆弱性量化值。基于病毒的传播特性, 改进 SIR 模型, 分析病毒传播特征, 获得威胁性量化值。结合 3 个指标量化值, 建立无线网络安全威胁态势的量化评估算法, 用所得态势值评估网络安全状况。测试结果表明, 该方法评估出的主机与整个无线网络的安全威胁态势值均与期望值高度拟合, 且评估时间更短。所提算法具备良好的评估准确性与实时性, 能为网络安全状况分析提供有效的数据依据, 及时给予管理员可靠的决策支持。

为了能清晰理解事件的工作原理与机制, 通过分析事件在实时操作系统中的作用、响应原理及流程,基于KL36 微控制器采用类 PC 机的 printf 输出法, 从调度过程时序、响应时间性能等方面剖析了 mbedOS 的事件响应机制。实验结果表明, 通过 printf 函数能将事件响应过程的线程地址、队列地址,队列内容、线程进出队列情况以及事件位等信息直观输出, 为读者从底层理解 mbedOS 的事件响应原理和流程提供便利, 也为分析 mbedOS 的其他同步与通信手段的脉络结构提供方法借鉴。

 针对在不均衡流数据在检索过程中, 由于数据流中存在不均衡性, 且易受差异性数据、边缘数据的影响,导致数据检索性能下降的问题, 提出了基于多相似度模糊 C 均值聚类的不均衡流数据检索方法。该方法计算出不均衡流数据之间的多相似度, 针对不同相似度的数据, 采用模糊C 均值算法对其聚类处理。 通过构建八叉树检索模型, 对聚类后的数据进行存储、编码和判断, 完成不均衡流数据的检索。实验结果表明, 所提方法的检索时间低于20 s, 查全率和查准率保持在 80% 以上, 且 NDCG ( Normalized Discounted Cumulative Gain) 数值高。

针对互联网信息安全预警过程中, 受信息数据规模大、种类多影响, 导致预警精度低、耗时长的问题,为提高预警效率, 提出移动网络隐私信息库未知访问源安全性预警。利用主成分分析法对信息库数据进行降维处理, 降低检测难度; 利用迭代多元自回归预测( IMAP: Iterative Multivariate AutoRegressive Modelling and Prediction) 算法进行数据聚类处理, 提取离散性孤立数据点, 完成信息库未知访问源数据筛查。将未知访问源数据输入到支持向量机中, 利用时间窗口将信息库安全预警模型的构建问题转化为支持向量机学习的凸优化问题, 输出安全性预警结果, 并对预警模型的构建参数进行全局寻优, 提高安全预警模型的预警输出能力。实验结果表明, 所提方法对信息库的安全检测效率较高, 且面对多类型信息库入侵攻击能做到稳定、精准预警输出。

为保障物联网数据跨域流动安全, 提出物联网同频共用跨域数据流动安全检测算法。该方法基于数据离群特征计算数据集信息熵, 将信息熵计算结果较大的数据点作为聚类中心, 通过类簇中心距离的计算分析数据分布特征; 将数据分布特征输入 BP( Back Propagation) 神经网络中, 结合遗传学习算法完成同频共用跨域数据的深度挖掘。利用小波分析法分割同频共用数据中的有效信号与噪声信号, 引入 wrcoef 函数实现无噪信号的重构输出。基于 Markov 链状态转移概率矩阵, 建立马尔可夫跨域数据流动安全检测模型; 通过待测样本与标准样本之间相对熵差异值的计算, 完成物联网同频共用跨域数据流动安全检测。 仿真结果表明, 该方法能有效提高数据流动安全检测效率, 实现了数据跨域流动态势的精准感知。

为解决源代码剽窃检测的问题, 以及针对现有方法需要大量训练数据且受限于特定语言的不足, 提出了一种基于预训练 Transformer 语言模型的源代码剽窃检测方法, 其结合了词嵌入，相似度计算和分类模型。该方法支持多种编程语言, 不需要任何标记为剽窃的训练样本, 即可达到较好的检测性能。实验结果表明,该方法在多个公开数据集上取得了先进的检测效果, F1 值接近。同时, 对特定的能获取到较少标记为剽窃训练样本的场景, 还提出了一种结合有监督学习分类模型的方法, 进一步提升了检测效果。该方法能广泛应用于缺乏训练数据、计算资源有限以及语言多样的源代码剽窃检测场景。

为保证高校计算机实验课正常开展, 以 Docker 技术为基础, 构建了计算机基础实验虚拟实验室。学生通过浏览器访问服务器就可以获得独立的实验环境。 同时, 使用 Docker-Compose 工具对学生实验环境进行创建、开启、停止和删除等多维度管理, 使用 Docker-Swarm 工具保证实验环境的性能, 相当于把线下实验室搬到了线上。实际证明, 该方案能满足计算机基础实验线上教学需求, 为对应的理论教学提供高质量的实验服务。

为解决传统手工修补渔网效率低下且成本较高的问题, 设计了一种可自动缝补渔网的机械臂。该机械臂以 STM32F103C8T6 为主控制器, 通过红外传感器、电机执行器和通信模块实现其功能。红外传感器模块负责检测渔网破损位置, 电机执行器模块驱动 6 个轴上的电机使机械臂能灵活地将缝补装置送到预设节点处, 通信模块负责将检测的渔网破损信息传输给控制器进行处理。实验测试结果表明, 所设计的机械臂通过六自由度的旋转, 实现每分钟 4 ~ 5 个简单破损网孔的修补。与传统的手工修补方法相比, 提高了渔网修补效率和质量、降低了人工成本, 具有明显优势.

针对解决呼气式酒精检测仪存在飞沫传播风险的问题, 提出了一种基于近红外光谱法的便携式无污染血液酒精浓度检测方案。使用硬件完成信号采集、放大、滤波再放大, 利用软件完成卡尔曼滤波、三样条插值法去基等算法获取标准的脉搏波信号 在上位机中通过呼气式的测量结果与脉搏波信号的幅值建立数学模型,将数学模型写入单片机实现离线测量。通过实验测试验证数学模型精度。结果表明, 其满足相对误差小于10% 的精度要求, 符合实际使用需求。