多模态学习方法综述

大数据是多源异构的。在信息技术飞速发展的今天,多模态数据已成为近来数据资源的主要形式。研究多模态学习方法,赋予计算机理解多源异构海量数据的能力具有重要价值。本文归纳了多模态的定义与多模态学习的基本任务,介绍了多模态学习的认知机理与发展过程。在此基础上,重点综述了多模态统计学习方法与深度学习方法。此外,本文系统归纳了近两年较为新颖的基于对抗学习的跨模态匹配与生成技术。本文总结了多模态学习的主要形式,并对未来可能的研究方向进行思考与展望。      

利用内模抑制轧机扭振研究

轧机扭振是轧钢过程中经常出现的问题,给设备和生产造成不良的影响.文章分析了轧机的数学模型,指出轧钢扰动是造成轧机扭振的原因.分析了内模控制原理,利用内模控制改造了轧机传动系统,设计了内模电流调节器,来抑制参数变化给系统造成的影响,设计内模速度调节器,来抑制扰动造成的轧机扭振.安阳炉卷轧机扭振现象严重,采用内模控制有效地抑制了轧机扭振.实践表明内模控制可以方便的应用于实际工程,可以有效地抑制轧机扭振.     

低成本数字称重传感器

用压电谐振器制作了数字称重传感器，论述了该传感器的机理、结构及性能特点，实验结果表明该传感器具有良好的线性和稳定性，成本较低．     

修正建筑物内三维定位误差的运动感知方法研究*

针对行人室内惯性定位存在航向发散和累积误差的问题,提出采用运动感知的方法实时识别行人的运动状态,利用行人状态约束(直线运动)和特殊运动状态(上下楼梯、乘坐电梯、90度或180度转弯)的特殊点匹配的方法来抑制航向的发散,消除累积误差。提取加速度计的时域特征,利用神经网络对行人运动状态进行识别,不同的运动形式(走、跑、上下楼梯)采取不同的步长模型,从而提高位置推算精度。为验证算法有效性,在4楼和6楼之间进行多次行走实验,实验结果表明,通过运动感知可以明显抑制航向的发散,消除累积误差,三维空间内的定位误差约为总行程的1.6%。     

行人惯性导航零速检测算法

在行人惯性导航中,零速检测是实现速度误差清零和导航误差估计的前提,有着重要的作用.针对行人运动过程中零速区间时间间隔短难以检测的问题,提出了一种基于人体脚部运动特征的零速检测算法,将步行运动抽象成了一个包含4个隐含状态与15个观测量的隐马尔可夫模型,并阐述了模型构建机理.利用Baum-Welch算法训练和优化模型参数,提高了检测准确率.实验结果表明:所提出的方法零速检测效果较好,且采用该方法的行人惯性导航系统,其定位误差约为行进距离的0.73％,定位精度较高.     

未知环境中机器人可行区域的认知研究

针对未知环境中无人车对可行区域的认知,提出了一种结合分水岭算法、边缘提取、区域合并等思想的图像分割方法.利用图像的灰度信息进行分水岭变化后,将图像过分割成多个小区域;再根据边缘信息所在位置对这些小区域进行初步区域合并.最后利用区域邻接图和图像的色调、亮度、灰度等信息描述剩余区域间的关系,将2个相邻区域的色调和灰度差值关系作为权值函数,根据亮度信息寻找阈值.实验结果表明:该方法有效提高了区域合并的准确性,成功分割出可行区域,为无人车的自主行驶提供了有力的保障.     

近空间高超音速滑翔机的滑翔特性研究

解析估算了近空间高超音速滑翔机的平衡滑翔初始点,以及其初始状态与滑翔能力的关系;数字仿真分析了其初始值与飞行距离、动压、相对驻点热流、相对总加热量、马赫数等的关系;给出了有关近空间内滑翔数千公里的滑翔特性的分析结论,给出了进入滑翔状态和退出滑翔的方法.     

直流电动舵伺服系统设计与研究

针对未来高精度、快速响应和小型化的电动舵伺服控制系统的设计问题。通过分析直流舵伺系统的各个组成部分的功能及神经网络模糊控制器控制策略,使用DSP作为控制器构建出电动舵伺服系统,设计神经网络模糊控制算法并进行了半实物试验。试验结果表明,构建的小型化舵伺服系统有很好的动态品质和快速位置跟踪能力,同时,采用DSP控制器设计的数字电动舵伺服系统,满足了高精度与小型化的要求。     

LS-SVM在车载SINS大方位失准角传递对准上的应用

针对车载捷联惯导系统工作环境恶劣且子惯导系统精度低,使用传统的Kalman滤波进行传递对准存在精度低、实时性差的问题。根据车载特殊环境提出了一种基于LS-SVM的大方位失准角速度匹配传递对准方法,采用传统Kalman滤波器的输入输出样本对LS-SVM滤波器进行训练,避开了经典SVM求解时的优化运算,使其复杂度大大降低。在相同条件下与传统Kalman滤波仿真结果对比,LS-SVM方法的引入可以使系统对准时间缩短近50%,并适当提高了系统的对准精度。     

多步态SVM分类且自适应阈值的行人定位方法

针对已有零速修正算法中固定阈值判定导致零速区间检测不准确,定位精度低的问题,提出了一种多步态SVM分类且自适应阈值的行人导航方法.选取行人在静止、行走、跑步、上楼、下楼运动步态下的零速判别最优阈值,利用多分类SVM对5种运动步态进行识别,根据气压计信息判断上下楼运动模式,并根据分类结果进行自适应阈值调节,确定零速区间,进而触发零速修正.实验结果表明,多步态SVM分类且自适应阈值方法提高了运动模式的分类精度,进而改善定位精度,定位误差0.44％.