模糊预测控制在新型干法水泥生产线的应用

研究水泥工业生产过程中,窑尾分解炉出口温度的控制对水泥生产的质量及整条生产线的节能至关重要,而分解炉属于大时滞、大惯性、非线性的被控对象,传统PID算法很难达到满意的控制效果。提出一种新型复合型模糊预测控制算法,结合预测控制的预报功能和模糊控制在大偏差范围时响应较快的理想控制效果,相互切换,优势互补。在Matlab平台上仿真。结果表明,复合型模糊预测控制效果优于单纯的模糊控制和预测控制,系统的快速性和稳定性都有提高。     

一种改进的二值图像质量评价方法

本文设计了一种新的距离度量:边界距离,在此基础上提出了一种二值图像评价的客观方法。该方法首先是得到修改像素点的边界距离对于二值图像的影响因子,然后把该值加入到均方误差法(MSE)中,得到一种改进的基于边界距离的二值图像质量评价,并对其进行规范化。实验结果表明,该方法符合人的视觉感知。     

基于横摆角速度的汽车ABS控制策略的研究

研究汽车制动系统中,为了保证缩短制动距离的同时,改善汽车在附着系数分离的非对称路面上行驶制动的方向稳定性,结合单轮独立控制与低选控制方式,以横摆角速度为控制参数,提出一种兼顾制动距离和方向稳定性的ABS整车控制策略:ABS混合控制策略.建立汽车制动相关模型,对4种控制方式进行仿真分析.比较4种不同控制策略的仿真结果,表明以横摆角速度为控制参数的ABS混合控制策略能在制动距离与制动方向稳定性中找到合理的平衡点,既能充分利用每 个车轮的路面附着系数,又能防止汽车在非对称路面行驶时产生较大的制动跑偏量,提高汽车制动时的方向稳定性.综合考虑制动距离和制动方向稳定性两项指标,以横摆角速度为控制参数的ABS混合控制方式制动效果最优.     

多级多项目批量问题的免疫遗传算法

采用以森林为抗体的编码方式的免疫遗传算法,并引入革亲遗传算子的方法,避免在近传鼻子的运行过程中产生不可行解.     

基于身份感知模型的素描人脸识别方法

针对素描图像和光学图像之间存在较大的模态差异这一问题,提出了一种基于身份感知模型的素描人脸识别方法,实现跨模态图像生成和素描人脸识别。该方法应用新的感知损失来监督图像生成网络,生成更好的跨模态图像,减少模态差异带来的识别精度损失,并通过三元组损失来正则化类内和类间距离,增强识别模型的性能,用联合训练策略提升素描人脸识别能力。在UoM-SGFSv2、e-PRIP等素描人脸数据集上的实验结果表明,该方法识别效果优于其他对比算法。     

基于动态ROI识别的智能车辆车道线检测

车道线检测技术是实现汽车无人驾驶的关键技术之一,能够帮助无人驾驶更快地实时处理从相机捕获的图像。近年来,研究人员在车道线检测的精度上取得了很大的进展,但在实际驾驶中,车辆可能会因有限的控制器算力而对车道线检测的速度和准确度产生影响。提出了一种动态识别感兴趣区域的方法,以Donkey car自动避障小车为主体进行实车试验,通过实时减少摄像头采集的图像中干扰信息,更加准确地识别车道线,在采集的图像数量不变的情况下,提高了卷积神经网络(convolutional neural networks, CNN)模型训练的速度和小车自动驾驶时车道线识别的准确度,进而减少了因车道线误判而存在的压线和驶离路面的情况。优化后的模型比原模型在训练时间方面缩短了约38.71%,在小车自动驾驶时间上缩短了约21.67%,同时小车在转弯处行驶速度更加均匀,左右摇摆幅度减小。结果表明,所提方法具有良好的检测效果和准确率。     

电动汽车串联型电弧故障检测方法

电弧故障是引发电气火灾的主要原因之一。在电动汽车电气系统中,直流串联电弧故障通常发生在接触点松动或线路连接损坏处,会引起火灾、爆炸等严重事故。为快速、准确地检测电动汽车串联型电弧故障,搭建了电动汽车故障电弧实验平台,采集不同工况下干路电流时间序列并建立了样本库。通过轻量化卷积神经网络,建立了基于改进Mobilenet网络的串联故障电弧检测模型。通过对比分析学习率、网络层数、样本长度,对模型进行了优化。该优化模型通过干路电流可实现电动汽车串联型故障电弧的检测和故障选线,检测准确率达到96.39%,论文为电动汽车电气系统电弧故障检测提供了一种可行性方案。     

基于智能软开关的三相不平衡配电网动态重构策略

针对单相分布式电源（DG）的接入会加剧配电网不平衡程度、增大网络损耗,且在严重不平衡时影响系统安全运行的问题,提出计及智能软开关（SOP）的三相不平衡配电网动态重构策略。首先,构建考虑SOP和DG电流不平衡度约束的三相不平衡配电网动态重构模型;然后,针对模型的非凸性将原模型转化为混合整数线性规划模型;最后,对改进的IEEE34节点配电网和某地78节点实际配电网进行算例分析,结果表明所提模型和策略可在保证配电网的安全运行的同时提升配电网的经济效益。     

高阶条件随机场引导的多分支极化SAR图像分类

目的 针对极化合成孔径雷达（polarimetric synthetic aperture radar,PolSAR）小样本分类问题,基于充分挖掘有限样本的极化、空间特征考虑,提出一种由高阶条件随机场（conditional random field,CRF）引导的多分支分类网络模型。方法 利用Yamaguchi非相干目标分解方法,构建每个像素的极化特征向量。设计了由高阶CRF能量函数引导的多卷积分支特征提取网络,将像素点极化特征向量作为输入,分别提取像素点的像素特征、邻域特征和位置特征信息。将以上特征进行加和融合,并输入到softmax分类器中得到预分类结果。利用超像素方法对预分类结果图进行进一步修正和调优,平滑相邻像素之间的特异性和相似性。结果 采用1%的采样率对两组真实的极化SAR数据进行测试。同时,为了更好地模拟实际应用中训练样本位置分布不均匀的情况,考虑了空间不相交采样方法作为对比实验。综合两种采样策略的实验结果表明,相较于只利用像素级特征或简单利用空间特征的方法,本文方法总分类精度平均提升7%～10%,不同地物类别的分类精准度均在90%以上,运行速度相比于支持向量机（support vector machine,SVM）提高了2.5倍以上。结论 通过构建高阶CRF引导的卷积神经网络,将像素特征信息、同质区域特征和地理位置信息进行融合,有效建立了像素级和对象级数据之间的尺度关联,进一步扩充了像素点之间的空间依赖性,提取到了更强大更准确的表征特征,显著提高了标记样本数量较少情况下的卷积网络模型的分类性能,进一步保证了地物目标散射机制表征的全面性和可靠性。     

基于会话的推荐方法综述

近年来,基于会话的推荐方法受到学术界的广泛关注。随着深度学习技术的不断发展,不同的模型结构被应用于基于会话的推荐方法中,如循环神经网络、注意力机制、图神经网络等。该文对这些基于会话的推荐模型进行了详细的分析、分类和对比,阐明了这些方法各自解决的问题与存在的不足。具体而言,该文首先通过调研,将基于会话的推荐方法与传统推荐方法进行比较,阐明基于会话的推荐方法的主要优缺点;其次,详细描述了现有的基于会话的推荐模型如何建模会话集中的复杂数据信息,以及这些模型方法可解决的技术问题;最后,该文讨论并指出了在基于会话推荐的领域中存在的挑战和未来研究的方向。