微网分布式控制多跳无线网络拓扑优化

微网分布式控制系统可采用无线多跳网络实现相邻节点的信息交互.当需要获取各分布式单元状态时,各节点须采用多跳传输的方式,将数据汇集到遥测终端.但在不同通信拓扑条件下多跳传输的延时也不尽相同,不能保证满足电力通信标准的需求.文章以数据传输延时需求为约束,以最小化多跳网络端到端传输延时为目标,研究微网分布式控制系统多跳无线网...     

基于Gabor滤波器和潜在语义分析的烧成状态识别

采用Gabor滤波器预处理与潜在语义分析相结合的方法,对回转窑烧成带火焰图像的烧成状态进行了更为准确的识别,避免了基于图像分割技术带来的不精确特征提取和较差的识别结果.基于所构建的压缩Gabor滤波器组对火焰图像进行预处理,增强具有不同纹理特性的特征区域的可分性以有利于后续的特征提取和状态识别步骤.对预处理后的火焰图像采用改进的潜在语义分析提取特征向量进行状态识别,以降低特征维数并避免零频问题.实验结果表明：直接从火焰图像中提取特征进行状态识别的方法是可行的,并且识别的效果较未采用Gabor滤波器预处理、传统潜在语义分析、烧成带温度和图像分割等方法的效果更优.     

编码—解码结构的语义分割

目的 语义分割是计算机视觉中一项具有挑战性的任务,其核心是为图像中的每个像素分配相应的语义类别标签。然而,在语义分割任务中,缺乏丰富的多尺度信息和足够的空间信息会严重影响图像分割结果。为进一步提升图像分割效果,从提取丰富的多尺度信息和充分的空间信息出发,本文提出了一种基于编码-解码结构的语义分割模型。方法 运用ResNet-101网络作为模型的骨架提取特征图,在骨架末端附加一个多尺度信息融合模块,用于在网络深层提取区分力强且多尺度信息丰富的特征图。并且,在网络浅层引入空间信息捕获模块来提取丰富的空间信息。由空间信息捕获模块捕获的带有丰富空间信息的特征图和由多尺度信息融合模块提取的区分力强且多尺度信息丰富的特征图将融合为一个新的信息丰富的特征图集合,经过多核卷积块细化之后,最终运用数据依赖的上采样（DUpsampling）操作得到图像分割结果。结果 此模型在2个公开数据集（Cityscapes数据集和PASCAL VOC 2012数据集）上进行了大量实验,验证了所设计的每个模块及整个模型的有效性。新模型与最新的10种方法进行了比较,在Cityscapes数据集中,相比于RefineNet模型、DeepLabv2-CRF模型和LRR（Laplacian reconstruction and refinement）模型,平均交并比（mIoU）值分别提高了0.52%、3.72%和4.42%;在PASCAL VOC 2012数据集中,相比于Piecewise模型、DPN（deep parsing network）模型和GCRF（Gaussion conditional random field network）模型,mIoU值分别提高了6.23%、7.43%和8.33%。结论 本文语义分割模型,提取了更加丰富的多尺度信息和空间信息,使得分割结果更加准确。此模型可应用于医学图像分析、自动驾驶、无人机等领域。     

基于AIS风电机组故障诊断与偏航控制系统研究

基于人工免疫算法,设计了一种风电机组故障诊断与偏航控制一体化系统。该系统包含故障诊断免疫子系统代理和偏航控制免疫子系统代理。首先归结出了风电机组的不同故障类型与偏航控制条件,并建立了两个免疫子系统代理的抗原与抗体对应表。然后采用对抗原与抗体进行统一编码的方法,计算抗原与抗体之间的亲和力,实现了抗原与抗体的识别结合过程。最后仿真实验结果表明,该系统能够高效地协同工作,诊断已知故障类型(抗原),并能自动给出对应的解决措施(抗体);能够根据不同的风速风向条件(抗原)给出最优的偏航控制策略(抗体)。通过与传统PID控制相比,本文提出的系统具有更好的稳定性和鲁棒性。     

基于深度迁移学习的大雾等级智能认知方法研究

已有雾气检测模型存在缺陷以及深层神经网络优化存在困难。模仿人类认知模式,借鉴迁移学习和闭环控制理论思想,探索了一种基于动态交错组卷积的雾气等级智能认知方法。首先,构建交错组卷积层以降低卷积运算的通道冗余;其次,构建可区分性测度指标和认知决策信息系统,获取雾气图像多层次差异化简约特征空间数据结构;再次,设计深层随机配置网络分类器,构建具有强泛化能力的分类准则;最后,基于广义误差和熵理论,仿人类反复推敲比对的认知模式实时评测雾气等级认知结果的可信度,基于迁移学习机制实现雾气图像多层次差异化特征空间及其分类准则的自寻优重构,对可信度低的雾气图像进行再认知。15 000幅大雾图像的平均识别率为95.98%,实验结果表明,所用方法与其他算法相比,增强了模型的泛化能力,提升了模型的认知精度。     

基于深度集成学习的人脸智能反馈认知方法

人脸识别技术是深度学习的重要研究领域。为了克服传统开环人脸认知模式以及深层神经网络结构的缺陷,模仿人类实时评测认知结果自寻优调节特征空间和分类认知准则的认知模式,借鉴闭环控制理论思想,探索了一种基于深度集成学习的人脸智能反馈认知方法。首先,基于DEEPID网络建立人脸图像由全局到局部具有确定映射关系的非结构化特征空间;其次,基于特征可分性评测和变精度粗糙集理论,从信息论角度建立非结构化动态特征表征的人脸认知决策信息系统模型,以约减非结构化特征空间;再次,采用集成随机权向量函数连接网络,构建简约非结构化特征空间的分类认知准则;最后,构建人脸认知结果熵测度指标,为人脸特征空间和分类认知准则的自寻优调节机制提供量化依据。实验结果表明,较已有方法,该方法有效地提高了人脸图像的识别率。     

基于BIA的人体内脏脂肪面积预测云模型研究

人体内脏脂肪面积与人体腹部总阻抗和腹部皮下阻抗测量值存在着强非线性关系,采用小波神经网络云模型建立了人体内脏脂肪面积预测模型。采用八电极法并结合人体腹部形状特征和人群特征属性,构成预测模型输入量。对不同条件的输入量进行划分,建立对应各个输入量的隶属云并进行模糊推理;构建对应于输入量的以小波函数为基函数的网络,采用输入量隶属云模糊推理输出对小波神经网络输出加权平均,以预测人体内脏脂肪面积。对该模型的参数进行训练,并采用训练后的模型对人体内脏脂肪面积预测。实测结果表明,该模型具有较强的非线性函数逼近能力,对人体VFA的预测效果比统计回归模型有明显的改进。     

基于火焰图像的回转窑烧成状态识别方法研究

烧成带状态的准确识别是回转窑烧结过程中最为关键的一环.给出了一种新颖的基于火焰图像的烧成状态识别方法.首先,基于一种新颖的设计方法得到的压缩Gabor滤波器组作为预处理阶段,增强具有不同纹理特性的物料区域和火焰区域的可分性.然后,对预处理后的火焰图像采用主成分分析寻找特征火焰图像,通过关联每幅火焰图像与特征火焰图像提取火焰图像的全局特征向量,最终经由概率神经元网络分类器对特征向量进行分类识别.实验结果表明了该方法的有效性.     

基于仿生模式识别的手写体汉字识别方法的研究

为了提高机器识别汉字的容错性和准确性,运用仿生模式识别手写体汉字,并以机器"认知"取代机器对特征样本的"区分",研究了手写体汉字的识别方法。该方法先采用双权值椭圆形神经元对汉字的横、竖、撇、捺4类基本笔段进行覆盖;然后通过分析笔段神经元间的拓扑性质来合成具有容错表征方式的6种汉字笔划类型;接着模仿人类汉字形码输入法,通过统计具有冗余容错形状的笔划神经元类型、数量、位置和相合相交数量,建立了手写体汉字特征知识的数据结构表;最后模仿人学习、记忆及对比判断的能力,先验地建立了标准印刷汉字的样本知识库和容错匹配方法。通过对SCUT-IRAC手写体汉字库中的简单和较复杂手写体汉字识别进行的仿真实验结果表明,该方法具有接近人类识别汉字的容错性和准确性。