基于特征层密集连接与注意力机制的宽度学习系统及其在锌浮选过程的应用

本文针对宽度学习存在计算消耗资源大、计算过程冗余数据较多等问题,提出了一种基于特征层密集连接与注意力机制的宽度学习系统(DCA-BLS),并利用其建立锌浮选过程快粗槽底流品位在线预测模型.首先将宽度学习系统的特征层不同窗口进行密集连接,引入弹性网络进行稀疏化处理,利用注意力机制处理特征节点,获得不同特征节点的权值,再将加权后的特征节点与输入的数据相结合,共同作为增强层节点的输入,使模型更为紧凑.在公共数据集和锌泡沫浮选数据上将DCA-BLS与其他预测算法进行了对比实验,实验结果表明,本文提出的方法训练时间短,且相较于其他所比较方法具有更高的准确率.     

基于多层级合作标识无人机自主着舰视觉引导方法

无人机自主着舰视觉引导应用距离跨度大、测量精度要求高,尚缺乏有效的解决方法,针对此问题,提出一种基于多层级合作标识的无人机自主着舰视觉引导方法。该方法首先设计了基于ArUco的多层级组合新型合作标识,利用边缘检测算法对每一层ArUco二维码提取控制点,进一步通过求解PnP(Perspective-n-Point)问题得到机舰间相对位姿信息,然后对每一层二维码所解算出的位姿数据进行非线性误差补偿,利用最小二乘法(Least Mean Squares,LMS)与熵权法解算不同层级二维码的权值大小,最终通过融合不同层级二维码位姿解算结果得到最终的位姿信息,实现大距离跨度范围内的高精度位姿求解。实验结果表明,本文方法实现了大距离跨度范围内机舰间相对位姿参数的高精度测量,可为无人机自主着舰提供可靠引导信息。