自动锚泊定位系统的张力混合优化算法

针对半潜式海洋平台定位系统的经济性及安全性问题,提出一种能在保证锚链力场均匀分布前提下,实现海洋平台快速准确定位的新方案。该方案以张力的优化结果作为锚链切换的临界值,同时针对系统的不确定性及海洋环境扰动的特点,设计积分型最优保性能控制器来产生抵抗环境扰动所需的控制力。锚链张力优化方面,参照Memetic算法思想,结合遗传算法与模拟退火算法的优点,构造混合算法来优化锚链的张力分布,提高张力优化速率。最后,以某型号的半潜平台为对象进行仿真分析,结果表明提出的方案均衡了张力场的分布,减小了系统的稳态误差并可以保证系统在参数变化时,保持稳定。     

基于DLP的自由立体显示系统构建

设计了满足大屏幕立体显示的柱透镜光栅,提出了光栅焦平面动态搜索法、投影机焦距微调法、匹配纹装配法、快速立体度测试法,实现了立体屏的快速精密装配和测试,提高了立体度并获得了超大屏幕自由立体显示模块。     

故障模型驱动的软件安全性测试研究

根据安全性测试的需求,建立了检测软件内部安全逻辑故障的故障模型,提出了故障模型动态生成算法及基于故障覆盖的安全性测试生成算法,可以有效识别软件是否具备对于故障的安全防护能力,在我国高速铁路列控中心安全性测试中说明了方法的有效性。     

基于Faster R-CNN的钢轨表面缺陷识别研究

外界因素常会干扰钢轨表面缺陷检测仪器,导致其精度和效率降低。文中研究了一种基于Faster R-CNN网络检测钢轨表面缺陷的方法。该方法将预处理后的图像进行反转,利用Radon变换实现钢轨图像的投影。投影曲线中,利用钢轨长度为定值且灰度值小于图像平均值的特性,完成对钢轨表面区域的提取。然后通过区域建议网络提取候选区域,并与Fast R-CNN网络的区域建议对比分析,完成Faster R-CNN网络对钢轨的表面缺陷检测。试验数据表明,裂缝、疤痕、磨损和划伤4种缺陷的识别精度分别为92.17%、91.85%、93.45%和93.27%,证明使用该方法能够高效而又准确地识别钢轨的表面缺陷。     

基于激光轮廓仪的非接触式钢轨廓形检测系统

传统钢轨廓形几何尺寸测量多以手工测量为主,基于激光轮廓仪的高精度廓形检测系统的应用可解决手工测量效率低、误差大的问题。新补充利用中值滤波法对激光轮廓仪采集到的廓形数据进行预处理;通过坐标平移和坐标旋转将坐标系归一化;然后通过二次拟合选择合适的特征点对廓形拼接匹配。经现场测试,钢轨廓形尺寸的重复测量误差小于0.1 mm,绝对测量精度最高可达0.014 mm,满足国家标准对钢轨廓形检测精度的需要,说明该方法有效提高了钢轨的检测效率。     

改进词向量模型的用户画像研究

用户画像技术可以给企业带来巨大的商业价值。针对用户的历史查询词,利用词向量可以得到查询词在语义层次上的表达,但词向量模型对于同一个单词生成的词向量是相同的,使得该模型无法很好的处理一词多义的情况。因此,使用LDA主题模型为每个查询词分配主题,使查询词和其主题共同放入神经网络模型中学习得到其主题词向量,最后采用随机森林分类算法对用户基本属性进行分类构建用户画像。实验结果表明,该模型的分类精度要高于词向量模型。     

基于α-邻近的改进蚁群算法

为克服传统蚁群系统( ACS)在较大规模问题计算中易陷入局部最优,以及求解精度较低等不足,提出一种新的改进蚁群算法。该算法引入最小1-树中的α-邻近概念,能更好地反映给定边属于最优回路的概率,通过转换邻接矩阵,计算出最优回路的下界,以此提高α值的精度,并给出适应性探索策略,加入3-opt领域搜索算子,有效提高优化解的精度。实验结果表明,该算法具有更好的全局寻优能力,与 ACS 等算法相比能获得更加优化的解。     

光照不均匀图像的自适应增强算法

针对光照不均匀场景,提出了一种自适应图像增强算法。根据Retinex理论,采取中心环绕法,利用高斯连续卷积来提取场景的光照分布情况。同时,统计输入图像低亮度区域的大小。构造了一种自适应伽马矫正函数,取光照分布情况与低亮度区域内亮度值中位数的比值作为参数,对图像进行伽马校正。高光照区域参数大于1,对亮度起抑制作用,低光照区域参数小于1,对亮度起增强作用。将顶帽变换后图像和伽马矫正后的图像叠加。顶帽变换可以提升图像的全局对比度,伽马函数可以保留细节信息。两者结合后,可以兼顾图像的全局特性和局部细节信息。视觉感受和客观实验指标表明,与参照算法相比,该算法针对不均匀光照图像增强效果显著。     

普适计算中上下文依赖的主动任务发现

任务计算是一种针对用户如何与设备和服务进行交互的新模式,用户可以只关注需要完成的任务,而不必考虑如何去完成。主动任务发现是任务计算的核心,它依赖于上下文,并能自动组合相应的服务完成规定的操作。在构建任务计算模型的基础上,描述了一种基于上下文依赖的主动任务发现模式,分析了主动任务的结构模型,提出了一种发现任务并执行任务的算法,并通过一个智能教室的应用环境说明了该算法的具体应用。     

任务计算中基于语义Web的上下文感知服务选择

针对普适环境中任务计算的特点,分析了任务计算的层次结构和复杂任务的分解策略,设计了一种任务计算中服务发现的体系结构。此体系结构依赖于服务和内容的语义表示,而这种语义表示是基于本体的、共享的。它不仅可以增强精确度和调用率,而且能够实现知识共享、基于能力的搜索、自主推理以及语义匹配等功能。据此,提出了一种基于语义Web的上下文感知动态服务选择机制,这种机制可以根据待匹配的服务的动态上下文属性来对其进行过滤和排序,从而进一步优化了发现的过程、节约了用户的时间和精力。此外,该选择机制可用于发现有用的静态或动态上下文信息,从而为用户提供最合适、最相关的服务。