基于学习的核偏最小二乘法优化扩展卡尔曼滤波

为了解决非线性系统参数不确定和噪声信息不准确导致EKF随时序估计误差较大的问题,利用核偏最小二乘法与系统方程参数和噪声信息无关的特点优化EKF。先将量测数据和EKF的收敛估计作为学习样本,建立KPLS预测模型,然后,融合KPLS和EKF的预测值进行状态估计;同时,若状态估计的收敛判据为真,将估计值作为学习样本,并利用滑动窗口更新KPLS核矩阵,使KPLS能时序预测;若收敛判据为假,则更新量测协方差。最后,通过实验仿真的方法,分析KPLS-EKF算法的收敛性和性能。实验结果表明：KPLS-EKF能够有效地解决非线性系统参数和噪声信息不准确导致的EKF误差较大的问题。     

基于深度特征融合的空间植物图像分割算法

空间植物培养实验作为空间科学的一项重要研究,通常会获得大量的植物序列图像,传统的处理方法多采用人工观察,以供后续的进一步分析。本文提出一种基于多尺度深度特征融合的空间植物分割算法。该方法应用全卷积深度神经网络来提取多尺度特征,并分层次地融合由深层到浅层的特征,以达到对植物进行像素级的识别。分层次的特征融合了语义信息、中间层信息和几何特征,提高了分割的准确性。实验表明该方法在分割准确性方面表现良好,能够自动提取空间植物实验中的有效信息。     

掺砾黏土蠕变性质的三轴试验

为分析掺砾量、围压和应力水平对掺砾黏土蠕变性质和规律的影响,对以不同黏土和砾混合比备制的掺砾黏土进行了不同围压和不同应力水平下的三轴排水蠕变试验。土样掺砾量分别为30%、40%、50%和70％,试验围压50kPa~200kPa,应力水平0.21~1.04。试验结果表明掺砾黏土受荷后发生较明显的瞬时变形和蠕变变形,其蠕变变形将趋于一稳定值;蠕变变形随应力水平和围压的增大而增大,随掺砾量的增加而减小。提出一个三参数经验蠕变方程以表示掺砾黏土的应力水平-轴向应变-时间关系,其中轴向应变-时间关系和应力水平-轴向应变关系以双曲线方程表示,并分析了模型参数的意义和取值。     

海军弹药作业资格认证程序

通过有关文献,研究了美国海军弹药作业资格培训与认证程序。分析了其适用范围、机构分工、职责要求、工作代码、作业级别、认证程序、资格取消和撤销等规定性要求。     

德国机床工业的发展经验

德国是世界上机床技术先进、机床工业发达的国家。虽然德国的机床生产起步比美国晚50年,但由于从业人员素质高、熟悉加工工艺、潜心进行机床试验以及勇于技术创新,其机床技术先后超过法国和英国,又赶上了美国。这其中有很多值得我们学习的东西。     

非稳态轧制过程的热力耦合刚塑性有限元模拟

采用三维大变形热力耦合刚塑性有限元法对平板轧制咬入阶段进行仿真,仿真条件与实际轧制过程一致。将仿真结果与实际生产数据进行比较,结果表明采用该方法对非稳态轧制过程进行仿真是可行并且可靠的。研究了非稳态阶段的轧制力分布特点和轧件的变形特点,分析了轧件表面温度对头部厚跃现象的影响规律。
     

基于SysML的航电系统架构安全性评估方法

针对现有系统安全性分析方法中安全性分析与航电系统架构设计过程无法融合的问题,提出基于SysML的航电系统架构安全性评估方法。首先在EA中基于SysML建模语言建立系统架构模型;然后利用XML解析技术从中提取系统关键信息,并建立故障树模型对其失效概率与区域安全性等进行分析,得到安全性评估结果;最后基于SysML语言对IMA架构下的显示系统进行架构设计和安全性评估,评估结果验证了所提出安全性评估方法的有效性。      

云数据中心中负载均衡的虚拟机调度方法

 本文研究在主机之间迁移虚拟机来提高系统负载均衡度（包括2个方面：CPU和disk I/O）,同时尽可能地降低迁移代价。因此,目标是寻找主机和虚拟机之间尽可能优的映射方案。本文提出虚拟机的亲和力概念,并且定义了亲和力指数的计算方法,然后建立基于遗传算法的虚拟机调度模型。在这个模型中,交叉操作驱动映射方案的亲和力指数尽可能地增加,变异操作使得主机的CPU和disk I/O的差值趋于收敛。在每一代中,选择策略将亲本个体和子代个体分为一组,并选择较大适应度的个体遗传到下一代,从而使得种群不断地进化,得到最终的映射方案解空间。本文提出基于遗传算法的虚拟机均衡调度算法。该算法选取最终映射方案解空间中的最优解,做到从全局的角度考虑负载均衡问题;提前计算迁移的影响,在得到最优的迁移方案时才进行实质性迁移,从而降低了迁移代价;使用MTALB算法将多类型任务均匀地分配到虚拟机中,系统的负载均衡效果更佳。实验结果表明,就迁移代价和系统负载均衡各项具体指标而言,本文算法相比于首次适应和轮转调度算法以及NABM算法存在全面优势。在任务处理率这一关键指标上,本文算法比首次适应和轮转调度算法及NABM算法分别平均提升了25%和12%。     

基于半监督协同训练的百科知识库实体对齐

针对传统实体对齐方法中的有监督学习算法依赖大量标注数据,以及特征表示不适用于百科知识库等问题,提出一种基于半监督协同训练的实体对齐方法。将实体对齐建模为一个带约束的二分类问题,充分利用实体名、属性、描述文本及其中的时间、数值等关键信息,组合生成多维特征;将特征划分为2个相对独立的视图,通过2个视图上分类器的协同训练,迭代地从未标注数据中学习同义实体的分布情况。在2个中文百科上的实验结果表明,使用半监督协同训练方法进行实体对齐的F1值达到84.3%,较其他方法效果最优,证明了其有效性和在百科知识库上的实用价值。