基于能量最优的多约束小卫星碰撞规避控制

针对小卫星间近距离碰撞的问题,提出一种多约束下的能量最优的碰撞规避控制.采用轨道力学和数学表征法建立惯性系下的小卫星轨道动力学模型和约束模型,根据上述模型制定碰撞规避策略,通过数值分析给出最优的轨道系下的控制方向和控制时刻,利用坐标系变换获得惯性系的控制方向,依据霍曼变轨理论给出最优条件下的速度增量.数学仿真给出有约束的碰撞规避轨迹,证明设计的碰撞规避算法的有效性和可行性.     

下肢外骨骼机器人动态建模与步态跟踪LQR控制

针对下肢外骨骼机器人步态轨迹与参考轨迹存在较大跟踪误差的问题,提出一种线性二次型调节器(LQR)控制方法来取代常规PD控制.根据牛顿-欧拉方程和系统参数辨识,建立人机一体化的下肢外骨骼机器人系统的动态模型,并进行LQR控制参数设计和稳定性分析.仿真和实验结果表明,基于LQR控制的下肢外骨骼机器人能很好地跟踪步态参考轨迹,误差比PD控制更小.上述建模方法和控制策略有效,为下肢外骨骼机器人的研究和设计提供参考.     

宽带物联网信息接收端隐私抗泄露算法仿真

针对网络中信息接收端数据传输过程中受到链接攻击,导致个人隐私泄露的问题,提出一种宽带物联网信息接收端隐私抗泄露算法.分层分析宽带物联网关键技术,对物理层、通信层以及应用层进行控制和调试,依据被动响应得到私有数据属性、对应函数以及矩阵配置.计算数据泄露与高维函数空间显示间的平衡值,通过Mercer理论运算最优线性回归函数,从而建立了物联网数据信息隐私抗泄漏检测的相空间重构模型,保护用户的隐私信息.实验结果,上述方法具有功能性强、时间短特点,能够保证加密后的隐私信息的完整性,加强宽带物联网信息的安全性.     

融合显著信息的白色污染图像自动标注算法

针对传统方法无法精准获取目标信息,导致标注结果不精准的问题,提出融合显著信息的白色污染图像自动标注算法.运用RC算法提取显著性信息,融合物体级别先验信息,增强显著性的目标一致性.利用全变差范数对图像实施正则化约束,将运动模糊点扩散函数具备的稀疏性和连续平滑性应用在图像正则化约束分析中,获取图像底层特征信息,再根据FCM算法,得到各个模糊组的聚类中心,通过遗传算子消除聚类中心收敛至极值的现象,反复搜索获得最优解.根据Sim-MSVM建立多类支持向量机最后引入损失函数实施优化,获得SimMSVM的类判别函数,经过逐步运算,最终实现白色污染图像的自动标注.实验结果表明:所提算法具有较高适用性、有效性以及准确性.     

基于SLIC和马尔科夫随机场的H.264视频对象分割

为了提高H.264压缩域视频对象分割时的鲁棒性和准确性,提出了一种基于简单线性迭代聚类(SLIC)和图割优化的马尔科夫随机场(MRF)运动对象分割算法.算法直接利用从摄像机产生的H.264压缩码流中提取的运动矢量.首先对运动矢量场进行预处理,然后构建基于改进的SLIC分割的马尔科夫模型能量函数,最后利用图割法求解能量函数进而分割出运动对象.在公开的数据集上进行实验表明,与近年来经典压缩域视频对象分割算法相比,上述算法在复杂背景下可以有效提高分割的准确率和F度量,运算速度平均提高约1.85倍.与先进的像素域分割方法相比,运算速度提高了5倍,算法适用于实时性要求较高的视频监控场合,可有效减少数据存储和处理的内存需求.     

基于混合潮流算法的多能源互补调度仿真研究

充分考虑综合能源系统受外部能源供应条件以及能源设备的影响,为了降低多能源耦合潮流计算复杂度,提升工程应用的可操作性,提出基于混合潮流算法的多能源互补调度仿真.依据经济指标、安全可靠性指标以及清洁性指标建立多能源互补调度优化模型,设定能量转换枢纽单元输出容量约束、能量转换枢纽单元多能流耦合约束、供能平衡约束、设备运行约束四项约束条件,利用多目标最优混合潮流计算平台基于非劣排序遗传算法求解多能源互补调度优化模型,利用所输出最优解实现混合潮流算法的多能源互补调度.仿真分析结果表明,该方法可实现综合能源系统的多能源互补调度,经济性以及静态安全性提升幅度明显.     

基于线性补偿的测距传感器结构设计与参数优化

本文分析了传统的三角法结构和原理,传统的三角法测量虽然测量精度较高,但是测量范围小,为此引出了新的设计方案,推导出了测距方程表达式,并对其参数进行了优化,此结构与传统三角法结构相比,在不改变线阵CCD传感器尺寸的情况下,适当改变各参数的大小可大大提高测量范围。由于各参数之间的约束关系及三角法的结构造成在大量程测量时线性度与精度不断下降,因此提出了一种基于线性补偿的高精度测距方法,用最小二乘法思想对曲线拟合,经数值分析与线性补偿最后使物体位移与像点位移线性输出,降低了系统的误差。经理论分析,此方案是可行的,同时为实现高精度大位移的测量提供了参考的依据。     

基于时序特征和集成算法的用户购买预测

大数据时代,电商平台积累了大量用户在平台上的行为数据,比如浏览、点击、下单和加入购物车等等.如何使用机器学习算法去探索大数据背后的用户消费喜好和习惯成为了一个新的研究热点.本文主要在特征工程和模型搭建两个方面对用户购买预测的效果做出提高.通过深入理解电商业务知识,利用统计学知识,分别从用户、商品和评论数据等多个方面的数据构建了115个特征;在模型搭建方面,主要设计了一个两层融合模型,第一层采用了XGBoost、CatBoost和逻辑回归作为基分类器,从不同的角度考虑用户购买预测,第二层采用加权平均的方法对基类模型的预测结果进行融合,其权重由线性分类器学习生成.实验结果表明该融合模型的F1评分要高于个体分类器,并且多次实验证明,融合模型的稳定性也要比个体分类器好.     

线性回归和BP神经网络在噪声监测中的应用

噪声监测系统能够自动测量噪声分贝值,并实时处理系统监测到的各种声音环境信息,但是在噪声监测系统的实际应用中,噪声的分贝值受到温度、湿度和大气压力等多个因素影响,与实际值存在误差.为了提高噪声的测量精度,必须使用相关技术进行校正,系统采用了线性回归和BP神经网络技术,研究了预测模型的因素和系数,分析了模型中因素的相关性,获得了噪声监测的自动校正模型.从线性回归和BP神经网络自动校正数据的测试效果看,优化了测量数据的容错性并改进了数据校正的精度,使预测模型的判定系数R2的值有了较大提升.     

微信流量特性分析与建模

微信是现代互联网的主要应用之一,到目前为止有关微信流量特性分析与建模的研究较少.本文以微信流量为研究对象,分析验证微信流量同时具有自相似性和突发性.针对这两种特性进行微信流量建模,采用线性分形稳定噪声模型刻画微信流量特性,完成了模型的参数估算和效果分析.本文的研究成果是后续的网络性能分析、网络流量监管等的基础.