生产线故障诊断知识引擎系统的集成推理方法

针对大型复杂连续性生产流水线设备所具有的多部件结构、多层次故障症状、故障的不确定性等特点及对其状态监测和故障诊断的实时性要求,在设计了基于综合动、静隶属度运算的模糊识别法和基于神经网络的并行运算方法的基础上,研制了生产线故障诊断知识引擎系统的集成推理机制,突破了只有单一推理方法的诊断系统在领域知识和推理能力方面的局限性,提高了智能诊断系统对偶然性和不确定性问题的诊断能力,同时在一定程度上解决了诊断系统对生产流水线所具有的大量的状态参数和控制信号等知识获取的"瓶颈"问题以及由此而来的快速推理难题,使该智能诊断系统具有在线实时诊断能力.     

适用于有源电力滤波器的锁相环倍频电路

在有源电力滤波器（APF）设计过程中,需要实时检测谐波指令电流,基于锁相环倍频原理设计了一种基于硬件锁相环的同步采样方法,即锁相环倍频电路,实验结果表明：该锁相环电路能实现实时跟踪,且稳定可靠。     

智能空间助老助残服务机器人人机协作导航

针对具有基本认知行为能力的行动不便老人、肢残人士、运动和语言患者这类服务对象,构建了助老助残服务机器人人机一体化导航系统。用户与机器人之间进行交互,自由切换随机行走和自主导航2种运动模式,机器人根据现场环境和作业条件的不同,实时触发人机条件响应生成规则而产生相应的行走行为,作业时人机界面同步呈现虚实结合、实时交互的智能空间,实现人机一体化感知、决策与执行。以移动作业服务机器人为对象进行室内人机一体化导航作业,验证了该人机一体化导航系统的可行性。     

智能家居中语义知识表达及推理研究

针对地源热泵智能家居“以用户为中心”的需求,文中将语义技术和X列表引入智能家居领域,并建立包括用户、环境变量、需求任务、设备资源和服务5大本体要素列表的语义智能家居模型。在语义推理方面,提出并构建了基于jena的跨列表交互规则,使智能家居各列表互相联系,智能家居本体知识库、规则库和jena推理机进行封装并按需组合推理,可为用户提供个性化服务,实现智能家居的语义人工智能化。文中最后进行了智能家居系统开发,并列举典型应用场景说明了语义智能家居系统的可行性。     

一种基于生成树的分类去除关联规则冗余方法

在信息及数据爆炸的时代,冗余问题已经成为数据挖掘者获得知识的重大障碍,而目前解决的方法会导致关联规则的不完整性。基于此,文中引入了有向超图表示关联规则,重定义了邻接矩阵,介绍了冗余规则分类处理思想,将冗余规则分为从属规则和重复路径规则,通过VB编程去除了从属规则冗余,以及利用生成树算法去除了重复路径规则冗余。实验结果证明,此方法创新性地结合了图论中有向超图、生成树与关联规则的知识,维护了关联规则的完整性和准确性,同时去除了全部冗余规则。     

基于RCNN的问题相似度计算方法

在搜索引擎、问答系统中利用深度学习的方法计算问题相似度是NLP领域研究的热点。结合卷积神经网络（CNN）和长短记忆网络（LSTM）,提出了递归卷积神经网络（RCNN）问句相似度的计算方法,首先利用双向递归神经网络提取上下文信息,然后采用1D卷积神经网络将词嵌入信息与上下文信息进行融合;再利用全局最大池化提取关键信息来完成问句的语义表示;最后通过匹配层判断问句对的相似度。在Quora Question Pairs数据集上的实验结果表明,该相似度计算方法准确率为83.57%,优于其他方法。     

基于视觉和定位系统的无人艇自主对接系统

为实现对无人艇的自主回收,通过无人艇和悬浮托架的双向视觉导引,构建基于视觉和定位系统的无人艇自主对接系统.视觉对接系统通过检测网络分别检测出图像中的无人艇和悬浮托架.针对托架视觉检测的目标,利用位置定位信息排除非目标艇,采用单目标跟踪算法(CSR-DCF)对目标艇进行跟踪.为实现无人艇和托架的高精度稳定检测,在Tiny-YOLOv3的基础上,基于细节特征的需求,构建小尺度检测分支,提出一种定位增强轻量级检测网络,对于艇、托架的定位性能分别提升3.48％mIOU、4.32％mIOU,检测精度分别提升4.97％AP、6.17％AP.自主对接系统在二级海况下对接成功率达到90.9％.     

基于人工蜂群与模糊C均值的自适应小波变换的噪声图像分割

针对传统模糊C均值（FCM）聚类算法在处理噪声图像时易受到噪声影响的问题,提出了基于FCM的小波域特征增强的噪声图像分割方法。首先,将噪声图像进行二维小波分解;其次,对近似系数进行边缘增强,同时利用人工蜂群（ABC）优化算法对细节系数进行阈值处理,并将处理后的系数进行小波重构;最后,对重构后的图片使用FCM算法来进行图像分割。选取5幅典型的灰度图像,分别添加高斯噪声和椒盐噪声,使用多种方法进行分割,以分割后图像的峰值信噪比（PSNR）和误分率（ME）作为性能指标,实验结果表明,所提方法分割后的图片相较于传统FCM聚类算法分割方法和粒子群优化（PSO）分割方法分割后的图片在PSNR上最多分别有281%和54%的提升,在ME上最多分别有55%和41%的降低。可见所提出的分割方法较好地保留了图像边缘纹理信息,其抗噪性能与分割性能得到了提升。     

基于TPE的SpaRC算法超参数优化方法

宏基因组序列组装在计算和内存上面临着巨大挑战。SpaRC(Spark Reads Clustering)是基于Apache Spark的宏基因组序列片段聚类算法,为来自下一代测序技术的数十亿测序片段聚类提供了一种可扩展的解决方案。但是,SpaRC算法参数的设置是一项非常具有挑战性的工作。SpaRC算法拥有许多对算法性能有着很大影响的超参数,选择合适的超参数集对于充分发挥SpaRC算法的性能来说是至关重要的。为了提高SpaRC算法的性能,探索了一种基于树状结构Parzen估计方法(Tree Parzen Estimator,TPE)的超参数优化方法,其能够利用先验知识高效地调节参数,并通过减少计算任务加速寻找最优参数,达到最佳聚类效果,从而避免昂贵的参数探索。对长序列片段(PacBio)和短序列片段(CAMI2)进行实验,结果表明,该方法在改善SpaRC算法性能方面有着良好的效果。     

欺骗攻击下网络化系统事件触发安全控制

针对网络控制系统受欺骗攻击问题,提出了事件触发器与安全控制器协同设计策略。提出了离散事件触发机制,克服了连续事件触发机制需要新增专用硬件且需要复杂计算避免芝诺现象局限。建立了有机融合欺骗攻击、事件触发机制、网络诱导延时及外部扰动多约束参数的闭环系统时滞模型,推导出了欺骗攻击下事件触发控制系统渐近稳定的充分条件,得到了事件触发器与安全控制器的协同设计条件。仿真验证了方法的有效性。