基于IHDR的自主学习巡检技术研究

针对无人机路径规划存在只适用于静态场景的问题,提出一种自主飞行巡检方法。利用增量分层判别回归(IHDR)树存储无人机飞行经验,通过当前位置矢量搜索IHDR树,得到飞行控制量。根据当前位置与期望位置的偏差调整输出控制量,实现人造目标的巡检。实验结果表明,与IHDR方法相比,该方法学习时间缩短12.2%,且具有较高的准确率,适用于无人机巡检。     

LTE微型直放站的研究与设计

针对传统直放站的增益控制困难且容易产生自激等问题,提出了一种具有自动增益控制和防自激的LTE微型直放站的设计方法。该款微型直放站采用噪声系数小、增益高的SGA8343芯片和单片机来实现,其上行频段为1 710～1 785 MHz,下行频段为1 805～1 880 MHz。对该款微型直放站的RF电路、ATT衰减电路、AGC控制电路和单片机控制电路进行了介绍,对微型直放站进行了测试与分析。测试结果表明,下行增益约为75 dB,上行增益约为80 dB,平坦度小于6 dB(p-p),噪声系数小于6 dB,可以满足在实际工程中的应用要求。     

基于多任务目标检测的条形码倾斜矫正算法研究

条形码识别技术在日常工作中发挥着巨大作用,尤其是在智能物流包裹分拣领域。该技术主要分为三个部分:条形码检测、矫正和译码。目前条形码检测和译码技术较为成熟,而在条形码倾斜矫正技术上研究效果一般。为提升条形码矫正效果,设计一种矫正算法。先对条形码倾斜程度进行分类,再进行角度回归,有效降低条形码矫正任务难度;并将该算法与单阶段检测器融合构成多任务目标检测算法,协同促进发挥检测和矫正的作用。实验表明:余弦距离角度损失函数更加适合角度回归任务,针对条形码倾斜程度分类有助于提升条形码矫正效果。与其他相关算法对比,该算法在矫正准确率、实际译码率和速度上均取得最优的效果。     

自蔓延高温合成制备钨粉的热力学研究

计算了镁热还原自蔓延高温合成金属钨粉的吉布斯自由能和绝热温度,并进行了实验验证,结果显示:自蔓延高温合成制备金属钨粉在热力学的角度上是可行的,Mg-WO3体系中WO_3在273～2 350 K,2 350～3 200 K和3 200 K以上分别按照WO_3→WO_(2.9)→WO_(2.72)→WO_2→W,WO_3→WO_(2.72)→WO_2→W和WO_3→WO_2→W的顺序被还原成金属钨粉;体系的绝热温度为3 680 K,可以维持自蔓延反应,添加稀释剂可以降低其绝热温度,降低绝热温度的能力由大到小依次为碳酸钠氧化镁氯化钠;Mg-WO_3体系自蔓延高温合成可以制得Dv(50)约为1.39μm的单相金属钨粉.     

UHPC异形多曲面座靠椅的制作

介绍了采用超高性能混凝土(UHPC)材料制作异形多曲面家居座靠椅的工艺方法,填补了家居行业中采用水泥基无辐射无毒材料制作实用家具的国内空白,此类家居具备超强的耐久性、艺术性、环保性以及极高的性价比,能满足广大消费者对高品质的个性化需求。     

提高加盖钢包自开率的研究与实践

首钢京唐300t钢包加盖后自开率明显下降，分析了加盖钢包自开率下降的机理，确定了主要原因是包衬温度升高后造成的液态渣回流。通过对引流砂的流动性、密度和渗钢性研究，设计了一种适用于加盖钢包的引流砂成分配比，并通过控制Al2O3和MgO含量，保证铬矿砂纯度。改进了钢包热修工艺，设计了针对加盖钢包的投砂操作和防钢渣回流措施。研究结果经推广使用后，钢包月不自开炉数由8～9炉降低至2炉以内，综合自开率达99.9%，双精炼工艺自开率达100%。     

基于DAE-BP神经网络的股票预测研究

股票指标数据种类多、维度高，且指标之间存在多重共线性。为了降低数据的维度、消除指标间的多重共线性和预测股票价格，首先构建了基于受限布尔兹曼机的深度自编码器，实现了高维数据向低维空间的压缩编码。然后基于BP神经网络建立了低维编码序列与股票价格之间的回归模型。实验结果表明，深度自编码器提取特征的能力优于主成分分析法和因子分析法；相比较使用降维前的数据，使用编码后的数据用预测股票价格，模型可以减少计算开销，并且获得更高的预测精度。     

基于多尺度高斯核的分布式正则化回归学习算法

针对工业、信息等领域出现的基于较大规模、非平稳变化复杂数据的回归问题,已有算法在计算成本及拟合效果方面无法同时满足要求.因此,文中提出基于多尺度高斯核的分布式正则化回归学习算法.算法中的假设空间为多个具有不同尺度的高斯核生成的再生核Hilbert空间的和空间.考虑到整个数据集划分的不同互斥子集波动程度不同,建立不同组合系数核函数逼近模型.利用最小二乘正则化方法同时独立求解各逼近模型.最后,通过对所得的各个局部估计子加权合成得到整体逼近模型.在2个模拟数据集和4个真实数据集上的实验表明,文中算法既能保证较优的拟合性能,又能降低运行时间.