基于最近邻与神经网络融合模型的软测量建模方法

软测量建模能够有效地解决生产过程中在线分析仪表测量滞后大、价格昂贵、维护保养复杂等问题。目前，基于数据驱动的神经网络是软测量建模的主要工具之一。而在建模数据的采集过程中，主导变量的采集相对辅助变量要困难得多，由此产生了大量缺失标签的数据。但传统的软测量建模方法却忽视了这些无标签数据，只利用少量的有标签数据建模，从而影响了模型的预测精度。为了解决标签缺失的问题，采用最近邻算法对无标签数据进行伪标记，同时设计了由卷积操作与门限循环单元神经网络（GRU）结合的网络结构来进一步利用无标签数据，提取不同时刻数据中的动态特征，提高神经网络的预测精度。最后将该方法应用于丙烯精馏塔塔顶丙烷浓度的预测，实验结果表明该模型能有效处理非线性动态系统的标签缺失问题，具有更高的预测精度。     

基于门控单元循环神经网络的台风路径预测

传统的神经网络结构不能很好地处理序列问题。通过对历史台风数据库中的台风分类,提出基于门控单元网络的台风路径预测模型。利用历史台风的经纬度信息,分别用普通循环神经网络、长短时记忆网络和门控单元网络预测台风未来6小时位置信息。实验表明,在测试集上门控单元网络具有最小的平均绝对误差,能够有效提高路径预测精度,与稀疏循环神经网络预测方法相比,有更小的平均绝对误差。     

基于协同优化算法的流速仪检定系统设计

提出了一种小型轻便的流速仪检定系统的设计方案,并运用改进的多学科协同优化方法求解各学科设计变量的最优解。首先介绍了算法思想及改进措施,并根据系统设计要求建立了各学科的设计变量、目标函数和约束条件；其次,运用遗传算法求解各学科设计变量的最优解,并根据优化结果完善了系统的设计方案,同时运用计算机仿真等方法验证了优化结果的可行性。结果表明,优化后的检定系统满足流体力学效应、匀速运动时间、系统重量等设计要求,同时证明了协同优化算法解决多学科设计优化问题的有效性。     

基于显著图的红外弱小目标动态规划检测前跟踪算法

针对低信噪比复杂背景红外图像弱小目标检测虚警率高的问题,提出一种基于显著图的红外弱小目标动态规划检测前跟踪算法.该算法采用改进的局部区域差分算子提取显著图,根据注意力转移机制设计搜索策略,利用目标移动速度实时更新搜索范围,对多帧连续的显著图进行滤波跟踪,实现对红外图像弱小目标检测.实验结果表明,文中算法在对弱小目标进行有效检测的同时降低虚警率,提高了图像的检测效率.     

船舶分段多工位协同制造系统数学模型研究及应用

针对船舶分段制造生产过程中存在的生产计划柔性差、异常信息处理不及时、系统变化响应速度慢等问题,提出针对生产过程工位级的协同控制系统,通过开展协同模型分析,多工位间协同动态调整机制,构建多工位协同系统制造数学模型,采用案例对协同结果进行验证。通过应用多工位协同数学模型可有效提高生产计划精度和柔性,实现船舶制造车间互联互通,对提高船舶制造生产效率具有重要意义。