快速近似计算Shapley值的归因解释方法

Shapley值归因解释方法虽然能更准确量化解释结果, 但过高的计算复杂度严重影响了该方法的实用性. 本文引入KD树重新整理待解释模型的预测数据, 通过在KD树上插入虚节点, 使之满足TreeSHAP算法的使用条件, 在此基础上提出了KDSHAP方法. 该方法解除了TreeSHAP算法仅能解释树结构模型的限制, 将该算法计算Shapley值的高效性放宽到对所有的黑盒模型的解释中, 同时保证了计算准确度. 通过实验对比分析, KDSHAP方法的可靠性, 以及在解释高维输入模型时的适用性.     

基于SSD的眨眼与打哈欠检测

提出了一种新的基于SSD网络的眨眼与打哈欠检测。首先,对原SSD架构进行四个方面的修改。第一,主干网用MobileNetV3替换了VGG,使得架构尺寸缩减三分之一。第二,重新设计了输出检测器,实现了目标检测与分类、目标定位与高宽比回归多任务的融合。第三,网络直接回归高宽比,比传统的从关键点离线计算高宽比的方法鲁棒性要高。第四,省去了非最大抑制层(NMS)中的重叠度(IOU)计算和阈值设定,使得单目标检测速度提高了40%。另外,在数据集YawDD上验证了所提出方法的有效性,眨眼与打哈欠的测全率为95.1%与100.0%,在单卡2080Ti上实现了41fps的高检测速度。     

水泥对红壤pH值及植物生长影响的试验研究

中国南方地区广泛分布的酸性红壤严重影响植物的正常生长.针对此问题,以水泥掺量为0.1％、1％、2％、3％、4％的红壤为研究对象,开展了水泥对红壤pH值影响试验和盆栽种植试验.水泥对红壤pH值影响试验结果表明:红壤pH值随着水泥掺量的增加而增加,并随养护时间增加,pH值不断减小.养护28 d后,水泥掺量每增加1％,红壤pH值增加0.75.盆栽种植试验研究表明:当水泥掺量为0.1％时,狗牙根发芽率和生长高度表现最好,随着水泥掺量的增加,狗牙根发芽率降低,生长高度不断减小.水泥掺量每增加1％,狗牙根发芽率减少12.63％,狗牙根生长高度排序为:0.1％＞1％＞2％＞3％＞4％.     

基于模型预测控制的半潜漂浮式风机协调控制方法研究

研究漂浮式海上风力发电考虑输出功率与机械载荷的协调控制，有助于提高深远海风机运行的经济性和安全性。为实现漂浮式风机的多目标控制，以NREL 5MW半潜漂浮式风机为研究对象，在Matlab/Simulink平台上设计并搭建增益调度多模型预测控制器(gainschedulingmulti-model predictive controller,GM-MPC)。基于各稳态工况下风机开环动态性能的分析以及模型线性化处理，建立半潜漂浮式风机控制模型，与高保真FAST模型仿真对比，验证了所建控制模型的准确性。在实现模型预测的基础上，根据实际风机工况和约束条件，以为减少功率波动、塔架载荷和执行器动作次数为目标，优化求解出每一时刻下的最优控制量，从而实现GM-MPC的滚动优化。为证明控制器的有效性，在多种风-浪联合载荷的工况下，与基于蚁群优化算法的独立变桨控制策略进行了对比实验。结果表明，所设计的控制策略使半潜漂浮式风机在满足功率平稳性的同时降低了机组的机械载荷，使其能适应深远海环境下的复杂运行工况。     

新旧钢规下重级钢吊车梁疲劳验算的对比分析

疲劳验算是重级钢吊车梁设计的重要内容,新版《钢结构设计标准》引入疲劳截止限的快速判别法,明确区分正应力幅和剪应力幅,并对验算部位的类别进行重新划分。为了更好地把握重级钢吊车梁的疲劳验算要点,让新钢规可以更有效地指导吊车梁设计,本文对新、旧钢规的疲劳验算进行归纳总结,并结合具体工程实例进行分析计算。结果表明:当吊车梁承受高应力幅时,利用疲劳截止限快速判别出正应力幅一般较容易满足,而剪应力幅较难满足,需按容许应力幅法进一步判断。此外,通过理论公式和Sap2000有限元软件相结合的方法,对3种变截面吊车梁的疲劳验算结果进行对比分析,得出疲劳应力幅大小关系:圆弧突变式>渐变式>直角突变式。其中对于直角突变式吊车梁,其理论计算的疲劳应力集中系数偏大于有限元分析值,验证了新钢规中关于直角突变吊车梁对抗疲劳更为有利的结论。     

发明与专利

本发明公开了一种用于无人载具控制器的传感器高频震动传导阻隔减震方法,是包含似不限十利用无人载具控制器外壳与高频震动传导阻尼材料柱相连,并通过高频震动传导阻尼材料柱紧扣住传感器电路板,将传感器电路板悬空置于控制器内,同时通过无人载具控制器外壳锁紧时压缩高频震动传导阻尼材料柱,将高频震动传导阻尼材料柱内部的空气进行压缩。     

一种基于SVD的改进LTS气动数据异常检测方法

用稳健的最小截平方和(LTS)估计检测气动数据中的异常,但气动数据是海量和高维的,使得LTS要求解的矩阵维数很大,造成巨大的时空开销.为此,引入迭代的奇异值分解(ISVD)求解LTS的最小二乘问题,实现更快的异常检测.实证分析采用某飞行器外形数据,分别运用OLS,FastLTS以及ISVD-FastLTS对数据集进行异常检测和对比分析.实验证明,相比于传统方法,ISVD-FastLTS能更加快速且准确地识别异常值.