基于数据质量评价的目标估计

针对目标估计过程需要大量人工参与、自动化程度低的问题，提出了基于数据质量评价的目标估计方法。利用目标数据质量评价方法，对不同传感器得到的目标数据质量进行科学、有效的测度和评价，并根据质量得分动态调整各数据源在目标估计过程中所占的权重，从而减少人工干预，提高目标估计效能。仿真试验结果证明了该方法的有效性。     

能耗优化的神经网络轻量化方法研究进展

近年来，神经网络在语音识别、计算机视觉、自然语言处理等领域都取得了良好的进展.大量的神经网络被部署于诸如手机、摄像头等依赖电池或太阳能供电的小型设备.但神经网络参数量大计算复杂，需占用大量计算资源并消耗电能，从而限制了其在资源受限平台上的应用.学术界和工业界逐渐关注于神经网络的高能耗问题.神经网络轻量化方法可以有效地减少参数数量、降低参数精度或优化计算过程从而降低神经网络能耗.本文从能耗优化的角度梳理了神经网络能耗估算方法和神经网络轻量化方法的基本思路，综述了近年来该领域主要研究成果，并提出了能耗估算和能耗优化的神经网络轻量化方法存在的挑战及进一步研究的方向.其中神经网络能耗估算方法包括测量法、分析法和估算法.能耗优化的神经网络轻量化方法包括剪枝、量化、张量分解和知识蒸馏.对于进一步研究方向我们认为，首先需要建立可自适应网络类型的能耗模型；然后需要考虑平衡精度和能耗的轻量化方法.其次需要实现硬件平台可泛化的轻量化方法；最后开发搜索空间可约束的轻量化方法.     

机器翻译译文质量估计综述

机器翻译译文质量估计(Quality Estimation,QE)是指在不需要人工参考译文的条件下,估计机器翻译系统产生的译文的质量,对机器翻译研究和应用具有很重要的价值。机器翻译译文质量估计经过最近几年的发展,取得了丰富的研究成果。该文首先介绍了机器翻译译文质量估计的背景与意义;然后详细介绍了句子级QE、单词级QE、文档级QE的具体任务目标、评价指标等内容,进一步概括了QE方法发展的三个阶段: 基于特征工程和机器学习的QE方法阶段,基于深度学习的QE方法阶段,融入预训练模型的QE方法阶段,并介绍了每一阶段中的代表性研究工作;最后分析了目前的研究现状及不足,并对未来QE方法的研究及发展方向进行了展望。     

窄带SAW滤波器在频率合成中的应用

频率合成技术是电子对抗与电子系统实现高性能指标的关键,频率合成器的性能好坏直接影响雷达、导航、通信、空间电子设备及仪器、仪表等现代设备的性能。SAW 滤波器工作频率在 10M~ 3GHz 之间,具有稳定性好、高选择度、尺寸小、质量轻等优点,在频率合成中得到广泛的应用。文章根据 SAW 滤波器的原理和优点,介绍并分析其在频率合成中的应用。这种使用窄带 SAW 滤波器来实现低杂散、低相位噪声、模块小型化的频率合成方法,对于频率合成方案设计具有实际的借鉴意义,有助于推动小型化、低相位噪声的频率合成方法的发展。     

适用于高比例风电接入的自适应低电压故障穿越控制策略EI北大核心CSCD

随着高比例新能源电力系统的发展,系统等效转动惯量大幅下降,电网发生故障时,系统频率稳定问题愈发凸显。然而新能源电源传统的低穿控制策略仅考虑电压支撑需求,并未考虑大面积风电机组低穿成功造成的暂态低频问题。基于此,该文提出一种综合考虑电压与频率变化量的自适应低电压故障穿越控制策略。该控制策略通过构建电压与频率变化量指标并比较二者大小实现低电压故障穿越控制策略切换。当电压指标小于频率指标时,切换至有功功率优先模式,通过调整有功电流参考值,增大风机有功功率输出,从而有效缓解传统低穿策略下高比例新能源系统的暂态低频问题;反之,则选择无功功率优先模式,增大风机无功功率输出,以支撑系统电压。与传统低穿控制策略相比,新策略可以兼顾故障期间调压与调频需求,提升风电并网系统的稳定性。最后通过MATLAB/Simulink验证了所提控制策略的有效性。     

超稳光纤链路的理论与实践

超稳光纤链路这个概念包含超稳频率光源和超稳频率传递的光纤链路。从当前看,如何利用已有庞大的公用电信网、专用网的光纤和光网络的资源,选择一个通用的光纤通路改造成超稳光纤链路来实现频率传递,取代基于卫星的频率传递,提高传输的频率精度,这是一个巨大的系统工程。本文对超稳频率光源和超稳频率传递的光纤链路的关键技术进行研究和讨论。     

化工设备泄漏失效频率修正模型研究

化工设备泄漏失效频率数据对化工企业定量风险评估具有重要意义,但目前国内还没有建立相应数据库,在实际应用过程中往往采用国外的数据.介于工业化水平的差异,直接引用国外的数据不够严谨,因此,选取挪威船级社(DNV)公布的数据库为基础,建立合理的修正模型,从而获得适合我国化工行业的通用设备泄漏失效频率数据库,为定量风险评估及设备泄漏概率预测提供数据支撑.     

应用卡尔曼滤波的激振力时域识别方法研究

激振力识别属于结构动力学中的第二类反问题,为识别振动系统的激励力,本文基于卡尔曼滤波器和最小方差估计的方法,分别建立了以系统位移和加速度为输入参数的激振力时域识别方法.推导了两种方法的识别公式,并对两种方法的识别结果和识别结果的稳健性进行了仿真分析.仿真结果表明,两种方法对噪声方差初值的设定均不敏感;以加速度幅值为输入的方法识别精度优于以位移幅值为输入的方法;以位移幅值为输入的方法识别结果稳健性较好.最后采用力锤敲击试验验证了识别方法的有效性和精度.