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.     

采煤机滚筒装煤效率优化

以雁崖薄煤层矿井采用的WG-2×125/571-WD型滚筒采煤机为研究对象,在阐述了滚筒装煤机理的计算过程后,利用MATLAB软件对叶片螺旋升角与装煤效率进行了模拟仿真,获得了螺旋升角的最佳值,接着利用PFC颗粒流软件将改进后的滚筒结构与原滚筒结构进行了模拟仿真.通过仿真得知:改进后的滚筒结构不仅能有效提高抛煤速度,而且能缩短煤流在叶片上的滑移时间.     

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。     

基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

四旋翼长续航飞行模式的设计与实现

更长的飞行时间是四旋翼无人机领域研究热点方向之一;在对实际飞行中瞬时消耗电流和电池电压数据的研究中发现,过大姿态角下电池电量消耗显著提升;为了延长飞行时间和提升电池电量使用效率,提出一种长续航飞行模式;在该模式下,基于现有的角速度串级PID姿态控制器,将飞行加速度的控制算法改为飞行速度控制,限制过大姿态角的操作;在无风、微风和强风环境下的飞行实验表明,长续航飞行模式比传统飞行方式飞行时间增加8%~20%;长续航飞行模式可广泛应用于多种无需快速变换飞行路径,但需要更长飞行时间的的应用场景中。     

角行程阀门电液执行器传动结构的分析

介绍了角行程电液执行器的几种常见传动结构,分析了各种结构的力矩输出特性及与阀门配套的特点。     

专题:6G的智能通信计算融合技术

内容导读目前,针对潜在6G关键技术的场景与需求研究成为学术界的热点。面向未来更多类型终端的智能互联与新兴服务的需求,人工智能应用于无线通信物理层的信道估计、编译码及接收机设计,解决基于大数据的网络自主优化,基于泛在无线感知和边缘侧的强大算力构成的多接入边缘计算,已成为6G无线技术发展的重要趋势。在未来智能车联网、物联网、有人/无人交互、全息通信等场景下,面向未来的智能通信计算融合需求,存在许多拟待解决的关键科学问题。     

肌电信号选择对下肢关节连续运动估计的影响

介绍了利用肌电信号实现人体运动识别的发展状况和相关方法。针对肌肉选择对下肢关节角度预测性能的影响这一问题,构建了肌电信号组合集,并建立了高阶多项式模型以及提出的改进模型实现对肌电信号子集到关节角度的映射。利用最小二乘法对模型参数进行了辨识,并对比验证了这两种模型的有效性,确认了最佳肌电信号组合与模型自由度。结果表明,提出的改进高阶多项式模型对不同肌电信号组合实现关节角度预测具有更稳健的效果,同时,下肢关节连续运动识别的最佳肌肉选择不一定与关节运动直接相关。