光谱编码计算关联成像技术研究

现有的多光谱成像技术通常采用光学分光的方式，使用多个探测器对成像场景的光谱图像进行采集，导致现有成像系统复杂，数据量大、效率低。针对现有技术的不足，提出基于正交调制模式的光谱编码计算关联成像技术。通过正交光谱编码矩阵融合Hadamard基图案构造投影散斑对宽带光源进行调制，单像素探测器收集成像物体与调制光源相互作用后的反射信号；应用演化压缩技术复原成像物体的混叠光谱图像；利用编码矩阵的正交性质解码出欠采样的光谱分量图像，对分离出的图像应用组稀疏压缩感知算法重构全采样的光谱分量图像，最后融合出成像物体的多光谱图像。通过数值模拟与实验两方面验证了所提方法的高效性。所提的技术简化了多光谱关联成像系统，降低了数据量。光谱编码方法可以扩展到更多的光谱通道，也可以应用在偏振关联成像、信息加密等领域。     

基于多维异构特征与反馈感知调度的SDN内生安全控制平面

为弥补现有研究在软件定义网络(Software-Defined Networking,SDN)控制平面未知漏洞防御方面的空白,本文提出了一种基于多维异构特征与反馈感知调度的内生安全控制平面的设计方案.该方案以"冗余、异构和动态"为切入点,通过组合执行体冗余集构建策略、多维异构元素着色策略和动态反馈感知调度策略,有效增加SDN控制平面对攻击者所呈现的执行体时空不确定性(逆转攻防不对称性).相关仿真结果表明该方案可以收敛全局执行体数目、增加执行体之间的多维异构度并降低系统全局失效率.     

FE-SEA方法在平台支持船噪声预报中的应用

平台支持船由于作业需要通常配备有动力定位系统,其在侧推工况下舱室噪声超标较为严重。针对这个问题采用计算流体力学(CFD)方法,得到侧推螺旋桨作用在导管上的脉动压力,并将时域计算结果转换成噪声计算的激励条件。采用有限元(FE)与统计能量分析(SEA)混合方法建立船体中频段FE-SEA耦合模型并建立船体高频段SEA模型,对某65 m AHTS船侧推工况下全频段(63 Hz~8000 Hz)舱室噪声进行预报,分析该船噪声分布规律及主要影响因素。并建立起全船的SEA模型,在中频段对比SEA与FE-SEA两种方法得到的舱室声压级频谱曲线,验证了使用混合模型的必要性。     

大学生感知价值的付费意愿研究——基于视频网站付费业务的调查分析

本文以感知价值为核心理论,利用437份问卷调查结果,构建结构方程模型,研究大学生群体视频平台付费意愿.结果表明:大学生对视频网站的感知易用性对感知有用性和感知价值有显著正向影响;感知有用性、娱乐性对感知价值也起到正向作用,而感知价格和风险对感知价值反向影响;感知价值与主观规范对付费意愿起到积极作用,免费价值观对付费意愿起到消极作用.     

多特征检测人形识别安防摄像机设计

针对高准确率和快速跟踪摄像功能的需求,基于机器视觉设计了人形识别安防摄像机。首先,确定了整体工作方案;其次,提出一种多特征组合人形识别方法,通过训练3个分类器,分别识别人形正身、侧身和背身,并采用haar特征+adaboost算法实现人形识别和定位功能,再利用PID算法控制步进电机和舵机实现人形跟踪;最后,开发了安卓手机端APP。测试结果表明:多特征组合识别方法能够快速识别人形目标,帧率不低于20Hz;与单特征人形识别方法相比,识别准确率提高27.3%;人形目标追踪时间不超过1.7s;摄像机能够流畅实现WiFi控制、无线监视和录像下载等功能。     

基于GA-BP的汽车风振噪声声品质预测模型

目前对于汽车风振噪声的优化研究主要以声压级（Sound pressure level，SPL）作为单一评价指标，既不能全面反映噪声的物理属性，也无法考虑人耳对噪声的主观认知过程。为准确评价风振噪声，引入声品质，运用大涡模拟（Large eddy simulation，LES）对风振噪声进行数值仿真，根据实车道路试验判断仿真的准确性；对仿真结果进行声品质客观评价与主观评价，综合声品质客观评价参数与声品质主观评价试验结果建立BP神经网络预测模型；利用遗传算法（Genetic algorithm，GA），进一步对BP神经网络的结构参数进行优化，建立GA-BP声品质预测模型。研究结果表明，GA-BP声品质预测模型在训练速度和预测精度上都优于BP神经网络预测模型。预测模型基于声品质主客观评价结果，其预测值可以代替传统的声压级评价指标，为风振噪声提供更为准确合理的评价。     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

煤泥燃烧过程中汞的迁移行为研究

采用在线汞测试方法，以山西省低热值煤电厂中掺烧的煤泥为研究对象，利用实验室小型流化床，研究煤泥中汞的热转化行为差异及共性特征、影响煤泥热转化过程中汞迁移的关键因素，以揭示煤泥热转化过程中汞污染物的迁移机理。结果表明，同一种煤泥，相同气氛，800、900、1 000 ℃下，燃烧温度对煤泥中的汞的释放比例没有变化；相同温度，汞的释放比例为氮气>空气>氧气。3种煤泥在相同燃烧条件下，汞的释放特征相似，元素汞的释放量和释放比例差异较大。释放量与煤泥中的汞含量正相关，释放比例与煤泥中汞的赋存形态有一定关系。