云化元件区域重要度的构建与认识

为了使SFT中的相关概念和计算式更便于应用,且能表示原始故障数据的不确定性,使用云模型对SFT的相关概念进行云化。论文是云化环节中的一部分,即云化元件区域重要度,包括云化元件区域概率重要度和云化元件区域关键重要度。云化后的元件区域重要度能充分反映数据的模糊性、随机性和离散性,并且其计算过程较原方法更为实用。应用SFT一贯算例,结果表明各元件的云化元件区域概率重要度和云化元件区域关键重要度排序相同,即 。最后论述了云化元件区域重要度的必要性和意义。     

SFT下的云化概率和关键重要度分布的实现与研究

为了完善空间故障树(Space Fault Tree,SFT)理论,特别是离散型空间故障树(Discrete Space Fault Tree,DSFT)对于系统实际运行过程中产生的具有离散性、随机性和模糊性的可靠性数据的适应性,提出了云化SFT方法。该方法利用云模型能表示数据的离散性、随机性和模糊性特点,重构SFT的计算基础,即特征函数。进而在SFT计算中保留原始数据特征,使最终结果也能诠释原始数据特征。论文主要完成了云化SFT理论环节中的一部分,即云化概率重要度分布和关键重要度分布。论文论证了引入云模型表示系统可靠性数据的必要性和可行性。给出了云化概率重要度分布和关键重要度分布的计算推导过程。并通过实例对这两个云化概念进行了计算。研究表明云化SFT结果要比原SFT结果更为接近现实,包含了更多数据的原始特征。     

基于云模型和SFT的可靠性数据不确定性评价

为了分析和评价系统可靠性数据中的不确定性,即随机性、离散性和模糊性,将云模型与空间故障树(Space Fault Tree,SFT)理论相结合,使用云化SFT作为基础对数据不确定性进行评价。首先使用云模型能表示数据不确定性的特点,将SFT的相关概念进行云化。将其中云化系统故障概率分布对在某因素影响下,可靠性数据生成的云模型特征参数Ex、En和He进行求导。根据在系统工作环境范围内的求导结果,并结合提出的模糊性 、离散性 和随机性 计算数据的不确定性。使用该方法对经典实例进行了分析,得到了一些定性和定量结果。但Q和 两个参数应该具体问题具体分析。     

基于集对分析的SFT特征函数重构及性质研究

为研究系统功能状态中确定(可靠及失效)和不确定状态之间的关系,本文提出使用联系数重构空间故障树(space fault tree,SFT)的特征函数.确定和不确定状态使用二元联系数特征函数;可靠、不确定和失效状态使用三元联系数特征函数.本文论述了使用集对分析思想研究系统功能状态的可行性,得到了元件故障概率分布和系统故障...     

多源域混淆的双流深度迁移学习

目的 针对深度学习严重依赖大样本的问题,提出多源域混淆的双流深度迁移学习方法,提升了传统深度迁移学习中迁移特征的适用性。方法 采用多源域的迁移策略,增大源域对目标域迁移特征的覆盖率。提出两阶段适配学习的方法,获得域不变的深层特征表示和域间分类器相似的识别结果,将自然光图像2维特征和深度图像3维特征进行融合,提高小样本数据特征维度的同时抑制了复杂背景对目标识别的干扰。此外,为改善小样本机器学习中分类器的识别性能,在传统的softmax损失中引入中心损失,增强分类损失函数的惩罚监督能力。结果 在公开的少量手势样本数据集上进行对比实验,结果表明,相对于传统的识别模型和迁移模型,基于本文模型进行识别准确率更高,在以DenseNet-169为预训练网络的模型中,识别率达到了97.17%。结论 利用多源域数据集、两阶段适配学习、双流卷积融合以及复合损失函数,构建了多源域混淆的双流深度迁移学习模型。所提模型可增大源域和目标域的数据分布匹配率、丰富目标样本特征维度、提升损失函数的监督性能,改进任意小样本场景迁移特征的适用性。     

基于模糊结构元的SFT概念重构及其意义

为解决SFT,特别是DSFT所结果无法表示原始离散故障数据分布特征的缺点,引入模糊结构元理论将SFT中概念及计算方式结构元化来解决该问题。首先模糊结构元特征函数可通过模糊结构元E表示原始数据的离散分布特征,并在计算过程中将E传递至最终结果。通过处理结果中E来得到分析结果的置信度。另一方面,模糊结构元特征函数可将DSFT问题转化为较成熟的CSFT进行处理,而不用为实现相同功能针对DSFT研究新的方法。论文完成了原有SFT中特征函数、基本事件发生概率分布、系统故障概率分布、概率重要度分布、关键重要度分布、系统故障概率分布趋势、因素重要度分布和因素联合重要度分布的模糊结构元化改造,并给出了结构元化后的计算方式。     

基于三角域上二次V 系统的曲面模型分析

三维数字几何信息的处理,尤其是三维模型数据的获取技术、特征提取、频谱分析及模型分类或检索等技术,备受人们关注.本文给出一套完整的、优化的三角域上一类正交函数系(称为三角域上二次V-系统,V₂-系统)的生成算法.基于此算法生成的V₂-系统,将给曲面模型的频谱分析带来极大地便利,既能节省存储空间,也能提高模型分解、重构等算法的执行效率.首先给出V₂-系统的精确数学表达及高效的构造过程.其次,提出一种二次曲面模型的构造方法,称为自由选取法.该方法以三角面片模型为基础,依据具体需求精度,自由地构造不同面片数的二次曲面模型,为后续实验带来了极大地便利.再次,给出V₂-系统中分片二次Bézier 曲面模型的正交表达式,即二次曲面模型可以由V₂-系统中有限个基函数精确表达,从而实现了对曲面几何模型的正交分解与重构,并提供了一种三维数据的压缩方法.与此同时,依据几何模型的频谱信息,计算不同曲面模型间的相似度(V₂-描述子的“距离”),则可实现不同模型间的初步分类,进而为三维模型检索奠定了基础.     

基于渐进多源域迁移的无监督跨域目标检测

针对目标检测任务中获取人工标注训练样本的困难, 提出一种在像素级与特征级渐进完成域自适应的无监督跨域目标检测方法. 现有的像素级域自适应方法中, 存在翻译图像风格单一、内容结构不一致的问题. 因此, 将输入图像分解为域不变的内容空间及域特有的属性空间, 综合不同空间表示进行多样性的图像翻译, 同时保留图像的空间语义结构以实现标注信息的迁移. 此外, 对特征级域自适应而言, 为缓解单源域引起的源域偏向问题, 将得到的带有标注的多样性翻译图像作为多源域训练集, 设计基于多领域的对抗判别模块, 从而获取多个领域不变的特征表示. 最后, 采用自训练方案迭代生成目标域训练集伪标签, 以进一步提升模型在目标域上的检测效果. 在Cityscapes & Foggy Cityscapes与VOC07 & Clipart1k数据集上的实验结果表明, 相比现有的无监督跨域检测算法, 该检测框架具更优越的迁移检测性能.     

域自适应城市场景语义分割

目的 域自适应分割网（AdaptSegNet）在城市场景语义分割中可获得较好的效果,但是该方法直接采用存在较大域差异（domain gap）的源域数据集GTA（grand theft auto）5与目标域数据集Cityscapes进行对抗训练,并且在网络的不同特征层间的对抗学习中使用固定的学习率,所以分割精度仍有待提高。针对上述问题,提出了一种新的域自适应的城市场景语义分割方法。方法 采用SG-GAN（semantic-aware grad-generative adversarial network（GAN））方法对虚拟数据集GTA5进行预处理,生成新的数据集SG-GTA5,其在灰度、结构以及边缘等信息上都更加接近现实场景Cityscapes,并用新生成的数据集代替原来的GTA5数据集作为网络的输入。针对AdaptSegNet加入的固定学习率问题,在网络的不同特征层引入自适应的学习率进行对抗学习,通过该学习率自适应地调整不同特征层的损失值,达到动态更新网络参数的目标。同时,在对抗网络的判别器中增加一层卷积层,以增强网络的判别能力。结果 在真实场景数据集Cityscapes上进行验证,并与相关的域自适应分割模型进行对比,结果表明：提出的网络模型能更好地分割出城市交通场景中较复杂的物体,对于sidewalk、wall、pole、car、sky的平均交并比（mean intersection over union, mIoU）分别提高了9.6%、5.9%、4.9%、5.5%、4.8%。结论 提出方法降低了源域和目标域数据集之间的域差异,减少了训练过程中的对抗损失值,规避了网络在反向传播训练过程中出现的梯度爆炸问题,从而有效地提高了网络模型的分割精度;同时提出基于该自适应的学习率进一步提升模型的分割性能;在模型的判别器网络中新添加一个卷积层,能学习到图像的更多高层语义信息,有效地缓解了类漂移的问题。     

基于深度多源子域适应网络的滚动轴承跨域故障诊断

针对域适应技术在源域数据集子类距离过近以及样本数量少时分类精度低的问题,提出一种基于深度卷积生成对抗网络(DCGAN)数据扩充的深度多源子域适应网络(DMSAN)故障诊断方法.首先,针对目标域样本少的问题,引入深度卷积生成对抗网络对其进行数据扩充;其次,通过网络分支结构获取多源域的共享特征;再次,使用局部最大均值差异(LMMD)进行特征映射,对齐每个源域和目标域的子领域;最后,采用加权模块实现全局损失的最小化,以及多源域联合诊断.引入美国凯斯西储大学(CWRU)数据集和搭建故障诊断平台测得的轴承故障数据集进行实验,结果表明所提出模型的跨域故障诊断精度高于其他域适应对比模型,在目标域数据较少时优势尤为明显.     

具有可控与不可控因素系统的可靠性维持方法

为了研究系统或元件可靠性维持方法,提出一种基于SFT的可靠性维持方法。在SFT框架下提出了可控与不可控因素的概念。目前SFT中的不可控因素指时间,其余为可控因素。给出了分析并制定系统或元件可靠性维持方法的步骤。分析表明在SFT内必须设定故障概率才能实施该方法。列举了一例进行分析,考虑的不可控因素为时间t,可控因素为温度c。分别将故障概率设置为10%、20%、30%、40%,50%,求出了元件更换周期,及其温度控制曲线和函数。与已有文献相比所得元件更换周期更为经济,方法更精确且可操作增强性。     

有向图连通支配集求解算法

定义了有向图指定源点连通支配集问题。借助参数算法中的技术设计了针对该问题的规约规则,通过规约规则的实施来降低原问题的规模;随后又设计了近似算法在规约后的有向图中求出一个较小的连通支配集;最后结合规约规则带来的一些良好特性设计了优化规则,通过优化变换的实施进一步缩减由近似算法求得的连通支配集。不同模型随机图上的模拟实验表明这些规则和算法是有效的。     

渐进式分离的开放集模糊域自适应算法

域自适应的目的是利用有标记（源）域中的信息来提高未标记（目标）域模型的分类性能,且这种方法已经取得了不错的成果。然而在具有开放性的现实场景下,目标域通常包含源域中未观察到的未知类样本,这被称为开放集域自适应问题。传统的域自适应算法对这样具有挑战性的场景设定无能为力,因此提出了渐进式分离的开放集模糊域自适应算法。首先,基于引进隶属度的开放集模糊域自适应算法,探索了逐步分离目标域中已知类和未知类样本的方法;然后,仅将从目标域中分离出的已知类与源域对齐,从而减小两个域之间的分布差异,进行模糊域自适应。所提算法很好地解决了由于未知类和已知类之间的不匹配而导致的负迁移所带来的影响。在Office数据集上的6组域自适应转化实验结果表明,与传统的域自适应算法比较,所提算法在图像分类中的精度有显著的提升,验证了该算法可以逐步增强域自适应分类模型的准确性和鲁棒性。     

一种参照模糊集的云模型集合论方法研究

参照模糊集构建云模型的集合论方法能够很好地扩展云模型的应用领域。本文提出了一种参照模糊集的云模型集合论方法。对云模型及其组成元素进行了阐述，提出了云集合元素的I运算和P运算，在此基础上给出了云集合的基础运算方法，研究了云集合的截集和分解定理。本文研究对云模型在集合理论方面的拓展具有较好的参考意义。     

基于位图的点集表面表示及其渲染

提出了一种基于位图的点集表面表示形式：先对点集表面进行参数化，然后在参数域上进行曲面重构和重采样得到基于二维数组的点集表面表示。采用了切空间对齐的方法得到点集表面的参数坐标。该方法能寻找出点集代表的流型所在的二维参数空间，并存参数化过程中较好地保留了原曲面的尺度信息。位图形式表示点集表面具有数据结构简单和便于随机访问的优点。提出了基于位图表示形式的点渲染方法，该方法采用双线性插值来实现视角依赖的点集表面的重采样，解决了点渲染中采样点不足的问题。     

Time domain identification for robust control

In this paper, we are concerned with a problem of robust control-oriented system identification in the time domain. Based on the well-known Schur-Takagi-AAK Theorem, we propose a linear algorithm to obtain the nominal model of the plant to be identified and the minimal bound of the uncertainty of the nominal model error which is measured by H^∞-norm. It is also shown that, in the model set defined by the nominal model and the uncertainty bound, there exists at least one model which matches the prescribed input-output data given in the time domain.     

基于Markov和SFT的同类元件系统中元件维修率分布确定

为了扩展空间故障树SFT理论,研究可表示工作环境影响的元件维修率,借助Markov链理论对元件维修率分布进行推导。所研究系统的特点为由相同元件所构成,进而使Markov链中失效率和维修率相同。用SFT中的特征函数代替Markov链中失效率,并根据实际情况设定状态转移概率,从而可得SFT下的元件维修率分布。维修率分布是由工作环境因素作为自变量的函数。考虑工作时间t和工作温度c影响下,对一混联系统进行元件维修率分布计算。最终得到了元件维修率分布和正常状态转移概率范围,其具体计算要依赖于实例系统结构。最后论述了方法的不足及其原因。