基于个体协同触发强化学习的多机器人行为决策方法* .txt

摘要：为了提高多机器人行为最优决策控制中强化学习的效率和收敛速度,研究了多机器人的分布式马尔科夫建模与控制策略。根据机器人有限感知能力设计了个体 协同感知触发函数,机器人个体从环境观测结果计算个体 协同触发响应概率,定义一次触发过程后开始计算联合策略,减少机器人间通讯量和计算资源。引入双学习率改进Q学习算法,并将该算法应用于机器人行为决策。仿真实验结果表明,当机器人群组数量在20左右时,本文算法的协同效率较高,单位时步比为1085 0。同时距离调节参数η对机器人协同搜索效率有影响,当η=0008时,所需的移动时步比和平均移动距离都能达到最小值。通过双学习率的引入,该算法较基于环境模型的强化学习算法具有更高的学习效率和适用性,平均性能提升35%,对于提高多机器人自主协同能力具有较高的理论意义及应用价值。 .txt     

基于 Mask R CNN 的铸件X射线DR图像缺陷检测研究* .txt

摘要：针对传统的铸件缺陷检测不能对缺陷进行分类分级等问题，提出了一种基于Mask R CNN的铸件X射线DR图像缺陷检测算法。首先对原始图像进行预处理，采用引导滤波进行图像平滑，平滑图像与原图像进行差分得到差分图像，将差分图像与平滑图像相加运算使图像增强，再利用Labelme进行图像标注，形成训练数据集。送入Mask R CNN深度学习网络，通过特征提取网络生成建议区域，分类、回归网络生成边界框和掩码，经多次参数调节后得到训练网络模型，最后测试数据集。实验数据结果表明，气泡1～5级的检测率分别为：667%，714%，774%，889%，875%；疏松1～5级检测率为：625%，722%，771%，833%，811%。检测结果证明应用Mask R CNN结合引导滤波增强方法的缺陷检测方法可以较好的实现对铸件X射线DR图像的缺陷检测的分级分类，为工业铸件缺陷检测提供了应用深度学习方法的解决方案。 .txt     

基于深度网络迁移学习的致痫区脑电识别

致痫区脑电识别能够为癫痫外科手术提供重要的参考价值。提出了一种基于深度网络迁移学习的致痫区脑电识别算法。首先利用连续小波变换(CWT)对脑电信号进行时频分析,获得脑电信号时频图;然后迁移学习AlexNet网络模型,调整网络结构使之适应于致痫区脑电识别,将模型第7层全连接层输出作为脑电信号时频图的特征表示,最后利用支持向量机(SVM)、BP神经网络、长短期记忆网络(LSTM)、基于稀疏表达分类算法(SRC)、线性判别分析(LDA)等分类算法进行特征分类。基于开源脑电数据集采用十折交叉验证的方法对算法进行了验证,比较6种分类器的效果,得到SVM算法的平均特异性为88.81%,灵敏度为88.07%,准确率为88.44%,证明了该方法识别致痫区脑电信号的有效性。     

多电平变流器系统可靠性建模与分析* .txt

摘要：多电平变流器因其良好的特性已被广泛应用于各种中、高压大功率的电能变换场合,其采用了比两电平变流器更多的功率开关器件,从理论上讲具有更高的故障率,但多电平变流器自身拥有大量的冗余状态和较高的控制自由度,当开关管存在故障时可通过释放冗余资源使多电平变流器实现容错运行,从而提高多电平变流器系统的可靠性。为了定量分析不同变流器拓扑的可靠性,首先采用故障物理可靠性建模方法建立功率开关管串/并联的可靠性模型,并基于该模型,建立单相三相两电平变流器的可靠性模型;综合考虑多电平变流器拓扑的自身冗余和容错能力对可靠性的影响,建立了三相多电平和新型混合多电平变流器的可靠性模型,并基于所建立的可靠性模型定量分析了不同变流器的可靠性;最后,对三相五电平混合T ANPC变流器进行了实验验证。结果表明,多电平变流器可通过容错运行实现带故障持续工作,从而有效提高系统可靠性。 .txt     

基于贝叶斯思想的框架结构损伤检测方法研究* .txt

摘要：基于单自由度体系的统计矩理论,以位移四阶矩和加速度八阶矩为损伤指标,使用贝叶斯思想和Gibbs抽样相结合方法,提出一种框架结构损伤检测新方法。以理论分析为基础选取3种典型损伤指标,在信噪比40及30 dB环境噪音的不同损伤工况下,使用贝叶斯思想和Gibbs抽样相结合方法,对某12层标准框架数值模型的不同损伤指标进行了损伤识别效果的对比研究,并在此基础上与其他相似检测方法进行对比分析,发现使用贝叶斯思想和Gibbs抽样相结合的新方法,提出的损伤指标更适合框架结构损伤检测,与标准结果偏差均在5%以内。进一步分析12层标准框架振动台试验数据,选取3个典型振动工况中所有梁柱单元及前20个振动工况累积下的典型梁柱单元分别进行损伤检测,结果表明,所提方法避免了多次采样进行贝叶斯分析的局限性,且一定程度上能反映各损伤单元随振动台试验工况累积而表现出来的损伤程度变化,有助于推动所提方法在框架结构损伤检测中的实际应用。 .txt     

基于PSO_GRNN网络的肺内静态压力值预测方法* .txt

摘要：为了实现机械通气辅助医疗中依据病人个体差异控制呼吸机通气参量,分析了基于广义回归神经网络（GRNN）的呼吸系统力学模型,通过结合PSO_GRNN网络、数值积分和递推最小二乘法等实现呼吸系统模型的参数辨识。采用直接计算法实现单周期呼吸样本的肺静态压力值计算,并利用二阶多项式拟合体积值误差,计算10个吸气周期静态数据点的平均绝对值误差为0169 3 mL,计算10个呼气周期静态数据点的平均绝对值误差为0372 8 mL。采用PSO_GRNN网络实现多周期呼吸样本集的肺静态压力值预测,10个呼吸周期样本集的训练集平均误差为0000 9 kPa,测试集平均误差为0040 7 kPa。仿真实验结果表明PSO_GRNN网络在收敛速度、平均误差、运算速度等方面均优于PSO_BP网络。所用方法在机械通气辅助治疗时可以为医生设置呼吸机通气参量提供有效的参考依据。 .txt     

零参考模型用于工业机器人定位精度提升研究* .txt

摘要：几何参数建模是机器人标定的基础,直接影响机器人定位精度。为解决常用几何参数模型当机器人相邻两轴线垂直及接近垂直时存在奇异性,建立了基于方向矢量和连接矢量的零参考模型(ZRM),该模型不仅满足完备性与连续性要求,而且使用该模型计算机器人末端位置和姿态简单直观;建立了几何参数标定误差模型,通过使用LeicaAT960激光跟踪仪对Staubli TX60和ER10L C10两种工业机器人末端大量位姿实测,经正交三角分解去除冗余参数,采用LM算法对几何参数误差辨识,并与基于MDH模型的标定结果比较,实验结果证实,采用零参考模型标定后机器人末端平均绝对定位精度提升75%~90%,明显高于采用MDH模型标定结果,该模型适于在有高精度定位精度要求工业机器人中推广。 .txt     

一种下肢运动意图识别算法性能实时测评系统* .txt

摘要：对腿部运动意图识别算法的实时性能进行综合可靠的评价是实现下肢假肢灵活稳定控制的前提。提出一种逐层分级的基于下肢运动意图识别算法的实时测评方法,对算法的可靠性、稳定性以及运动意图识别速度进行综合评价。利用开发的运动意图识别算法评测系统,对基于肌电信号源和机械信号源的两种运动意图识别算法进行了实时性能测试,发现肌电信号源的算法识别时间大于机械信号源算法,但是其算法稳定性优于机械信号源算法。进一步地,还利用该评测系统有效地区分出正常识别策略与异常识别策略,发现正常策略的动作识别稳定系数比异常策略高25%左右。因此,所提的基于下肢运动意图识别算法的实时测评方法,能够对不同信号源算法以及不同识别策略的实时性能进行有效评价,为智能下肢假肢控制系统开发提供可供参考的测试平台。 .txt     

基于双层修正无迹卡尔曼的水下节点定位算法* .txt

摘要：针对水下无线传感网络中运动节点定位精度低的问题,提出了一种新的基于双层修正无迹卡尔曼的水下节点定位算法(DLMUKF)。该算法利用下层无迹卡尔曼滤波算法对节点状态进行预测,根据各信标节点的测距传播时延对预测的节点状态进行修正。运用上层无迹卡尔曼滤波算法对修正后的状态进行新的预测与修正。仿真实验中,DLMUKF算法的平均定位误差约为传统多边定位算法的15%,约为基于无迹卡尔曼滤波（UKF）定位算法的16%,受节点运动时间与速度的影响最小。通过实验证明DLMUKF算法能更充分利用实际距离值,可以有效减小运动节点的定位误差。 .txt     

基于面板工艺的数字微流控芯片 .txt

摘要：针对传统数字微流控芯片电极数量少和制造成本高的问题,对基于面板工艺的数字微流控芯片进行了设计、制备和验证。引入现有成熟的液晶面板设计与制造技术,在玻璃基板上完成金属、绝缘层、有机膜、ITO等膜层的图形化加工。结合常规半导体旋涂工艺,完成疏水层的制备。实验成功地制备出一种集成有480个电极的单基板数字微流控芯片样品。通过合理的驱动电极排布与驱动信号时序设计,实现了低成本化的微流控芯片的设计与制造。对于所设计的微流控芯片进行了功能验证,实现了液滴的连续移动,最低驱动电压可达到25 V,可驱动液滴的体积范围为8～50 μL。还通过系统化的实验对芯片的有效工作条件进行了验证。 .txt     

基于深度迁移学习的糖尿病视网膜病变的检测

为了自动检测视网膜眼底图像中的糖尿病视网膜病变(DR),缩减眼科医生工作量,提供视网膜疾病检测和诊断的辅助工具,提出了基于Inception-v3模型的深度迁移学习方法对DR图像进行自动检测。使用ImageNet大数据集预先训练过的Inception-v3模型,将之前传递层参数固定,采用不断微调的方法,通过自行收集的数据集对模型的最后一个完全连接层进行重新训练得到新的分类器。实验结果表明,所提出的方法无需指定病变的特征就能够获得高精度预测和高可靠性检测。除了帮助眼科医生作出诊断决定之外,还可以基于视网膜眼底图像帮助自动筛查早期DR。     

基于DD-DWT和Log-Logistic参数回归的癫痫脑电自动识别方法

针对现有癫痫脑电(EEG)识别算法分类模式单一、普适性不强的问题,提出了一种新的基于双密度离散小波变换(DDDWT)和Log-Logistic参数回归(LLPR)的脑电信号自动识别方法。不仅利用了DD-DWT算法的分解特性,还建立了脑电信号的LLPR模型,并将二者有机的结合,从而更好的发挥算法的优势。滤波后脑电信号由DD-DWT进行6层分解,提取各子频带系数的小波域能量波形,并结合LLPR模型计算尺度参数α和形状参数β以表征信号,将构成的特征向量送入遗传算法(GA)优化的支持向量机(SVM)得出识别结果,从而实现脑电信号的自动识别。所提方法在处理A\D\E与AB\CD\E两种多模式脑电分类问题时,识别率分别为98.90%和97.75%。实验结果表明,所提算法更符合实际应用需求,可以较好地解决多类脑电信号识别问题,具有良好的普适能力和分类性能。     

风力发电机组发电机前轴承故障预警及辨识* .txt

摘要：为实现风电机组发电机前轴承故障预警及辨识,将监控和数据采集系统(SCADA)时间序列数据和状态监测系统振动数据相结合,提出了一种时频域建模方法。首先,利用SCADA数据建立基于门控循环单元神经网络的发电机前轴承温度模型,并计算其温度残差特征;其次,提取发电机前轴承振动信号时域特征和频域特征;最后,将温度残差特征和振动信号时频域特征相融合,建立基于极限梯度提升的前轴承故障辨识模型,从而辨识发电机前轴承正常、内圈损伤、外圈损伤、轴不平衡、滚动体损伤5类情况。实验研究表明,该方法比单独利用振动信号特征开展前轴承故障预警辨识的准确率高,其正常、内圈损伤、外圈损伤的平均辨识准确率从87%、585%、65%,分别提升到885%、675%和74%。 .txt     

纸基底印刷无芯片RFID湿度传感器* .txt

摘要：提出了一种基于纸基底的喷墨印刷无芯片RFID湿度传感器,通过遗传算法与射频仿真软件HFSS相结合,对常规开口环谐振器结构进行分布式加载,得到目标频率为245 GHz的谐振特性良好的传感器模型;采用DMP3000型材料打印机,在不同纸基底上喷墨印刷银墨水制作传感器,以纸张本身的吸水性实现湿度传感;研究不同纸基底对湿度传感器感湿灵敏度和恢复度的影响。结果表明,柯达相纸传感器的灵敏度最高,高湿灵敏度可达到8 MHz%RH,双铜纸湿度传感器恢复度高且恢复时间短,仅为2 min;两种基底湿度传感器皆有较好的一致性、中长期稳定性,且湿敏特性在20℃～30℃范围内受温度影响较小。对纸基湿度传感器的感湿机理进行了分析,纸主要成分纤维素表面的羟基与吸附的水分子作用形成氢键,改变了基底的介电参数,传感器的湿敏特性与纸的成分和结构有关。 .txt     

空间跟瞄遥感器视轴指向可靠度分析 .txt

摘要：空间跟瞄遥感器轴系的实际位置与理论位置存在偏差，这会影响遥感器跟瞄过程中视轴指向的可靠度。在对误差源进行分析的基础上，按照误差影响对误差项进行了合并与等效，考虑轴系的零位标定，建立了同时包含线性系统误差、非线性系统误差以及随机误差的视轴指向误差半参数回归模型。采用补偿最小二乘法对系统误差进行了参数识别，通过角度补偿法消除了系统误差对视轴指向的影响。对补偿后的视轴指向误差进行了蒙特卡洛分析，获得了遥感器全跟瞄范围内的视轴指向可靠度。工程实例表明，可靠度分析过程中采用的误差模型与参数识别方法所需识别的系统误差参数仅为4个，用识别出的误差参数进行系统误差补偿后，遥感器的视轴指向可靠度由0%提升至9989%。 .txt     

基于深度学习的癫痫脑电不平衡分类方法

癫痫发作自动检测技术对癫痫患者的诊断和治疗具有重要意义.由于癫痫发作期持续时间较短,发作期与非发作期的脑电数据分布是不平衡的.针对该问题,本文提出了一种不平衡分类与深度学习相结合的癫痫发作自动检测方法.首先,为防止不同类别数据之间界限模糊,使用Borderline-SMOTE算法对1/3训练集做平衡处理;之后,设计了金...