HY-2卫星微波散射计在西北太平洋台风监测中的应用研究

本文在简述海洋二号(HY-2)卫星微波散射计工作机制及海面风场反演原理的基础上,针对HY-2卫星微波散射计在轨运行的数据,利用该散射计数据开展海面台风中心定位、结构、台风路径、风速等值线、大风半径等台风参数的定量化应用分析研究。同时将HY-2卫星观测到的海面风场与风云二号(FY-2E)卫星云图进行融合展示,并将HY-2海面风场与ASCAT反演的海面风场和浮标提供的观测数据进行对比验证,多方面的定量分析显示出HY-2卫星海面风场观测的有效性和在台风监测中的优势。最后,对HY-2卫星微波散射计的优缺点进行分析,展望了其可能的改进方向。     

基于卷积神经网络和AMSR2微波遥感的土壤水分反演研究

土壤水分是水文、气象、农业等研究中的重要参数,尤其在农作物估产模型和农业干旱监测研究中有特别重要的意义。前人在土壤水分反演算法研究上已经做了大量研究工作,但由于影响地表土壤水分的因素较多,各种算法依然存在一些不足。本研究在分析以往反演算法的基础上,总结不同算法的优势和局限性,提出利用具有深度学习特点的卷积神经网络方法(CNN)进行土壤水分反演,从而克服传统土壤水分反演方法的缺陷并提高土壤水分反演的精度。以被动微波AMSR2数据为例,在对土壤水分产品算法进行剖析的基础上,构建了基于卷积神经网络反演土壤水分的模型框架,从而提高反演算法的通用性和反演精度。深度学习卷积神经网络的精度主要取决于训练和测试样本数据库,然而被动微波像元分辨率比较低,以及很难获得与卫星同步的地面实测数据。本文选择不同地区地表均一的土壤水分观测站点,以AMSR2土壤水分产品作为参照来获取地面同步数据,从而克服地面同步观测数据的难题。将AMSR2亮温数据和对应地面同步观测土壤水分数据为样本随机分成训练和测试数据库,通过反复训练,当卷积神经网络选择两个卷积层两池化层的组合,迭代次数3000次时,网络反演的总体精度最高。经过测试样本验证表明,CNN反演土壤水分值与地面同步观测土壤水分的均方根误差RMSE为1.1178%,两者保持了较高相关性(r=0.8685)。以地面站点实测数据对CNN反演结果进行验证,相对误差为39.25%。相比于JAXA产品与实测值的验证结果,CNN反演结果的平均相对误差小10.24%,说明CNN明显提高被动微波遥感土壤水分反演的精度。     

卫星遥感全天候监测海雾技术与应用

运用光谱分析法和结构分析法以及相应的处理技术,进行了云雾自动检测和分离技术的研究和应用研究,在此基础上,系统阐明了全天候海雾遥感监测系统的设计原则与流程框架,并利用GMS5和NOAA卫星的可见光和红外通道资料,对2001年4月17、18日的黄海海雾进行了个例监测实验,取得了较为理想的海雾监测结果。     

环境一号卫星A/B星数据自动几何精校正设计研究

环境一号卫星A/B星是我国自主研制的小卫星星座,其在轨稳定运行近5年,并稳定获取了大量高质量的观测数据,实现对这些观测数据的几何精校正处理,对发挥环境星宏观、动态的生态环境监测有着重要意义。本文首先分析了环境一号卫星参数特点以及环境一号卫星2级数据(系统几何校正后的数据)的几何特点。基于此,设计了环境一号卫星各载荷总体几何精校正方法流程以及charge-coupled device(CCD)相机自动几何精校正方法。实际运行数据表明,该方法可以较好地实现环境一号卫星各载荷数据的自动几何精校正,环境一号卫星CCD相机自动几何精校正图像精度可达到2个像素以内,同星不同载荷图像之间自动匹配方法可以获取小于1个像素的图像匹配精度。     

低轨卫星精密定轨算法研究及初步结果分析

卫星的精密定轨指的是从观测数据中获取指定预报开始时刻的高精度参数轨道。由于GPS观测数据中不可避免的带有随机误差和系统误差等非线性影响因素,因而不可能确定一条能够精确地拟合所有观测值的轨道,所以需要利用大量的观测数据使用统计学原理对航天器轨道状态进行估计。本文以低轨卫星为研究对象,分析了精密定轨的基本理论方法,包括摄动力模型以及最小二乘估计法。最后分别通过批处理和递推算法对GRACE-A卫星数据进行计算,实现了低轨卫星的定轨,并达到了一定的精度。     

基于1D-CNN-AdaBoost及电阻层析成像的两相流流型辨识

基于电阻层析成像(ERT)系统采集的垂直管气液两相流测量数据,将一维卷积神经网络(1D-CNN)与AdaBoost(Adaptive Boosting)相结合,构建1D-CNN-AdaBoost算法,进行了气液两相流流型辩识研究。该算法使用5个1D-CNN作为弱分类器,通过实验数据样本训练,结合AdaBoost形成最终的强分类器。将1D-CNN-AdaBoost算法与BP神经网络、支持向量机及决策树算法进行比较,结果表明,1D-CNN-AdaBoost算法辨识正确率高于其他算法,平均辨识正确率可达97%。     

基于梯度提升决策树模型的冷连轧机颤振研究

冷连轧生产过程中,由于轧机振动异常可能造成产品质量问题甚至发生断带等影响正常生产,极大限制了生产效率。目前已有钢铁企业实现在线颤振监测,但监测系统只能通过振动报警后再进行降速等方式来抑制振动。针对冷连轧振动难以建立精确的传统机理模型,利用现场实测生产数据,建立梯度提升决策树模型进行振动能量回归,并利用梯度提升决策树算法特性进行特征选择以寻找影响振动的重要因素并进行模型简化。实际生产数据仿真结果表明,通过梯度提升决策树所建模型能够有效选取重要因素、降低模型复杂度,而且建立的回归模型能够准确反映轧制振动能量的变化趋势。     

基于G-DPSO算法的决策树轴承故障诊断方法

针对机械设备状态监测与故障诊断技术中特征提取对诊断准确性的局限,从原始故障信号数据中提取出尽可能多的有用信息。提出通过最佳特征数据集对轴承故障进行诊断分析,分别从幅域和频域对故障数据进行特征提取。采用一种改善的粒子群(G-DPSO)算法对提取的特征数据集进行筛选,对传统粒子群算法权重系数进行优化,同时和故障诊断需要的决策树模型的信息熵增相结合,可以达到将最适合故障诊断的特征向量提取出来的目的。用5种轴承故障数据对所提方法进行实验分析,诊断正确率能达到97%之上,证明所提出的方法是有效、可靠的。     

基于OSG的卫星运行数据可视化仿真实现

利用虚拟现实进行卫星运行数据显示,能够直观地表现卫星的姿态、各部件工作状况等信息,为指挥和技术人员分析掌握卫星的运行情况提供监控手段,同时能够对各种岗位人员进行任务培训。详细论述基于Open Scene Graph(OSG)的卫星运行数据快速可视化仿真系统的设计实现方法以及主要的技术问题,利用卫星动态模拟器技术,对某卫星虚拟运行数据进行了可视化仿真实践,仿真结果验证仿真系统运行的可靠性以及显著的三维效果,为进一步研究与扩展功能提供良好的基础。     

基于BI-LSTM的小样本滚动轴承故障诊断方法研究

微弱故障特征的有效提取与判别模型的精确性是滚动轴承状态监测和故障诊断的关键。针对长短时记忆网络(LSTM)模型在少样本条件下存在故障诊断准确度较低的问题,提出一种基于双向长短时记忆网络(BI-LSTM)的小样本滚动轴承故障诊断方法:首先采用自适应白噪声的集合经验模态分解(CEEMDAN)与傅里叶变换对信号进行分解变换构成特征矩阵,然后采用BI-LSTM进行特征提取,获取每个样本序列的故障特征,最后采用逻辑回归(LR)将多个故障特征汇总学习。结果表明:所提出的方法在随机的小样本测试集上平均精确度相对传统LSTM模型提高30.8%,可为滚动轴承健康状态监测提供重要算法支撑。     

截齿磨损程度的多特征信号融合识别研究

为了解决采煤机开采过程中截齿磨损程度在线监测和状态识别的工程难题,提出一种基于多特征信号融合的截齿磨损程度识别方法。搭建截齿磨损程度监测实验台,分别测试提取不同磨损程度截齿截割过程中的振动加速度信号、声发射信号、红外热像信号和电机电流信号,建立了截齿截割的多传感信号数据样本库;针对数据样本库中两相邻磨损状态截齿特征样本存在数据交集、系统识别精度低的问题,构建最小模糊度优化模型并计算各特征信号的最优模糊隶属度函数,获取特征样本最大隶属度。构建截齿磨损程度的神经网络识别模型,运用多特征数据样本对Back-Propagation（BP）神经网络进行学习和训练。实验结果表明：BP神经网络识别模型的识别结果和试样的实际磨损程度类别相同,此识别模型能够对截齿磨损程度类型进行实时监测和准确识别。研究结果为实际工程中截齿监测和更换提供了解决方案。     

HY-2卫星激光观测精密定轨技术

2011年8月16日发射的海洋二号(HY-2)卫星是中国第一颗海洋动力环境卫星,配备的卫星激光测距跟踪系统即作为HY-2卫星定轨基准系统,同时又是HY-2卫星定轨系统之一。本文较为详细地介绍了HY-2卫星激光观测、轨道预报和激光跟踪系统(SLR)定轨技术,并对SLR定轨结果进行了初步检验。     

基于改进迁移学习的运动想象分类识别算法北大核心CSCD

利用迁移学习算法提高分类识别的准确率是运动想象脑机接口应用的热点研究问题,其中样本迁移和特征迁移的传统模型算法在样本量较少或源域数据和目标域数据差异较大情况时,各自的迁移效果并不理想。基于欧式对齐(EA)和改进联合类质心匹配和局部流形自学习(CMMS)迁移学习的运动想象分类算法,将样本迁移和特征迁移的优势有机结合,在考虑样本本身的同时,进一步提高了分类准确率。首先,对样本进行源域和目标域的EA,减少源域和目标域的数据分布差异;其次,基于最小化最大均值差异(MMD)改进CMMS方法,筛选源域数据,再次减小源域样本与目标域的分布差异;最后,将该方法应用于BCI竞赛数据集进行离线测试和在线实验。实验结果表明:所研究的方法与SVM、JDA、BDA、EasyTL、GFK、CMMS相比较,迁移学习模型的识别准确率分别提高了14.38%,8.5%,5.8%,10.4%,11.8%,5.7%。     

在线推断校准的小样本目标检测

针对少量样本条件下模型易过拟合、目标错检与漏检问题，本文基于TFA (two-stage fine-tuning approach)提出了一种在线推断校准的小样本目标检测框架。该框架设计了一种全新的Attention-FPN网络，通过建模特征通道间的依赖关系选择性融合特征，结合分级冻结的学习机制引导RPN模块提取正确的新类前景目标；同时，构建了一种在线校准模块对样本进行实例分割编码，对众多候选目标进行评分重加权处理，纠正误检和漏检的预测目标。结果表明，所提算法在VOC数据集Novel Set1中，五个任务的平均nAP50提升10.16%，在性能上优于目前的主流算法。     

采用最优集成学习的小样本电磁脉冲信号分类

闪电与核爆电磁脉冲分类是核检测系统中的关键问题，其主要难点便是其正负样本不均衡程度可达到10⁴,因此我们提出了一种名为SMALLBAG的集成学习分类方法。针对小样本问题，通过对少数类样本进行数据增强和多数类样本重采样的方法重新构建新的训练数据集，分别提取时域、频域、小波域的特征以表征信号。针对样本不均衡问题，提出了基于新采样数据集的集成学习方案，减少样本不均衡影响同时提高分类准确率。该模型能够在保证准确率的同时保证实时性要求，试验结果显示识别准确率可达99.99%,测试速度为每个样本0.67 ms。     

HY-2卫星雷达高度计风速反演验证

本文给出了海洋二号(HY-2)卫星雷达高度计风速反演的双参数算法模型,并利用Jason-1产品和HY-2卫星微波散射计产品定性验证了双参数算法模型的正确性,同时利用星星交叉比对方法、美国国家浮标数据中心(National Data Buoy Center,NDBC)浮标数据验证方法、美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)再分析数据验证方法三种不同方法对该模型进行定量化验证,结果表明HY-2卫星雷达高度计风速反演的双参数算法模型的反演精度达到2.0 m/s的精度,满足海洋业务应用和科学研究的精度要求,可为用户提供满足观测要求的海面风产品。     

基于决策树算法的多联机气液分离器插反故障诊断

本文将决策树算法应用于多联机气分插反故障诊断中,搭建了多联机实验平台采集数据,根据专家知识及数据变化模型验证选取了建模的特征变量,采用决策树C5.0算法构建气分插反故障诊断模型,进一步对由模型分类规则生成的最优变量即过冷器的EEV(电子膨胀阀)进行深入分析和验证。结果表明:将决策树算法应用于多联机气分插反故障诊断的方法,准确率为96%,此诊断方法能满足多联机故障诊断实际运用的需要,并可及时处理多联机发生气分插反故障时,系统过热度降低,从而保证多联机系统的制冷效果和能效比,可通过增大过冷器EEV开度调节。     

基于DSSIM非范数约束增强的对抗训练方法

针对当前对抗训练(AT)中存在的鲁棒过拟合问题,即在对抗训练超过一定轮次后,网络模型对抗防御能力出现不升反降的现象,本文提出了一种基于结构相异性非范数约束增强的对抗训练方法(DSSIM-AT)。该方法将非范数约束引入到对抗训练过程中用于对抗样本生成,根据样本间的结构相异度剔除对抗样本中的无语义特征,使得生成的对抗样本更适合于对抗训练。该方法进一步设计了梯度异步更新机制,优化对抗样本生成与模型参数更新耗时问题。实验结果表明,该方法可有效缓解对抗训练鲁棒过拟合情况,相比于已有对抗训练方法,可以将CIFAR-10数据集上的干净样本识别准确率提高约3%,同时对抗样本识别准确率提高约4%～8%。     

基于脚步诱发结构振动的人员特征身份识别研究

身份识别是安防领域一项重要工作,目前生物特征识别方法主要利用静态生理特征,利用脚步振动信号进行身份识别研究相对较少,本文提出利用行走过程中脚步诱发结构振动信号的差异性来识别人员。基于能量阈值法检测脚步事件与非脚步事件,对不同测试人员单一脚步事件在时域、频域方面共16个脚步特征参数进行了对比分析,研究发现可以将不同特征组合下参数差异性作为身份识别的依据。为了验证方法的有效性,采用支持向量机(support vector machine, SVM)作为分类工具,测试人数为10人数据样本500个情况下,选用16个脚步特征参数平均识别率为79.21%;采用皮尔逊相关系数法筛选出彼此不相关的10个脚步特征参数平均识别率为91%,相比于采用16个脚步特征参数平均识别率提高了11.79%;对比了在不同SVM核函数下分类工具对选取的10个脚步特征参数平均识别率的影响,结果采用线性核函数下平均识别率最高达到96%。结果表明,有效的脚步特征参数组合适用于小样本下的身份识别。     

基于SEM-PCA-DT的多联机制冷剂泄漏在线故障诊断

制冷剂泄漏会给多联机带来不良影响,需要对其进行实时且准确的故障诊断。本文基于结构方程原理和试验数据,利用数据预处理提取的特征变量,建立结构方程模型,与决策树模型对比,分析结构方程在选择重要变量上的正确性,并利用重要显变量采用主元分析的方法建立专家变量,代入决策树模型,其在线诊断正确率达到96.96%,相对单独采用决策树模型提高2.81%。