kinect深度数据随机跳变误差分析及修正算法研究

采用微软空间扫描设备kinect的测距数据会产生随机跳变误差现象。通过分析误差原因及实验验证了跳变误差随距离增加曲线上升的特点。为修正该误差设计了一个基于像素滤波技术的误差修正算法。在kinect有效距离内连续观测三个待测物的空间深度数据和滤波数据。经实验验证在使用10帧深度数据可以将跳变误差在1.5m以内的跳变误差控制在5mm以内;1.5~3m以内的随机跳变误差控制大部分在10mm以内;超过3m的随机误差均匀分布在25mm以内。     

随机激励的非线性Markov跳变系统的稳态响应

大量实际工程问题需要用同时包含连续和离散变量的Markov跳变系统来描述.本文介绍了一类随机激励的单自由度(强)非线性Markov跳变系统的稳态响应的研究方法.首先,基于随机平均法导出具有Markov跳变参数的平均It随机微分方程,原系统方程的维数得到降低.接着,根据跳变过程原理,建立Fokker-Planck-Kolmogorov(FPK)方程组,方程组中的方程与系统的结构状态一一对应且互相耦合.求解该FPK方程组,得到Markov跳变系统的稳态随机响应及其统计量.最后,以一个高斯白噪声激励的Markov跳变Duffing振子为例,计算得到不同跳变规律下系统的稳态响应.研究结果表明,Markov跳变系统的稳态响应可以看作是各结构状态子系统稳态响应的加权和,加权值由跳变规律决定.     

线性Markov跳变随机系统的Pareto最优控制

目前针对多个主体、多个目标的带有Markov跳变的线性随机系统的控制问题的研究较少且较为浅显.本文研究了具有乘性噪声的连续时间线性Markov跳变随机系统的Pareto最优控制问题.假设多个主体、多个性能指标由状态和控制变量中的二次部分和线性部分的线性组合而形成,证明了Pareto最优与加权和优化之间的关系,从而将多目标优化问题转化为特殊的单目标加权和最优控制问题.基于Pareto博弈理论与广义It?o公式,系统的Pareto有效策略可以通过一组耦合的广义Riccati微分方程与一组耦合的线性微分方程求解,并且可以得到每一个控制器的Pareto解.最后,本文通过数值仿真验证理论结果的有效性.     

Markovian跳变不确定分布参数系统随机稳定性分析

研究了一类具有Markovian跳变的不确定分布参数系统的随机稳定性问题。基于线性矩阵不等式方法,通过构造适当的随机Lyapunov泛函,计算弱无穷小算子,利用Green公式及Schur补引理,系统随机稳定的充分条件以一组线性矩阵不等式给出。线性矩阵不等式很容易通过MATLAB中的LMI工具箱进行求解。该充分条件便于工程实际应用。最后,构建仿真模型验证了该方法的有效性。     

随机马尔可夫跳变系统的变结构控制设计

采用滑动扇区方法,研究了不确定随机马尔可夫跳变系统的变结构控制设计问题。首先给出随机马尔可夫跳变系统滑动扇区的定义,然后基于线性矩阵不等式技术,提出一种滑动扇区及变结构控制律设计方法。经过理论证明该控制律能够确保随机马尔可夫跳变不确定系统二次稳定,并有效地抑制抖振。最后数值仿真算例验证了控制方案的有效性。     

跳变双线性随机系统饱和执行器的镇定

对于一类具有Markov跳变参数的双线性离散随机系统,研究其饱和执行器问题.分别采用一般二次型Lyapunov函数、饱和关联Lyapunov函数进行系统随机稳定性分析,以椭圆不变集构造随机稳定域,提出两种依赖于模态跳变率的饱和状态控制器设计方法,两种方法均以线性矩阵不等式的形式给出.     

一类线性离散时间结构随机跳变系统的逼近滤波算法

提出了具有条件马尔可夫跳变结构的离散时间随机系统的条件滤波方法, 应用随机变结构系统的性质对滤波算法进行简化处理, 并将后验概率密度函数用条件高斯函数来逼近, 得到具有条件马尔可夫结构离散随机系统的逼近最优滤波算法, 最后给出滤波算法的计算步骤并仿真验证了算法的正确性.     

奇异线性随机跳变系统有界误差估计器设计

从随机稳定的基本定义开始,对奇异线性随机跳变系统的随机稳定问题进行分析,推导出满足鲁棒∞性能的随机稳定条件,并在此基础上进行推广.首先针对估计误差满足鲁棒∞性能约束的条件,给出带Kalman滤波器形式的滤波器设计方法;然后重点研究了系统中各模态参数矩阵带有不确定性的情况;最后给出相应的数值算例并计算滤波器系数,验证了该方法的有效性和正确性.     

一类模糊双线性跳变系统的随机镇定问题

研究了一类模糊双线性跳变系统的随机镇定问题. 采用T-S模糊建模技术来构建模糊双线性跳变模型, 然后通过并行分布补偿 (Parallel distributed compensation, PDC) 方法和选择合适的模糊隶属度函数, 将整个非线性控制器表示为一组局部线性控制器的模糊综合. 此外, 还推导出了保证闭环模糊双线性跳变系统随机稳定的充分条件, 并且这些条件最终可归结为一组线性矩阵不等式 (Linear matrix inequalities, LMIs)的可行性问题. 最后, 连续搅拌反应釜(Continuous stirred tank reactor, CSTR)系统的数值示例表明该设计方法的合理性和有效性.     

基于深度学习的公交客流数据获取算法研究

文章聚焦于深度学习技术在公交客流数据获取算法中的应用与优化,深入探索了基于YOLO-Mobile Net框架的乘客检测技术。并引入了多目标跟踪算法,在此基础上提出了公交客流检测算法——SORT+(Simple Online and Realtime Tracking+)。SORT+算法能够详细掌握并预测出乘客的具体情况,准确获取公交客流数据,实现高效的交通规划和管理。     

基于数据滤波的随机梯度辨识方法

针对有色噪声干扰下的随机系统,利用数据滤波技术,对输入输出数据进行滤波,将具有滑动平均噪声的原始系统转换为白噪声干扰下的系统,提出有限脉冲响应滑动平均系统的滤波增广随机梯度算法,并对该算法进行收敛性分析.此外,为了提高参数估计的精度和加快算法的收敛速度,使用多新息辨识理论提出滤波多新息增广随机梯度算法,并分析其收敛性.与增广随机梯度算法相比,所提出的滤波增广随机梯度算法和滤波多新息增广随机梯度算法可以得到更高精度的参数估计.最后,通过仿真实例表明了所提出算法的有效性.     

基于随机森林的无源时差定位误差估计与误差修正算法

针对无源时差定位算法在时差估计误差未知条件下,无法通过计算几何稀释因子准确估计定位误差的问题,提出基于随机森林的无源时差定位误差估计与误差修正算法,通过学习信号特征参数和定位信息与定位误差之间的映射关系,准确估计定位误差并对定位结果进行修正,实现高精度定位;通过匹配时差定位结果与参考源信息制作了测试数据集,并使用该数据集验证了所提算法的有效性;对各特征参数的重要性进行了定量分析,并验证了随机森林模型在时间上的泛化能力;实验结果表明,所提算法实现了在时差估计误差未知条件下对时差定位误差的准确估计,提高无源时差定位的精度,具有较高的工程应用价值。     

面向深度神经网络训练的数据差分隐私保护随机梯度下降算法

针对传统深度神经网络所采用的随机梯度下降算法忽略了对数据集隐私性保护的缺点,提出一种基于数据差分隐私保护的随机梯度下降算法。引入范数剪切与附加高斯噪声操作,对传统梯度更新策略进行改进。为衡量每次迭代过程中对数据隐私性的破坏,提出隐私损失累积函数在迭代过程中对数据隐私性的侵犯程度进行度量。MNIST手写数字识别和CIFAR-10图像分类实验表明,该算法在保护数据集隐私性的同时,对手写数字以及图像分类的识别准确率分别超过了90%和70%,且相较于传统的随机梯度下降算法,其准确率提升了5%以上。该算法在实际工程中能够有效兼顾数据隐私性保护与神经网络辨识准确度。     

基于集成深度随机森林算法的智能电厂设备健康评估方法

准确地评估电厂设备健康状态,对电厂安全稳定生产、提高设备运行安全性具有十分重要的意义;针对当前电厂设备健康评估方法存在预测精度不高的问题,提出了一种基于集成深度随机森林算法的智能电厂设备健康评估方法;详细介绍电厂设备健康评估系统结构,且分析了健康评估数据结构与影响因素;将设备评估分为6类不同的层级,使得设备健康状态分析更方便;结合深度学习与集成学习技术,提出了集成深度随机森林算法;通过仿真实验分析验证了提出方法的有效性;结果表明,所提方法对电厂设备健康评估准确度达到97％,与其他评估方法相比,文章提出的算法具有最高的健康评估准确度.     

随机时变时滞马尔可夫跳变系统的镇定研究

研究了一类转移概率部分未知的随机时变时滞马尔可夫跳变系统的鲁棒H∞控制问题.首先,构建Lyapunov-Krasovkii方法,设计无记忆的状态反馈控制器,保证闭环系统的随机稳定性.其次,将过程转化为求解一组线性矩阵不等式(linear matrix inequalities,LMIs)的约束优化问题,通过求解线性矩阵不等式的方式,获得了充分条件.最后,数值仿真验证结论的有效性.     

具有随机协议网络化系统的H∞滤波

本文研究了一类具有随机介质访问协议网络化系统的H∞滤波问题.将传感器和滤波器的通信过程描述为一个马尔可夫链,进而将滤波误差系统建模成一个马尔可夫跳变系统.然后,运用李雅普诺夫方法和线性矩阵不等式技术,给出了滤波误差系统随机稳定且具有给定H∞性能的一个充分条件,并基于该条件给出了H∞滤波器的设计方法.最后的数值算例验证了本文方法的有效性.     

基于随机子空间的集成深度信念网络算法

燃煤电站的NO_x排放是造成大气污染的主因之一,准确测定SCR入口处的NO_x浓度对控制NO_x排放具有重要意义。针对燃煤过程中的高维参数变量,提出基于随机子空间的集成深度信念网络预测算法。利用偏最小二乘法对现场数据进行特征提取并计算方差解释度;根据方差解释度进行随机子空间划分,建立输入样本在不同方向上的投影子空间,在各个子空间训练相同结构的基学习器;最后,通过BP神经网络进行集成。以660 MW超超临界直流燃煤锅炉为研究对象,进行仿真实验,结果与常用NO_x排放预测模型进行对比,表明所提预测模型有良好的提升效果。