Adaptive fault-tolerant control of linear systems with actuator saturation and L_2-disturbances

This paper studies the problem of designing adaptive fault-tolerant H-infinity controllers for linear timeinvariant systems with actuator saturation.The disturbance tolerance ability of the closed-loop system is measured by an optimal index.The notion of an adaptive H-infinity performance index is proposed to describe the disturbance attenuation performances of closed-loop systems.New methods for designing indirect adaptive fault-tolerant controllers via state feedback are presented for actuator fault compe...     

基于ROI多特征和相关反馈的图像检索算法

本文提出了一种基于感兴趣区域(ROI)综合多特征和相关反馈的图像检索算法.在对图像进行四叉树分解的基础上,由用户选择感兴趣区域,综合颜色、纹理和形状三种底层特征进行多层感兴趣区域检索;由相关反馈技术体现用户感知的主观性,通过调整感兴趣区域、特征问、特征内的权重来提高查准率.给出了改进的CBIR通用模型和特征权重模型.实现了一个图像检索原型系统,将不同实验结果进行了比较和分析,实验结果表明,该文提出的方法具有良好的检索效果.     

嵌入式电阻点焊控制器

本文根据ARM芯片和UC/OS-Ⅱ实时操作系统的特点,设计了一个以LPC2292为核心的嵌入式电阻点焊控制系统.该系统根据点焊控制系统的要求,分为不同的任务模块,各模块由嵌入式实时操作系统UC/OS-Ⅱ统一调度.研究表明,该嵌入式系统在提高系统实时性、可靠性及可读性的同时,降低了系统的设计周期,节省了系统开发和维护的费用.     

基于激光诱导击穿光谱的煤样典型特性研究北大核心CSCD

为了准确检测煤样的各种元素含量、灰分和发热量等工业指标,提出利用激光诱导击穿光谱技术进行煤样的光谱强度信息采集。激光诱导击穿光谱技术作为一种新型的元素分析技术,通过高能脉冲激光聚集在样品表面,分析等离子体释放出的元素谱线信息,得出样品元素含量和组成。而光谱信息采样的延迟时间是光谱检测中一个非常重要的参数,为了研究延迟时间对煤样激光诱导击穿光谱信号强弱的影响,提出了通过连续背景强度变化和相对标准偏差计算来判定测量煤样的最佳延迟时间。本研究选取山东济南众标科技有限公司的三种标准煤样作为研究对象,实验测试使用Nd∶YAG脉冲激光器,波长为1064nm。对于煤质的检测,采用AvaSpec Dual型光纤光谱仪,光谱探测波长范围为两通道195~467nm和615~973nm。延迟时间为247~252μs对三种标准煤样ZBM100、ZBM101、ZBM104的光谱信息进行特征分析,通过光谱信号强度和连续背景强度随延迟时间变化的关系,判断出247~252μs范围内的最佳延迟时间。随着延迟时间的增加,连续背景强度快速衰减,在250μs时,连续背景强度和光谱信号强度分别衰减到延迟时间为247μs时的30和50。其次通过在不同延迟时间下相对标准偏差的计算,判断出标准煤样样本中Al、Si、Fe三种元素最佳延迟时间为247μs、248μs、249μs所对应的标准偏差达到最小值,得到因选用标准煤样对象不同其相对标准偏差对应元素的最佳延迟时间也会有所差异。研究结果表明,三种标准煤样ZBM100、ZBM101、ZBM104的光谱强度在247~252μs的最佳采样延迟时间为250μs。此实验研究结果,为激光诱导击穿光谱技术探测和分析煤质检测的最佳延迟时间提供了依据。     

雪崩光电探测器的击穿效应模型分析

基于CMOS工艺制备了空穴触发的Si基雪崩探测器(APD),基于不同工作温度下器件的击穿特性,建立空穴触发的雪崩器件的击穿效应模型。根据雪崩击穿模型和击穿电压测试结果,拟合曲线得到击穿电场与温度的关系参数(dE/dT),器件在250～320 K区间内,击穿电压与温度是正温度系数,器件发生雪崩击穿为主,dV/dT=23.3 mV/K,其值是由倍增区宽度以及载流子碰撞电离系数决定的。在50～140 K工作温度下,击穿电压是负温度系数,器件发生隧道击穿,dV/dT=-58.2 mV/K,其值主要受雪崩区电场的空间延伸和峰值电场两方面因素的影响。     

Blood cell counting based on U-Net++ and YOLOv5

Clinical information about a variety of disorders is available through blood cell counting, which is usually done by manual methods. However, manual methods are complex, time-consuming and susceptible to the subjective experience of inspectors. Although many efforts have been made to develop automated blood cell counting algorithms, the complexity of blood cell distribution and the highly overlapping nature of some red blood cells (RBCs) remain significant challenges that limit the improvement of analytical accuracy. Here, we proposed an end-to-end method for blood cell counting based on deep learning. Firstly, U-Net++ was used to segment the whole blood cell image into several regions of interest (ROI), and each ROI contains only one single cell or multiple overlapping cells. Subsequently, YOLOv5 was used to detect blood cells in each ROI. Specifically, we proposed several strategies, including fine classification of RBCs, adaptive adjustment for non-maximal suppression (NMS) threshold and blood cell morphology constraints to improve the accuracy of detection. Finally, the detection outcomes for each ROI were combined and superimposed. The results show that our method can effectively address the issue of high overlap and precisely segment and detect blood cells, with a 98.18% accuracy rate for blood cell counting.     

基于Conv1d-LSTM模型的能源分配预测

能源分配问题往往与其所在区域环境有关,能源分配的预测可以通过当地环境因素数据来推测之后对该区域的能源分配数值,最大程度上分配好能源. LSTM网络预测短期效果良好,但预测较长时期的数据会导致误差积累,速度慢且准确性差; Informer是近期新提出的能源预测算法模型,速度快但在该任务上预测能力不够.本文提出Conv1d-LSTM模型,预测结果优于上述两个模型,具有更低的平均绝对误差和均方根误差.     

应用引导积分梯度的对抗样本生成

给图片添加特定扰动可以生成对抗样本, 误导深度神经网络输出错误结果, 更加强力的攻击方法可以促进网络模型安全性和鲁棒性的研究. 攻击方法分为白盒攻击和黑盒攻击, 对抗样本的迁移性可以借已知模型生成结果来攻击其他黑盒模型. 基于直线积分梯度的攻击TAIG-S可以生成具有较强迁移性的样本, 但是在直线路径中会受噪声影响, 叠加与预测结果无关的像素梯度, 影响了攻击成功率. 所提出的Guided-TAIG方法引入引导积分梯度, 在每一段积分路径计算上采用自适应调整的方式, 纠正绝对值较低的部分像素值, 并且在一定区间内寻找下一步的起点, 规避了无意义的梯度噪声累积. 基于ImageNet数据集上的实验表明, Guided-TAIG在CNN和Transformer架构模型上的白盒攻击性能均优于FGSM、C&W、TAIG-S等方法, 并且制作的扰动更小, 黑盒模式下迁移攻击性能更强, 表明了所提方法的有效性.     

Label distribution learning for scene text detection

Recently, segmentation-based scene text detection has drawn a wide research interest due to its flexibility in describing scene text instance of arbitrary shapes such as curved texts. However, existing methods usually need complex post-processing stages to process ambiguous labels, i.e., the labels of the pixels near the text boundary, which may belong to the text or background. In this paper, we present a framework for segmentation-based scene text detection by learning from ambiguous labels. We use the label distribution learning method to process the label ambiguity of text annotation, which achieves a good performance without using additional post-processing stage. Experiments on benchmark datasets demonstrate that our method produces better results than state-of-the-art methods for segmentation-based scene text detection.     

ADS-B延迟转发电文检测及干扰台定位方法

广播式自动相关监视(ADS-B)技术因明码广播特点,面临较严重的电子欺骗风险.针对延迟转发电文的检测与相应干扰台定位问题,根据ADS-B地面站接收电文的位置间隔的分布特点,该文提出利用顺序电文间瞬时速度与关注期内平均速度间的差异性检测延迟转发电文的方法.根据延迟转发电文的原始电文位置与干扰台间的空间关系,利用ADS-B地面站获取的延迟转发电文位置及时间戳,采用多点定位技术实现对干扰台定位.仿真结果表明,利用瞬时速度与平均速度间的差异性可以有效地实现对延迟转发电文存在与否的检测,干扰台的定位精度与ADS-B地面站的定时精度、采用定位的电文数目、干扰台与航线间距离和干扰台方位等因素有关,且采用正视区域的位置电文可以获得对干扰台较好的定位性能.该文方法可以使ADS-B地面站独立地检测延迟转发干扰和定位相应干扰台.