老旧建筑安全鉴定辅助决策系统的初步开发

以老旧建筑的表观检测数据或震害调查结果为依据,利用区间分析方法、模糊综合评判模型、专家系统的构造思想等最新信息处理技术建立起整套的老旧建筑安全鉴定辅助决策系统(专家系统).系统按照检测管理步骤(现场监测→数据处理→专家评价),分为数据录入及管理、等级评定、专家评价三大模块.该系统不但可以帮助建筑物管理者处理大量的检测数据,评价既有建筑物的安全等级,还可以根据老旧建筑物的实际情况,给出专家的最佳管理方案.     

小直径飞行体姿态存储测试系统设计

本文主要介绍了通过单片机将旋转编码器信号转换成实际的三维姿态角度信号,利用可编程逻辑器件控制闪存的存储、读数和擦除时序及数据锁存器的锁存和选通时序,最后通过软件将闪存中的数据存储到计算机中,并在软件界面显示姿态角,同时为飞行体姿态解算提供准确的参数参照.     

基于凸优化的一类切换线性系统的生存域计算

讨论了一类切换线性系统的生存域计算问题.采用微分包含描述切换系统.对于两种不用形式描述的多胞形初始状态集合.将近似椭球生存域的计算问题,转化为约束条件为线性矩阵不等式的凸优化问题.     

基于强化学习方法的悬浮车停车混合控制设计

强化方法是一种通过行为学习,得到最佳控制策略的方法.本文研究利用这种方法实现项目中超导悬浮车运动过程最佳停车问题.通过模型的建立,转化为求导系统的最优化问题;超导磁悬浮车的控制由于会受到电磁干扰、悬浮高度等的影响,用传统的方法求解控制方法将需要求得精确的控制模型;而利用Q-Learning 方法,通过多次样本的学习.寻求最佳的控制策略,则可求得在不同速度下的最佳控制策略.最后,使用Q-Learning方法的控制策略在仿真中得到了很好的效果,该控制方法将进一步应用于超导模型悬浮车的控制.     

基于支持向量机的高分辨距离像分类法

雷达高分辨距离像(HRRP)识别,是军事目标识别的一个重要手段.支持向量机(SVM)具有良好的泛化能力,适用于小样本学习问题.本文针对3类飞机目标的HRRP数据,构造了SVM分类器,设计了2组实验以比较SVM与最大相关系数法(MCM)的泛化能力、识别速度和抗噪能力.实验结果表明,SVM在军事目标HRRP分类方面具有良好的应用前景.     

基于转移阻抗模型的功率回路和信号回路间串扰建模与试验验证

由于列车和船舶上的空间有限,互连非屏蔽线缆的空间非常小,导致非屏蔽线缆之间存在严重的串扰问题。其中功率回路对信号回路的串扰会严重影响信号的质量和系统的正常运行,因此有必要估计功率回路中共模和差模电磁干扰对信号回路的影响,为此提出了一种可扩展的级联多端口网络模型,可对线缆间共模和差模串扰进行精准建模,准确估计出功率回路对信号回路的影响。最后,搭建了试验台架进行验证,实验结果验证了该方法的有效性。     

深度学习屈光检测方法研究

屈光不正是一种非常常见且对视功能发育有严重危害的眼科问题。准确与方便的屈光检测技术,对于及时发现屈光不正问题以及采取相应措施进行干预具有非常重要的意义。目前的屈光筛查设备虽然能较快进行屈光检测,但主要存在两个问题：检测准确度较低,对被测者配合度要求较高。因此,提出一种新的屈光检测方法,此方法使用基于偏心摄影验光原理的光学系统获取人脸面部近红外图像,使用图像处理技术对面部近红外图像进行处理,得到左右瞳孔图像和瞳孔位置信息,使用提出的结合了深度可分离卷积和SE模块的混合数据多输入神经网络模型进行训练与屈光度的计算。与传统偏心摄影验光原理的屈光检测方法相比,此方法有望随着数据集的扩增而达到更高的准确度,并且此方法将瞳孔位置信息作为模型的输入,可以解决传统算法对被测者配合度要求较高的问题。该研究是对屈光检测新方法的一种有益探索,使用此方法有利于屈光筛查更便利地进行,为实现非接触自助式的屈光筛查提供基础。     

交叉口混合交通流微观控制模型

为构建智能网联汽车(CAV)和有人驾驶汽车(HDV)混合通行情况下的交叉口通行机制与控制方法, 本文提出CAV专用道条件下交叉口协同通行模型. 首先, 设计CAV专用道条件下的交叉口布置, 对交叉口进行网格化处理,将CAV通行时隙和HDV绿灯相位对交叉口某部分网格某时段的占用统一到交叉口时空资源描述框架下; 其次, 建立兼顾CAV与HDV的交叉口时空网格资源分配模型, 构建自适应信号灯控制算法和CAV轨迹规划算法; 再次, 以车辆最小延误为目标进行自适应信号灯配时优化和CAV轨迹优化; 最后, 选取广州某典型交叉口建立仿真实验对所提方法的有效性进行了验证.     

基于改进深度Q网络算法的多园区综合能源系统能量管理方法

多园区综合能源系统可通过多能互补互济显著提升运行经济性,然而园区之间的复杂互动、多能耦合决策会给多园区综合能源系统的能量管理带来决策空间庞大、算法难以收敛等挑战性问题。为解决上述问题,提出了一种基于改进深度Q网络(modified deep Q network,MDQN)算法的多园区综合能源系统能量管理方法。首先,采用独立于园区的外部气象数据、历史互动功率数据,构建了基于长短期记忆(long short-term memory,LSTM)深度网络的各园区综合能源系统外部互动环境等值模型,降低了强化学习奖励函数的计算复杂度;其次,提出一种基于k优先采样策略的MDQN算法,用k-优先采样策略来代替ε贪心策略,克服了大规模动作空间中探索效率低下的问题;最后,在含3个园区综合能源系统的算例中进行验证,结果表明MDQN算法相比原DQN算法具有更好的收敛性与稳定性,同时可以提升园区经济效益达29.16%。     

白鹤滩首蓄期变形预测混合模型方法北大核心CSCD

首蓄期准确预测坝体变形,合理安排蓄水计划对于特高拱坝安全进入运行期具有重要意义。为解决特高拱坝首蓄期坝体变形预测较难的问题,本文提出了一种特高拱坝首蓄期坝体变形预测混合模型方法,并结合白鹤滩特高拱坝首蓄期坝体变形监测资料进行工程实例验证。该模型结合白鹤滩特高拱坝首蓄期三阶段蓄水计划的背景,结合三个蓄水目标下白鹤滩拱坝拱冠梁坝段正垂测点的监测数据量大小,在首蓄期初期采用多元回归模型,在首蓄期中后期对PLdb18-2到PLdb18-6五个测点采用优化的LSTM模型,对于坝顶的PLdb18-1采用多元回归模型。本文针对混合模型及全过程采用单一模型的预测结果和实测结果进行对比,本文提出的混合模型方法精度最高,误差率不超过4%,且具有较好鲁棒性。