WSN定位中的RSSI概率质心计算方法

针对最小二乘综合定位精度不高与极大似然估计定位计算量大的问题,提出基于接收信号强度指示（RSSI）模型概率质心的定位方法.该方法采用在一定显著度下的锚节点定位环重叠区域代替整个无线传感网络（WSN）的分布区域,以重叠区域概率密度质心作为未知节点位置的估计.通过实验仿真获得2种方法在锚节点标准差存在差异时的定位误差曲线,对比结果显示,该方法的定位精度高于最小二乘定位方法,验证了该算法优于最小二乘定位算法.研究表明,该方法具有与极大似然估计相同数量级的定位精度,但计算量减少95%～97.5%.     

物流单元质量安全信息追溯预警模型研究

针对物流单元在生产供应链中出现的产品质量安全问题,分析可追溯体系中的质量监控需求,提出了一种用于供应链可追溯系统的预警模型,对整个供应链的检测数据进行汇总分析,预警可能导致物流单元质量问题的原因并进行诊断。针对供应链中四种常见的数据异常,提出了基于径向基函数神经网络、统计学分析的分析算法。实例分析和结果表明,该预警模型能够有效地区分异常数据的类型,实时地对追溯系统的检测数据进行监控及预警。     

基于多传感器信息融合的目标跟踪与防撞决策

为了实现汽车主动安全系统中的目标跟踪与防撞,提出了混合式汽车防撞系统信息融合结构模型,采用分级信息融合实现目标跟踪,推导出了基于跟踪残留误差和预测残留误差共同校正的融合算法,并给出了算法的实现结构.在此基础之上,利用模糊积分方法融合多种相关信息,确定了汽车应采用的安全运行模式,实现了主动安全防撞决策.大量实验表明,该算法具有很好的稳定性和准确率.     

基于相电流瞬时频率估计的永磁直驱风电变流器开路故障诊断

为了提高永磁直驱式风电变流器的稳定性和可靠性,该文针对风电变流器功率管单管和双管故障,提出一种基于相电流瞬时频率估计的开路故障诊断方法.该方法首先提出一种基于加权滑动Hilbert变换的相电流瞬时频率估计方法,然后通过归一化的相电流瞬时频率残差来构造新的故障检测变量检测故障的发生;其次提出基于改进相电流均值法的多功率管...     

一种面向旋转机械的基于Transformer特征提取的域自适应故障诊断

针对基于深度学习的旋转机械故障诊断方法在新工作条件下缺乏标注数据、跨域诊断精度较低的问题,提出了一种基于Transformer的域自适应故障诊断方法。采用Transformer的变体VOLO构造特征提取器以获取细粒度更佳的故障特征表示。利用源域数据进行监督学习对源域和目标域数据的特征提取器进行预训练,并且冻结源域提取器参数以获取固定的源域特征。利用域对抗自适应策略和局部最大平均差异结合目标域未标注数据训练目标域特征提取器,实现源域特征与目标域特征的边缘分布、条件分布对齐。通过两个多工况实验对所提出的故障诊断算法进行了验证,结果表明提出的基于Transformer特征提取的域自适应故障诊断方法相比5种传统域自适应方法,在齿轮和轴承数据集上分别平均提升了22.15%和11.67%的诊断精度,证明所提出方法对于跨域诊断精度具有提升作用。     

基于迭代学习的线性不确定重复系统间歇性故障估计

针对一类带有不确定参数项的线性重复系统间歇性故障估计问题, 本文提出一种基于迭代学习的故障估计算法.该算法通过设计基于迭代学习的故障估计器和状态观测器, 构造李雅普诺夫方程和优化函数证明该算法的鲁棒性和收敛性, 并通过线性矩阵不等式, 求解出算法中的观测器增益矩阵和迭代学习参数矩阵.区别于其他观测器方法, 本文中的方法利用上一次基于迭代学习观测器输出和系统实际输出产生的残差信号, 对本次的故障信号进行跟踪估计, 从而准确地估计出故障的幅值和形状.仿真结果说明了该算法的有效性和准确性.     

卷积神经网络结构优化综述

近年来,卷积神经网络(Convolutional neural network,CNNs)在计算机视觉、自然语言处理、语音识别等领域取得了突飞猛进的发展,其强大的特征学习能力引起了国内外专家学者广泛关注.然而,由于深度卷积神经网络普遍规模庞大、计算度复杂,限制了其在实时要求高和资源受限环境下的应用.对卷积神经网络的结构进行优化以压缩并加速现有网络有助于深度学习在更大范围的推广应用,目前已成为深度学习社区的一个研究热点.本文整理了卷积神经网络结构优化技术的发展历史、研究现状以及典型方法,将这些工作归纳为网络剪枝与稀疏化、张量分解、知识迁移和精细模块设计4个方面并进行了较为全面的探讨.最后,本文对当前研究的热点与难点作了分析和总结,并对网络结构优化领域未来的发展方向和应用前景进行了展望.     

悬臂式掘进机器人截割臂建模与二阶滑模控制器设计

根据悬臂式掘进机器人截割工艺和结构特点,建立了截割臂动力学模型.将一种基于有限状态结构的二阶滑模控制扩展到多输入多输出系统中,在无速度观测器的情况下,保证了滑模量及其导数在有限时间收敛到零.算法消弱了传统滑模控制中的抖动问题,提高了控制系统精度.利用提出的多输入多输出二阶滑模控制算法,设计了截割臂控制器.通过仿真和实验,证明了算法的有效性.     

基于滚动时域估计的非线性目标跟踪*

实际的雷达跟踪问题大多属于非线性问题,存在着各种物理约束,采用基于在线滚动优化原理的滚动时域估计方法可以有效地处理带约束非线性目标跟踪问题。滚动时域估计通过引入到达代价函数,将非线性跟踪滤波问题转换为带约束的有限时域优化问题,可以有效减少优化问题求解的计算量,能够显著提高状态估计的准确度。针对实际的雷达跟踪问题,仿真结果表明,滚动时域估计能有效地提高非线性目标跟踪的精度。     

一种基于极点配置稳定的新型局部递归神经网络

针对局部全局前馈递归动态神经网络的稳定性问题提出了一种新的采用极点配置稳定方法的局部递归全局前馈(Locally recurrent global forward, LRGF)神经网络. 由于动态神经元的极点有存在于实轴上和一对共轭复数极点两种情况, 为了避免神经元无限脉冲响应滤波器(Infinite impulse response filter, IIR)的系数投影到稳定区域的复杂性, 构造的神经网络将动态神经元分成实数极点IIR和共轭复数极点IIR两部分, 通过函数权值的方法将这两部分加权输出.同时针对这种新的神经网络采用了梯度下降的学习算法. 通过仿真对本文提出的神经网络的可靠性和有效性进行验证,并分析这种新的神经网络在稳定投影计算上的复杂度.