基于多方向显著子区域置信表决的多目标检测

多目标检测是智能交通监控系统的一项重要和挑战性的工作。提出一种基于多方向显著子区域置信表决的多目标检测方法。利用Gabor滤波提取目标四方向显著特征像素;根据多阈值条件确定每个目标的有效子区域及尺度;判断有效交集子区域和交集状态;加权融合交集面积占空比和有效交集子区域相对面积占空比,获得各个有效交集子区域置信表决系数;根据最大置信表决系数获得目标最优检测。采用实际交通场景采集的视频图像序列进行实验,结果表明该方法在邻近目标交互干扰和遮挡、目标阴影、非均匀光照及背景中相似色彩干扰等情况下,均具有鲁棒、准确的检测性能。     

基于模糊深度Q网络的放煤智能决策方法

在综放工作面放煤过程中,由于煤尘和降尘水雾对工作人员视线的影响,人工控制放煤存在过放、欠放问题。针对该问题,将液压支架尾梁看作智能体,把放煤过程抽象为马尔可夫最优决策,利用深度Q网络（DQN）对放煤口动作进行决策。然而DQN算法中存在过估计问题,因此提出了一种模糊深度Q网络（FDQN）算法,并应用于放煤智能决策。利用放煤过程中煤层状态的模糊特征构建模糊控制系统,以煤层状态中的煤炭数量和煤矸比例作为模糊控制系统的输入,并将模糊控制系统的输出动作代替DQN算法采用max操作选取目标网络输出Q值的动作,从而提高智能体的在线学习速率和增加放煤动作奖赏值。搭建综放工作面放煤模型,对分别基于DQN算法、双深度Q网络（DDQN）算法、FDQN算法的放煤工艺进行三维数值仿真,结果表明：FDQN算法的收敛速度最快,相对于DQN算法提高了31.6%,增加了智能体的在线学习速率;综合煤矸分界线直线度、尾梁上方余煤和放出体中的矸石数量3个方面,基于FDQN算法的放煤效果最好;基于FDQN算法的采出率最高、含矸率最低,相比基于DQN算法、DDQN算法的采出率分别提高了2.8%,0.7%,含矸率分别降低了2.1%...     

基于面部特征与深度学习的疲劳驾驶状态检测研究

在驾驶机动车时,驾驶员的面部信息尤其是眼睛和嘴巴最能够反映驾驶员的疲劳状态.为了提高机动车驾驶的安全性,本文提出了一种基于面部特征和深度学习的疲劳驾驶状态检测研究模型.首先设计一种改进的三级级联卷积神经网络检测驾驶员人脸图像,再使用轻量级特征提最小单元结构定位人脸关键点,通过基于眼睛纵横比(Eye Aspect Rat...     

线性时滞系统对时滞参数的自适应控制

针对实际中线性时滞系统的时滞常数往往不能精确已知的缺点,对具有状态滞后的线性时滞系统提出一种对时滞常数的自适应控制方案,其控制器存在的充分条件由一个线性矩阵不等式（LMI）的形式给出,并对整个闭环系统的稳定性进行了分析。     

基于局部奇异值分解和D-S理论的人脸识别方法

;提出了基于局部奇异值分解和D-S证据理论的人脸识别方法.首先分割出人脸图像的5个特殊区域并分别进行奇异值分解,提取一些较大的奇异值构成每一区域的特征向量;在识别阶段,计算待识别人脸图像每一区域对所有训练样本人脸图像相应区域的隶属度,最后由D-S理论的组合规则做出判断.基于ORL人脸数据库的实验结果证明了本文方法的有效性和可行性.     

非线性不确定系统的鲁棒性研究

1　引言非线性不确定系统的鲁棒性研究 ,早期是以在匹配条件 (matching condition)和广义匹配条件下 ,设计控制器使闭环系统达到实际稳定 (practical stabitity)为主 [1～ 3 ] .近些年利用 H∞ 控制理论的结果 ,出现了对具有有界结构的非线性不确定系统的鲁棒性讨论 [4～ 9] .模有界结构条件下 ,非线性不确定系统的鲁棒性有可能达到使状态趋于平衡点 ,而非仅仅实际稳定 .在文献 [4]中所讨论的非线性系统 ,要求其非线性部分具有线性界 .文献 [5 ]首次将模有界结构条件引入到线性不确定系统的鲁棒性研究中 .文献 [6]进一步讨论了这一结构下的…     

梅山选矿厂细碎车间分布式控制系统设计

介绍了一类基于PLC的分布式控制系统（DCS）的设计任务与方案。其主要内容为上位机软件和现场总线网络，即PLC与计算机间的Controller Link通信技术和Omron α系列PLC与Cpm1a系列PLC间的通信协议宏功能。     

基于时滞依赖矩阵泛函的变时滞电力系统稳定性分析

针对大规模互联电力系统中的时滞现象对电力系统稳定运行产生的不可忽略的影响,文中研究区间变时滞影响下电力系统的稳定性问题。首先,充分考虑时滞变化率对电力系统稳定区域的影响,构造一种新的含时滞依赖矩阵的Lyapunov泛函。然后,在解析过程中采用新的积分不等式对时滞分割后的积分项进行处理,得到保守性较小且计算量较少的稳定性判据,扩大了电力系统的稳定运行区域。最后,通过对典型二阶时滞系统、单机无穷大系统、两区四机系统以及负荷频率控制系统进行仿真分析,验证了所提方法的优越性。     

基于动态模型库的多模型切换控制

针对含有有界扰动和模型参数跳变的离散时间系统,提出基于动态模型库的多模型切换控制方法.在模型参数范围未知情况下,利用在线学习的多模型自适应控制算法自动建立多模型,并对模型库中的子模型进行优化.采用具有积分特性的指标函数作为切换准则.在每一采样时刻根据其最小值来选择与实际系统最接近的模型,并将基于此模型的控制器切换为当前控制器.文中证明了该算法能够保证闭环系统的稳定性和跟踪误差的渐近收敛性.计算机仿真结果表明该算法的有效性.     

具有数据丢包的非线性奇异脉冲系统量化控制

考虑网络传输中存在的数据丢包和信号量化问题, 研究了基于数据丢包的非线性奇异脉冲系统设量化反馈控制器的设计方法. 首先给出一般非线性奇异脉冲系统的数学描述, 并在此基础上建立相应的具有丢包的闭环量化反馈控制系统的数学模型. 其次, 根据李雅普诺夫稳定性理论, 给出了奇异脉冲系统的渐近稳定的充分条件以及量化反馈控制器的设计方法. 应用本设计方法, 可以选择满足代数矩阵不等式条件的量化反馈增益, 实现系统渐近稳定. 最后通过对Chua混沌系统仿真, 表明利用本文设计的量化控制器能够保证闭环非线性奇异脉冲系统在具有数据丢包的情况下渐近稳定.