混合遗传蚁群算法优化BP神经网络预测空气质量

为了进一步提高空气质量指数预测精度,提出一种混合遗传蚁群算法优化BP神经网络的方式对空气质量指数进行预测.首先初始化蚁群算法的信息素分布,对不满足适应度条件的进行遗传算法的交叉、变异操作,进而计算蚁群的状态转移概率和信息素浓度,当适应度值满足条件要求时,将寻优结果作为BP神经网络的最优权值和阈值,来改善单一BP神经网络的不足.最后通过运用西安市的空气质量指数日历史数据进行验证,实验表明,本文所提模型的各个评价指标相对其他对比模型误差更小,在预测精度方面具有更高的说服力,因此能够有效地预测空气质量指数.     

考虑可平移负荷的综合能源系统动态优化调度策略

综合能源系统因多能互补、协调优化等特性受到了广泛关注,但该系统的热电机组在运行时的调峰能力具有一定局限性。为降低综合能源系统的用能成本,提升系统的用能效率,改善其调峰能力,文中提出了一种考虑可平移负荷的综合能源系统动态优化调度策略。该策略以系统的整体运维成本最小化为目标,结合可平移负荷和相关算例构建仿真模型,并采用自适应混沌粒子群算法进行求解。结果表明在引入可平移负荷时,多能源微网能够较好地达到削峰填谷目的,并降低系统综合运行成本,实现节能减排效果。同时,文中将传统粒子群算法与自适应混沌粒子群算法作比较,证明了自适应混沌粒子群算法在精度与效率上都优于传统的粒子群算法。     

一种3D眼镜虚拟试戴系统的实现

针对人脸图像试戴3D眼镜过程中存在的镜腿遮挡人脸问题,文中提出一种基于人脸图像的3D眼镜虚拟试戴技术。利用构建的人脸形状的三维模型,使其在虚拟试戴中对镜腿起到消隐作用,解决镜腿的遮挡问题。文中对输入的人脸图像进行关键点检测,结合Graham扫描法求得人脸形状的凸多边形,利用平移扫描构建人脸形状的三维模型。此外,文中根据定位人脸图像上的关键点以及姿态估计后对三维眼镜模型的变换,将眼镜模型佩戴到人脸图像上。实验结果表明,该方法对于多视角的人脸图像实现了虚拟试戴效果,解决了多种视角下人脸图像试戴过程中镜腿的遮挡问题,虚拟试戴中镜腿遮挡平均准确率为94.5%,遮挡精度较高。     

鱼群涌现机制下集群机器人运动强化的迁移控制

采用鱼群模型驱动多智能体可以涌现出优良的运动特性,但是,由于机器人与真实鱼类相比具有较大的差异性,使得鱼群模型难以应用于真实机器人系统.为此,提出一种结合深度学习与强化学习的迁移控制方法,首先,使用鱼群运动数据训练深度网络(deep neural network, DNN)模型,以此作为机器人成对交互的基础;然后,连接强化学习的深度确定性策略梯度方法(deep deterministic policy gradient, DDPG)来修正DNN模型的输出,设计集群最大视觉尺寸方法挑选关键邻居,从而将DNN+DDPG模型拓展到多智能体的运动控制.集群机器人运动实验表明:所提出方法能使机器人仅利用单个邻居信息就能形成可靠、稳定的集群运动,与单纯DNN直接迁移控制相比,所提出DNN+DDPG控制框架既可以保存原有鱼群运动的灵活性,又能增强机器人系统的安全性与可控性,使得该方法在集群机器人运动控制领域具有较大的应用潜力.     

基于概率语言和改进TODIM的产品服务匹配方法

针对概率语言信息下产品服务模块双边匹配问题,考虑匹配主体间的相互作用与影响以及决策者的心理行为,提出一种基于BWM (best-worst method)、DEMATEL (decision making trial and evaluation laboratory)权重确定方法和改进TODIM的概率语言双边匹配方法.首先,通过BWM方法和概率语言DEMATEL方法确定各匹配模块综合权重;然后,通过TODIM方法计算产品服务模块的总体优势度,得到产品服务模块双边匹配满意度矩阵;接着,在此基础上,构建以产品和服务效用达到最大的多目标优化模型,利用线性加权法将其转化为单目标模型求解,进而得到最优匹配方案;最后,通过新能源汽车产品服务匹配的案例,验证所提出方法的有效性和可行性,为新能源汽车产品与服务融合发展提供新方向.     

InPBi薄膜材料的结构性能和光学性能研究

室温下,InPBi表现出强而宽的光致发光光谱,其宽光谱特性来自于材料中的PIn反位深能级和与Bi相关的深能级。该特性使得InPBi有希望应用于制备光学相干层析扫描系统中的超辐射光源。文章利用透射电子显微镜和三维原子探针研究了InPBi薄膜材料的结构性能,发现Bi原子在InPBi薄膜中的分布极不均匀,在InPBi/InP界面出现了Bi的富集区,从该区域沿[001]方向出现了Bi的纳米面,此纳米面位于(110)平面上。这种Bi原子的富集分布阻碍了PIn反位参与的载流子复合过程,对InPBi的光学性能有显著的影响。研究结果可为制造光学相干层析扫描系统的超辐射发光二极管提供一定的理论基础。     

预估型氨法脱硫控制系统研究

燃煤发电系统中氨法脱硫控制系统具有时变、大延时、大惯性的特点。针对典型的大延迟系统,文中提出基于Smith预估器的脱硫控制系统,通过抵消系统被控对象中的纯滞后环节来提高系统的实时性。Smith预估器依赖准确的PID模型,系统中PID参数整定仍存在不确定性。利用SOA算法对PID参数进行整定,将绝对误差积分ITAE作为适应度函数,通过对适应度值的不断寻优,找到最佳的比例积分微分系数组合。仿真结果表明,相较于Smith预估器控制下的脱硫系统,基于SOA的Smith预估PID控制系统跟随性好且反应迅速,调节时间缩小为原来的9%,峰值时间缩小为原来的5%,具有较小的超调量,系统的实时性和稳定性得到保证。上述结果证明该算法对工程控制系统有效,并具有良好的应用前景。     

On the multi-level embedding of crypto-image reversible data hiding

Crypto-space reversible image steganography has attracted increasing attention, given its ability to embed authentication information without revealing the image content. This paper presents an efficient reversible data hiding scheme for crypto-images: a block predictor is applied to compute prediction errors, then an adaptive block mapping algorithm is utilized to compress them whose amplitudes are within a small threshold, finally, this strategy can be applied in a multi-level manner to achieve a higher embedding capacity. Due to the correlations among adjacent pixels in the block, images can be sufficiently compressed to reserve abundant space for additional data embedding. Different from the prior arts, the compression code of the image is fully encrypted. Experimental results verify that the embedded data and original image can be perfectly recovered, the security is higher compared with the state-of-the-arts, and a significant improvement in the average embedding rate is achieved on two large-scale image datasets.     

LW-Net: an interpretable network with smart lifting wavelet kernel for mechanical feature extraction and fault diagnosis

Neural Computing and Applications - Deep learning has been applied in mechanical fault diagnosis. Hereinto, the convolutional neural network (CNN) has the shallow convolution operation, supporting...