无线传感器网络在电力铁塔山火监测中的应用

山火燃烧形成的导电物质,在导线与地面间产生大量电荷,造成导线对地放电;烟雾使得输电线路之间发生空气间隙被击穿,导致线路跳闸或停运事故。针对山火导致输电线路跳闸故障多发且防治困难的问题,基于无线传感器网络技术,选取变电站周围3个塔架,安装三套山火监测设备,对变电站周围的烟雾、温湿度、CO和H2S进行实时监测,系统实现了对变电站周围的火情发现和输电线路运行的火险警告。监测结果表明:在4月23号~6月16号期间,温度的变化范围为10~35℃,湿度的变化范围为20%~80%RH,CO的变化范围为(0~7)×10-6,H2S为0。系统运行至今,成功监测变电站周围两次森林火灾。     

磁导航AGV纠偏控制模型的研究与设计

针对轮式移动机器人循迹偏差问题,以差速驱动型AGV为研究对象,基于LQR(LinearQuadratic Regulator)线性二次型最优控制算法设计磁导航AGV纠偏控制器,控制AGV速度实现循迹跟踪。通过对磁导航AGV偏差建模,将决定AGV运行的驱动电机线性化,建立其状态空间模型,判别系统能控、能观性;同时用Matlab进行仿真设计,实验得到最佳Q、R完成最优控制器设计;通过Simulink设计基于LQR最优控制算法的AGV纠偏控制系统模型,并与传统PID控制算法进行对比分析表明,论文设计的基于LQR算法纠偏控制模型具有更好的收敛性和实时响应性。     

计及分布式电源无功出力的ISFLA算法配电网无功优化

摘要： 针对含分布式电源的配电网无功优化的特点,将分布式电源的无功调节能力和传统无功调压手段相结合,研究了考虑分布式电源无功调节能力的配电网无功优化模型和算法。针对分布式电源出力的随机性,采用场景概率的决策方法计算分布式电源的出力情况和对应无功功率极限,以网损最小和节点电压越限惩罚作为目标函数。提出了基于免疫蛙跳算法（ISFLA）的无功优化算法,该算法通过在混合蛙跳算法（SFLA）的算法框架中引入克隆选择算法（CSA）,在蛙群混合后选择较优解进行克隆、变异和选择,克服了SFLA局部搜索能力弱的特点。利用改进IEEE33节点系统作为算例仿真分析,结果验证了模型及算法的有效性。     

轻度认知障碍的BOLD信号MEMD降噪处理

早期诊断轻度认知障碍是干预阿尔茨海默症的有效途径.目前常使用静息态功能磁共振成像和机器学习方法进行轻度认知障碍的辅助诊断,其关键是使用血氧水平依赖(blood oxygenation level dependent, BOLD)信号构建大脑的功能性连接.针对大脑静息态BOLD信号中存在各种外界噪音干扰的问题,提出结合多元经验模态分解与皮尔逊相关的重构方法与极正极负重构准则,将大脑默认模式网络的中心节点后扣带回皮层作为模板,重构BOLD信号以降低外界噪音干扰.实验结果表明,基于极正极负重构准则降噪后的BOLD信号构建功能性连接,相较降噪前的数据,在分类性能方面可以提高数据的差异性,在特征选择性能方面可以对数据集降维的同时进一步提升分类性能.此外,以上性能均优于传统重构准则.最后,对降噪后的最优特征子集进行统计性分析,发现脑岛可能是默认模式网络的相关脑区,小脑蚓体与后扣带回皮层可能构成一种认知功能补偿网络,这是以往研究中少有提出的结论.     

工业噪声环境下多麦状态空间模型语音增强算法

在协同作业的工业环境中进行语音通信时,语音往往会淹没于工业噪声中,致使语音通信的有效性受到影响。针对这种工业噪声下的语音环境,提出了一种采用多麦克风的卡尔曼语音增强算法。该算法简化了状态空间模型(SSM)中的差分方程以降低复杂度,每个采样点实时得到去噪信号从而增强了实时性。另外,为了进一步简化复杂度,还利用最小二乘原则来对语音进行增强。实验中采用了公开数据库的语音信号和工厂噪声信号来模拟多麦下的带噪语音,将所提算法与传统算法进行了对比。实验结果表明,所提算法的输出语噪比(增强后的语音与残留噪声之比)优于传统算法约2 dB,而运行时间仅不到传统算法的2%,且延迟时间仅是毫秒级。     

改进视觉惯性里程计融合GPS的无人机定位方法研究

为提升无人机大范围弱纹理场景下的状态估计,提出一种改进视觉惯性里程计融合GPS的定位方法。首先,通过在视觉惯性里程计中加入线特征来表示环境的几何结构信息,提升位姿估计的准确性;其次,通过引入长度阈值筛选,剔除对位姿估计贡献不大的短线段,改善特征追踪的鲁棒性;最后,使用非线性优化的方式,将GPS测量信息和改进的视觉惯性里程计融合,校正视觉惯性里程计的累积误差。基于EuRoC数据集仿真实验以及应用于无人机的真实场景实验表明,相较于原算法,加入线特征算法的定位误差在仿真实验中降低了39.14%,室内场景降低了23.48%,室外场景降低了33.58%。融合了GPS的点线特征算法相较于原算法,定位误差降低了53.99%。     

结合多种注意力机制的方面词提取方法

方面词提取是方面级情感分析中最重要的子任务之一,其旨在从评论文本中找出意见目标。当前对于方面词提取主要使用卷积神经网络(Convolutional Neural Networks, CNN)和双嵌入的方法,但传统的CNN模型受限于卷积核感受野,不能很好地获取全局信息。为此,该文提出了一种基于双嵌入和多种注意力的方面词提取模型。联合使用non-local网络能够更好地捕获长范围依赖关系,使用与跳跃连接相结合的空间注意力能够更好地捕获文本的字符特征。该文模型在Laptop数据集和Restaurant数据集上分别进行了实验,F₁值分别为83.39%和76.26%。与多个基线模型相比,该文提出的模型性能更优。     

轻度认知障碍功能连接的频率和聚类分析

传统计算功能性连接（FC）的方法较少关注对应的频率信息,且所得聚类簇的生理意义存在争议,提出一种小波相干聚类方法。首先,采用小波相干研究FC的频率、相位差和时间差信息;其次,定义四种类型以明确聚类簇的生理意义;最后,采用K-means和欧氏距离判决相结合的方法寻找MCI和正常对照（NC）的簇间差异性。实验结果表明,type2中最大频率约0.11 Hz,最大时间差约46.33 ms,type1中最大频率约0.08 Hz,最大时间差约67.01 ms,两者间频带、相位差和时间差异度分别约为0.02 Hz,0.49 rad和20 ms。分析表明,在较大相干值时MCI则更多表现出小的相位差和时间差,且发生在较高频带slow4-3和slow4-4上;NC被试更多表现出大的相位差和时间差,且发生在较低频带slow4-1和slow4-2上。