高效高精度光照自适应的 ORB 特征匹配算法

针对非均匀光照下ORB图像特征检测算法存在特征点过于聚集、匹配准确率不高等问题,提出了一种高效高精度光照自适应的ORB图像特征匹配算法。利用自适应阈值提取待测图像的oFAST特征点,通过优化的四叉树分解法均匀分配,进一步提高了低照度或高曝光区域特征点的数量,随后,根据汉明距离进行特征匹配,使用改进的RANSAC算法剔除误匹配,提高ORB算法中特征点的匹配准确率。实验结果表明,针对具有明显光照变化的数据集,相较于ORB、MA、Y-ORB及S-ORB算法,本文算法的平均特征分布均匀度提高13.1%,特征提取时间节省26.3%,综合评价指标提升18.5%,可高效完成复杂场景变化下的特征匹配,对目标识别和三维重建等领域具有较强的应用价值。     

高固有频率压阻加速度敏感芯片的结构与特性分析北大核心CSCD

在悬臂梁-质量块MEMS加速度敏感结构的基础上,为提高其固有频率,拓展其应用领域,提出了一种带有直拉直压微梁的新型压阻式加速度敏感芯片,通过在结构中引入敏感微梁,达到均衡提高固有频率和灵敏度的目的。使用有限元法对结构的特性进行了仿真分析,结果表明该结构和普通MEMS加速度敏感结构相比,在保证较高灵敏度及良好线性输出的前提下,显著提高了固有频率,可达其87倍以上,同时改善了过载能力,可提高6倍以上。     

基于TPM的嵌入式可信计算平台设计

增强工业嵌入式系统的安全性是当今工业信息安全领域研究的核心议题。只依靠软件的安全机制已经不能充分地保护信息安全,而现有的可信平台模块是专为个人计算机设计的,不能满足工业嵌入式系统的特殊需求。通过研究可信计算技术,设计了基于可信平台模块TPM的嵌入式可信计算平台,并从软件结构和硬件结构,分析了可信平台模块和信任链的传递机制。最后,在ZYNQ硬件平台上进行可信验证,通过内核伪造攻击测试,验证了设计的正确性,从而确保了工业嵌入式平台的安全可信。     

基于DR-VAE与自注意力机制的电机轴承故障诊断

为提高电机轴承故障诊断的精度,提出一种深度残差变分自编码器与自注意力机制相结合(DR-VAE-SAM)的电机轴承故障诊断方法。首先,在数据预处理中使用矢量量化变分自编码(VQ-VAE)对轴承故障数据进行增强,训练完成后将生成的故障样本混入原始样本中以平衡和增强数据集;然后,将深度残差网络与变分自编码器结合,增加了迁移学习中最大均值差异(MMD)作为融合标准;最后,在编、解码过程中引入自注意力机制提取特征的关键信息。通过西储大学和东南大学的轴承数据进行试验验证,结果表明,在故障数据少、样本不平衡以及变工况情况下,DR-VAE-AM模型能够有效提高故障诊断精度,并有较好的泛化能力。     

基于贝叶斯网络的水下AUV健康管理方法

随着自主式水下航行器(AUV)系统不断向自动化、智能化方向发展,系统结构和功能也越来越复杂。针对AUV健康管理系统中未能充分挖掘多源数据中隐含的有效信息的缺点,提出了基于朴素贝叶斯网络的AUV健康管理方法。首先,采用朴素贝叶斯网络与数据结合的方式构建AUV的健康管理系统;其次,计算该系统各部件和子系统的健康指标,并对整体健康情况进行评估;最终,输出AUV系统的健康状态和寿命指标结果,得到AUV系统的健康指标。利用Visual Studio和MATLAB作为仿真平台实现该方法并对结果进行验证,实验结果表明,该方法可以实现对不同健康程度的量化分析和表达,可确保AUV健康长久地运行。     

决策森林研究综述

随着经济与社会的发展,数据挖掘技术广泛应用到各个领域,其中分类算法中的决策森林(Decision Forest)成为一个研究热点。决策森林算法是一种包含多个决策树分类器的统计学习理论,能较好地处理噪声且避免发生过拟合。针对几种典型的决策森林算法,阐述了其原理和算法的特点,并从决策森林的构建过程出发,系统地分析和总结了国内外现有的决策森林算法。在此基础上,详细说明了在面对大数据时应用决策森林进行分布式计算的处理过程。通过比较,总结出了各种决策森林算法的适用范围。     

二维Prescott神经元模型的动力学特性分析

神经元是神经系统的基本单元,它的放电特性决定了神经网络的功能。不同的神经元模型具有不同的动力学特性,从而使其具有不同的放电特性。神经元的量化数学模型,既要包括足够的细节来考虑单神经元的动力学,又要尽量减少模型的复杂性使得模型计算方便,二维Prescott模型为真实性和计算效率之间提供了一个良好折中。论文用解析和数值模拟相结合的方法研究了外部电刺激下神经元二维Prescott模型的动力学特性。研究发现,通过改变模型离子通道参数可以复现两类神经元兴奋性。论文还分析了模型的平衡点分布特性,最后得到了模型参数与外部刺激变化对动力学特性的影响。     

生命-机电系统融合的类生命机器人

类生命机器人是一种由生命系统与机电系统在分子、细胞、组织尺度有机融合而成的新型机器人,具有能量转换效率高、续航时间长、小型化等潜在优点,可为突破传统机器人在驱动、感知、智能等方面所面临的瓶颈提供新的思路。本文围绕类生命机器人的研究现状,首先根据不同的生命材料（如心肌细胞、骨骼肌细胞、神经-肌肉、昆虫肌肉组织、微生物）对现有类生命机器人进行了系统性的归类与介绍。然后,对类生命机器人常用的非生命材料（如聚二甲基硅氧烷（PDMS）、水凝胶）、控制方法（如电控制、光控制、化学控制、磁控制）及其应用场景（如微型机器人、芯片实验室、生物医学）进行了详细的讨论。最后,对类生命机器人研究所面临的潜在挑战与可能的发展方向进行了分析与展望。