基于改进GHSOM的运动想象脑电信号自适应识别方法

为解决运动想象脑电信号(MI-EEG)的识别方法泛化能力受限和自适应性差等问题,对传统的生长、分层自组织映射神经网络(GHSOM)进行改进,并提出一种主成分分析法(PCA)与改进的GHSOM神经网络(IGHSOM)相结合的脑电自适应识别方法。由于IGHSOM能够根据上一层扩展神经元的量化误差进行自动分层判断,使得其不仅对数据映射更加准确和详细,而且增强了网络的稳定性和自适应性。基于脑机接口(BCI)竞赛数据库,利用PCA进行特征提取,以IGHSOM为分类器进行实验研究。结果表明,该方法获得了较高的识别精度,验证了GHSOM改进策略及该识别方法的正确性和有效性。     

基于等距映射的非线性系统集员参数估计

给出一种新的非线性系统集员参数估计方法。该方法从流形学习的角度出发,视可行集边界与n维空间中的单位球面（n-1-sphere）为同胚,构造二者之间的同胚映射的近似。该映射可以将n-1-sphere映射为可行集近似边界。构造映射首先将等距映射与数据归一化结合,把在可行集边界上均匀采样得到的数据集映射为包含于n-1-sphere的数据集;然后,基于非参数方法得到可行集边界与n-1-sphere的同胚映射的近似。仿真结果表明,该方法比支持向量机方法具有更高的可行集边界逼近精度。     

基于邻域信息约束与自适应窗口的立体匹配算法

针对传统的Census立体匹配算法对噪声敏感,在视差不连续区域容易出现误匹配的问题,提出了一种基于邻域信息约束与自适应窗口的立体匹配算法.首先,针对传统Census算法对中心像素依赖高的问题,采用邻域十字窗口的加权平均和的方式对中心像素进行赋值.然后,通过设置自适应阈值,将支持窗口的邻域像素与中心像素进行相似性的二次代价计算并与初始代价进行融合,对匹配结果进行进一步约束.在代价聚合阶段,采用颜色阈值不断变化的三约束法进行窗口的构建,并在聚合过程中引入噪声剔除策略.最后,在视差精化阶段采用左右一致性检测与区域投票相结合的方法对视差图进一步优化.使用Middlebury测试平台的标准立体图像进行实验,结果表明:该方法能够有效降低图像对高斯噪声的敏感性,并在误匹配率上低于多种立体匹配算法.     

探空温度传感器误差预测技术研究

随着气候诊断、气候变化、天气预报等学科的深入开展,对探空温度传感器的测量精度提升到了0.1℃的量级要求,而由于太阳辐射、升空速度、入云出云等因素的干扰,引起的测量误差可达3℃甚至更高,已成为制约气象探测精度提升的主要障碍.针对此问题,首先通过三维建模及流体力学分析,得到了温度传感器最优的设计方案,从传感器形态设计上实现...     

中央空调传感器双重降噪模糊故障检测方法

针对现有降噪方法存在噪声残留以及异常检测指标受噪声影响较大的问题,提出中央空调传感器双重降噪和模糊指标 的故障检测方法。 自适应噪声的完整经验模态分解(complete EEMD with adaptive noise,CEEMDAN)所具有的噪声残余等问题, 用局部均值估计提取 k 阶模态替换模态估计完成初次降噪;而早期出现的虚假模式,先通过相关系数准则筛选含噪分量尽可能 保留有效信息,然后计算奇异值差分谱确定降噪阶次进行奇异值分解(singular value decomposition,SVD)完成二次降噪。 最后, 结合能量和峭度系数提出模糊指标作为异常信号控制限进行故障检测。 采用中央空调实验系统运行数据对所提方法进行验 证,结果表明,该方法具有良好的降噪及敏感特征筛选能力,信噪比提升 20. 203 7 dB,均方误差平均减小 48. 75%,故障检测准 确率平均提升 8. 67%,响应速度提升 33. 3%,抗噪性及检测效果提升明显。     

基于单网络评判学习的非线性系统鲁棒跟踪控制

针对一类具有不确定性的连续时间非线性系统,提出一种基于单网络评判学习的鲁棒跟踪控制方法.首先建立由跟踪误差与参考轨迹构成的增广系统,将鲁棒跟踪控制问题转换为镇定设计问题.通过采用带有折扣因子和特殊效用项的代价函数,将鲁棒镇定问题转换为最优控制问题.然后,通过构建评判神经网络对最优代价函数进行估计,进而得到最优跟踪控制算法.为了放松该算法的初始容许控制条件,在评判神经网络权值更新律中增加一个额外项.利用Lyapunov方法证明闭环系统的稳定性及鲁棒跟踪性能.最后,通过仿真结果验证该方法的有效性和适用性.     

基于计算机视觉的高速路面状态检测方法

路面状态检测技术是辅助高速公路监管部门及时发现结冰、积雪等不良路况的重要手段。针对传统基于硬件设备的路面状态检测技术存在成本较高、检测范围受局限等问题,提出了一种基于计算机视觉的高速路面状态检测方法。该方法首先将融合了空间注意力机制和通道注意力机制的Attention模块与具有高分割精度的U-Net网络相结合,对路面区域图像进行分割提取;之后实现了一种基于循环生成对抗网络的路面阴影消除算法,对已经提取的路面图像进行阴影消除;最后基于残差结构构建了路面状态分类器,实现高准确率的路面状态检测。实验结果表明,采用该方法可以消除路面状态检测过程中高速公路两侧景物和路面阴影对状态检测带来的干扰,实现了对路面干燥、积雪、积水和结冰4类状态的准确识别。基于高速公路监控视频进行测试时,识别率可达97.9%。     

城市污水处理过程自适应滑模控制

针对城市污水处理过程时滞导致难以稳定控制的问题, 提出一种自适应滑模控制方法(Adaptive sliding mode control, ASMC). 首先, 分析推流时滞对城市污水处理生化反应过程的影响, 建立时滞影响下的城市污水处理运行控制模型; 其次, 设计一种基于模糊神经网络的预估补偿模型, 完成滞后变量的准确预测, 实现控制模型中变量时刻的统一; 最后, 设计一种具有自适应开关增益系数的滑模控制器(Sliding mode control, SMC), 实现溶解氧和硝态氮的稳定控制. 将提出的自适应滑模控制方法应用于城市污水处理过程基准仿真平台, 实验结果显示该方法能够实现城市污水处理运行过程稳定控制.     

基于目标导向行为和空间拓扑记忆的视觉导航方法

针对在具有动态因素且视觉丰富环境中的导航问题,受路标机制空间记忆方式启发,提出一种可同步学习目标导向行为和记忆空间结构的视觉导航方法.首先,为直接从原始输入中学习控制策略,以深度强化学习为基本导航框架,同时添加碰撞预测作为模型辅助任务;然后,在智能体学习导航过程中,利用时间相关性网络祛除冗余观测及寻找导航节点,实现通过...     

基于批次图像化的卷积自编码故障监测方法

针对间歇过程的非线性、多阶段性等特点及其三维数据形式,提出基于批次图像化的卷积自编码故障监测方法.首先,将每个批次数据看作一个灰度图,每个批次中数据变化可以看作图片的纹理变化,利用卷积自编码器(convolutional autoencoder,CAE)直接对间歇过程三维数据进行特征提取,避免三维数据展开成二维时导致的信息丢失,无需分阶段充分考虑批次全局信息,有效提取过程变量相关关系的动态变化;同时,利用卷积操作提取局部特征信息,自编码网络可以解决非线性问题,实现特征的无监督学习;然后,使用一类支持向量机(one-class support vector method, OCSVM)描述特征分布,构造新的统计量,确定控制限,实现故障监测;最后,通过将该方法应用到Pensim仿真平台及重组人粒细胞集落刺激因子发酵的实际生产数据,验证所提方法的准确性和有效性.