一种基于VINS/FINS组合导航方法

针对视觉惯性组合导航系统中微惯性器件精度偏低,以及足部惯性导航系统航向角误差可观测性差的问题,研究了一种基于上述两种系统的信息双向融合的导航定位方案. 该方法的系统结构由安装于双足步行机器人躯干部分的惯性导航系统和安装于其足部惯性导航系统两部分组成. 惯性导航系统通过视觉同时定位与地图构建数据融合方法可以获得相对准确的航向角,足部惯性导航系统利用零速修正后的位置信息实时修正惯性导航系统中的低精度惯性器件误差,从而构建视觉与惯性信息双向融合的组合导航系统结构. 实验结果表明,该组合导航方案可以有效提高双足步行机器人的航向精度和定位精度.     

基于临界Buck-Boost的新型单级交直变换器

针对现有可高压输入单级交直变换器功率因数校正单元磁性器件数量偏多的问题,本文提出了一种基于临界Buck-Boost和LLC谐振电路的单级交直变换器,所提变换器在实现功率因数校正(PFC,power factor correction)的基础上,既保留了LLC谐振电路软开关的优良特性,又实现了开关管和Buck-Boost电感的磁集成。本文在详细分析所提变换器工作原理的基础上搭建了一台100 W的样机。其中,样机额定工作状态下功率因数(PF,power factor)值为0.974、总谐波失真(THD,total harmonic distortion)为17%、效率为90.6%,所得结果验证了所提变换器的优良特性。     

电网故障处置预案文本中的命名实体识别研究

电网故障处置预案是电网故障处置的重要参考,对电网故障处置预案文本中各类电力设备、名称编号等细粒度的关键实体信息进行抽取,是实现计算机学习理解预案内容并进一步支撑故障处置智能化的重要基础。文中提出一种基于深度学习的电网故障处置预案文本命名实体识别技术,首先采用字向量表征预案文本,然后将注意力机制以及双向长短期记忆网络相结合,有所侧重地提取实体词深层字符特征,最后采用条件随机场求解最优序列化的标注。算例表明:文中所提预案文本命名实体识别模型不依赖人工特征,能够自动高效地提取文本特征,准确识别预案文本中细粒度的实体词,满足预案文本中关键实体信息精确定位和识别的要求。     

A multiobjective hybrid ant colony optimization approach applied to the assignment and scheduling problem

The assignment and scheduling problem is inherently multiobjective. It generally involves multiple conflicting objectives and large and highly complex search spaces. The problem allows the determination of an efficient allocation of a set of limited and shared resources to perform tasks, and an efficient arrangement scheme of a set of tasks over time, while fulfilling spatiotemporal constraints. The main objective is to minimize the project makespan as well as the total cost. Finding a good approximation set is the result of trade‐offs between diversity of solutions and convergence toward the Pareto‐optimal front. It is difficult to achieve such a balance with NP‐hard problems. In this respect, and in order to efficiently explore the search space, a hybrid bidirectional ant‐based approach is proposed in this paper, which is an improvement of a bi‐colony ant‐based approach. Its main characteristic is that it combines a solution construction developed for a more complicated problem with a Pareto‐guided local search engine.     

LLC谐振变换器的扩展描述函数法建模

给出了LLC谐振变换器的等效电路,基于扩展描述函数法建立了该等效电路的小信号模型、得到了LLC变换器的稳态解及其直流电压增益特性。借助PSpice仿真软件得到了该变换器在不同开关频率和不同电路参数下输出变量对控制变量的频率特性曲线。分析了开关频率、输入电压、占空比、品质因数和负载等主要参数对频率特性的影响。所作的工作对变换器参数的优化设计、闭环控制及动态性能设计具有指导意义。     

Bidirectional Label Propagation over Graphs

Graph-Based label propagation algorithms are popular in the state-of-the-art semi-supervised learning research. The key idea underlying this algorithmic family is to enforce labeling consistency between any two examples with a positive similarity. However, negative similarities or dissimilarities are equivalently valuable in practice. To this end, we simultaneously leverage similarities and dissimilarities in our proposed semi-supervised learning algorithm which we term Bidirectional Label Propagation (BLP). Different from previous label propagation mechanisms that proceed along a single direction of graph edges, the BLP algorithm can propagate labels along not only positive but also negative edge directions. By using an initial neighborhood graph and class assignment constraints inherent among the labeled examples, a set of class-specific graphs are learned, which include both positive and negative edges and thus reveal discriminative cues. Over the learned graphs, a convex propagation criterion is carried out to ensure consistent labelings along the positive edges and inconsistent labelings along the negative edges. Experimental evidence discovered in synthetic and real-world datasets validates excellent performance of the proposed BLP algorithm.     

水平井分段均衡开采工艺管柱的研制

针对水平井开采过程中水平段动用不均衡的问题,开展水平井分段均衡开采工艺技术研究。详述水平井分段均衡开采工艺技术的设计思路、结构原理,以及技术的核心配套工具——分流装置的工作原理、室内实验等。该技术通过分采泵配合分流器shunt、插封分流开关、双向皮碗封隔器等组合成水平井分段均衡开采工艺管柱,通过选用不同型号分采泵、控制进泵前不同水平段油流通道,实现了对上下两水平段的均衡开采,充分发挥各水平段的潜力。     

基于多重网格的地表水文与二维水动力动态双向耦合模型研究

针对流域洪涝模拟模型的计算精度、格式稳定性及计算效率等问题,本文提出基于多重网格技术的地表水文与二维水动力动态双向耦合模型(M-DBCM)。地表水文模型采用非线性水库法模拟降雨产流和径流;二维水动力模型采用浅水方程模拟洪水演进过程。采用不同分辨率的网格划分计算区域,在粗网格区域采用地表水文模型模拟降雨径流过程;在细网格区域采用二维水动力模型模拟洪涝积水区的水流运动。地表水文和二维水动力模型通过内部耦合移动界面(Coupling Moving Interface, CMI)实现无缝连接,保证通过CMI的水量和动量等通量守恒,提高模型的模拟精度。采用时间显式格式同时求解地表水文和水动力模型,在不同区域采用不同的计算时间步长,以提高模型的计算效率。通过典型案例验证本文构建的耦合模型的性能,结果表明本文提出的动态双向耦合模型能够在保证模拟精度的同时提高计算效率。     

基于注意力机制的深度学习推荐算法

针对目前基于评论文本的推荐算法存在文本特征和隐含信息提取能力不足的问题, 提出一种基于注意力机制的深度学习推荐算法. 通过分别构建用户和项目的评论文本表示, 利用双向门控循环单元提取文本的上下文依赖关系以获得文本特征表示, 引入注意力机制, 更准确的获取用户兴趣偏好和项目属性特征. 将生成的用户和项目评论数据的两组隐含特征分别输入全连接层处理, 再合并到同一个向量空间进行评分预测, 得到推荐结果. 在Yelp和Amazon两个公开数据集中进行实验, 结果表明所提出的算法与其他算法相比, 具有更好的推荐性能.     

基于知识图谱和Bi-LSTM的推荐算法

目前现有基于模型的推荐算法多是将评分数据输入到深度学习模型中进行训练,得出推荐结果。其缺陷在于无法对预测结果进行可解释性分析。除此之外,无法有效地解决算法的冷启动问题。因此,本文提出一种基于知识图谱和Bi-LSTM的推荐算法,来有效解决算法的可解释性和冷启动问题。首先将获取到的数据集进行预处理,生成预编码向量,根据数据集结点的连接性,构建专业领域知识图谱。其次利用知识图谱的元路径提取技术获取到多条用户-物品路径信息,将其输入到Bi-LSTM中,在路径经过的各结点处加入一层注意力机制,目的是为了模型能够有效地获取到较远结点的信息。最后将多条路径的训练结果输入到平均池化层中,用以区分不同路径的重要程度,利用交叉熵损失函数对模型进行训练,从而得出预测结果。实验结果表明,与传统基于循环神经网络模型的推荐算法相比,该算法可有效地提升算法的可解释性以及预测准确性,并缓解算法的冷启动问题。