基于有偏估计的数据融合提高双传感器测量可靠性

为了提高测量数据可靠性,过程控制领域广泛采用双冗余传感器测量生产状态信息,而目前处理双传感器测量数据常用的方法为线性无偏估计融合理论。通过估计理论得到的测量数据同时涉及方差和偏差两个统计特性。由于无偏测量数据具有无偏性的优良性质,所以测量方差能够全面地描述无偏测量数据的可靠性,然而不能由此认为无偏测量数据一定具有高可靠性。为了进一步提高双传感器测量数据的可靠性,提出有偏估计数据融合方法。首先,证明了有偏测量能够改善单传感器测量数据的可靠性;其次,采用凸组合方法推导了双传感器有偏估计融合表达式;最后,证明了有偏估计融合的均方误差小于任意单传感器的均方误差。仿真分析与实例应用均表明有偏估计数据融合可以有效地提高双传感器测量数据的可靠性。     

基于滑动聚类的多传感器异步信息融合方法

传感器是智能检测和自动化装置中重要的部件组成,为了解决多传感器异步数据下的融合难题,提出了一种创新的基于滑动聚类的多传感器异步信息融合方法。首先引入了K-means聚类方法去容忍异步问题,主要利用曲线拟合给出一种简易的快速的判定法则以便实现实时聚类方法中的k值计算;其次设计了聚类滤波核从而在时空域上形成融合滑动管道,让数据的变化一直维持在一个能接受的误差之内,完整实现了实时多传感器信息融合方法。最后实验验证了设计的聚类融合方法的正确性以及合理性,实验证明了SC-MSIF方法是正确可行的,且在实时性方面具有较好的表现,相比较EKF和MEAN方法,SC-MSIF方法的RMSE误差减少了47.8%、36.3%,同时无人机中多传感器融合实际测试结果也较为优异。     

基于Dsp的洁净机器人运动控制系统设计

文中针对洁净机器人的运动控制系统设计展开了研究,提出了一种基于DSP的运动控制技术方案。首先对洁净机器人及运动控制系统的基本原理和要求进行了概述,然后分析了国内外洁净机器人运动控制系统的研究现状。接着,详细介绍了基于DSP的控制系统的硬件选型和设计、模块化设计、软件设计以及接口设计,并阐述了控制系统的实现与调试过程。在洁净机器人运动控制算法方面,提出了运动规划与路径规划算法、运动控制算法设计、传感器数据融合与处理算法以及故障处理与安全保护算法设计。     

快速平滑点特征轨迹电子稳像

为了提高机载成像系统输出视频的图像质量,提出了一种快速平滑点特征轨迹的稳像算法。以消除全局运动估计的帧间匹配累积全局运动、实现长时快速稳像为目的,建立有别于传统实时稳像模式的系统框架。首先采用SURF算法从原始的抖动视频中提取不稳定的特征点;其次利用Delaunay三角剖分算法判断特征点的邻接性,生成点特征轨迹;再次采用Kalman 滤波器对不稳视频中得到的点特征轨迹进行滤波处理,得到平滑的点特征轨迹;最后由原始点特征轨迹和平滑点特征轨迹估算出直接需要补偿的全局运动矢量。实验结果表明：该方法不仅能够实时处理失稳航摄视频,有效改善机载成像系统的图像质量,而且能够估计出相互独立的帧间全局运动矢量,可以应用于需要长时间稳像的场合。     

MSTAR图像的矩特征分析与多阈值分割

图像分割是SAR图像自动目标识别应用中的基础性问题。定义并分析了MSTAR图像的矩特征,进而构造了多阈值处理策略,用于MSTAR图像的分割。首先研究了目标、阴影,以及背景区域统计特性,并确定了相应的数学模型描述,在此基础上给出了矩特征的定义,并分析了其基本特性。通过由图像空间到矩特征空间的转换,显著增强了目标区域与阴影、背景区域的差异性,因此通过构造不同的阈值化规则,实现了MSTAR图像中目标、阴影和背景区域的分割。对MSTAR图像的处理结果表明,与恒虚警率（CFAR）、最大类间方差（OTSU）、模糊C均值（FCM）和马尔可夫随机场（MRF）等典型分割算法相比,本文方法不需进行噪声抑制,但在分割效果和鲁棒性等方面性能更好,同时,对多尺度、多目标MSTAR图像的分割也显示出良好的适应性。     

简支槽形梁考虑空间受力的理论解

该文在综合考虑槽形梁的整体弯曲、局部弯曲、剪力滞效应和主梁扭转作用的基础上,用势能驻值原理导出了简支槽形梁在均布荷载作用下的解析解。通过与有限元计算结果的对比,验证了理论解的正确性和适用性。通过算例分析发现:随着高宽比或宽跨比的增大,局部弯曲对道床板纵向正应力的贡献增大;算例采用的截面尺寸剪力滞效应非常明显,槽形梁的宽跨比对道床板的有效宽度系数影响显著;是否考虑主梁扭转对最终的计算结果影响不大。     

改进全局ZOA优化MVMD-SCN的锂电池SOH估算

锂电池健康状态(SOH)的准确估算对电池系统的健康管理起着重要作用,为提高SOH的估算精度,提出一种将参数优化后的多元变分模态分解(MVMD)和随机配置网络(SCN)相结合的SOH估算方法.从锂电池充放电过程中提取多个健康因子(HF)作为SOH估算模型的输入,在斑马优化算法(ZOA)全局阶段引入自适应权重和最优领域波动策略,提高其全局搜索能力,得到改进全局的斑马优化算法(IGZOA),利用它对MVMD和SCN参数进行寻优,最后在9个基准函数测试IGZOA性能,在NASA和CALCE数据集上将所提方法与不同方法进行锂电池SOH的估算对比,结果表明,所提方法的均方根误差和绝对误差的平均值分别为0.84％,0.93％,具有更高的预测精度和泛化性.     

基于贝叶斯最小风险的癫痫脑电自动检测算法

提出一种新的不平衡分类算法,基于增减序列合并周期分割算法提取时域特征,引入随机映射优化了旋转森林的计算效率,进而计算基于海林格距离的贝叶斯最小风险来给出测试样本标签。该算法在1 s片段上得到了90.66%灵敏性,92.52%特异性,◢F◣2分数为0.9055,并且检出了98.56%的癫痫发作,检测延迟为1.32 s,在不平衡的癫痫脑电数据集上表现出了良好的性能,对于癫痫辅助诊断有着极大的临床意义。     

“一带一路”背景下全球能源互联网运行机制构建

随着清洁能源的大力发展与智能电网技术的不断成熟,特高压技术解决了超远距离电力传输调度问题,在当今全球化进程中全球能源互联已成为现阶段急需解决的重大问题,也是实现全球经济与能源可持续发展的重要战略规划。全球能源互联需要世界各国在能源领域进行全方面合作,打破不同发展水平国家间的能源准入壁垒,将世界各国的资源及能源性企业联合起来,形成一套互信互惠的能源交易运行机制,并探索适用于全球能源互联的商业模式,以保障全球能源互联网的建设有序开展。通过现阶段“一带一路”发展战略对全球能源发展现状及全球能源互联网现阶段取得成果的分析,对全球能源互联网发展过程中的新型投融资机制、市场机制、协同创新机制以及组织保障机制的建设进行了探索,旨在提出全球能源互联运行当中面对的各种问题,为全球能源互联运行机制建设提供可行性方案,推动“一带一路”与构建全球能源互联网两大战略的耦合与互动。     

融合极限学习机

为提高极限学习机(Extreme Learning Machine, ELM)的分类性能,同时保留其训练速度快的优点,该文提出融合ELM的方法,详细分析了特征级融合及决策级融合两种实现方式。为实现决策级融合ELM,提出概率极限学习机(Probabilistic ELM, PELM),将传统ELM的数值型输出转化为概率型输出,使得不同特征的判决结果统一在固定范围。在此基础上,采用自适应权值的方式实现决策级融合,该方法充分考虑了分类器针对不同特征的判决准确率差异,无需先验知识及主观定义。实验证明,该文提出的融合ELM相较于传统的单一特征支持向量机(SVM)方法及ELM方法,具有更优的分类性能;在训练时间方面,优于SVM方法。