采选冶系统利润与回收率多目标优化模型研究及其应用

矿业工程是国民经济中重要的原材料工业,经营管理的好坏对国民经济的发展有直接影响。利润与回收率是矿业工程生产中的一对主要矛盾,本文综合运用矿业工程、投入产出理论、系统工程、运筹学、应用数学、模糊数学和计算机科学等多学科知识,建立了矿业工程利润与回收率多目标优化模型,研制了通用程序包。利用所建模型能够制定多目标优化生产计划,对生产过程进行平衡分拆和预测,提供挖潜方案,灵敏度分析,对企业各生产环节进行定量评价。     

直升机主轴弯矩标识的幅-相综合相关识别方法

直升机主轴弯矩是新研直升机飞行试验中必须测量、分析与验证的重要技术参数,是主轴设计的结构与强度验证、优化的依据,主轴弯矩测试是飞行试验实时监测、安全保障的重要环节。基于直升机飞行试验主轴弯矩实测方案和大子样结果数据,在理论建模和分析的基础上,提出了幅-相综合相关系数这一新概念,形成直升机主轴弯矩测量标识真伪的谐波幅-相综合相关识别方法,可以简单、量化、精确完成主轴弯矩测量标识真伪的勘别,保障主轴弯矩测量数据处理与分析结果的有效性和准确性,并利用某型直升机试验平台实测数据完成方法验证。该方法为保障新机研制飞行安全和减少技术隐患与风险,提供了一种新思路和新工具,可以推广应用于类似机械旋转轴平行截面正交方向弯矩、直升机桨叶展向不同截面摆振与挥舞弯矩测量通道标识真伪的智能识别。     

基于Matlab参数辨识的纯迟延系统预估控制在火电厂的应用

在探讨Smith预传器的控制原理的基础上,针对制约其工程应用的参数估计问题阐述了一种用Matlab软件计算的工程案例.在分析其应用前景的同时,提出将DCS控制系统、Matlab软件和Smith控制有机结合的思路.     

势平衡多目标多伯努利滤波器高斯混合实现的收敛性分析

研究了势平衡多目标多伯努利(cardinality balanced multi-target multi-Bernoulli,CBMeMBer)滤波器高斯混合(Gaussian mixture,GM)实现的收敛性问题.证明在线性高斯条件下,若GM-CBMeMBer滤波器的高斯项足够多,则它一致收敛于真实的CBMeMBer滤波器.并且证明在弱非线性条件下,GM-CBMeMBer滤波器的扩展卡尔曼(extended Kalman,EK)滤波近似实现—EK-GM-CBMeMBer滤波器,若每个高斯项的协方差足够小,也一致收敛于真实的CBMeMBer滤波器,本文的研究目的是从理论上给出CBMeMBer滤波器GM实现的收敛结果,以完善CBMeMBer滤波器对多目标跟踪的理论研究.     

基于多性能指标的SoC软硬件划分方法研究

针对存在多种因素影响嵌入式系统综合性能的实际情况,详细分析了影响嵌入式系统性能的各项性能指标,提出了一种基于多性能指标评价的软硬件协同划分思想。利用SoC可重用的特性,将IP核复用及软件架构重用引入到软硬件划分算法当中。通过功能模块层的抽象,将复杂的嵌入式系统构成映射到数学上的DAG（Direct Acyclic Graph）之上。提出了性能指标优先级的概念,并通过在算法中加入对给定的参数数据预先处理及引入运筹学中分支定界的思想,优化了算法的求解,加快了算法的收敛速度,较之单纯的整个空间的条件遍历更优。     

基于GGIW-PMB的衍生扩展目标跟踪

针对标准的扩展目标泊松多伯努利(Poisson multi-Bernoulli, PMB)滤波器难以有效跟踪衍生目标的问题,提出一种改进的PMB跟踪算法.算法采用随机矩阵法对扩展目标外形和尺寸建模,在滤波预测阶段利用多假设模型对衍生事件进行预测,得到多个伽玛高斯逆威沙特(gamma Gaussian inverse Wishart, GGIW)预测假设分量,最后在滤波更新阶段对预测分量更新得到扩展目标的运动状态和扩展形状估计.仿真结果表明,与标准的PMB滤波算法相比,所提算法有效改善衍生扩展目标的跟踪性能.     

基于K-Medoids聚类的多传感器航迹关联算法

为有效解决目标密集环境下的航迹关联问题,提出了一种基于K-Medoids聚类的航迹关联算法.该算法采用局部航迹与系统航迹进行关联的策略,将系统航迹作为Medoids,降低了需要关联的航迹对数量,避免了K-Medoids的固有缺陷,很大程度上提高了关联算法的效率.通过采用无穷范数计算采样点点迹距离求出了两条航迹的近似距离,这使得关联判决能考虑历史和当前航迹,提高了正确关联率.在多传感器多目标环境下讨论了其具体实现过程,仿真实验结果验证了该算法的有效性和优越性.该算法在存在噪音和离群点时,具有很强的健壮性,适合目标密集环境.     

一种采用盖尔圆半径修正特征值的信息论判源方法

结合盖尔圆定理与信息论准则提出了一种新的信息论判源准则(MAIC)。对信号采样协方差矩阵进行盖尔圆变换,利用信号协方差矩阵的特征值与对应的盖尔圆半径在区分信号和噪声方面的一致性,用盖尔圆半径修正特征值,并将修正后的特征值及新的罚函数应用于信息论方法得到MAIC判源准则。理论分析表明,由MAIC方法估计得到的目标数目接近真实数目的一致估计,克服了AIC方法在高信噪比下容易出现高估的问题。计算机仿真和湖上试验数据处理结果表明MAIC是一种在高、低信噪比下都能取得良好检测效果的稳健的多目标检测算法。     

深度学习辅助的多行人跟踪算法

目的 目标的长距离跟踪一直是视频监控中最具挑战性的任务之一。现有的目标跟踪方法在存在遮挡、目标消失再出现等情况下往往会丢失目标,无法进行持续有效的跟踪。一方面目标消失后再次出现时,将其作为新的目标进行跟踪的做法显然不符合实际需求;另一方面,在跟踪过程中当相似的目标出现时,也很容易误导跟踪器把该相似对象当成跟踪目标,从而导致跟踪失败。为此,提出一种基于目标识别辅助的跟踪算法来解决这个问题。方法 将跟踪问题转化为寻找帧间检测到的目标之间对应关系问题,从而在目标消失再现后,采用深度学习网络实现有效的轨迹恢复,改善长距离跟踪效果,并在一定程度上避免相似目标的干扰。结果 通过在标准数据集上与同类算法进行对比实验,本文算法在目标受到遮挡、交叉运动、消失再现的情况下能够有效地恢复其跟踪轨迹,改善跟踪效果,从而可以对多个目标进行持续有效的跟踪。结论 本文创新性地提出了一种结合基于深度学习的目标识别辅助的跟踪算法,实验结果证明了该方法对遮挡重现后的目标能够有效的恢复跟踪轨迹,适用在监控视频中对多个目标进行持续跟踪。     

多传感器高斯混合PHD融合多目标跟踪方法

针对复杂环境下单传感器多目标跟踪方法效果不佳的问题,基于FISST（Finite set statistics）跟踪理论提出一种多传感器高斯混合PHD（Probability hypothesis density）多目标跟踪方法.首先,分析了FISST下多传感器PHD的形式化滤波器,在此基础上构建一种反馈式多传感器PHD融合跟踪框架;进一步利用高斯混合技术提出多传感器PHD跟踪方法;最后,通过解决多传感器后验PHD粒子匹配与融合问题提出三种算法.仿真实验表明,与常规高斯混合PHD跟踪算法相比,本文所提算法能够有效提高目标跟踪精度和鲁棒性.