基于CEEMDAN与改进小波阈值的电缆局部放电信号降噪方法

对检测到的电缆局部放电信号降噪是实现电缆绝缘诊断与评估的前提,为此提出一种基于自适应噪声的完备集合经验模态分解(CEEMDAN)与改进小波阈值的电缆局部放电信号降噪方法。首先,采用CEEMDAN算法将染噪局部放电信号进行分解,得到数个模态分量;然后,计算模态分量的峭度值,筛选出有效特征分量并重构;最后,将重构信号通过改进小波阈值法再次降噪去除冗余噪声,得到降噪后的局部放电信号。将该方法、传统小波阈值法及集合经验模态分解与改进小波阈值法分别用于不同噪声强度下局部放电仿真信号的降噪处理,结果表明该方法具有更高的信噪比与波形相似系数,能有效抑制周期性窄带干扰与白噪声。     

流场动态可视化平台关键技术与应用

流场模拟是计算机仿真模拟的热点和难点,是展现水流动态变化过程、辅助寻求水流运动变化规律的重要手段。流场可视化技术的应用可以有效提高水流信息表达的直观性与综合性。本文以北江航道水流可视化为例,开发了浏览器/服务器结构的航道水流可视化平台,重点研究了平台中基于图像的流场可视化技术,采用渲染到纹理技术和通用图形处理器计算中的乒乓技术实现了流场可视化的融合,采用基于视点动态渲染的方式有效解决了水流细节层次的表现问题。在北江航道水流可视化应用中流场动态显示效果流畅,运行帧率达60帧左右。该流场可视化实现方法可以为网页端流场可视化实现与应用提供参考。     

基于改进混沌粒子群的PEMFC模型参数辨识

基于质子交换膜燃料电池(PEMFC)电堆的输出特性及相关电化学反应建立输出特性模型,提出改进混沌粒子群优化(CPSO)算法来优化PEMFC输出特性模型参数辨识问题。首先采用6种标准测试函数验证了CPSO算法的寻优性能,然后针对两种参数不同的电堆进行了输出特性模型参数辨识。结果表明,相较于遗传算法(GA)、粒子群优化(PSO)算法、受约束粒子群优化(B-PSO)算法、具有收缩系数的粒子群优化(PSO-χ)算法、引力粒子群优化(GSAPSO)算法以及差分进化算法(DE),CPSO算法辨识精度最高且收敛速度最快。静态工况下电堆1的均方根误差为0.213,平均相对误差为2.339%;电堆2的均方根误差为0.481,平均相对误差为1.243%,充分说明CPSO算法在PEMFC输出特性模型参数辨识方面的优越性。     

基于超像素暗通道和自动色阶优化的图像去雾算法

针对暗通道先验(dark channel prior, DCP)复原图像中的光晕现象、明亮区域色彩失真、环境光估计不准确等问题,提出了基于超像素暗通道和自动色阶优化的单幅图像去雾算法。首先,由改进的White Patch Retinex算法增强图像并计算精确环境光。接着,在传统暗通道去雾算法中引入超像素图像分割和引导滤波算法,使透射率估计的稳健性与精确性得以提升。然后,采用自适应容差对明亮区域的透射率进行补偿,有效抑制明亮区域色彩失真问题。最后,以自动色阶优化算法提高图像对比度。将本文去雾算法与其他算法从主观和客观两个维度进行比较,实验结果表明：采用不同算法对不同浓度的自然雾图进行对比实验,信息熵提高0.2 bit,峰值信噪比(peak signal-to-noise ratio,PSNR)提高0.8 dB,运行效率提高。该算法对不同浓度含雾图像具有良好的适应性,复原图像色彩真实、纹理清晰、细节丰富,去雾效果良好。     

基于转移阻抗模型的功率回路和信号回路间串扰建模与试验验证

由于列车和船舶上的空间有限,互连非屏蔽线缆的空间非常小,导致非屏蔽线缆之间存在严重的串扰问题。其中功率回路对信号回路的串扰会严重影响信号的质量和系统的正常运行,因此有必要估计功率回路中共模和差模电磁干扰对信号回路的影响,为此提出了一种可扩展的级联多端口网络模型,可对线缆间共模和差模串扰进行精准建模,准确估计出功率回路对信号回路的影响。最后,搭建了试验台架进行验证,实验结果验证了该方法的有效性。     

碲镉汞线性雪崩焦平面器件评价及其应用(特邀)

碲镉汞线性雪崩焦平面探测器具有高增益、高带宽及低过剩噪声等特点,在航空航天、天文观测、军事装备及地质勘探等领域展现了巨大的应用潜力。目前,国内已经开展了碲镉汞线性雪崩焦平面器件的研制工作,但缺乏评价其性能的方法及标准,同时对其的应用仍然处于探索阶段。首先分析了表征线性雪崩焦平面器件性能的关键参数,同时基于碲镉汞线性雪崩焦平面器件的特点,探讨了雪崩焦平面器件在主/被动红外成像、快速红外成像等领域的应用,最后对碲镉汞雪崩焦平面器件的未来发展进行了展望。     

模仿学习综述：传统与新进展

模仿学习是强化学习与监督学习的结合,目标是通过观察专家演示,学习专家策略,从而加速强化学习。通过引入任务相关的额外信息,模仿学习相较于强化学习,可以更快地实现策略优化,为缓解低样本效率问题提供了解决方案。模仿学习已成为解决强化学习问题的一种流行框架,涌现出多种提高学习性能的算法和技术。通过与图形图像学的最新研究成果相结合,模仿学习已经在游戏人工智能（artificial intelligence,AI）、机器人控制和自动驾驶等领域发挥了重要作用。本文围绕模仿学习的年度发展,从行为克隆、逆强化学习、对抗式模仿学习、基于观察量的模仿学习和跨领域模仿学习等多个角度进行深入探讨,介绍了模仿学习在实际应用上的最新情况,比较了国内外研究现状,并展望了该领域未来的发展方向。旨在为研究人员和从业人员提供模仿学习的最新进展,从而为开展工作提供参考与便利。     

基于深度强化学习的动态装配算法

针对动态装配环境中存在的复杂、动态的噪声扰动,提出一种基于深度强化学习的动态装配算法。将一段时间内的接触力作为状态,通过长短时记忆网络进行运动特征提取;定义序列贴现因子,对之前时刻的分奖励进行加权得到当前时刻的奖励值;模型输出的动作为笛卡尔空间位移,使用逆运动学调整机器人到达期望位置。与此同时,提出一种对带有资格迹的时序差分算法改进的神经网络参数更新方法,可缩短模型训练时间。在实验部分,首先在圆孔–轴的简单环境中进行预训练,随后在真实场景下继续训练。实验证明提出的方法可以很好地适应动态装配任务中柔性、动态的装配环境。     

“对抗式学习”教学法及其在计算机网络安全课程中的应用

针对信息安全类课程教学中学生的学习动机弱、专业技能浅和职业体验少等问题,提出“对抗式学习”教学法,阐述该教学法的优势及其在计算机网络安全课程中开展的教学实践,通过教学效果及学生反馈分析,说明该教学方法对于提高学生的学习动机、专业技能和职业场景体验具有较明显的促进作用。     

基于会话的推荐方法综述

近年来,基于会话的推荐方法受到学术界的广泛关注。随着深度学习技术的不断发展,不同的模型结构被应用于基于会话的推荐方法中,如循环神经网络、注意力机制、图神经网络等。该文对这些基于会话的推荐模型进行了详细的分析、分类和对比,阐明了这些方法各自解决的问题与存在的不足。具体而言,该文首先通过调研,将基于会话的推荐方法与传统推荐方法进行比较,阐明基于会话的推荐方法的主要优缺点;其次,详细描述了现有的基于会话的推荐模型如何建模会话集中的复杂数据信息,以及这些模型方法可解决的技术问题;最后,该文讨论并指出了在基于会话推荐的领域中存在的挑战和未来研究的方向。