微网分布式控制多跳无线网络拓扑优化

微网分布式控制系统可采用无线多跳网络实现相邻节点的信息交互.当需要获取各分布式单元状态时,各节点须采用多跳传输的方式,将数据汇集到遥测终端.但在不同通信拓扑条件下多跳传输的延时也不尽相同,不能保证满足电力通信标准的需求.文章以数据传输延时需求为约束,以最小化多跳网络端到端传输延时为目标,研究微网分布式控制系统多跳无线网...     

基于Gabor滤波器和潜在语义分析的烧成状态识别

采用Gabor滤波器预处理与潜在语义分析相结合的方法,对回转窑烧成带火焰图像的烧成状态进行了更为准确的识别,避免了基于图像分割技术带来的不精确特征提取和较差的识别结果.基于所构建的压缩Gabor滤波器组对火焰图像进行预处理,增强具有不同纹理特性的特征区域的可分性以有利于后续的特征提取和状态识别步骤.对预处理后的火焰图像采用改进的潜在语义分析提取特征向量进行状态识别,以降低特征维数并避免零频问题.实验结果表明：直接从火焰图像中提取特征进行状态识别的方法是可行的,并且识别的效果较未采用Gabor滤波器预处理、传统潜在语义分析、烧成带温度和图像分割等方法的效果更优.     

基于深度随机配置网络的电网故障诊断方法

针对继电保护和断路器的不确定性电网故障信息,给出了一种基于集成深度随机配置网络(SCN)的电网故障智能诊断方法。首先,面对分区的小规模子网,以子网全体关联保护和相应的断路器作为输入,采用深度SCN建立子网神经网络诊断模块。然后,定义广义误差熵性能指标,实时评测子网络诊断模块的故障诊断结果可信度,动态调节子网络层级对故障进行闭环反馈再诊断,使得故障诊断结果具有强可信度。子网络诊断模块完成各自的诊断任务后,基于模糊积分模块融合各子网络的高可信度诊断输出,最终实现区域间故障综合诊断决策。最后,仿真结果表明了该方法的可行性和有效性。     

编码—解码结构的语义分割

目的 语义分割是计算机视觉中一项具有挑战性的任务,其核心是为图像中的每个像素分配相应的语义类别标签。然而,在语义分割任务中,缺乏丰富的多尺度信息和足够的空间信息会严重影响图像分割结果。为进一步提升图像分割效果,从提取丰富的多尺度信息和充分的空间信息出发,本文提出了一种基于编码-解码结构的语义分割模型。方法 运用ResNet-101网络作为模型的骨架提取特征图,在骨架末端附加一个多尺度信息融合模块,用于在网络深层提取区分力强且多尺度信息丰富的特征图。并且,在网络浅层引入空间信息捕获模块来提取丰富的空间信息。由空间信息捕获模块捕获的带有丰富空间信息的特征图和由多尺度信息融合模块提取的区分力强且多尺度信息丰富的特征图将融合为一个新的信息丰富的特征图集合,经过多核卷积块细化之后,最终运用数据依赖的上采样（DUpsampling）操作得到图像分割结果。结果 此模型在2个公开数据集（Cityscapes数据集和PASCAL VOC 2012数据集）上进行了大量实验,验证了所设计的每个模块及整个模型的有效性。新模型与最新的10种方法进行了比较,在Cityscapes数据集中,相比于RefineNet模型、DeepLabv2-CRF模型和LRR（Laplacian reconstruction and refinement）模型,平均交并比（mIoU）值分别提高了0.52%、3.72%和4.42%;在PASCAL VOC 2012数据集中,相比于Piecewise模型、DPN（deep parsing network）模型和GCRF（Gaussion conditional random field network）模型,mIoU值分别提高了6.23%、7.43%和8.33%。结论 本文语义分割模型,提取了更加丰富的多尺度信息和空间信息,使得分割结果更加准确。此模型可应用于医学图像分析、自动驾驶、无人机等领域。     

基于深度集成学习的人脸智能反馈认知方法

人脸识别技术是深度学习的重要研究领域。为了克服传统开环人脸认知模式以及深层神经网络结构的缺陷,模仿人类实时评测认知结果自寻优调节特征空间和分类认知准则的认知模式,借鉴闭环控制理论思想,探索了一种基于深度集成学习的人脸智能反馈认知方法。首先,基于DEEPID网络建立人脸图像由全局到局部具有确定映射关系的非结构化特征空间;其次,基于特征可分性评测和变精度粗糙集理论,从信息论角度建立非结构化动态特征表征的人脸认知决策信息系统模型,以约减非结构化特征空间;再次,采用集成随机权向量函数连接网络,构建简约非结构化特征空间的分类认知准则;最后,构建人脸认知结果熵测度指标,为人脸特征空间和分类认知准则的自寻优调节机制提供量化依据。实验结果表明,较已有方法,该方法有效地提高了人脸图像的识别率。     

基于AIS风电机组故障诊断与偏航控制系统研究

基于人工免疫算法,设计了一种风电机组故障诊断与偏航控制一体化系统。该系统包含故障诊断免疫子系统代理和偏航控制免疫子系统代理。首先归结出了风电机组的不同故障类型与偏航控制条件,并建立了两个免疫子系统代理的抗原与抗体对应表。然后采用对抗原与抗体进行统一编码的方法,计算抗原与抗体之间的亲和力,实现了抗原与抗体的识别结合过程。最后仿真实验结果表明,该系统能够高效地协同工作,诊断已知故障类型(抗原),并能自动给出对应的解决措施(抗体);能够根据不同的风速风向条件(抗原)给出最优的偏航控制策略(抗体)。通过与传统PID控制相比,本文提出的系统具有更好的稳定性和鲁棒性。     

基于深度迁移学习的大雾等级智能认知方法研究

已有雾气检测模型存在缺陷以及深层神经网络优化存在困难。模仿人类认知模式,借鉴迁移学习和闭环控制理论思想,探索了一种基于动态交错组卷积的雾气等级智能认知方法。首先,构建交错组卷积层以降低卷积运算的通道冗余;其次,构建可区分性测度指标和认知决策信息系统,获取雾气图像多层次差异化简约特征空间数据结构;再次,设计深层随机配置网络分类器,构建具有强泛化能力的分类准则;最后,基于广义误差和熵理论,仿人类反复推敲比对的认知模式实时评测雾气等级认知结果的可信度,基于迁移学习机制实现雾气图像多层次差异化特征空间及其分类准则的自寻优重构,对可信度低的雾气图像进行再认知。15 000幅大雾图像的平均识别率为95.98%,实验结果表明,所用方法与其他算法相比,增强了模型的泛化能力,提升了模型的认知精度。     

基于深层卷积随机配置网络的电熔镁炉工况识别方法研究

为解决电熔镁炉工况识别模型泛化能力和可解释性弱的缺陷, 提出一种基于深层卷积随机配置网络(Deep convolutional stochastic configuration networks, DCSCN)的可解释性电熔镁炉异常工况识别方法. 首先, 基于监督学习机制生成具有物理含义的高斯差分卷积核, 采用增量式方法构建深层卷积神经网络(Deep convolutional neural network, DCNN), 确保识别误差逐级收敛, 避免反向传播算法迭代寻优卷积核参数的过程. 定义通道特征图独立系数获取电熔镁炉特征类激活映射图的可视化结果, 定义可解释性可信度评测指标, 自适应调节深层卷积随机配置网络层级, 对不可信样本进行再认知以获取最优工况识别结果. 实验结果表明, 所提方法较其他方法具有更优的识别精度和可解释性.     

基于BIA的人体内脏脂肪面积预测云模型研究

人体内脏脂肪面积与人体腹部总阻抗和腹部皮下阻抗测量值存在着强非线性关系,采用小波神经网络云模型建立了人体内脏脂肪面积预测模型。采用八电极法并结合人体腹部形状特征和人群特征属性,构成预测模型输入量。对不同条件的输入量进行划分,建立对应各个输入量的隶属云并进行模糊推理;构建对应于输入量的以小波函数为基函数的网络,采用输入量隶属云模糊推理输出对小波神经网络输出加权平均,以预测人体内脏脂肪面积。对该模型的参数进行训练,并采用训练后的模型对人体内脏脂肪面积预测。实测结果表明,该模型具有较强的非线性函数逼近能力,对人体VFA的预测效果比统计回归模型有明显的改进。