自适应短文本关键词生成模型

关键词抽取对文本处理影响较大，其识别的准确度及流畅程度是任务的关键。为有效缓解短文本关键词提取过程中词划分不准确、关键词与文本主题不匹配、多语言混合等难题，提出了一种基于图到序列学习模型的自适应短文本关键词生成模型ADGCN。模型采用图神经网络与注意力机制相结合的方式作为对文本信息特征提取的编码框架，针对词的位置特征和语境特征编码，解决了短文本结构不规律和词之间存在关联复杂信息的问题。同时采用了一种线性解码方案，生成了可解释的关键词。在解决问题的过程中，从某社交平台收集并公布了一个标签数据集，其包括社交平台发文文本和话题标签。实验中，从用户需求角度出发对模型结果的相关性、信息量、连贯性进行评估和分析，所提模型不仅可以生成符合短文本主题的关键词，还可以有效缓解数据扰动对模型的影响。所提模型在公开数据集KP20k上仍表现良好，具有较好的可移植性      

一种新的基于信号导频的射频指纹识别方法

现有基于深度学习的射频指纹识别技术大多采用原始数据样本作为网络输入，未考虑信号携带内容对分类结果产生的影响，网络结构相对单一。为此，针将信号导频部分作为网络输入展开了研究，提出了一种新的导频提取算法，对10个ADALM-PLUTO软件定义无线电设备(SDR)辐射出的信号提取其导频，并建立了3种不同距离条件下的导频数据集。提出将Inception网络结构用于射频指纹识别，在10 m无线传输距离下达到了98.58%的分类精度，相较于现有基于AlexNet网络改进的卷积神经网络(CNN)，分类精度有所提升。      

一种基于改进太阳子午线拟合方法的仿生偏振光定向系统

为设计一种自主性强、精度高、抗电磁干扰能力强的定向系统,以昆虫获取大气偏振模式的感知机理为基础,设计了一种新型的成像式仿生偏振光定向系统.该系统使用具有微偏振阵列结构的CMOS相机作为主要的偏振信息采集设备,使用DSP/ARM架构的NVIDIA JETSON TX2嵌入式处理器进行信息解算,具有体积小、运算能力强等优点.通过研究大气偏振模式中偏振度和偏振角图像的对称性,针对已有航向角解算方法在太阳子午线提取精度方面的不足,设计了一种对称轴粗提取之后通过连续旋转法精确提取太阳子午线的算法,最终实现定向精度0.3335°,在最小二乘对称轴粗提取法的基础上定向精度提升了19.05％.     

卷积线性混合模型下的复非高斯信号盲源提取

雷达信号的多径效应导致基于瞬时线性混合模型的盲源分离算法不再适用。为此，提出了一种基于FastICA的复非高斯信号盲源提取方法。该方法将混合系统建模为卷积线性混合模型，使得信号模型中不需要将每个多径信号都看作一个独立的源信号，既节约了接收通道数量，又降低了盲源分离过程的复杂度，利用待提取信号的非高斯性实现高斯背景下复非高斯信源的提取。实验结果表明：在信干比为-30 dB时，所提方法能够快速、有效地处理卷积线性混合模型下复非高斯信源的提取问题，为该场景下的微弱信号提取提供了一种新的方法。     

基于深度强化学习的复杂地形适应机器人设计与实验

针对行星表面轻量化自主探测任务，基于仿生思想设计了一种仿海胆结构的十二足球形机器人，其具备自主改变构型以贴合复杂地形的能力，可实现无倾覆、高容错的全向运动；基于数据驱动方法，对该机器人设计了一种数据高效的无模型强化学习运动策略，可实现无先验知识的从0到1步态训练以及步态的实物样机快速部署。通过在平面地形和非结构化地形中对其进行仿真实验，验证了经过训练的机器人具备自主运动、适应非结构地形等能力；通过与常用基准策略进行对比，证实了本文提出的运动策略具有训练高效、鲁棒性好的优势；最后通过开发原理样机，开展实物实验验证了仿真环境中所生成的步态在真实物理环境中的动力学可行性。     

基于蒙特卡洛-自适应差分进化算法的飞机容差分配多目标优化方法

针对飞机复杂组件装配过程中，由于装配偏差的非线性叠加导致通用容差分配模型优化方法存在精度误差和效率低下的问题，提出一种容差分配模型多目标优化方法。首先，分别面向制造成本、装配性能、质量损失构建基于替代工艺的容差分配模型，并采用最优化理论建立多目标优化模型。然后，提出基于蒙特卡洛-自适应差分进化算法的多目标优化策略，其中基于装配偏差传递的图树模型提取偏差的非线性关系模型，结合提取的非线性关系模型采用蒙特卡洛方法对初始样本进行前处理，以提高初始种群的多样性；自适应差分进化算法中的突变阶段采用Lévy flight概率分布进行改进提高全局搜索效率和鲁棒性。通过飞机登机门组件验证容差分配方法，结果表明所提方法能够更加精确、高效的优化容差分配。相比于初始容差分配，优化容差分配结果使得制造成本降低了21.78%,质量损失降低了11.12%,装配性能提高了12.28%。     

基于视听融合的宽频带振动频谱提取（英文）

提取振动频谱对于旋转机械的故障诊断至关重要。环境和噪声的多样化限制了传统单模态振动提取方法的性能。由于视听信号具有不同的采样频率、噪声和环境限制，视听融合算法可以有效解决单一模态存在的问题。基于此，文中提出了一种基于视听融合深度卷积神经网络的宽带频谱提取方法，该方法充分融合了不同模态的有效信息。该模型基于双流编码器从不同的模态中提取特征，使用深度残差融合模块提取高级融合特征并输出给解码器。实验结果表明，该模型的表现优于最新的振动提取方法，如Reg Net, MFCNN及L2L等，噪声环境下的振动频谱提取准确率提高15%。     

飞机短舱声衬声学性能实验技术

飞机短舱声衬作为飞机降噪的关键手段，其设计的成功与否强烈依赖于声学性能验证实验技术的发展。短舱声衬的声学设计一般分为两个层面，各自关注不同的研究目的与验证对象。在初步设计层面，一般借助声衬声阻抗提取技术对阻抗设计进行验证；在详细设计层面，一般使用缩比尺度和全尺寸短舱样件、借助声模态测控技术对整体声学效果进行验证。本文对比了基于双传声器法和直接提取方法发展而来的声衬阻抗提取技术，和基于相位控制阵列方法发展而来的声模态测控技术，以及这两种技术在发动机进排气道声衬设计中的应用。研究结果表明，双传声器法在低频下具有更高的精度，高频范围内双传声器法和直接提取方法的精度均降低，中频范围内双传声器法和直接提取方法的无量纲声阻和无量纲声抗差别小于0.2,均展示了较好的适用性。基于相位精细控制的旋转声模态发生技术研制的发生器能够产生超过10 dB以上的模态分辨率，能够用于测试声衬对多个目标模态的调控效果。为了进一步研究无缝声衬降噪量提升的主要机制，实验中使用模态发生器依次发出单独纯净的声模态，对两型声衬实验件开展对比测试。采用新一代技术研制的无缝声衬相比上一代成型工艺制成的带拼缝声衬在多声模态调控和关键...     

基于行人姿态的轨迹预测方法

在自动驾驶领域，行人轨迹预测一直是研究热点之一，行人行为的不确定性给轨迹预测带来很大的挑战。目前大部分轨迹预测方法只专注于行人之间的信息交互，忽略了行人意图和场景中其他语义信息对行人轨迹的影响。为此，提出一种基于行人姿态的卷积编码器-解码器网络(PKCEDN)来预测目标行人轨迹的方法，所提方法包含基于卷积、长短时记忆(LSTM)网络的编码器-解码器模型和能够学习当前时刻与过去时刻轨迹相关性的注意力机制。所提方法在MOT16、MOT17和MOT20公开数据集上进行了相关测试，与Linear、LSTM、Social-LSTM、Social-生成对抗网络(GAN)、SR-LSTM和M_sgtv等主流方法相比，在保证预测速度不降低的前提下，平均误差降低约36%。     

风能模型的发展及CFD在风资源开发利用中的应用

风能科学的发展一个很重要的方面就是从大气运动到风力发电机尺度流场的不同时空尺度运动的研究。随着计算能力的发展，计算流体力学（computational fluid dynamics, CFD）已经广泛应用于风能开发领域，使得风能模型从应用于较平坦地形的线性模型，发展到应用于复杂地形、耦合天气过程，考虑风力发电机排布、尾流效应的模型链。本文首先介绍了目前风能评估、微观选址、风功率预测模型的发展，之后详细介绍了在这些风能模型中CFD方法的改进，主要集中在中尺度到微尺度的“降尺度”、尾流模拟和复杂地形风场模拟3个方面，最后对风能模型发展过程中CFD所面临的挑战进行了展望。