基于NB-IoT技术和GA-BP神经网络的车位预测系统

围绕有效整合城市停车资源,提高现有车位存量利用率的需求,构建了一种基于NB-IoT技术的车位预测系统。该系统采用NB-IoT技术进行信息采集与传输实现车位信息的共享;考虑到车位状态信息实时变化的特性,用历史车位占用数据来建立车位预测模型,推测出未来短时内车位变化趋势。为了提高车位预测的精度,采用遗传算法(Genetic algorithm,GA)优化反向传播(Back propagtion,BP)神经网络建立GA-BP神经网络车位预测模型。以某地下停车场历史数据为例进行仿真实验,研究结果表明:车位预测模型预测值与实际值相近且趋势保持一致,能够有效准确的预测车位状态变化,具有较高的精度。     

一种基于神经网络的航改燃气轮机转速控制器

为了提升某型航改燃气轮机的转速控制性能，提出一种双输入反正切神经网络控制器，然后基于该航改燃气轮机的PI控制器以及该反正切神经网络控制器，提出一种新型的集成控制器。采用仿真计算的方法，通过跟踪测试、抗干扰测试和鲁棒性测试，对比此三种控制器以及四种常规控制器的性能差异。结果表明，在三次跟踪测试中，集成控制器具有最优的综合跟踪性能；给燃料量加入5%的干扰后，集成控制器的抗干扰能力等于反正切神经网络控制器，但高于另外五种控制器；当工作环境温度增加以及压气机性能退化引起不确定性时，七种控制器均能正常实施控制，且仍以集成控制器的效果最优，其鲁棒性最强。新型集成控制器具有最佳的综合转速控制性能，能够保证该型航改燃气轮机安全和高效的运行。     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同，提出了基于高置信局部特征的车辆重识别优化算法。首先，利用车辆关键点检测获得对应的多个关键点坐标信息，分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性，提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理，根据局部区域分割信息，对卷积得到的特征张量进行空间维度上的切割，获得代表全局信息和关键局部信息的特征张量。然后，通过全连接层特征张量转化为表示车辆个体的一维向量，计算损失函数。最后，在测试阶段使用全局特征，并利用训练好的车标扩散区域提取分支获得高置信局部特征，缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试，验证了所提算法的有效性。      

新型含甲基苯基硅芳醚芳炔树脂的制备与性能

以1,4-二(4’-乙炔苯氧基)苯与甲基苯基二氯硅烷为原料,通过格氏反应合成具有二苯醚结构的含甲基苯基硅芳醚芳炔(PSEA-P2)树脂,进而制备其碳纤维增强复合材料。通过核磁共振(~1H-NMR)、红外光谱(FT-IR)、差热分析(DSC)、热重分析(TGA)、动态热机械分析(DMA)等分析手段对树脂及其复合材料的结构与性能进行表征。结果表明:PSEA-P2树脂加工窗口为110～175℃,适合复合材料模压成型;树脂浇铸体具有优良的力学强度和耐热性能,在室温～450℃未出现玻璃化转变,弯曲强度可达54.3 MPa,氮气下热分解温度T_(d5)达到531℃;T300碳纤维增强复合材料室温下弯曲强度可达518.0 MPa,400℃下弯曲强度保留率为53%。     

基于深度学习特征提取的遥感影像配准

传统的影像配准算法,如尺度不变特征变换(SIFT)、加速稳健特征(SURF)等,对遥感卫星影像配准存在提取特征点少、错误匹配多等缺点。文章使用数据驱动的随机特征选择卷积神经网络(RanSelCNN)方法,对Landsat-8卫星不同时相或同一时相具有重叠度的遥感影像进行配准,卷积层使用随机特征选择,增加特征提取的鲁棒性;训练时使用联合损失函数,同时对特征探测器和特征描述符进行优化,减少特征的错误匹配。结果表明:基于随机选择的深度神经网络的遥感影像配准能提取更多的特征点,有效降低错误匹配率。与传统的人工设计特征相比,该算法能明显提高卫星影像配准的精度。     

硅基超短微转子系统动力学分析和 不平衡量试验测量方法研究

以基于微型静压气体轴承系统支承的硅基超短微转子为研究对象,充分考虑微尺度下稀薄气体效应的影响,建立了微型静压径向气体轴承的气体动力学模型。开展了不平衡量影响下的微转子-气体轴承系统动力学的建模和动力特性研究,分析并掌握了微转子不平衡量与微转子动力学响应、微型静压气体轴承供气特性之间的内在联系,提出了一种基于共振原理和反推原理的超短微转子不平衡量分析和测量方法,解决了常规不平衡量测量方法中存在的传感器安装和环境振动干扰等问题。     

多航天器协同探测效能影响参数不确定性分析

为解决传统基于蒙特卡洛仿真的探测效能不确定性分析评价方法中时间效率低，参数关系映射单一的问题，提出一种基于神经网络的不确定性分析方法，利用人工神经网络在拟合回归分析上的非线性特性，设计了能够替代复杂系统的神经网络结构，能够通过少量仿真计算结果作为训练样本实现模型的收敛并能有效反映被替代系统的原有特性。选择以一个多航天器的天文观测任务作为典型用例，建立了仿真分析模型，并与蒙特卡洛仿真方法结果进行了对比，验证了此方法的准确性和计算效率。