基于特征融合和集成学习的运动想象脑电解码方法

开发高性能的脑电解码方法一直是脑机接口系统研究的重点和难点。为了进一步提高运动想象脑电解码的性能,提出了基于特征融合和集成学习的脑电解码方法。首先,针对每个通道脑电信号提取方差、自回归(AR)系数和带通功率特征,接着进行特征融合。其次,提出两种新的集成学习方法,分别是基于K最近邻(KNN)的集成学习模型和基于最小绝对值收缩和选择算子(LASSO)的集成学习模型。其中,KNN集成模型针对KNN分类器的K值以及闵式距离的P值进行集成,LASSO集成模型针对LASSO分类器的正则化参数进行集成,这两种集成学习方法计算简单且不需要烦琐耗时的交叉验证过程进行模型选择。最后,在三个公开的运动想象脑电数据集上验证所提方法的有效性。实验结果表明,新提出的集成学习方法,其分类结果优于支持向量机、随机森林等现有的分类器。LASSO集成模型优于KNN集成模型,在三个数据集上取得了71.75%的最高平均分类准确率。     

一种基于元路径拥塞模式挖掘的移动对象位置预测方法

路网上移动对象位置预测是许多位置相关服务的基础。目前移动对象位置预测方法没有充分考虑到轨迹数据中所蕴含的道路拥塞信息,而路网上的道路拥塞状态对移动对象的位置更新会产生巨大影响。提出基于元路径拥塞模式挖掘的方法(Meta-congestion-pattern mining,MCPM)。在离线挖掘阶段,从历史轨迹的频繁路径(元路径)的紧集中挖掘当地的拥塞模式,并对运动模式进行建模,其中采用基于k均值的聚类算法解决数据稀疏性问题。在线预测阶段根据挖掘的拥塞模式和运动模式依概率进行预测。最后通过理论分析和实验验证得出了算法的有效性,与相同条件下的精度预测(WhereNext,WN)方法相比,平均预测准确性提高了近20%,预测时间平均缩短了近50%。     

基于元学习和PINN的变工况刀具磨损精确预测方法

刀具磨损预测对保证零件加工质量和效率、降低加工成本具有重要作用,尤其是在广泛采用难加工材料的航空航天制造领域。数据与机理融合模型能够结合机理模型和数据驱动模型的优势,是实现刀具磨损预测的有效手段。然而现有的融合方法难以有效平衡数据和机理对模型的权重,导致难以真正实现融合模型的预期效果。本文提出了一种基于元学习（Meta learning,ML）和PINN（Physics-informed neural network）的刀具磨损预测方法,通过磨损机理约束数据驱动模型的解空间,并结合元学习算法优化融合模型的损失函数以合理利用数据和机理提供的信息。实例验证结果表明,本文所提出的方法能有效提高变工况下的刀具磨损预测精度和稳定性。     

基于灰色GM(1,1)模型的桂林市GDP预测研究

分析和预测国内生产总值(GDP)发展数据对预测国家或地区经济发展有很大的参考作用,为此提出了一种基于灰色理论的桂林市GDP预测的改进GM(1,1)模型。为克服GDP历史数据波动的特点,对历年桂林市GDP原始数据进行平滑处理与初始条件的修正,提出了一种新的改进GM(1,1)预测模型,并对其进行预测精度等级评价。以桂林市GDP历史数据实例进行检验与对比,结果表明该预测方法的可行性和有效性具有较高的预测精度和准确度,可作为桂林市国民经济发展的决策参考。     

一种基于GA优化小波LS-SVR的实时寿命预测方法

针对性能非线性退化的产品,从研究退化轨迹相似性的角度出发,提出一种基于遗传算法(GA)优化小波最小二乘支持向量回归机(LS-SVR)的实时退化轨迹建模和寿命预测方法。该方法根据特定个体与同类产品的Euclid距离确定隶属度权值,加权小波LS-SVR建立的同类产品退化模型得到特定个体的退化轨迹模型,结合实测数据更新模型并进行实时寿命预测。实例分析验证了所提方法的有效性。     

非结构化数据的多粒度集成分类方法

深度学习模型已经在文本和图像等分类任务上取得了不错的效果,然而深度学习模型很难为分类结果提供可解释性。本文提出一种非结构化数据的多粒度集成分类方法,与其他学习方法相比,多粒度集成分类方法能够保留数据的上下文信息。在多粒度集成分类方法中,数据被划分成不同的粒度,用于训练不同的基学习器,这些学习结果为集成模型最后的分类提供了可解释性。基学习器根据它们在验证集上的精度被赋予不同的权重,从而构造出一个较好的集成学习器。在实验中,本文验证了所提出模型在3种非结构化数据类型（文本、医学图像和时间序列）上的有效性。实验结果表明, 本文的模型比现有的基准方法简单,具有较好的分类精度,并且能够为数据的分类提供可解释性。     

H∞控制与逆系统在无人机直接侧力控制中的应用

无人机直接侧力控制的关键是实现无人机运动参数的解耦。逆系统方法是一种很好的解耦方法,但其对模型的要求比较高。为了解决这一问题,本文设计一种H∞控制与逆系统的集成控制结构,对系统的输出解耦控制和鲁棒性分别进行分析,解决了传统的控制结构框架下系统控制精度和鲁棒性不能兼容的矛盾。最后,通过对某型无人机的直接侧力控制仿真验证了这种新型控制器的有效性。     

基于集成学习的冲击载荷识别与定位方法

本文提出一种基于集成学习的冲击载荷识别与定位方法,用于识别作用在复杂结构表面上冲击力的峰值以及冲击位置。以决策树为基础预测器,采用自适应提升法将多棵决策树集成为学习模型,通过结构冲击试验获取大批“载荷-响应”数据训练模型,建立结构动态响应与冲击载荷之间的映射关系,从而实现由响应逆向识别载荷。通过识别作用在薄壁圆筒结构表面上的冲击载荷,证明集成学习方法可以对冲击载荷和冲击作用位置作出准确的预测。此外,文章还讨论了结构边界条件对载荷识别准确度的影响。     

一种基于白噪声的多点激励随机信号生成方法

为提高多输入多输出(Multiple input multiple output,MIMO)线性随机振动试验系统中具有相关特性的多路驱动信号生成精度,基于驱动谱非负定Hermite特性及矩阵分解理论提出了一种CD(Cholesky decomposition)白噪声滤波信号生成方法。构造具有特定"频响特性"的传递系统,将一系列独立白噪声通过该系统得到具有预期相干特性、相位差以及自谱的平稳随机信号。建立悬臂梁两输入两输出线性振动系统仿真模型,将传统傅里叶逆变换时频转换方法与CD滤波法生成的驱动信号进行对比分析。结果表明新方法精度与参考值误差不足1dB。两轴振动试验验证结果表明,应用CD法既满足工程实际标准需求,又为振动环境试验提供理论依据。     

基于深度学习的离场航空器滑行时间预测（英文）

随着航班数量的不断增加,机场协同决策系统(Airport collaborative decision-making,A-CDM)的使用也越来越广泛。滑行时间预测的准确性对A-CDM计算离场航空器起飞排序队列和给出准确的撤轮挡时间具有重要的作用。本文提出一种基于时间-空间-环境数据的深度学习模型(Spatio-temporal-environment deep learning model,STEDL)来提高滑行时间预测的准确性。该模型由时间-流量变量(机场实际容量,场面航空器数量,时间段)、空间变量(滑行距离)、外部环境变量(天气,流控信息,跑道运行模式,机型)3部分组成。使用STEDL模型对香港机场离场航空器滑行时间进行预测验证。实验结果显示,STEDL模型预测准确率为95.4%,预测精度明显优于其他机器学习算法。     

双参数指数分布双样预测的Bayes方法

对双参数指数分布的无替换定数截尾的当前样本，本文给出了双样问题在无信息先验分布下的Bayes预测子与精确预测限，结果表明，此时的Bayes精确预测限与经典精确预测限是一致的，而预测子却不相同，并且数值例说明了这些方法。     

相变材料热控系统内部接触热阻的辨识方法研究

在相变材料热控系统的吸热融化过程中,由于材料与容器壁面之间的空穴效应形成的接触热阻,将对熔化传热形成阻尼效应.采用反演热传导反问题的方法,将参数辨识中的灵敏度法和共轭梯度法应用到实验,建立了一种可用于材料熔化过程界面稳态和瞬态接触热阻的辨识方法.模拟辨识与初步应用表明:辨识方法计算精度高、稳定性好,为精细化分析相变材料热控系统中的熔化吸热过程奠定基础.     

指数分布双样预测的Bayes方法

本文对指数分布的双样预测问题用Bayes方法进行了讨论，结果表明，定数截尾时，无信息先验分布的Bayes预测限与经典预测限相同，但两者的预测子不一致，对有替换定时截尾，给出了经典方法目前尚未给出的双样预测问题的Bayes预测子与预测限，并用数值例说明了这些方法。     

基于BP神经网络的冰形特征参数预测

机翼结冰影响了飞机飞行的气动特性,严重时将会引起事故,对冰形特征参数进行预测对翼型气动特性研究以及后续防除冰措施具有重要的意义.本文利用BP神经网络,建立翼型冰形特征参数预测模型,并采用k折交叉验证进行网络结构选择,以气象与飞行条件作为输入,结冰极限、冰角高度和角度等冰形特征参数作为输出.结果表明:预测的冰形特征参数(...     

一种针对铆接结构进行疲劳寿命评估的新方法

提出了一种针对铆接结构进行疲劳寿命评估的新方法。首先,运用弹塑性理论模型求解出铆接造成的铆钉孔周边的残余应力。然后,通过三维弹塑性、接触非线性有限元分析(Finite element method,FEM),计算出载荷传递引起的铆钉孔周围的应力分布。将这两个应力场进行叠加,并将沿径向距离疲劳危险部位应力最大处特定距离的点的应力,对照相关材料的光滑试件S-N曲线进行插值,得到疲劳寿命的评估结果。新方法与应力严重系数法(Stress severity factor,SSF)法进行了对比,并通过试验验证了该方法的可行性和准确性。     

（对数）正态未来观测的预测分布及其应用

本文用Bayes方法给出了正态、对数正态分布示来观测的预测分布。据此，给出了两分布未来观测值的预测子与预测区间及两分布可靠性的Bayes估计，而经典预测区间与无信息先验分布下的Bayes预测区间相间。     

粗糙聚氨酯表面微接触状态下粘着力的模拟

以JKR接触理论和GW粗糙表面模型为基础,将聚氨酯表面与光滑蓝宝石球的接触作为点接触,与玻片的接触看做是多个凸峰与光滑平面的接触,建立接触力学模型分析粘着力与法向力间的关系。结果显示:聚氨酯与蓝宝石球接触时,粘着力不随法向力变化;聚氨酯与载玻片接触时,粘着力随法向力成对数变化,即在法向力很小时,粗糙峰起关键作用,接触点数和接触总面积随法向力增加而增加,粘着力迅速增大,当法向力继续增大达到一定值时,实际接触点数和接触总面积随法向力增加缓慢,表面间趋于饱和接触,故粘着力亦变化缓慢。模拟结果与试验结果接近,说明模拟方法可行、结果可靠。     

分离涡模拟类方法发展及在叶轮机械内流场的应用

分离涡模拟(Detached eddy simulation,DES)方法是目前支撑叶轮机械精细化设计的高精度且工程可实现的数值模拟方法之一。本文简要回顾了DES类方法的发展历程、存在问题和解决方法,并以基于一方程的DES类方法为例阐明其构造思路。在准确性验证方面,针对叶轮机械中普遍存在的分离和转捩现象,结合当前DES类方法对经典物理模型的模拟结果,分析了DES类方法对该现象的预测能力。在此基础上,对DES类方法在直叶栅、亚声速和跨声速叶轮机械内流场的预测精度及应用现状进行了简要评述,并着重分析了当前DES类方法在叶轮机械应用中需要兼顾的问题,为下一步DES方法在高性能压气机设计中的应用提供参考。     

基于互信息的输入变量选择算法综述

空间环境是空间态势感知的重要组成部分,在空间科学领域,受限于对日地系统物理规律的全面认知,现有的基于物理机制的空间环境预测模型目前还难以实用化,通常采用的多是基于数据的经验类模型。基于互信息的输入变量选择算法为空间环境要素预测模型的输入确定了思路。由于能充分考虑不同输入、输入与输出之间的潜在关系,基于互信息的输入变量选择算法近年来在回归及分类问题上得到了广泛的应用和发展。本文以输入变量选择算法的3个关键环节,即评价标准、搜索策略和停止准则为线索,从不同角度对基于互信息的过滤式变量选择算法进行了系统的分析与梳理,重点对不同变量评价标准依赖的假设条件进行了数学上的推导和说明。最后总结了其发展规律,可为后续研究尤其是建立空间环境预测模型提供借鉴。