基于BP神经网络的介质表面充电电位反演方法

为了实现全面、实时的在轨卫星充放电风险分析,基于在相同环境下,不同材料表面充电的关联性,利用BP神经网络建立了一种由Kapton材料表面充电电位反演卫星其他常用介质材料表面电位的模型。以Kapton材料的表面电位以及材料厚度为输入,其他介质材料的表面电位作为模型输出,使用COMSOL建立的表面充电模型对神经网络进行训练,将反演误差降低到10%以下,并利用Kapton与Teflon材料表面充电地面试验数据验证反演模型的准确性,结果显示Teflon表面电位的反演值与实测值间的相对误差小于16%。     

基于抽象汇编指令的恶意软件家族分类方法

恶意软件变体的大量出现对网络安全造成巨大威胁。针对基于汇编指令的恶意软件家族分类方法中,操作数语义与运行环境密切相关而难以提取,导致指令语义缺失,难以正确分类恶意软件变体的问题。提出了一种基于抽象汇编指令的恶意软件家族分类方法。通过抽象出操作数类型重构指令,使操作数语义脱离运行环境的约束;利用词注意力机制与双向门循环单元（Bi-GRU）构建指令嵌入网络以捕获指令行为语义,并结合双向循环神经网络（Bi-RNN）学习恶意软件家族共性指令序列,以减小变体技术对指令序列的干扰;融合原始指令和家族共性指令序列构建特征图像,并通过卷积神经网络实现恶意软件家族分类。公开数据集上的实验结果表明:所提方法能够有效提取操作数信息,抵抗恶意软件变体中无关指令的干扰,实现恶意软件变体的家族分类。      

基于AI+神经网络的数字化故障电弧识别方案研究

线路故障电弧的特征随着电力电子技术的提高更趋复杂,传统的故障电弧识别方式已无法应对新型用电系统。对比传统故障电弧识别方案,研究故障电弧产生类型和新型检测技术,提出基于谐波因素、总谐波畸变率、电流零休时间、电流变化速率、电流周期性等典型时域、频域特征的AI+神经网络的数字化故障电弧识别方案。该方案运用回归算法向量机对特征图进行分类处理,通过正向传输运算、反向传输运算和迭代回归运算三个步骤执行卷积神经网络,频繁迭代回归以获得最佳特征识别图。本文以调光器的故障电弧识别为例,对故障识别方案进行验证,结果表明采用此方案可实现更高效、更精准、更稳定地识别故障电弧。     

基于条件生成对抗网络的HDR图像生成方法

高动态范围（HDR）图像相比低动态范围（LDR）图像有更宽的色域和更高的亮度范围,更符合人眼视觉效果,但由于目前的图像采集设备大都是LDR设备,导致HDR图像资源匮乏,解决该问题的一种有效途径是通过逆色调映射将LDR图像映射为HDR图像。提出了一种基于条件生成对抗网络（CGAN）的逆色调映射算法,以重建HDR图像。为此,设计了基于多分支的生成对抗网络与基于鉴别块的鉴别网络,并利用CGAN的数据生成能力和特征提取能力,将单张LDR图像从BT.709色域映射到对应的BT.2020色域。实验结果表明:与现有方法相比,所提出的网络能够获得更高的客观与主观质量,特别是针对低色域中的模糊区域,所提方法能够重建出更清晰的纹理与细节。      

基于变分推理的网络舆情传播模式分类

随着网络社交媒体的快速发展,对舆情信息的传播模式进行分析成为研究热点。针对网络舆情传播模式分类任务中,小样本数据多路径生成分类正确率低的问题,提出了舆情传播领域知识图谱结构定义,建立了基于微博数据的舆情传播知识图谱与舆情传播分析任务数据集,使用GraphDIVA模型进行舆情传播模式分类,并在自建数据集中进行了舆情传播模式分类25样本测试实验。结果表明:模型在经过20轮训练后,分类正确率从76%提升到89.4%,说明GraphDIVA模型在减少训练次数、提升分类正确率方面具有更优的效果。      

利用人工神经网络快速计算木星系磁坐标

在木星辐射带研究中,从地理坐标向磁坐标的准确转换是建模基础.以往的建模中,磁壳参数L值的计算基于磁偶极场假设,该方法精确度较差.结合最新的高精度木星磁场模型JRM09,本文提出基于磁力线追踪法的木星磁坐标计算方法,并分析其合理性和必要性.要求精确度较高时,磁力线追踪法计算耗时很长.本文在磁力线追踪法的基础上进行改进,提出基于人工神经网络的磁坐标快速计算方法.该方法包括分类器和拟合器.分类器基于Adaboost算法的BP神经网络,用于预测某地理坐标是否在内磁层,如果在内磁层,则用拟合器计算L值.拟合器采用遗传算法优化BP神经网络.结果表明,分类器的分类错误率在3%以内,而拟合器的预测误差在7%以内.以Juno号一圈探测轨道为例,利用神经网络的磁坐标计算法比磁力线追踪计算法速度快3个数量级以上.基于人工神经网络的磁坐标快速计算方法可用于未来木星辐射带的研究.     

基于QAR数据和小波变换的飞行操作分析方法

为量化分析评价航线飞行员的飞行操作水平,基于机载快速存取记录器数据和小波分析方法,选定小波函数,以着陆阶段驾驶杆与俯仰角参数为分析对象,运用MATLAB编程计算了着陆俯仰角与操纵杆位移之间的交叉小波功率谱、小波相干互谱相位差以及相关性,并分析了飞行员操作与飞机状态变化之间的相关性;采集某航空公司B737-800机型QAR数据,利用真实飞行数据验证了方法的可行性。结果表明,小波分析方法可以结合飞行数据开展飞行操作分析与评价,同时该方法可以拓展到其他飞行阶段关键参数之间的相关性分析中。     

深度卷积神经网络在轴承多故障复合诊断中应用研究

基于深度学习具有强大的自特征提取能力和较优的分类能力,将深度卷积神经网络引用到轴承的故障诊断中,提出了基于一维深度卷积神经网络的轴承复杂工况故障诊断方法。在提出的方法中,将轴承的多故障振动信号作为模型的直接输入,通过训练深度卷积神经网络模型,利用模型中多个卷积层和池化层对输入的振动信号进行自特征提取,并进行故障分类。从而以基于数据驱动的方式形成端到端的故障诊断。研究表明,在一维深度卷积神经网络中直接输入轴承振动信号进行故障诊断,与提取时域和频域特征结合支持向量机进行故障诊断的方法相比,深度卷积神经网络可以更好地反映时域振动信号与特征间的关系,获得了比传统智能诊断方法更高的识别效率。     

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。