基于PCC-LSTM模型的短期负荷预测方法

短期负荷预测是电网合理调度和平稳运行的基础。为提高短期负荷预测精度,提出了一种基于Pearson相关系数(PCC)和长短期记忆(LSTM)神经网络的短期负荷预测方法。该方法运用Pearson相关性分析对原始多维输入变量组成的时间序列进行相关性分析,选取与电力负荷数据相关性较大的影响因素作为输入量,实现原始数据的降维和选优;再通过LSTM神经网络结合Adam优化算法,对与电力负荷相关性较大的影响因素和负荷实际输出序列之间的非线性关系建立网络模型。以嘉捷BOX和重庆丽苑维景国际大酒店的负荷数据作为实际算例,并与Prophet、LSTNet、门控循环(GRU)神经网络模型方法进行对比。结果表明:所提PCC-LSTM模型预测精度均在91%以上,最高可达95.44%,有效提高了负荷预测的精度。      

DARPA Alias项目招标

美国国防预研局（DARPA）希望将无人机自主技术引入到有人驾驶飞机以减轻飞行员的工作负荷。DARPA计划于5月14日向投标方介绍使用驾驶舱自动化系统后机组工作负荷（Alias）项目,该项目旨在演示一种需要更少机组人员即可操作的嵌入式、可拆卸套件。这种全时段的自动化辅助系统。     

基于图像对的体视显示算法研究与实现

依据摄像机拍摄的左右两幅图像,按照提出的算法进行图像的矫正、重采样和图像对间的密集匹配,最后通过图像插补输出符合双眼特性的体视图像,试验证明插补后体视图像效果较好.     

基于开源GIS数据的广域小重叠卫星影像定位模型精化

设计了一种适用于大区域、小重叠卫星影像有理多项式模型(RPC)定位精度优化的技术流程,基于开源数字正射影像(DOM)、数字高程模型(DEM)数据和RPC几何模型约束,通过优化尺度不变特征变换(SIFT)特征提取与匹配算法,实现了无像幅约束的控制点和连接点的快速稳健匹配,应用DEM支持下的RPC模型二维区域网方法实现了多景影像RPC模型精度的联合精化。GF-1卫星WFV影像的实验结果表明:在DEM支持下经过区域网平差后,RPC模型的定位精度可达到像素级水平。     

基于双边函数全局运动模型的海冰漂移监测方法

针对海冰漂移运动高精度监测需求,文章采用双边函数全局运动模型(BFGMM)方法,应用哨兵1号(Sentinel-1)雷达影像,对北极区域波弗特海域海冰漂移运动进行了分析。双边函数全局运动模型采用分段光滑函数进行全局性约束,通过模型拟合、函数平滑约束、匹配集扩展等过程,以最小化全局代价函数进行计算,从而实现海冰漂移图像的精确配准。试验结果表明:针对海冰漂移雷达影像特征点匹配精度在98%以上,同时能够实现大量的特征点的准确配准,算法精度较尺度不变特征变换(SIFT)方法显著提高。最后进行了波弗特海域局部区域海冰漂移运动监测,并分析了漂移速度矢量场的空间分布。     

一种虹膜特征提取与匹配方法

人眼虹膜尺寸很小,并且容易受到干扰,如果不能有效地提取出稳定的虹膜特征进行模式匹配,将严重影响虹膜识别的准确性和鲁棒性。本文提出一种稳定的虹膜特征提取与匹配方法,在虹膜注册端通过构建强特征分类器获得增强型特征模板,在虹膜识别端通过多样本特征映射融合提取稳定的特征样本,并根据风险预测自适应地确定分类阈值,然后进行特征匹配与虹膜分类,从而有效提高虹膜识别的准确性和鲁棒性。     

在PN码捕获中门限判决对TMA性能影响的分析

文章比较了在单径加性高斯白噪声(AWGN)无衰落信道环境下,利用匹配滤波器(MF)捕获方法,对不同的门限比较判决准则对系统平均捕获时间(TMA)性能的影响进行了分析;同时给出了不同门限值时系统的平均捕获时间的仿真结果,并对结果进行讨论,得出各种门限设置准则的应用环境,为捕获系统的设计与实现提供参考.     

非线性自适应神经网络控制器设计

在系统存在非匹配不确定性和输入未建模动态的情况下,提出了一种基于RBF神经网络和反演控制技术的非线性自适应控制系统的设计方法.应用RBF神经网络辨识系统中存在的不确定性,利用反演控制技术,设计了非线性自适应控制器,成功地处理了非匹配不确定性.同时动态非线性阻尼项的引入使得系统对未建模动态具有很强的鲁棒性,并应用Lyapunov稳定性理论,证明了系统跟踪误差、RBF神经网络参数误差全局渐近收敛于原点的一个邻域.最后给出的BTT导弹非线性六自由度数字仿真结果,显示了该设计方法的有效性.