加强大学生网络文化引导的思考

网络文化作为一种新型的文化形态,其内容、形式、特点等都对大学生产生了深刻影响,高校应从理解网络文化内涵、培养自律能力、普及网络技术知识、建设校园网络文化阵地等方面加强大学生网络文化的引导。     

基于动态增添法的DBN滚动轴承故障诊断

针对深度信念网络(DBN)层数的不确定性而导致故障诊断精度不高的问题,提出了一种基于动态增添算法的DBN诊断方法.首先通过动态增添算法确定隐含层层数,之后按照逐层递减原则,设置模型的隐含层神经元节点数目;并以滚动轴承为研究对象,通过分析其训练样本与测试样本的分类误差曲线,来表明基于动态增添算法的DBN方法对滚动轴承故障...     

基于最短路径的SCI网络拓扑结构研究

 从航空电子系统的需求出发,对可扩展一致性接口(SCI)网络的拓扑结构进行了最短路径（跳数）研究。利用图论中的邻接矩阵变换方法,根据航空电子系统中SCI节点端口数的限制及SCI网络的小环组合结构的特点,对SCI推荐的网格形和蝶形两种网络进行了平均最小跳数的计算和分析,得出了SCI网络中小环方向的改变对平均最小跳数有影响的结论,并得到了该两种网络结构中平均最小跳数最少的拓扑形式。     

基于证据网络因果分析的空中目标意图识别

目标意图及时准确的估计对战场指挥决策具有重要的影响。考虑到战场环境复杂多变,其检测数据、信息、知识具有较高的随机性和认知不确定性,本文面向目标意图知识推理,基于结构因果模型,利用证据网络在不确定性处理方面的推理优势,提出了一种基于证据网络因果效应分析的空中目标意图识别方法。该方法通过d-分离检验构建兼容信息特性与意图多样性的因果证据网络模型,使模型同时考虑领域知识和数据间的条件独立关系,并将认知不确定性内嵌于推理引擎中,推理实现不确定战场环境下空中目标意图估计。此外,基于提出的因果证据网络模型和干预算子计算目标意图与属性之间的因果效应,挖掘目标意图估计蕴含的因果逻辑关系。仿真分析表明：本文提出的方法能够同时处理随机不确定性与认知不确定性,克服了传统意图识别方法缺乏因果分析的缺陷,是对目标意图和战场态势要素的深层次认知,实现了意图识别的“由果溯因”和“由因识果”。     

高阶微分反馈控制及在四旋翼飞行器中的应用

高阶微分反馈控制是不依赖系统精确模型的控制策略,采用控制滤波器间接补偿系统的未知模型。但其中的高阶微分器没有用来估计系统的未知模型函数,采用的是间接补偿未知模型函数方案。改进了高阶微分器,将控制输入引入其中,既能实时估计非线性模型中的未知函数,也能估计系统输出及参考输入的微分信息。对比分析了改进的高阶微分器和扩张状态观测器所估计的未知函数的收敛性,证明前者的型别比后者高一个类型。应用估计的微分和模型函数设计了新的高阶微分反馈控制算法,该方案能够抑制未知扰动,并成功地应用于四旋翼飞行器(QUAV)姿态系统的控制。应用Lyapunov函数从理论上证明了闭环系统的稳定性。在基于Pixhawk的控制测试平台实验中,分别采用改进的高阶微分反馈控制、PID控制、自抗扰控制和传统的高阶微分反馈控制方案,测试四旋翼飞行器对不同参考姿态的跟踪性能和抗扰性能。结果表明,所提出的改进高阶微分反馈控制方案,在暂态性能,稳态跟踪精度和抗干扰鲁棒性方面,大幅度优越于其他方案。     

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。      

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。     

基于IMU/FADS/无线电的火星上升器组合导航方案

以火星采样返回任务中火星表面上升为背景,研究了基于惯性测量单元（Inertial Measurement Unit, IMU）、嵌入式大气数据传感系统（Flush Air Data Sensing System, FADS）和无线电信标的组合导航方法。首先,在传统的IMU导航框架中加入由无线电测量获得的相对距离、速度信息,以及由FADS获取的动压、温度数据,建立了基于IMU、无线电和FADS的导航观测模型;然后,基于无迹卡尔曼滤波（Unscented Kalman Filter, UKF）技术对测量信息进行了融合,并压制了过程噪声和测量噪声,从而对上升器的状态进行了联合估计;最后,在数值仿真中,将UKF与自适应无迹卡尔曼滤波（Adaptive Unscented Kalman Filter, AUKF）技术进行了对比,在比较不同滤波器性能的同时,验证了组合导航方法的有效性。