改进的 YOLOv4在飞机蒙皮损伤检测中的应用

针对飞机蒙皮检测中存在的小目标检测欠佳、漏检等问题,提出了 1种基于增强特征融合和 ATSS的 YO. LOv4飞机蒙皮图像目标检测算法。首先,增加用于目标预测的大尺度浅层特征层,以提高模型对小目标的检测效果;其次,增加特征融合网络层数,通过浅层与深层特征层的深度融合,丰富多尺度特征图中的特征信息;然后,通过 K-means++聚类算法对数据集的真实框聚类,获得更具代表性的先验框尺寸,以提高预测框对目标的定位准确度;最后,引入 ATSS对 YOLOv4的样本选择策略进行优化,通过自适应获取最优的 IoU阈值,实现正负样本自动划分,提升模型的检测性能。实验表明,在增加少量计算成本的情况下,算法的检测性能得到有效提升,mAP提升 7.7%,检 测的准确率达到 80%以上。     

一类MIMO非线性系统的局部化自适应控制

针对一类不确定多输入多输出非线性系统,提出了一种局部化鲁棒自适应控制方法.提出的方法采用了指令滤波反推进行虚拟控制律的迭代设计.使用局部化逼近器对未知函数进行在线逼近.引入谱半径,避免了控制系数矩阵的估计必须非奇异的假设.对于固有逼近误差和外部扰动,采用自适应边界控制进行补偿.在自适应律中引入局部化σ修改,保证了边界参数估计的有界性,同时克服了全局遗忘特性.稳定性分析证明了提出的控制方法能够保证闭环系统的所有信号有界.仿真实例进一步验证了提出方法的有效性.     

无监督深度学习单目视觉里程计研究

针对传统单目视觉里程计存在的尺度漂移和尺度不一致问题,提出了一种基于无监督深度学习的单目视觉里程计。首先,联合使用空间几何约束和图像相似性约束,得到长序列尺度一致的深度估计网络和鲁棒的光流估计网络;然后,对密集光流进行采样,得到精确的稀疏对应关系,减少尺度漂移;最后,根据改进的ORB-SLAM初始化方法,选择最优跟踪方式,结合深度信息进行尺度对齐,从而得到全局尺度一致的视觉里程计。在KITTI数据集上进行大量实验,结果表明,相较于ORB-SLAM2和基于深度学习的端到端的视觉里程计系统,该算法在通用评估指标方面性能有明显提升,验证了该算法的有效性。     

高等学校人才流失实证分析

根据某财经类高校实际资料，分析了高等学校人才流失的现状和原因，提出了解决问题的对策和措施。     

中国学生习得英语关系从句的实证研究

以中国学生为研究对象,对英语关系从句进行了习得研究。运用两种测试,即句子连接和合乎语法性判断来检测受试者对关系从句的掌握情况。结果显示修饰宾语关系从句的掌握要易于修饰主语的关系从句。该结论与Kuno提出的知觉困难假设完全相符。对中国英语教学具有一定的指导意义。     

浅论戏剧在外语教学中的应用

探讨了将戏剧教学应用于外语课堂教学的具体实施步骤与方法,并结合实际教学效果阐述了戏剧表演在外语课堂教学中的潜在功能。实践证明戏剧教学不仅有利于学生对语言知识的深度学习和可理解输入,而且可以提高学生学习的自主性和交际能力。它是第二语言掌握的有效方法之一。     

基于数据关联性分析的飞轮异常检测

针对航天器早期故障在闭环系统下难以被检测、数学模型难以精确建立的问题,提出了一种基于数据关联性分析的归纳式系统异常监测(IMS)方法。该方法采用无监督学习的聚类算法,利用具有关联性的参数构建数据向量,通过聚类分析自动建立健康数据向量的族类阈值区间。关联关系的破坏将引起部分参数超出族类阈值区间,使系统的异常程度存在模糊性与随机性。引入云模型评价指标,将闭环系统异常程度的不确定性通过熵与超熵定量表示,从而更加准确地判断闭环系统的异常程度。仿真结果表明:该方法能够建立卫星飞轮闭环系统的族类知识库,并可以根据云模型提供的定性知识有效判断系统的异常程度。     

IABC: An iteratively automatic machine learning boosted hand-eye calibration method for laser displacement sensor

An on-machine measuring (OMM) system with a laser displacement sensor (LDS) is designed for measuring free-form surfaces of hypersonic aircraft’s radomes. To improve the measurement accuracy of the OMM system, a novel Iteratively Automatic machine learning Boosted hand-eye Calibration (IABC) method is proposed. Both the hand-eye relationship and LDS measurement errors can be calibrated in one calibration process without any hardware changes via IABC. Firstly, a new objective function is derived, containing analytical parameters of the hand-eye relationship and LDS errors. Then, a hybrid calibration model composed of two kernels is proposed to solve the objective function. One kernel is the analytical kernel designed for solving analytical parameters. Another kernel is the automatic machine learning (AutoML) kernel designed to model LDS errors. The two kernels are connected with stepwise iterations to find the best calibration results. Compared with traditional methods, hand-eye experiments show that IABC reduces the calibration RMSE by about 50%. Verification experiments show that IABC reduces the measurement deviations by about 25%-50% and RMSEs within 40%. Even when the training data are obviously less than the test data, IABC performs well. Experiments demonstrate that IABC is more accurate than traditional hand-eye methods.     

基于双重注意力机制及S-BiGAN的机电设备故障诊断

标签样本少条件下机电设备的准确故障诊断对于提高复杂机电设备的健康管理能力具有重要意义。针对标签样本少条件下难以建立准确故障诊断模型的问题,在半监督生成对抗网络的基础上,将注意力模块引入生成对抗网络,并利用格拉姆角场将一维数据转换为二维图像;结合双向生成对抗网络特点,提出一种基于双重注意力机制的半监督双向生成对抗网络（S-BIGAN）机电设备故障诊断模型,以轴承数据为例进行验证。结果表明：与CNN-SVM、SGAN 等算法相比,本文提出的模型能够提高样本生成质量和故障分类特征,有效解决标签样本少情况下的故障诊断问题,极大地提高了故障诊断准确率。     

基于标杆定位的跨国公司技术学习方式分析

运用标杆定位管理的方法，选取发达国家、发展中国家和中国在技术创新管理领域作出突出贡献的跨国公司，通过对比各公司技术学习的实例与效果，探讨跨国公司技术创新管理的相关原则。