基于遗传算法优化BP神经网络的半球谐振陀螺温度补偿

针对半球谐振陀螺输出零偏易受温度影响而产生漂移的问题,提出了采用遗传算法优化BP神经网络的补偿方法.通过建立环境温度到谐振子温度的传递模型,得到谐振子温度随时间变化的关系,进而得到陀螺输出零偏随谐振子温度变化的漂移关系,通过该算法对漂移数据进行补偿,得到了较好的拟合结果.基于温度补偿算法的实验结果表明:在0℃～60℃的...     

Android恶意APP多视角家族分类方法

针对现有Android恶意软件家族分类方法特征构建完备性不足、构建视角单质化等问题,提出了一种多视角特征规整的卷积神经网络(CNN)恶意APP家族分类方法。该方法结合MinHash算法。将软件中Android框架系统API、操作码序列、AndroidManifest.xml文件中的权限和Intent组合3个视角的原始特征在保留APP间相似度情况下进行规整,并利用多路卷积神经网络完成对各视图的特征提取和信息融合,构建一套恶意APP家族分类模型。基于公开数据集Drebin、Genome、AMD的实验结果表明:恶意APP家族分类准确率超过0.96,证明了所提方法能够充分挖掘各视角的行为特征信息,能有效利用多视角特征间的异构特性,具有较强的实用价值。      

基于多分辨率特征自选择的遮挡物识别算法

光伏组件的遮挡物识别是光伏运维系统中不可或缺的环节,传统识别算法多依赖人工巡检,成本高昂且效率低下。基于卷积神经网络,提出了一种面向光伏组件的遮挡物识别算法PORNet。通过引入特征金字塔,构建多个分辨率下具有丰富语义信息的图像特征,提升对遮挡物尺度和密度的敏感性。通过特征自选择,筛选出语义最具代表性的特征图,以加强物体环境的语义信息表达。用筛选出的特征图完成遮挡物识别,从而提升识别准确率。在自建光伏组件落叶遮挡数据集上进行了实验比较和分析,并对识别性能进行了评估,通过与现有物体识别算法相比,所提算法的准确率和召回率分别提升了9.21%和15.79%。      

HEVC对偶编码单元划分优化算法

为了解决视频数据量日益增长与用户享受高质量视频体验需求之间的矛盾,HEVC在H.264/AVC标准的基础上通过引入新型的编码结构和算法进一步将编码效率提升了50%,但是也极大地提升了编码复杂度。基于此,提出对偶编码单元(CU)划分网络DualNet,来降低HEVC中帧内编码复杂度。该网络由预测网络和目标网络2个部分组成,其中,预测网络通过分析图像统计特征实现编码单元划分决策,从而跳过四叉树的遍历搜索,提高编码单元划分决策的时间效率;目标网络基于率失真代价评价和优化决策模型提升编码单元划分性能,实现模型互补和最优率失真估计。实验结果表明：与HEVC标准对比,所提算法在实现相近的压缩效果的前提下能够节省64.06%的编码时间。     

可见光与SAR多源遥感图像关联学习算法

针对可见光和SAR图像由于成像机理不同导致图像内容差异大,深度特征难对齐,关联速度慢,提出一种深度多源哈希网络模型实现SAR图像和可见光图像间的关联。首先,针对SAR与光学遥感图像颜色信息差异大,提出图像变换机制,将光学图像转换生成4种不同类型的光谱图像输入到网络中,打乱颜色通道,让网络更加关注于图像的纹理和轮廓信息,而对颜色信息不敏感;其次,针对SAR图像噪声大,同一场景下2种模态图像内容异构,提出图像对训练策略,减小多源图像间的特征差异;然后,针对关联效率低,存储消耗大,提出三元组哈希损失函数,提升模型的关联准确率,降低关联时间;最后,构建了一个SAR与光学双模态遥感数据集SODMRSID,实验部分验证了数据集的实用性,同时提出算法的关联准确率明显优于现有算法。     

基于神经网络的减阻沟槽壁面形状优化

针对沟槽外形减阻问题,采用基于神经网络的方法对沟槽壁面形状进行外形优化。模型采用槽道流动模型,控制方程为黏性不可压缩Navier-Stokes（NS）方程,流动求解采用直接数值模拟（DNS）方法,对于对流项的离散采用紧致4阶中心格式,对黏性项的离散采用4阶中心格式,时间推进采用3阶Runge-Kutta格式。在神经网络优化过程中,约束方程为不可压NS方程,采用基于在线学习的自适应控制器,使用基于抑制展向切应力的控制律,控制量的产生由壁面变形提供。优化结果表明,壁面最大减阻效果可达17.41%。对于优化后的壁面,湍流强度降低了19.68%,同时壁面的涡量与雷诺切应力亦有所降低。由于湍流流动非定常,因此优化得到的壁面形状亦是时变的,但变化的过程中整体上仍呈现流向沟槽的形状。      

基于声发射砂轮磨损监测系统的研究

磨削加工过程中砂轮出现磨损需要反复的修整,砂轮磨损状态的监测可以有效判别砂轮工作状态,减少砂轮修整次数。本文建立了一种基于声发射信号的砂轮磨损监测模型,提出了基于一种小波分解系数均方值统计分析的砂轮磨损状态特征提取方法。同时,采用BP神经网络对砂轮磨损状态进行识别,其输入为3种提取特征,输出为3种不同的砂轮磨损状态。通过磨削试验对监测系统进行评价。结果表明,所提出小波分解系数均方值统计分析的特征提取方法和砂轮磨损监测系统均具有良好的效果。     

可适应多维度信息变化的智能星图识别方法

为了提高当视场发生变化以及星等误差较大时星图识别方法的鲁棒性,提出了一种可适应多维度信息变化的智能星图识别方法。首先,依次选取一个导航星作为主星,利用其它星距主星的角距信息和星等信息,并考虑视场轴向变化、星等误差、角距误差的影响,构建覆盖性较全的样本库;然后构建了一种可以综合利用角距和星等信息的卷积神经网络;最后进行了网络训练和仿真试验验证。本方法提高了对角距误差和星等误差的鲁棒性,且识别速度快、识别率高、星表容量小。仿真试验结果表明,该方法在星等误差为0. 2MV、角距误差为0. 04°和0. 06°时,识别率优于97%。     

基于神经网络和证据理论的火箭发动机故障诊断

针对运载火箭动力系统故障的复杂特性和故障模式的不确定性,提出了基于神经网络和证据理论的火箭发动机故障诊断。首先以火箭视加速度和角速度作为网络输入,故障类型矩阵作为网络输出,通过BP神经网络和RBF(径向基函数)神经网络进行故障诊断;之后通过D-S证据理论融合神经网络结果;最后通过滚动时域估计方法对火箭飞行状态特征量估计。仿真结果表明诊断准确率达到99%以上,表明提出的方法对于火箭发动机故障诊断具有较高的准确性和实用性。     

基于有限差分法的双臂关节柔性空间机器人智能递阶控制策略

谐波减速器和力矩传感器等柔性元件广泛应用于空间机器人关节系统,以获取高减速比.这些柔性元件为空间机器人系统引入关节柔性,使得对其的稳定控制变得更为复杂.本文讨论研究了参数不确定双臂关节柔性空间机器人基于有限差分法的智能递阶控制及弹性振动抑制.运用递阶系统理论、动量守恒原理及第二类拉格朗日方法推导出系统递阶动力学模型.利用该模型,设计了基于模糊回归神经网络的非奇异Terminal滑模控制算法和基于有限差分法的滑模控制算法.采用模糊回归神经网络（Recurrent Fuzzy Neural Network,RFNN）逼近系统的不确定部分.为避免复杂的求导计算及角加速度可测要求,利用基于有限差分法的滑模控制来抑制柔性关节振动.由于设计控制器过程中未涉及惯常的奇异摄动双时标分解操作,该控制算法理论上具有适合任意大小关节柔性刚度的优点.系统对比仿真试验证明了智能递阶控制算法优于传统基于奇异摄动法的控制方案.