- 信息公告 更多+
-
- 我刊连续入编《中文核心期刊要目总览》
- 本刊2023年度优秀审稿人名单
- 《南京信息工程大学学报》召开第四届编委会首次会议
- 本刊2022年度优秀审稿人名单
- 喜报：《南京信息工程大学学报》获评中国高校优秀科技期刊！
- 关于南京信息工程大学学报投稿网站系统维护的通知
- 2022年度生态系统减排增汇论坛成功举办
- 《南京信息工程大学学报（自然科学版）》入选《科技期刊世界影响力指数（WJCI）报告（2021）》
- 我校三期刊入选省高校精品•优秀•特色期刊
- 《南京信息工程大学学报》持续位列知网Q1区
- 南京航空航天大学学报编辑部来我校调研交流
- 2021年人工智能专题研讨会举行
- 期刊部召开一流期刊建设座谈会
- 我校2份期刊分别获评中国高校“百佳”“优秀”科技期刊
- 我校学术期刊获省期刊协会“明珠奖”优秀栏目等多个奖项
- 我校两刊入编2020年版《中文核心期刊要目总览》
- 期刊部专题学习习近平总书记给《文史哲》编辑部全体编辑人员的回信
- 本刊荣获2020中国高校优秀科技期刊
- 本刊再次入选“中国科技核心期刊”
- 关于知网优先出版的说明
主办单位：南京信息工程大学
主 编：潘成胜
- 当期目录
- 优先出版
- 过刊浏览
- 下载排行
- 专刊
- 专栏
全选反选导出18
显示模式：
2026,18(1):1-10, DOI: 10.13878/j.cnki.jnuist.20241211002
摘要：
手腕是人体最灵活的部位之一,通过对表面肌电信号(Surface Electromyography,sEMG)进行分解能够有效地解码出人体运动的深层次神经驱动.目前关于手腕力矩的研究大多集中在等长收缩下,动态下的神经驱动解码依然欠缺.本文研究了手腕在不同阻力下运动时的运动单元(Motor Unit,MU)分解,具体来说,通过磁流变阻尼器来设置不同的阻力水平,将采集到的完整肌电信号划分成运动单元动作电位(Motor Unit Action Potential,MUAP)变化微小的短区间,再在每个短区间上使用静态分解算法来获得运动单元尖峰序列(Motor Unit Spike Train,MUST),并通过短区间的重叠部分对MU进行追踪,从而得到完整的发放序列.本文研究了在20% 最大自愿收缩力(Maximum Voluntary Contraction,MVC)、40% MVC、60% MVC三种阻力下,腕部伸展和屈曲时的运动单元分解.结果表明,三种阻力下,本文的动态分解算法能够有效地从小臂肌电信号中分解出MU,随着阻力的增加,分解出的MU数目有所下降.手腕伸展过程最多能分解出10±1个MU,脉冲信噪比(Pulse-to-Noise Ratio,PNR)和轮廓系数(Silhouette Coefficient,SIL)分别能够达到19.87±1.42 dB和0.91±0.03,屈曲过程最多能分解出22±3个MU,PNR和SIL值分别能够达到20.69±2.14 dB和0.92±0.03.本研究表明不同阻力下对手腕运动的肌电信号进行神经解码是可行的,对高密度肌电的动态应用有着重要意义.
手腕是人体最灵活的部位之一,通过对表面肌电信号(Surface Electromyography,sEMG)进行分解能够有效地解码出人体运动的深层次神经驱动.目前关于手腕力矩的研究大多集中在等长收缩下,动态下的神经驱动解码依然欠缺.本文研究了手腕在不同阻力下运动时的运动单元(Motor Unit,MU)分解,具体来说,通过磁流变阻尼器来设置不同的阻力水平,将采集到的完整肌电信号划分成运动单元动作电位(Motor Unit Action Potential,MUAP)变化微小的短区间,再在每个短区间上使用静态分解算法来获得运动单元尖峰序列(Motor Unit Spike Train,MUST),并通过短区间的重叠部分对MU进行追踪,从而得到完整的发放序列.本文研究了在20% 最大自愿收缩力(Maximum Voluntary Contraction,MVC)、40% MVC、60% MVC三种阻力下,腕部伸展和屈曲时的运动单元分解.结果表明,三种阻力下,本文的动态分解算法能够有效地从小臂肌电信号中分解出MU,随着阻力的增加,分解出的MU数目有所下降.手腕伸展过程最多能分解出10±1个MU,脉冲信噪比(Pulse-to-Noise Ratio,PNR)和轮廓系数(Silhouette Coefficient,SIL)分别能够达到19.87±1.42 dB和0.91±0.03,屈曲过程最多能分解出22±3个MU,PNR和SIL值分别能够达到20.69±2.14 dB和0.92±0.03.本研究表明不同阻力下对手腕运动的肌电信号进行神经解码是可行的,对高密度肌电的动态应用有着重要意义.
2026,18(1):11-17, DOI: 10.13878/j.cnki.jnuist.20241228001
摘要：
针对基于表面肌电信号(sEMG)的连续手势识别任务中,存在实时性较差和预测能力不足的问题,提出一种基于GMM-HMMs(高斯混合-隐马尔可夫模型)和Viterbi回溯的连续手势动作识别方法.采用滑动窗口对8通道肌电信号进行分窗,通过GMM-HMMs建立手势的空闲、上升、稳定和下降4个动作状态,提出改进的Viterbi滑动窗口边缘化策略,建立滑动窗口长期约束,实现连续手势动作状态预测.最终引入最大似然法动态阈值模型以区分手势类别.在由8位实验者完成的包含4种手势的12个连续两手势动作任务中,该方法的平均识别率为98.1％,预测时间为71 ms,明显优于LSTM模型(94.2％,309 ms)和GRU模型(93.8％,300 ms).
针对基于表面肌电信号(sEMG)的连续手势识别任务中,存在实时性较差和预测能力不足的问题,提出一种基于GMM-HMMs(高斯混合-隐马尔可夫模型)和Viterbi回溯的连续手势动作识别方法.采用滑动窗口对8通道肌电信号进行分窗,通过GMM-HMMs建立手势的空闲、上升、稳定和下降4个动作状态,提出改进的Viterbi滑动窗口边缘化策略,建立滑动窗口长期约束,实现连续手势动作状态预测.最终引入最大似然法动态阈值模型以区分手势类别.在由8位实验者完成的包含4种手势的12个连续两手势动作任务中,该方法的平均识别率为98.1％,预测时间为71 ms,明显优于LSTM模型(94.2％,309 ms)和GRU模型(93.8％,300 ms).
2026,18(1):18-25, DOI: 10.13878/j.cnki.jnuist.20240918002
摘要：
针对血管介入手术中导丝控制任务繁重,以及现有机器人系统自动化程度不足的问题,提出一种基于扩散策略的导丝自主控制算法,来提高手术机器人执行此类欠驱动控制任务时的成功率与稳定性.首先,将导丝控制任务建模为马尔可夫决策过程;然后,通过模仿学习的方法利用专家示范数据训练机器人系统,使机器人能够在不同血管环境下进行高效操作;最后,通过去噪扩散概率模型将专家控制策略建模为条件概率分布,以此根据观测状态引导控制动作的生成.在主动脉弓仿真场景中分别对左锁骨下动脉分支和头臂干动脉分支进行介入测试,并与目前已有的模仿学习方法进行效果对比,实验结果表明,提出的方法在两个任务上的得分均有显著提升,且对于超参数的设定不敏感,具有较好的训练稳定性.
针对血管介入手术中导丝控制任务繁重,以及现有机器人系统自动化程度不足的问题,提出一种基于扩散策略的导丝自主控制算法,来提高手术机器人执行此类欠驱动控制任务时的成功率与稳定性.首先,将导丝控制任务建模为马尔可夫决策过程;然后,通过模仿学习的方法利用专家示范数据训练机器人系统,使机器人能够在不同血管环境下进行高效操作;最后,通过去噪扩散概率模型将专家控制策略建模为条件概率分布,以此根据观测状态引导控制动作的生成.在主动脉弓仿真场景中分别对左锁骨下动脉分支和头臂干动脉分支进行介入测试,并与目前已有的模仿学习方法进行效果对比,实验结果表明,提出的方法在两个任务上的得分均有显著提升,且对于超参数的设定不敏感,具有较好的训练稳定性.
2026,18(1):26-34, DOI: 10.13878/j.cnki.jnuist.20240801002
摘要：
基于对不同眩晕状态下的脑电信号(EEG)解码提出有效的检测方案,有助于研究虚拟现实晕动症的缓解方法.本文采用多元变分模态分解将EEG划分为5个频段,并根据晕动症量表结果将数据划分为不同眩晕状态组,利用PLV(锁相值)方法计算EEG频段内和频段间的功能连接以构建超邻接矩阵,并基于SVM(支持向量机)和CNN(卷积神经网络)等模型进行分类识别.研究结果显示,聚类系数、局部效率和加权节点度三种具有显著性差异的拓扑特征融合后,在检测眩晕和非眩晕,高眩晕和低眩晕两个任务中的最高平均分类准确率分别为91.70%和96.00%.此外,本文还将超邻接矩阵直接输入CNN模型,在两个任务中得到的平均分类准确率分别达到93.40%和98.50%.结果表明,本研究所提方法可用于虚拟现实晕动症的检测,并可为进一步研究晕动症对各脑区功能耦合的影响提供参考.
基于对不同眩晕状态下的脑电信号(EEG)解码提出有效的检测方案,有助于研究虚拟现实晕动症的缓解方法.本文采用多元变分模态分解将EEG划分为5个频段,并根据晕动症量表结果将数据划分为不同眩晕状态组,利用PLV(锁相值)方法计算EEG频段内和频段间的功能连接以构建超邻接矩阵,并基于SVM(支持向量机)和CNN(卷积神经网络)等模型进行分类识别.研究结果显示,聚类系数、局部效率和加权节点度三种具有显著性差异的拓扑特征融合后,在检测眩晕和非眩晕,高眩晕和低眩晕两个任务中的最高平均分类准确率分别为91.70%和96.00%.此外,本文还将超邻接矩阵直接输入CNN模型,在两个任务中得到的平均分类准确率分别达到93.40%和98.50%.结果表明,本研究所提方法可用于虚拟现实晕动症的检测,并可为进一步研究晕动症对各脑区功能耦合的影响提供参考.
2026,18(1):35-47, DOI: 10.13878/j.cnki.jnuist.20240514002
摘要：
现有多模态视觉问答(Visual Question Answering,VQA)模型忽略了图像中局部显著信息与文本中局部基本词之间的细粒度交互作用,图像与文本之间的语义相关性有待提高.为此,本文提出一种基于细粒度特征增强的多模态视觉问答方法.首先,对视觉和文本分别增加一种细粒度特征提取方法,以便更全面准确地提取图像和问题的语义特征;然后,为了利用不同层次模态之间的对齐信息,提出一种对齐引导的自注意力模块来对齐单一模态内(视觉或文本)细粒度特征和全局语义特征之间的对应关系,并以统一的方式融合不同层次的单模态信息;最后,在VQA v2.0和VQA-CP v2数据集上进行实验,结果表明,本文所提方法在各项视觉问答评估指标上的表现优于现有的模型.
现有多模态视觉问答(Visual Question Answering,VQA)模型忽略了图像中局部显著信息与文本中局部基本词之间的细粒度交互作用,图像与文本之间的语义相关性有待提高.为此,本文提出一种基于细粒度特征增强的多模态视觉问答方法.首先,对视觉和文本分别增加一种细粒度特征提取方法,以便更全面准确地提取图像和问题的语义特征;然后,为了利用不同层次模态之间的对齐信息,提出一种对齐引导的自注意力模块来对齐单一模态内(视觉或文本)细粒度特征和全局语义特征之间的对应关系,并以统一的方式融合不同层次的单模态信息;最后,在VQA v2.0和VQA-CP v2数据集上进行实验,结果表明,本文所提方法在各项视觉问答评估指标上的表现优于现有的模型.
2026,18(1):48-59, DOI: 10.13878/j.cnki.jnuist.20231129001
摘要：
以"扎把"作为烟叶分级单位是提高烟叶收购效率的关键策略.由于扎把烟叶间遮挡和卷曲等特性,现有主流分类方法难以准确提取其细粒度分级特征.为此,本文提出了一种基于强监督数据增强的双阶段扎把烟叶分级模型,以渐进式的方式实现扎把烟叶精确分级.首先,设计双重注意力残差网络自适应融合多维度特征来提取粗粒度信息,提出软通道注意力模块生成反映扎把烟叶关键部位的注意力图,实现对扎把烟叶的粗分级.然后,为了促进网络关注差异性细粒度特征,以粗分级注意力图为指导对全局图做强监督数据增强,获得具有辨别性特征的局部图,从而实现更精细的分级结果.本文将所提方法与当前主流的通用分类方法及细粒度分类方法在扎把烟叶数据集上进行了对比实验.实验结果表明,本文所提方法的分级准确率和macro-F1指标均达到了98.54%,显著优于对比方法,能够较好地满足工业扎把烟叶分级的实际需求.
以"扎把"作为烟叶分级单位是提高烟叶收购效率的关键策略.由于扎把烟叶间遮挡和卷曲等特性,现有主流分类方法难以准确提取其细粒度分级特征.为此,本文提出了一种基于强监督数据增强的双阶段扎把烟叶分级模型,以渐进式的方式实现扎把烟叶精确分级.首先,设计双重注意力残差网络自适应融合多维度特征来提取粗粒度信息,提出软通道注意力模块生成反映扎把烟叶关键部位的注意力图,实现对扎把烟叶的粗分级.然后,为了促进网络关注差异性细粒度特征,以粗分级注意力图为指导对全局图做强监督数据增强,获得具有辨别性特征的局部图,从而实现更精细的分级结果.本文将所提方法与当前主流的通用分类方法及细粒度分类方法在扎把烟叶数据集上进行了对比实验.实验结果表明,本文所提方法的分级准确率和macro-F1指标均达到了98.54%,显著优于对比方法,能够较好地满足工业扎把烟叶分级的实际需求.
2026,18(1):60-68, DOI: 10.13878/j.cnki.jnuist.20240522002
摘要：
针对风速固有的不稳定性,通过融合群分解(Swarm Decomposition,SWD)、Transformer和Kolmogorov-Arnold网络(KAN),提出一种SWD-Transformer-KAN预测模型.首先,利用SWD对原始风速数据进行分解,以提取关键特征.其次,针对每个被分解的子序列,建立Transformer-KAN模型,所建模型充分利用了Transformer的时序处理能力和KAN的非线性逼近能力.最后,对所有子序列的预测结果进行叠加,得到最终的风速预测值.为了验证所提出模型的有效性,将其与其他模型进行实验对比,结果表明,SWD-Transformer-KAN模型具有最优的预测性能,其决定系数(R2)高达99.91%.
针对风速固有的不稳定性,通过融合群分解(Swarm Decomposition,SWD)、Transformer和Kolmogorov-Arnold网络(KAN),提出一种SWD-Transformer-KAN预测模型.首先,利用SWD对原始风速数据进行分解,以提取关键特征.其次,针对每个被分解的子序列,建立Transformer-KAN模型,所建模型充分利用了Transformer的时序处理能力和KAN的非线性逼近能力.最后,对所有子序列的预测结果进行叠加,得到最终的风速预测值.为了验证所提出模型的有效性,将其与其他模型进行实验对比,结果表明,SWD-Transformer-KAN模型具有最优的预测性能,其决定系数(R2)高达99.91%.
全选反选导出
显示模式：
摘要：
针对现有遥感变化检测算法处理高分辨率影像时面临的空间错位、多尺度特征融合不充分、弱变化信号易漏检及实时性欠佳等关键问题,本文提出一种基于孪生网络的新型SAFNet算法。首先,以轻量化ResNet18作为骨干网络,创新设计空间-光谱形变注意力模块(SSDA),通过优化双时相影像的边界对齐效果,有效破解空间错位难题；然后,借助自适应跨尺度融合模块(AFM)强化深浅层特征的关联程度,弥合不同语义层次特征的割裂缺陷,同时引入差异增强模块(FDE)放大弱变化信号,显著提升差异特征的判别能力；最后,在LEVIR-CD与GZ-CD两大公开数据集上完成全面性能验证,并在JetsonTX2嵌入式平台开展实时推理测试。实验结果表明,该算法在LEVIR-CD和GZ-CD数据集上的F1值分别达到91.02%和86.90%,交并比(IoU)分别为83.54%和76.79%,综合性能显著优于现有主流算法；在3080Ti主机与JetsonTX2嵌入式平台上的推理速度分别达到54.7FPS和10.4FPS,展现出较强的实用性与突出的工程应用价值。
针对现有遥感变化检测算法处理高分辨率影像时面临的空间错位、多尺度特征融合不充分、弱变化信号易漏检及实时性欠佳等关键问题,本文提出一种基于孪生网络的新型SAFNet算法。首先,以轻量化ResNet18作为骨干网络,创新设计空间-光谱形变注意力模块(SSDA),通过优化双时相影像的边界对齐效果,有效破解空间错位难题；然后,借助自适应跨尺度融合模块(AFM)强化深浅层特征的关联程度,弥合不同语义层次特征的割裂缺陷,同时引入差异增强模块(FDE)放大弱变化信号,显著提升差异特征的判别能力；最后,在LEVIR-CD与GZ-CD两大公开数据集上完成全面性能验证,并在JetsonTX2嵌入式平台开展实时推理测试。实验结果表明,该算法在LEVIR-CD和GZ-CD数据集上的F1值分别达到91.02%和86.90%,交并比(IoU)分别为83.54%和76.79%,综合性能显著优于现有主流算法；在3080Ti主机与JetsonTX2嵌入式平台上的推理速度分别达到54.7FPS和10.4FPS,展现出较强的实用性与突出的工程应用价值。
摘要：
针对无人机身份认证中集中式学习存在的隐私泄露与可扩展性瓶颈，提出了一种基于Paillier同态加密的分散式联邦学习认证算法。首先，利用无人机射频信号特征构建局部身份认证模型，并通过随机权重分解与邻域加密交换机制，在保护本地数据隐私的前提下实现模型参数的分布式融合；其次，结合Paillier加法同态加密对传输的模型更新进行密文计算，确保参数在聚合过程中始终处于加密状态；最后，采用分布式优化框架实现全局认证模型的协同训练与动态更新。与传统方案相比，该算法无需依赖中心服务器，有效避免了单点故障与数据集中带来的隐私风险；同时，由于采用同态加密而非噪声添加机制，在实现强隐私保护的同时不影响模型认证精度。仿真结果表明，所提算法在身份认证准确率、召回率等关键指标上性能优越，具备良好的可扩展性与实用可行性。
针对无人机身份认证中集中式学习存在的隐私泄露与可扩展性瓶颈，提出了一种基于Paillier同态加密的分散式联邦学习认证算法。首先，利用无人机射频信号特征构建局部身份认证模型，并通过随机权重分解与邻域加密交换机制，在保护本地数据隐私的前提下实现模型参数的分布式融合；其次，结合Paillier加法同态加密对传输的模型更新进行密文计算，确保参数在聚合过程中始终处于加密状态；最后，采用分布式优化框架实现全局认证模型的协同训练与动态更新。与传统方案相比，该算法无需依赖中心服务器，有效避免了单点故障与数据集中带来的隐私风险；同时，由于采用同态加密而非噪声添加机制，在实现强隐私保护的同时不影响模型认证精度。仿真结果表明，所提算法在身份认证准确率、召回率等关键指标上性能优越，具备良好的可扩展性与实用可行性。
摘要：
病理图像的超高分辨率、复杂背景噪声和稀疏判别性结构，以及与基因组数据的显著语义差异，使多模态数据呈现出高复杂性与异质性，导致现有方法难以同时建模跨模态关联与提取模态内关键特征，成为癌症预后模型性能提升的主要瓶颈。针对上述问题，本文提出跨模态表征融合网络TransCRLSurv，通过三重创新实现跨模态特征精准融合。第一，设计“门控机制+瓶颈卷积”的病理特征提取模块FEGBC，动态抑制背景噪声，聚焦生存相关的细胞结构与组织形态特征；第二，引入跨模态注意力机制CMAM，显式建模模态间交互关系；第三，构建模态融合编码器MFEM，在共享参数框架下实现跨模态特征的协调对齐与模态内有效特征增强。在TCGA-BLCA等五个公开数据集上与CMTA等12种方法对比，TransCRLSurv的预测性能表现最优，其一致性指数(C-Index)平均提升至少1.54%；高/低风险组的Kaplan-Meier生存曲线显著分离(Log-rank检验p<0.05)，验证了其有效性与鲁棒性，为多模态癌症生存预测提供新范式。
病理图像的超高分辨率、复杂背景噪声和稀疏判别性结构，以及与基因组数据的显著语义差异，使多模态数据呈现出高复杂性与异质性，导致现有方法难以同时建模跨模态关联与提取模态内关键特征，成为癌症预后模型性能提升的主要瓶颈。针对上述问题，本文提出跨模态表征融合网络TransCRLSurv，通过三重创新实现跨模态特征精准融合。第一，设计“门控机制+瓶颈卷积”的病理特征提取模块FEGBC，动态抑制背景噪声，聚焦生存相关的细胞结构与组织形态特征；第二，引入跨模态注意力机制CMAM，显式建模模态间交互关系；第三，构建模态融合编码器MFEM，在共享参数框架下实现跨模态特征的协调对齐与模态内有效特征增强。在TCGA-BLCA等五个公开数据集上与CMTA等12种方法对比，TransCRLSurv的预测性能表现最优，其一致性指数(C-Index)平均提升至少1.54%；高/低风险组的Kaplan-Meier生存曲线显著分离(Log-rank检验p<0.05)，验证了其有效性与鲁棒性，为多模态癌症生存预测提供新范式。
摘要：
目前，恒虚警（Constant False Alarm Rate, CFAR）检测器可满足雷达对海面中大型目标的实时探测需求。但是，传统CFAR检测器的结构独立于杂波分布，缺乏对杂波特性的深入挖掘。为此，本文提出一种K分布背景下匹配形状参数的CFAR检测器，实现对动态杂波特性的精细化利用。首先，引入一个可调节幂次因子α，构建α幂次CFAR检测器，简记α-CFAR，它涵盖了现有的单元平均CFAR检测器。然后，在最佳性能准则条件下，建立最优幂次因子和杂波形状参数、累积脉冲数之间的经验函数关系。并且，理论推导出α-CFAR检测器对杂波尺度参数的恒虚警特性。最后，基于仿真和实测数据的实验结果表明：在中等形状参数杂波下，提出的检测器相对于现有单元平均CFAR检测器有1dB以上的性能优势。
目前，恒虚警（Constant False Alarm Rate, CFAR）检测器可满足雷达对海面中大型目标的实时探测需求。但是，传统CFAR检测器的结构独立于杂波分布，缺乏对杂波特性的深入挖掘。为此，本文提出一种K分布背景下匹配形状参数的CFAR检测器，实现对动态杂波特性的精细化利用。首先，引入一个可调节幂次因子α，构建α幂次CFAR检测器，简记α-CFAR，它涵盖了现有的单元平均CFAR检测器。然后，在最佳性能准则条件下，建立最优幂次因子和杂波形状参数、累积脉冲数之间的经验函数关系。并且，理论推导出α-CFAR检测器对杂波尺度参数的恒虚警特性。最后，基于仿真和实测数据的实验结果表明：在中等形状参数杂波下，提出的检测器相对于现有单元平均CFAR检测器有1dB以上的性能优势。
摘要：
天顶对流层延迟（Zenith Tropospheric Delay, ZTD）是影响高精度卫星导航定位的关键因素，也是反映大气状态变化的重要参数之一。本文利用FY-4A大气总可降水量（Total Precipitable Water, TPW）反演ZTD，与GNSS-ZTD进行对比分析，并分析其对精密单点定位（Precise Point Positioning, PPP）的影响。研究结果表明：以GNSS-ZTD为参考，FY-ZTD与ERA5-ZTD的年均偏差分别为-1.40 mm和-1.89 mm，二者结果较为接近，整体略低于参考值。两类数据反演的ZTD均呈现出显著的南低北高空间分布格局。而探空数据计算的ZTD偏差普遍较大，范围在-200 mm到-100 mm之间。分析HRBN、NMEL、JSYC三个站的时间序列，发现FY-ZTD与GNSS-ZTD的吻合度最高，ERA5-ZTD次之，RS-ZTD最差。将FY-ZTD和ERA5-ZTD用于PPP解算时，相较于SAAS模型，在收敛时间和定位精度（ENU方向）上均有提升，效果与参数估计模型（Estimate model, EST）相当。
天顶对流层延迟（Zenith Tropospheric Delay, ZTD）是影响高精度卫星导航定位的关键因素，也是反映大气状态变化的重要参数之一。本文利用FY-4A大气总可降水量（Total Precipitable Water, TPW）反演ZTD，与GNSS-ZTD进行对比分析，并分析其对精密单点定位（Precise Point Positioning, PPP）的影响。研究结果表明：以GNSS-ZTD为参考，FY-ZTD与ERA5-ZTD的年均偏差分别为-1.40 mm和-1.89 mm，二者结果较为接近，整体略低于参考值。两类数据反演的ZTD均呈现出显著的南低北高空间分布格局。而探空数据计算的ZTD偏差普遍较大，范围在-200 mm到-100 mm之间。分析HRBN、NMEL、JSYC三个站的时间序列，发现FY-ZTD与GNSS-ZTD的吻合度最高，ERA5-ZTD次之，RS-ZTD最差。将FY-ZTD和ERA5-ZTD用于PPP解算时，相较于SAAS模型，在收敛时间和定位精度（ENU方向）上均有提升，效果与参数估计模型（Estimate model, EST）相当。
摘要：
车道线检测是车辆跟踪领域的重要任务,现有方法无法有效聚合车道线边缘长距离信息,严重制约着检测准确率的提升。为此,本文提出了一种车道线边缘信息长距离聚合方法。首先,构建边缘感知增强注意力模块,融合多尺度频域分解和自适应权重学习,动态增强车道线边缘特征。其次,建立双分支协同增强机制, 融合SimAM注意力机制补充细节信息以提高模型的长距离信息聚合能力。最后,设计倾斜角度偏差矫正函数,确保长距离建模的连续性。在CULane和Tusimple数据集上进行实验,验证了所提方法的有效性。
车道线检测是车辆跟踪领域的重要任务,现有方法无法有效聚合车道线边缘长距离信息,严重制约着检测准确率的提升。为此,本文提出了一种车道线边缘信息长距离聚合方法。首先,构建边缘感知增强注意力模块,融合多尺度频域分解和自适应权重学习,动态增强车道线边缘特征。其次,建立双分支协同增强机制, 融合SimAM注意力机制补充细节信息以提高模型的长距离信息聚合能力。最后,设计倾斜角度偏差矫正函数,确保长距离建模的连续性。在CULane和Tusimple数据集上进行实验,验证了所提方法的有效性。
摘要：
间歇采样转发干扰在防空拦截、反目标掩护对抗等场景中严重影响了雷达的探测性能。为了提升雷达的抗此类干扰效能，本文提出一种基于MobileViT网络和轮廓提取的间歇采样转发干扰感知方法，通过输入回波信号的二值图，可以在低干噪比（Jamming to Noise Ratio，JNR）情况下识别干扰类型和估计干扰参数，为雷达实施更有效的抗干扰策略提供先验信息。所提方法对解线调后的雷达回波信号进行短时傅里叶变换（Short-Time Fourier Transform，STFT）、功率谱密度归一化处理，再利用最大类间方差法计算阈值，得到信号的二值图像。最终，通过MobileViT网络结合轮廓提取的方法得到干扰类型，并估计切片宽度、转发次数、切片数目及采样周期。通过仿真试验验证了该方法的有效性，在干噪比为5至35dB范围内，对于不同干扰参数设置下的三种干扰，干扰类型识别平均准确率达到100%，在参数估计方面，切片数目和转发次数估计准确率均为100%，在低干噪比情况下，切片宽度和采样周期的估计精度良好。
间歇采样转发干扰在防空拦截、反目标掩护对抗等场景中严重影响了雷达的探测性能。为了提升雷达的抗此类干扰效能，本文提出一种基于MobileViT网络和轮廓提取的间歇采样转发干扰感知方法，通过输入回波信号的二值图，可以在低干噪比（Jamming to Noise Ratio，JNR）情况下识别干扰类型和估计干扰参数，为雷达实施更有效的抗干扰策略提供先验信息。所提方法对解线调后的雷达回波信号进行短时傅里叶变换（Short-Time Fourier Transform，STFT）、功率谱密度归一化处理，再利用最大类间方差法计算阈值，得到信号的二值图像。最终，通过MobileViT网络结合轮廓提取的方法得到干扰类型，并估计切片宽度、转发次数、切片数目及采样周期。通过仿真试验验证了该方法的有效性，在干噪比为5至35dB范围内，对于不同干扰参数设置下的三种干扰，干扰类型识别平均准确率达到100%，在参数估计方面，切片数目和转发次数估计准确率均为100%，在低干噪比情况下，切片宽度和采样周期的估计精度良好。
摘要：
摘要：结构健康监测中基于 Lamb 波的损伤定位对工程结构安全具有重要意义，为此，本文提出一种融合卷积注意力模块（CBAM）的卷积神经网络（CNN-CBAM）结构损伤定位方法，旨在提高损伤定位的精确度。该方法首先通过计算损伤状态和健康状态信号在相同时间窗口内的能量比，构建包含时间信息的损伤指数特征序列。其次，构建包含 CBAM 模块的卷积神经网络，利用通道注意力与空间注意力突出并强化与损伤相关的关键信息，建立损伤指数特征序列与损伤空间坐标之间的非线性映射关系，从而实现结构损伤的自动精准定位。为验证方法有效性，本文搭建实验设备并采集多位置损伤数据，实验结果表明，在400 mm×400 mm板状结构上，该方法在x、y方向的平均误差分别为 1.20%和 2.12%，表明该方法能够实现较为准确的损伤定位。
摘要：结构健康监测中基于 Lamb 波的损伤定位对工程结构安全具有重要意义，为此，本文提出一种融合卷积注意力模块（CBAM）的卷积神经网络（CNN-CBAM）结构损伤定位方法，旨在提高损伤定位的精确度。该方法首先通过计算损伤状态和健康状态信号在相同时间窗口内的能量比，构建包含时间信息的损伤指数特征序列。其次，构建包含 CBAM 模块的卷积神经网络，利用通道注意力与空间注意力突出并强化与损伤相关的关键信息，建立损伤指数特征序列与损伤空间坐标之间的非线性映射关系，从而实现结构损伤的自动精准定位。为验证方法有效性，本文搭建实验设备并采集多位置损伤数据，实验结果表明，在400 mm×400 mm板状结构上，该方法在x、y方向的平均误差分别为 1.20%和 2.12%，表明该方法能够实现较为准确的损伤定位。
摘要：
随着基于扩散模型的文本图像生成技术持续发展,图像的质量以及多样性均有所提高,然而多主体缺失、属性错乱等问题依旧没有得到妥善解决。本文提出了一种图约束动态注意力文本生成图像方法来提升稳定扩散模型在存在多个主体和多属性条件下的生成能力。方法先是引入了基于图注意力网络的场景图生成器,从CLIP文本嵌入中提取物体节点以及语义关系,进而生成能够起到结构化布局约束作用的信号。接着在U-Net里嵌入动态注意力门控模块,该模块能感知时间步并自适应地调整注意力权重,把原本隐式去噪倾向转变成结合场景图约束的显式注意力调度。在CUB和COCO数据集所开展的实验显示,和主流方法相比,该方法在FID、IS、CLIP-Score这些指标方面都有所提升。
随着基于扩散模型的文本图像生成技术持续发展,图像的质量以及多样性均有所提高,然而多主体缺失、属性错乱等问题依旧没有得到妥善解决。本文提出了一种图约束动态注意力文本生成图像方法来提升稳定扩散模型在存在多个主体和多属性条件下的生成能力。方法先是引入了基于图注意力网络的场景图生成器,从CLIP文本嵌入中提取物体节点以及语义关系,进而生成能够起到结构化布局约束作用的信号。接着在U-Net里嵌入动态注意力门控模块,该模块能感知时间步并自适应地调整注意力权重,把原本隐式去噪倾向转变成结合场景图约束的显式注意力调度。在CUB和COCO数据集所开展的实验显示,和主流方法相比,该方法在FID、IS、CLIP-Score这些指标方面都有所提升。
摘要：
树木是现代智慧校园基础设施建设的重要组成部分，校园林木的树种、结构与空间分布等信息为校园生态评估与绿化管理提供必不可少的数据支撑。现代智慧校园建设的发展也对树种准确识别提出了更高要求，无人机多源遥感数据和深度学习技术则为大范围校园树种精准识别提供了可能。本文面向校园场景，结合无人机激光LiDAR点云数据和光学影像，针对目前基于深度学习树种分类方法存在的数据标注成本高、树冠形态特征敏感性弱、关键特征通道关注度不足等问题，提出一种大规模稀疏树冠多光谱点云分类网络（Tree-Net）。该网络以树冠点云簇作为输入数据，构建训练样本，减少标注成本；其次，构建点-体素双分支网络，兼顾体素粗粒度光谱与点细粒度几何特征；最后，在点分支中分别嵌入形态特征提取模块和通道注意力机制模块，提高模型对树冠剖面形态差异的敏感性，并实现特征通道自适应加权,提高模型对关键通道的关注度。研究发现，所提网络在NUIST点云数据集上树种分类精度mIoU可达56.7%，优于现有主流模型。
树木是现代智慧校园基础设施建设的重要组成部分，校园林木的树种、结构与空间分布等信息为校园生态评估与绿化管理提供必不可少的数据支撑。现代智慧校园建设的发展也对树种准确识别提出了更高要求，无人机多源遥感数据和深度学习技术则为大范围校园树种精准识别提供了可能。本文面向校园场景，结合无人机激光LiDAR点云数据和光学影像，针对目前基于深度学习树种分类方法存在的数据标注成本高、树冠形态特征敏感性弱、关键特征通道关注度不足等问题，提出一种大规模稀疏树冠多光谱点云分类网络（Tree-Net）。该网络以树冠点云簇作为输入数据，构建训练样本，减少标注成本；其次，构建点-体素双分支网络，兼顾体素粗粒度光谱与点细粒度几何特征；最后，在点分支中分别嵌入形态特征提取模块和通道注意力机制模块，提高模型对树冠剖面形态差异的敏感性，并实现特征通道自适应加权,提高模型对关键通道的关注度。研究发现，所提网络在NUIST点云数据集上树种分类精度mIoU可达56.7%，优于现有主流模型。
摘要：
在智慧交通系统中，车辆检测是至关重要的核心感知环节。然而，在实际应用场景中，由于车辆尺度差异、环境噪声干扰以及车辆间遮挡等因素显著制约着检测性能。为此，本文提出了一种基于动态路由与全局-局部协同的YOLOv8车辆检测算法。首先，基于双层路由注意力模块设计动态路由多尺度编码注意力模块，通过捕捉通道依赖与多尺度空间特征，提升模型的特征提取效能；其次，引入多尺度扩张卷积，构建基于多尺度扩张卷积特征的融合模块，更加精准融合不同尺度的目标特征，以增强尺度差异的表征能力；然后，提出基于全局局部分支协同的多池化特征聚合模块，通过融合最大池化与全局平均池化，有效缓解特征模糊与细节丢失的问题；最后，引入Wasserstein距离设计基于多维融合的动态权重损失函数，通过精准量化边界框的几何特性，克服传统方法的固有局限，显著增强模型鲁棒性。在UA-DETRAC和BIT-Vehicle数据集上进行实验评估，结果表明，本文所提出的算法在精度、召回率、mAP等指标上均优于现有主流方法，从而验证了该算法在复杂交通检测场景中的有效性。
在智慧交通系统中，车辆检测是至关重要的核心感知环节。然而，在实际应用场景中，由于车辆尺度差异、环境噪声干扰以及车辆间遮挡等因素显著制约着检测性能。为此，本文提出了一种基于动态路由与全局-局部协同的YOLOv8车辆检测算法。首先，基于双层路由注意力模块设计动态路由多尺度编码注意力模块，通过捕捉通道依赖与多尺度空间特征，提升模型的特征提取效能；其次，引入多尺度扩张卷积，构建基于多尺度扩张卷积特征的融合模块，更加精准融合不同尺度的目标特征，以增强尺度差异的表征能力；然后，提出基于全局局部分支协同的多池化特征聚合模块，通过融合最大池化与全局平均池化，有效缓解特征模糊与细节丢失的问题；最后，引入Wasserstein距离设计基于多维融合的动态权重损失函数，通过精准量化边界框的几何特性，克服传统方法的固有局限，显著增强模型鲁棒性。在UA-DETRAC和BIT-Vehicle数据集上进行实验评估，结果表明，本文所提出的算法在精度、召回率、mAP等指标上均优于现有主流方法，从而验证了该算法在复杂交通检测场景中的有效性。
摘要：
蜣螂优化算法是一种受蜣螂滚球,跳舞,觅食,偷窃和繁殖行为启发的群体智能优化算法,具备较强的搜索能力和较高的收敛效率。为了跟踪最新研究成果、促进群智能优化算法的研究,本文首先介绍了蜣螂优化算法的原理,简述了实现步骤,以及与其他算法的性能对比。针对该算法局搜索能力不足和容易陷入局部最优解等缺点,总结并分析了不同的改进策略。接着阐述了其在工程优化、特征选择、图像分割、路径规划、数据预测等方面的应用。最后对蜣螂优化算法的未来研究发展进行了展望。
蜣螂优化算法是一种受蜣螂滚球,跳舞,觅食,偷窃和繁殖行为启发的群体智能优化算法,具备较强的搜索能力和较高的收敛效率。为了跟踪最新研究成果、促进群智能优化算法的研究,本文首先介绍了蜣螂优化算法的原理,简述了实现步骤,以及与其他算法的性能对比。针对该算法局搜索能力不足和容易陷入局部最优解等缺点,总结并分析了不同的改进策略。接着阐述了其在工程优化、特征选择、图像分割、路径规划、数据预测等方面的应用。最后对蜣螂优化算法的未来研究发展进行了展望。
摘要：
乳腺超声图像的精确分割对于乳腺癌的早期诊断至关重要，但现有分割方法仍面临无法准确识别恶性肿瘤模糊的边界、无法灵活调整卷积核以及忽视解码过程中特征融合和病变区域校正等问题。为此，本文提出了一种改进的双分支混合模型。首先，提出一种基于金字塔视觉Transformer（Pyramid Vision Transformer, PVT）的全局上下文引导辅助定位编码分支，以建立长期依赖关系。其次，构建多维交互提取模块（Multidimensional Interactive Extraction Module, MIEM）在通道和空间两个维度上交互提取多个尺度上的精细特征信息。然后，提出自适应动态优化模块（Adaptive Dynamic Optimization Module, ADOM）对精细特征进行增强和优化，提高特征的表达能力并相对减少计算量。最后，为了补充解码过程中稀释的语义信息，设计了全局特征引导模块代替传统跳跃连接，引导融合高级特征以生成全局信息丰富的数据流。将本文所提方法在两个公开可用的超声数据集上验证，并与11种先进方法进行比较。实验结果表明，本文模型优于其他方法，尤其在分割困难的BUSI-malignant数据集上将Dice指标提高了3.16个百分点。
乳腺超声图像的精确分割对于乳腺癌的早期诊断至关重要，但现有分割方法仍面临无法准确识别恶性肿瘤模糊的边界、无法灵活调整卷积核以及忽视解码过程中特征融合和病变区域校正等问题。为此，本文提出了一种改进的双分支混合模型。首先，提出一种基于金字塔视觉Transformer（Pyramid Vision Transformer, PVT）的全局上下文引导辅助定位编码分支，以建立长期依赖关系。其次，构建多维交互提取模块（Multidimensional Interactive Extraction Module, MIEM）在通道和空间两个维度上交互提取多个尺度上的精细特征信息。然后，提出自适应动态优化模块（Adaptive Dynamic Optimization Module, ADOM）对精细特征进行增强和优化，提高特征的表达能力并相对减少计算量。最后，为了补充解码过程中稀释的语义信息，设计了全局特征引导模块代替传统跳跃连接，引导融合高级特征以生成全局信息丰富的数据流。将本文所提方法在两个公开可用的超声数据集上验证，并与11种先进方法进行比较。实验结果表明，本文模型优于其他方法，尤其在分割困难的BUSI-malignant数据集上将Dice指标提高了3.16个百分点。
摘要：
针对具有输入时滞的一阶非线性多智能体系统的包含控制问题，本文提出了一种结合双动态事件触发机制的自适应分布式固定时间控制方法，旨在解决系统在存在输入延迟与非线性动态特性情形下的协同包含控制问题，并有效降低通信负担、提升资源利用效率。首先，引入双动态变量构建时变触发阈值，提出双动态事件触发条件以自适应调节触发行为；然后，设计自适应固定时间控制器并采用降阶辅助变量对输入时滞进行补偿；接着，基于构造的 Lyapunov 函数严格证明了闭环系统的固定时间稳定性、给出了收敛时间的上界，并证明最小事件触发间隔存在以排除 Zeno 现象；最后，通过数值仿真验证了本文理论的可行性。结果表明，在存在输入时滞和非线性扰动的条件下，所提方法能在固定时间内将所有跟随者收敛到由领导者构成的凸包内，同时显著减少触发次数并避免 Zeno 行为。
针对具有输入时滞的一阶非线性多智能体系统的包含控制问题，本文提出了一种结合双动态事件触发机制的自适应分布式固定时间控制方法，旨在解决系统在存在输入延迟与非线性动态特性情形下的协同包含控制问题，并有效降低通信负担、提升资源利用效率。首先，引入双动态变量构建时变触发阈值，提出双动态事件触发条件以自适应调节触发行为；然后，设计自适应固定时间控制器并采用降阶辅助变量对输入时滞进行补偿；接着，基于构造的 Lyapunov 函数严格证明了闭环系统的固定时间稳定性、给出了收敛时间的上界，并证明最小事件触发间隔存在以排除 Zeno 现象；最后，通过数值仿真验证了本文理论的可行性。结果表明，在存在输入时滞和非线性扰动的条件下，所提方法能在固定时间内将所有跟随者收敛到由领导者构成的凸包内，同时显著减少触发次数并避免 Zeno 行为。
摘要：
有色金属期货是实体经济与金融市场的关键纽带,由于价格波动频繁,具有强随机性和非线性特征,传统预测模型在信息提取与突发事件应对方面存在明显不足。为此,本文提出了TFT-FMambas融合模型,以提升有色金属期货价格预测的准确性与稳定性。首先,针对传统模型对历史数据依赖范围短的问题设计了FMamba模块,并进一步构建由双向FMamba模块组成的FMambas模块,以充分挖掘隐藏特征。同时用TFT模块捕捉突发事件对预测精度的干扰,最后通过阈值驱动的动态融合机制输出最终预测结果。实验结果表明,该模型在预测铜期货价格时,信息系数IC指标达到0.967,显著优于现有方法；在MAE和MAPE指标上,相较基线模型分别降低了61.5%和61.8%。此外,在铝和锌期货价格的预测任务中,模型同样展现出优异的性能。消融实验进一步验证了各模块的有效性。综上,TFT-FMambas融合模型在有色金属期货价格预测中展现出良好的预测性能,具有重要的理论意义和实际应用前景。
有色金属期货是实体经济与金融市场的关键纽带,由于价格波动频繁,具有强随机性和非线性特征,传统预测模型在信息提取与突发事件应对方面存在明显不足。为此,本文提出了TFT-FMambas融合模型,以提升有色金属期货价格预测的准确性与稳定性。首先,针对传统模型对历史数据依赖范围短的问题设计了FMamba模块,并进一步构建由双向FMamba模块组成的FMambas模块,以充分挖掘隐藏特征。同时用TFT模块捕捉突发事件对预测精度的干扰,最后通过阈值驱动的动态融合机制输出最终预测结果。实验结果表明,该模型在预测铜期货价格时,信息系数IC指标达到0.967,显著优于现有方法；在MAE和MAPE指标上,相较基线模型分别降低了61.5%和61.8%。此外,在铝和锌期货价格的预测任务中,模型同样展现出优异的性能。消融实验进一步验证了各模块的有效性。综上,TFT-FMambas融合模型在有色金属期货价格预测中展现出良好的预测性能,具有重要的理论意义和实际应用前景。
摘要：
在直流微电网中，DC-DC变换器对电能的高效传输和分配至关重要。然而，对于含有一类非线性负载的升降压变换器，现有的研究成果往往只能保证闭环系统渐近稳定性。而有限时间控制具有更好的跟踪精度和鲁棒性。因此，针对带有一类非线性负载的DC-DC升降压变换器，提出了一种结合有限时间干扰观测器的抗干扰有限时间控制策略。首先，基于升降压变换器的平均模型，设计了有限时间干扰观测器用以估计由输入电压变化和负载变化引起的扰动。其次，构建了系统的误差信号模型，通过反步法设计了确保误差在有限时间内收敛的控制律。之后，将干扰观测器的估计值与有限时间控制器相结合，形成了抗干扰有限时间控制器，增强了系统的抗干扰能力，并对闭环系统进行了有限时间收敛的稳定性分析。最后，通过仿真和实验验证了所提出的控制方案在抗干扰能力方面的有效性。
在直流微电网中，DC-DC变换器对电能的高效传输和分配至关重要。然而，对于含有一类非线性负载的升降压变换器，现有的研究成果往往只能保证闭环系统渐近稳定性。而有限时间控制具有更好的跟踪精度和鲁棒性。因此，针对带有一类非线性负载的DC-DC升降压变换器，提出了一种结合有限时间干扰观测器的抗干扰有限时间控制策略。首先，基于升降压变换器的平均模型，设计了有限时间干扰观测器用以估计由输入电压变化和负载变化引起的扰动。其次，构建了系统的误差信号模型，通过反步法设计了确保误差在有限时间内收敛的控制律。之后，将干扰观测器的估计值与有限时间控制器相结合，形成了抗干扰有限时间控制器，增强了系统的抗干扰能力，并对闭环系统进行了有限时间收敛的稳定性分析。最后，通过仿真和实验验证了所提出的控制方案在抗干扰能力方面的有效性。
摘要：
在全球气候变化日益加剧的背景下，农田作为主要温室气体排放源之一，同时又具备显著的碳汇潜力，在我国“碳达峰、碳中和”战略目标中占据关键地位。农田排放的温室气体主要包括二氧化碳（CO2）、甲烷（CH4）和氧化亚氮（N2O），其总量约占全球人为温室气体排放的14%，其中CH4和N2O的农业来源分别占全球该类气体排放的52%和74%，此外，农田土壤具有显著的固碳增汇潜力，可在“碳中和”过程中发挥重要作用。我国农业源温室气体排放约占全国总排放量的6.4%，农业CH4和N2O分别占全国该类气体排放的41%和51%。本文系统梳理了国内外农田温室气体排放领域的研究进展，重点围绕农田温室气体排放现状与核算挑战、农田固碳与减排技术路径、以及农业绿色低碳系统治理模式三个方面展开综述。通过汇集近年来的研究成果，提出未来农业绿色低碳转型的方向与策略，包括强化温室气体通量观测网络建设、推广高效低碳农艺管理措施、构建多样化与复合型农业系统等，为实现“双碳”目标提供科学依据与技术支持。
在全球气候变化日益加剧的背景下，农田作为主要温室气体排放源之一，同时又具备显著的碳汇潜力，在我国“碳达峰、碳中和”战略目标中占据关键地位。农田排放的温室气体主要包括二氧化碳（CO2）、甲烷（CH4）和氧化亚氮（N2O），其总量约占全球人为温室气体排放的14%，其中CH4和N2O的农业来源分别占全球该类气体排放的52%和74%，此外，农田土壤具有显著的固碳增汇潜力，可在“碳中和”过程中发挥重要作用。我国农业源温室气体排放约占全国总排放量的6.4%，农业CH4和N2O分别占全国该类气体排放的41%和51%。本文系统梳理了国内外农田温室气体排放领域的研究进展，重点围绕农田温室气体排放现状与核算挑战、农田固碳与减排技术路径、以及农业绿色低碳系统治理模式三个方面展开综述。通过汇集近年来的研究成果，提出未来农业绿色低碳转型的方向与策略，包括强化温室气体通量观测网络建设、推广高效低碳农艺管理措施、构建多样化与复合型农业系统等，为实现“双碳”目标提供科学依据与技术支持。
摘要：
针对传统模型预测电流控制(Model Predictive Current Control, MPCC)对精确数学模型和电机参数依赖性强难以应对模型失配与参数漂移的问题，提出一种基于自适应强跟踪扩展卡尔曼观测器(Adaptive Strong Tracking Extended Kalman Observer, ASTEKO)的永磁同步电机(Permanent Magnet Synchronous Motors, PMSM)双矢量无模型预测电流控制(Model Free Predictive Control, MFPCC)策略。首先，统一原始数学模型中参数相关部分和未知项，建立基于集总扰动的PMSM扩展超局部模型；其次，设计ASTEKO以估计扩展超局部模型中非线性部分，并引入滑动窗口动态调整残差阈值以提升对状态变化的敏感性；最后，构建双矢量无模型预测控制的电流预测方程，输出使得交直轴电流误差最小的电压矢量。仿真结果和样机实验验证了基于ASTEKO的双矢量MFPCC性能优于单矢量MFPCC和传统双矢量MPCC，所提控制策略实现了系统精确的电流控制、快速的动态响应和较强的鲁棒性。
针对传统模型预测电流控制(Model Predictive Current Control, MPCC)对精确数学模型和电机参数依赖性强难以应对模型失配与参数漂移的问题，提出一种基于自适应强跟踪扩展卡尔曼观测器(Adaptive Strong Tracking Extended Kalman Observer, ASTEKO)的永磁同步电机(Permanent Magnet Synchronous Motors, PMSM)双矢量无模型预测电流控制(Model Free Predictive Control, MFPCC)策略。首先，统一原始数学模型中参数相关部分和未知项，建立基于集总扰动的PMSM扩展超局部模型；其次，设计ASTEKO以估计扩展超局部模型中非线性部分，并引入滑动窗口动态调整残差阈值以提升对状态变化的敏感性；最后，构建双矢量无模型预测控制的电流预测方程，输出使得交直轴电流误差最小的电压矢量。仿真结果和样机实验验证了基于ASTEKO的双矢量MFPCC性能优于单矢量MFPCC和传统双矢量MPCC，所提控制策略实现了系统精确的电流控制、快速的动态响应和较强的鲁棒性。
摘要：
准确捕捉浮游藻类变化特征并预测其变化趋势对近海生态环境保护具有重要意义。近海浮游植物藻华预测主要以代表生物量的叶绿素a为表征因子，本研究选取胶州湾为案例研究区域，利用机器学习方法和夏普利叠加性解释（SHAP）分析，旨在模拟预测叶绿素a浓度并探究其影响机制。结果表明，尽管研究区域表层水体叶绿素a浓度时空变化特征显著，但基于随机森林模型预测的叶绿素a浓度与实测叶绿素a浓度之间呈现高度的相关性，在训练集上和测试集上模型均表现出较高的解释能力（训练集R2＝0.91; 测试集R2＝0.86），表明该模型在预测海湾水体叶绿素a浓度方面具有较高的应用潜力。SHAP值分析发现，影响该区域叶绿素a浓度的重要环境因子分别是化学需氧量、气温、水深、硅酸盐和总氮，其对叶绿素a浓度变化的贡献率分别为21.73%、14.74%、14.59%、10.22%、8.79%。本研究探究了影响海湾水体叶绿素a浓度变化的气象、水文、化学等关键环境要素，为掌握叶绿素a浓度动态变化特征提供了科学依据。
准确捕捉浮游藻类变化特征并预测其变化趋势对近海生态环境保护具有重要意义。近海浮游植物藻华预测主要以代表生物量的叶绿素a为表征因子，本研究选取胶州湾为案例研究区域，利用机器学习方法和夏普利叠加性解释（SHAP）分析，旨在模拟预测叶绿素a浓度并探究其影响机制。结果表明，尽管研究区域表层水体叶绿素a浓度时空变化特征显著，但基于随机森林模型预测的叶绿素a浓度与实测叶绿素a浓度之间呈现高度的相关性，在训练集上和测试集上模型均表现出较高的解释能力（训练集R2＝0.91; 测试集R2＝0.86），表明该模型在预测海湾水体叶绿素a浓度方面具有较高的应用潜力。SHAP值分析发现，影响该区域叶绿素a浓度的重要环境因子分别是化学需氧量、气温、水深、硅酸盐和总氮，其对叶绿素a浓度变化的贡献率分别为21.73%、14.74%、14.59%、10.22%、8.79%。本研究探究了影响海湾水体叶绿素a浓度变化的气象、水文、化学等关键环境要素，为掌握叶绿素a浓度动态变化特征提供了科学依据。
摘要：
无人机因其高机动性、部署灵活以及易于建立视距链路等独特优势，作为空中基站可为地面用户提供高效的通信中继服务，已成为扩展地面蜂窝网络覆盖的一种极具前景的方案。本文聚焦于该场景下的上行链路通信，以最大化网络能量效率为优化目标，综合考虑子信道分配、地面用户最小传输速率和无人机飞行轨迹约束，构建了子信道分配与无人机飞行轨迹联合优化问题。为解决这一NP难非凸优化问题，提出一种交替优化算法。首先，通过k-means++聚类算法对地面用户进行分簇，并引入轮廓系数法确定最优的分簇数量，从而实现用户与无人机的合理匹配。其次，为了降低不同用户簇间的干扰，设计了一种基于分组的公平匹配算法来求解子信道分配子问题。接着，在给定子信道分配策略后，采用逐次凸逼近方法以及引入松弛变量将原无人机飞行轨迹优化子问题近似为易于求解的凸优化问题，并应用CVX工具箱求解。以上两个子问题交替优化，直至算法收敛。仿真结果表明，与基准方案相比，本文所提出的交替优化算法能够显著提高地面用户的的最小传输速率下限以及网络的能量效率，从而提升了整个通信系统的服务质量。
无人机因其高机动性、部署灵活以及易于建立视距链路等独特优势，作为空中基站可为地面用户提供高效的通信中继服务，已成为扩展地面蜂窝网络覆盖的一种极具前景的方案。本文聚焦于该场景下的上行链路通信，以最大化网络能量效率为优化目标，综合考虑子信道分配、地面用户最小传输速率和无人机飞行轨迹约束，构建了子信道分配与无人机飞行轨迹联合优化问题。为解决这一NP难非凸优化问题，提出一种交替优化算法。首先，通过k-means++聚类算法对地面用户进行分簇，并引入轮廓系数法确定最优的分簇数量，从而实现用户与无人机的合理匹配。其次，为了降低不同用户簇间的干扰，设计了一种基于分组的公平匹配算法来求解子信道分配子问题。接着，在给定子信道分配策略后，采用逐次凸逼近方法以及引入松弛变量将原无人机飞行轨迹优化子问题近似为易于求解的凸优化问题，并应用CVX工具箱求解。以上两个子问题交替优化，直至算法收敛。仿真结果表明，与基准方案相比，本文所提出的交替优化算法能够显著提高地面用户的的最小传输速率下限以及网络的能量效率，从而提升了整个通信系统的服务质量。
摘要：
针对现有的短临降水预报方法存在未来不确定性导致的模糊和泛化性弱的问题，本文提出了一种融合科尔莫戈洛夫-阿诺德网络（Kolmogorov-Arnold Networks, KAN）的双分支特征解耦模型，称为DDKAN（Dual-lateral Decouple KAN）. 首先，本文提出了局部和全局双分支模块以及特征正交化损失来实现降水时空变化特征的解耦；然后，本文将KAN引入局部分支的自注意力模块中，充分利用了KAN在函数拟合方面的强大能力；最后，本文提出了一种时间门控融合模块，它模拟了降水场的运动和强度变化过程从而有效实现了解耦特征的有效融合与降水变化的时空推演. 本文在江苏数据集、MeteoNet数据集和Sevir数据集上进行了实验，结果表明，DDKAN在三个数据集上的综合表现最佳.
针对现有的短临降水预报方法存在未来不确定性导致的模糊和泛化性弱的问题，本文提出了一种融合科尔莫戈洛夫-阿诺德网络（Kolmogorov-Arnold Networks, KAN）的双分支特征解耦模型，称为DDKAN（Dual-lateral Decouple KAN）. 首先，本文提出了局部和全局双分支模块以及特征正交化损失来实现降水时空变化特征的解耦；然后，本文将KAN引入局部分支的自注意力模块中，充分利用了KAN在函数拟合方面的强大能力；最后，本文提出了一种时间门控融合模块，它模拟了降水场的运动和强度变化过程从而有效实现了解耦特征的有效融合与降水变化的时空推演. 本文在江苏数据集、MeteoNet数据集和Sevir数据集上进行了实验，结果表明，DDKAN在三个数据集上的综合表现最佳.
摘要：
为应对“双碳”目标下高比例可再生能源接入带来的多重不确定性，以及配网与微网传统独立运行模式在可再生能源消纳的不足，提出一种基于概率场景驱动的配微协同鲁棒分布式优化调度方法。首先，基于配微多层级源荷概率预测结果，采用基于曼哈顿距离相似性度量的改进K-means聚类方法获取多维典型场景及其概率分布；其次，基于∞-范数与1-范数形成配微多层级源荷概率分布模糊集，构建配微协同两阶段分布鲁棒优化模型；最后，利用目标级联法（analytical target cascading，ATC）实现配网与微网的分层独立决策，并嵌套列与约束生成算法（column-and-constraint generation，C&CG）解耦两阶段分布鲁棒优化模型，从而实现ATC-C&CG耦合求解。算例分析表明，本文所提方法可有效处理配微源荷多重不确定性，显著提升高比例新能源接入下配微一体化系统的经济性与鲁棒性，可为解决分布式风光消纳难题提供有效技术支撑。
为应对“双碳”目标下高比例可再生能源接入带来的多重不确定性，以及配网与微网传统独立运行模式在可再生能源消纳的不足，提出一种基于概率场景驱动的配微协同鲁棒分布式优化调度方法。首先，基于配微多层级源荷概率预测结果，采用基于曼哈顿距离相似性度量的改进K-means聚类方法获取多维典型场景及其概率分布；其次，基于∞-范数与1-范数形成配微多层级源荷概率分布模糊集，构建配微协同两阶段分布鲁棒优化模型；最后，利用目标级联法（analytical target cascading，ATC）实现配网与微网的分层独立决策，并嵌套列与约束生成算法（column-and-constraint generation，C&CG）解耦两阶段分布鲁棒优化模型，从而实现ATC-C&CG耦合求解。算例分析表明，本文所提方法可有效处理配微源荷多重不确定性，显著提升高比例新能源接入下配微一体化系统的经济性与鲁棒性，可为解决分布式风光消纳难题提供有效技术支撑。
摘要：
针对输电线路故障原因辨识中部分故障波形特征相似的问题，论文提出了一种基于对称点模式图像与气象、重合闸等多模态特征融合的故障原因辨识方法。首先，分析了输电线路雷击、山火、风偏、污闪、覆冰和异物6类故障原因在暂态波形、天气条件以及重合闸方面的特征差异。其次，采用对称极坐标法，将故障时段的电压电流信号转换成对称点模式图，以放大易混淆波形的特征差异。然后，构建了基于DenseNet-121的故障分类辨识模型，将对称点模式图、故障时的天气情况和线路重合闸动作情况的编码作为辨识分类器的输入，利用通道注意力机制实现多模态特征融合。最后，基于真实故障数据的算例结果表明，所提方法对故障原因的辨识准确率达了95.35%，相比其他特征输入和网络模型具有更高的辨识准确率和泛化能力。
针对输电线路故障原因辨识中部分故障波形特征相似的问题，论文提出了一种基于对称点模式图像与气象、重合闸等多模态特征融合的故障原因辨识方法。首先，分析了输电线路雷击、山火、风偏、污闪、覆冰和异物6类故障原因在暂态波形、天气条件以及重合闸方面的特征差异。其次，采用对称极坐标法，将故障时段的电压电流信号转换成对称点模式图，以放大易混淆波形的特征差异。然后，构建了基于DenseNet-121的故障分类辨识模型，将对称点模式图、故障时的天气情况和线路重合闸动作情况的编码作为辨识分类器的输入，利用通道注意力机制实现多模态特征融合。最后，基于真实故障数据的算例结果表明，所提方法对故障原因的辨识准确率达了95.35%，相比其他特征输入和网络模型具有更高的辨识准确率和泛化能力。
摘要：
针对当前移动机器人路径规划中的快速拓展随机树算法(rapidly-exploring random tree,RRT*)存在路径曲折,采样点多,效率低等问题,提出一种基于APF-Bi-RRT*的动态采样算法。首先在Bi-RRT*的基础上引入动态目标偏置函数,减少采样点改善效率低的问题；在人工势场的基础上引入动态斥力系数,通过判断当前环境障碍物密度,实时调节斥力大小,更精准的朝目标方向移动；其次对剪枝算法提出安全距离检测策略,与三次B样条曲线结合改善路径曲折问题。最后通过在不同环境下与APF-Bi-RRT*,Bi-RRT*和RRT*算法进行仿真对比,结果表明,在复杂场景中相较于以上算法,规划效率分别提升16.46%、22.51%、62.68%,可灵活应用于不同环境下的路径规划。
针对当前移动机器人路径规划中的快速拓展随机树算法(rapidly-exploring random tree,RRT*)存在路径曲折,采样点多,效率低等问题,提出一种基于APF-Bi-RRT*的动态采样算法。首先在Bi-RRT*的基础上引入动态目标偏置函数,减少采样点改善效率低的问题；在人工势场的基础上引入动态斥力系数,通过判断当前环境障碍物密度,实时调节斥力大小,更精准的朝目标方向移动；其次对剪枝算法提出安全距离检测策略,与三次B样条曲线结合改善路径曲折问题。最后通过在不同环境下与APF-Bi-RRT*,Bi-RRT*和RRT*算法进行仿真对比,结果表明,在复杂场景中相较于以上算法,规划效率分别提升16.46%、22.51%、62.68%,可灵活应用于不同环境下的路径规划。
摘要：
中文语法错误纠正（CGEC）旨在以最少编辑修正中文文本错误。随着大型语言模型（LLMs）的兴起，其在CGEC领域既带来了机遇，同时也产生了一定的挑战。主要体现为LLMs在语法纠错的过程缺乏自信，存在误将错误修改模式应用到相似的其他句子，或过度校正等情况。针对上述问题，本文提出了一种基于LLM多视角协同的中文语法纠正方法（Multi-Perspective Coordination LLM Method，Multi-PC）。不同于LLM解码只关注局部词元的可信度，Multi-PC从句子的所有组成词元入手综合考虑句中存在的语法问题，利用LLM不同视角的推理结果，通过去无关词元重新计算句子整体的可信度，最终推理出全局可信的纠错结果。该方法不需要增加额外训练成本，同时可以缓解过度校正或是修改模式错误匹配问题。本文在中文语法纠错数据集上的实验结果表明提出的Multi-PC简单而有效。
中文语法错误纠正（CGEC）旨在以最少编辑修正中文文本错误。随着大型语言模型（LLMs）的兴起，其在CGEC领域既带来了机遇，同时也产生了一定的挑战。主要体现为LLMs在语法纠错的过程缺乏自信，存在误将错误修改模式应用到相似的其他句子，或过度校正等情况。针对上述问题，本文提出了一种基于LLM多视角协同的中文语法纠正方法（Multi-Perspective Coordination LLM Method，Multi-PC）。不同于LLM解码只关注局部词元的可信度，Multi-PC从句子的所有组成词元入手综合考虑句中存在的语法问题，利用LLM不同视角的推理结果，通过去无关词元重新计算句子整体的可信度，最终推理出全局可信的纠错结果。该方法不需要增加额外训练成本，同时可以缓解过度校正或是修改模式错误匹配问题。本文在中文语法纠错数据集上的实验结果表明提出的Multi-PC简单而有效。
摘要：
针对现有图像修复方法普遍存在的细节保真度难以平衡、大模型训练显存开销大等问题,提出了一种基于可逆扩散与掩码引导注意力的图像修复网络。具体而言,通过傅里叶卷积模块捕获图像的全局频率特征,同时利用上下文注意力机制建模局部语义依赖关系,并设计动态加权融合模块实现全局与局部特征的自适应整合。特别地,受BrushNet启发,本文设计了基于掩码引导的注意力机制,通过区域聚焦策略增强模型对修复区域的细节生成能力。此外,采用可逆网络结构优化梯度反向传播过程。通过在Places2和CelebA数据集上分别进行定性、定量分析及消融实验的结果表明,本文所提算法对修复效果有较好的表现。与所提对比算法相比,PSNR和SSIM分别平均提高了2.30dB和3.66%,有效提升了图像修复的质量,确保生成细节更完善,结构更流畅的修复图像。
针对现有图像修复方法普遍存在的细节保真度难以平衡、大模型训练显存开销大等问题,提出了一种基于可逆扩散与掩码引导注意力的图像修复网络。具体而言,通过傅里叶卷积模块捕获图像的全局频率特征,同时利用上下文注意力机制建模局部语义依赖关系,并设计动态加权融合模块实现全局与局部特征的自适应整合。特别地,受BrushNet启发,本文设计了基于掩码引导的注意力机制,通过区域聚焦策略增强模型对修复区域的细节生成能力。此外,采用可逆网络结构优化梯度反向传播过程。通过在Places2和CelebA数据集上分别进行定性、定量分析及消融实验的结果表明,本文所提算法对修复效果有较好的表现。与所提对比算法相比,PSNR和SSIM分别平均提高了2.30dB和3.66%,有效提升了图像修复的质量,确保生成细节更完善,结构更流畅的修复图像。
摘要：
长期以来，我国地质工作者开展了大量调查研究工作，积累了海量地质资料数据。如何对这些庞大的数据体系进行结构化组织管理以支撑矿产勘查工作，成为亟待解决的问题。知识图谱作为一种可视化的数据组织与表达方法，既能结构化存储地质知识，又可实现语义推理与知识融合。因此本文基于本体的知识表示方法来构建地质资料领域知识图谱：首先，依据标准规范文件和专家知识，构建三维知识体系与地质资料本体模型，完成概念、实体及关系的建模；然后，采用CasRel模型实现地质实体关系抽取；最后，通过数据融合将结构化三元组数据存储至Neo4j图数据库，完成地质资料知识图谱的构建与可视化呈现。实验结果表明，本文构建的知识图谱在准确性、丰度，知识推理与补全方面表现良好，三元组抽取准确率达84.70%，F1值达81.70%，图谱平均度为2.95，关键节点度为6.46。本研究构建的知识图谱有利于地质资料的系统化查询与应用，可为地质勘查、矿产预测等专业应用提供有力支持。
长期以来，我国地质工作者开展了大量调查研究工作，积累了海量地质资料数据。如何对这些庞大的数据体系进行结构化组织管理以支撑矿产勘查工作，成为亟待解决的问题。知识图谱作为一种可视化的数据组织与表达方法，既能结构化存储地质知识，又可实现语义推理与知识融合。因此本文基于本体的知识表示方法来构建地质资料领域知识图谱：首先，依据标准规范文件和专家知识，构建三维知识体系与地质资料本体模型，完成概念、实体及关系的建模；然后，采用CasRel模型实现地质实体关系抽取；最后，通过数据融合将结构化三元组数据存储至Neo4j图数据库，完成地质资料知识图谱的构建与可视化呈现。实验结果表明，本文构建的知识图谱在准确性、丰度，知识推理与补全方面表现良好，三元组抽取准确率达84.70%，F1值达81.70%，图谱平均度为2.95，关键节点度为6.46。本研究构建的知识图谱有利于地质资料的系统化查询与应用，可为地质勘查、矿产预测等专业应用提供有力支持。
摘要：
继电保护设备的安全稳定运行是电力系统可靠性的关键，而准确的状态评价则是其运行保障的重要基础。针对实际生产中低分样本数量不足，导致模型评价得分过程中会出现偏差和不准确性的问题，本文提出了一种面向小样本数据的继保设备状态混合数值评价模型，该模型融合了过采样技术与深度学习算法。首先，通过改进K近邻的回归数据过采样方法（K-Nearest Neighbor Oversampling Approach-Regression, KNNOR-Reg）对训练集的低分样本进行过采样，将其数量扩增至原始规模的2.41倍；然后，构建融合通道注意力机制的卷积神经网络（Convolutional Neural Network-Squeeze-and-Excitation Network, CNN-SENet）对测试集样本进行回归预测。基于某变电站实际采集的继电保护设备实测数据开展实验验证，并与其他方法进行对比分析。结果表明，本文所提方法在回归预测误差方面表现优异，全量数据的RMSE为0.8580，低分数据的RMSE为1.5355，有效提升了状态评估的数值精度。
继电保护设备的安全稳定运行是电力系统可靠性的关键，而准确的状态评价则是其运行保障的重要基础。针对实际生产中低分样本数量不足，导致模型评价得分过程中会出现偏差和不准确性的问题，本文提出了一种面向小样本数据的继保设备状态混合数值评价模型，该模型融合了过采样技术与深度学习算法。首先，通过改进K近邻的回归数据过采样方法（K-Nearest Neighbor Oversampling Approach-Regression, KNNOR-Reg）对训练集的低分样本进行过采样，将其数量扩增至原始规模的2.41倍；然后，构建融合通道注意力机制的卷积神经网络（Convolutional Neural Network-Squeeze-and-Excitation Network, CNN-SENet）对测试集样本进行回归预测。基于某变电站实际采集的继电保护设备实测数据开展实验验证，并与其他方法进行对比分析。结果表明，本文所提方法在回归预测误差方面表现优异，全量数据的RMSE为0.8580，低分数据的RMSE为1.5355，有效提升了状态评估的数值精度。
摘要：
为满足嵌入式领域对于高性能处理器和非入侵式跟踪调试功能的双重需求,设计了一款基于RISC-V指令集架构的超标量处理器.处理器采用八级流水线结构并支持四发射、乱序执行技术,支持基础指令集和M指令集拓展,以此满足不同场景的功能需求.在调试时,跟踪流水线的关键信号来映射处理器核内部运算流程,使用数据包格式将指令流信息发送到JTAG串行信号引脚上.在FPGA上对设计的处理器整体进行测试.测试结果表明,CPU CoreMark的跑分结果在100MHz时钟频率下可达到3.89CoreMark/MHz,并通过虚拟串口成功打印出处理器内部运行信息.
为满足嵌入式领域对于高性能处理器和非入侵式跟踪调试功能的双重需求,设计了一款基于RISC-V指令集架构的超标量处理器.处理器采用八级流水线结构并支持四发射、乱序执行技术,支持基础指令集和M指令集拓展,以此满足不同场景的功能需求.在调试时,跟踪流水线的关键信号来映射处理器核内部运算流程,使用数据包格式将指令流信息发送到JTAG串行信号引脚上.在FPGA上对设计的处理器整体进行测试.测试结果表明,CPU CoreMark的跑分结果在100MHz时钟频率下可达到3.89CoreMark/MHz,并通过虚拟串口成功打印出处理器内部运行信息.
摘要：
针对现有立体匹配算法在精度和计算效率上的不足，提出了一种基于局部自注意力的立体匹配算法。通过引入增强局部自注意力机制来增强对局部特征的捕捉能力，有效提高视差估计的精度并降低计算复杂度，同时添加空洞空间金字塔池化模块，实现对多尺度特征的高效提取。改进算法融合上述特征信息，构建匹配代价体，并利用沙漏形状的编解码网络对其进行正则化处理，以确定特征点在不同视差条件下的对应关系。最终，通过线性回归方法生成高精度的视差图。在KITTI 2015和Scene Flow数据集上的实验结果表明，改进后的算法相较之前端点误差降低了22.1%，参数数量减少了45%，运行时间降低了约15.6%。这些结果验证了改进算法在精度提升和资源优化方面的显著优势。
针对现有立体匹配算法在精度和计算效率上的不足，提出了一种基于局部自注意力的立体匹配算法。通过引入增强局部自注意力机制来增强对局部特征的捕捉能力，有效提高视差估计的精度并降低计算复杂度，同时添加空洞空间金字塔池化模块，实现对多尺度特征的高效提取。改进算法融合上述特征信息，构建匹配代价体，并利用沙漏形状的编解码网络对其进行正则化处理，以确定特征点在不同视差条件下的对应关系。最终，通过线性回归方法生成高精度的视差图。在KITTI 2015和Scene Flow数据集上的实验结果表明，改进后的算法相较之前端点误差降低了22.1%，参数数量减少了45%，运行时间降低了约15.6%。这些结果验证了改进算法在精度提升和资源优化方面的显著优势。
摘要：
边坡稳定性评价是地质灾害防治中的关键环节,边坡样本的获取质量直接影响地灾评价环节的精度与可靠性。然而,在实际山区环境中,边坡灾害点数量有限、且时空属性分布不均,导致评价建模中样本稀缺与不平衡问题突出。本文以某典型山区工程区域为研究对象,提出一种融合InSAR时序形变特征与空间热点分析的边坡样本构建方法。首先,基于时序InSAR技术提取地表形变序列,获取最大速率、趋势值、标准差、加速度等关键时序特征；然后结合热点分析方法识别形变聚集区域,构建潜在边坡样本集,并与多源地形地质因子共同构建评价因子集。该方法将动态时序信息与空间聚集模式有机结合,突破了传统依赖静态形变速率或单因子判定的局限,能够有效提升样本数据的代表性与区分度。在此基础上,利用信息量法对量化各因子权重,并结合多种机器学习模型开展边坡稳定性分类实验。结果表明,基于该样本构建的集成模型在精确率和AUC值均优于其他模型,分别为0.81和0.87,具有较强的稳定性识别能力。本研究为高质量边坡样本构建提供了新思路,也为边坡地质灾害的智能识别与科学防控提供了技术支撑与实践参考。
边坡稳定性评价是地质灾害防治中的关键环节,边坡样本的获取质量直接影响地灾评价环节的精度与可靠性。然而,在实际山区环境中,边坡灾害点数量有限、且时空属性分布不均,导致评价建模中样本稀缺与不平衡问题突出。本文以某典型山区工程区域为研究对象,提出一种融合InSAR时序形变特征与空间热点分析的边坡样本构建方法。首先,基于时序InSAR技术提取地表形变序列,获取最大速率、趋势值、标准差、加速度等关键时序特征；然后结合热点分析方法识别形变聚集区域,构建潜在边坡样本集,并与多源地形地质因子共同构建评价因子集。该方法将动态时序信息与空间聚集模式有机结合,突破了传统依赖静态形变速率或单因子判定的局限,能够有效提升样本数据的代表性与区分度。在此基础上,利用信息量法对量化各因子权重,并结合多种机器学习模型开展边坡稳定性分类实验。结果表明,基于该样本构建的集成模型在精确率和AUC值均优于其他模型,分别为0.81和0.87,具有较强的稳定性识别能力。本研究为高质量边坡样本构建提供了新思路,也为边坡地质灾害的智能识别与科学防控提供了技术支撑与实践参考。
摘要：
为解决西北地区新能源消纳问题,离网制氢系统占比提升,在新能源波动较大时,系统运行稳定性及经济性存在较多问题。本文针对这些问题,提出一种考虑碱性水电解槽和质子交换膜水电解槽的多电解槽模块分散协同控制运行的综合能源系统容量优化方法；采用双层优化配置模型,综合考虑典型日运行成本以及系统年投资运维成本与年弃风弃光率,在实现各电解槽模块合理配置、优势互补的基础上,提升系统经济性、新能源消纳率和制氢灵活性,并通过算例验证结果表明,通过两类电解槽模块以及电储能的协调运行,可有效提升新能源消纳率,年售氢收益提高2.68%,系统年运行总成本收益提高91.67%,具有良好的应用前景。
为解决西北地区新能源消纳问题,离网制氢系统占比提升,在新能源波动较大时,系统运行稳定性及经济性存在较多问题。本文针对这些问题,提出一种考虑碱性水电解槽和质子交换膜水电解槽的多电解槽模块分散协同控制运行的综合能源系统容量优化方法；采用双层优化配置模型,综合考虑典型日运行成本以及系统年投资运维成本与年弃风弃光率,在实现各电解槽模块合理配置、优势互补的基础上,提升系统经济性、新能源消纳率和制氢灵活性,并通过算例验证结果表明,通过两类电解槽模块以及电储能的协调运行,可有效提升新能源消纳率,年售氢收益提高2.68%,系统年运行总成本收益提高91.67%,具有良好的应用前景。
摘要：
贵州山区小水电资源丰富，其发电特性易受季节变化影响。大规模小水电接入配电网易引起节点电压越限，对配电网的稳定运行带来了挑战。针对该问题，提出一种计及小水电利用率的多时空场景下小水电集群接入配电网的电压优化控制方法。首先，构建多目标数学模型，以最小化系统网损与节点电压偏差、最大化水电利用率为目标；其次，将小水电进行集群划分，以实现小水电资源的协同调度；最后，基于自适应粒子群优化算法(Adaptive Particle Swarm Optimization，APSO)进行电压优化控制，通过动态优化各小水电集群出力及无功补偿装置容量实现不同时空场景下的电压优化。为验证所提算法的有效性，利用遵义湄江河流域小水电的出力数据，结合IEEE-33节点算例模型对不同优化目标选取条件下的电压控制方案进行了详细的仿真实验比较。结果表明，所提方法在有效抑制电压越限的同时大幅提升了各小水电集群的水电利用率，兼顾了电压质量、经济运行与小水电的高效利用。
贵州山区小水电资源丰富，其发电特性易受季节变化影响。大规模小水电接入配电网易引起节点电压越限，对配电网的稳定运行带来了挑战。针对该问题，提出一种计及小水电利用率的多时空场景下小水电集群接入配电网的电压优化控制方法。首先，构建多目标数学模型，以最小化系统网损与节点电压偏差、最大化水电利用率为目标；其次，将小水电进行集群划分，以实现小水电资源的协同调度；最后，基于自适应粒子群优化算法(Adaptive Particle Swarm Optimization，APSO)进行电压优化控制，通过动态优化各小水电集群出力及无功补偿装置容量实现不同时空场景下的电压优化。为验证所提算法的有效性，利用遵义湄江河流域小水电的出力数据，结合IEEE-33节点算例模型对不同优化目标选取条件下的电压控制方案进行了详细的仿真实验比较。结果表明，所提方法在有效抑制电压越限的同时大幅提升了各小水电集群的水电利用率，兼顾了电压质量、经济运行与小水电的高效利用。
摘要：
随着车辆智能化和网联化，分布式驱动电动汽车凭其轮毂电机独立驱动特性，显著提升了车辆可操控性，使得车辆稳定性和能量消耗可以独立控制，成为行业变革的重要力量。转矩分配策略对提升车辆稳定性、轮胎滑移能耗以及实现双目标控制都至关重要，所以研究高效的转矩分配策略是当前该领域的重要任务。为此，本文提出一种双目标优化转矩分配策略，首先采用分层控制框架，上层通过滑模横摆力矩控制器计算整车附加横摆力矩；下层分别以轮胎利用率和车辆滑移能耗作为目标函数，并通过灰狼优化算法（GWO）实时求解最优转矩分配系数，将最优转矩分配给四个车轮，优化车辆的稳定性和滑移能耗。最后在 Matlab/Simulink-Carsim 联合仿真平台下，分别对高速高附着与低速低附着工况进行了仿真分析。结果表明，本文提出的基于灰狼优化的双目标优化转矩分配策略的轮胎利用率相较于平均分配策略和载荷分配策略显著降低，大大提升了车辆的稳定裕度；同时在滑移能耗方面分别优化了 18.39%，10.43%和 45.65%，39.86%，显著降低了车辆的滑移能耗，证明了本文提出的双目标转矩分配策略的有效性。
随着车辆智能化和网联化，分布式驱动电动汽车凭其轮毂电机独立驱动特性，显著提升了车辆可操控性，使得车辆稳定性和能量消耗可以独立控制，成为行业变革的重要力量。转矩分配策略对提升车辆稳定性、轮胎滑移能耗以及实现双目标控制都至关重要，所以研究高效的转矩分配策略是当前该领域的重要任务。为此，本文提出一种双目标优化转矩分配策略，首先采用分层控制框架，上层通过滑模横摆力矩控制器计算整车附加横摆力矩；下层分别以轮胎利用率和车辆滑移能耗作为目标函数，并通过灰狼优化算法（GWO）实时求解最优转矩分配系数，将最优转矩分配给四个车轮，优化车辆的稳定性和滑移能耗。最后在 Matlab/Simulink-Carsim 联合仿真平台下，分别对高速高附着与低速低附着工况进行了仿真分析。结果表明，本文提出的基于灰狼优化的双目标优化转矩分配策略的轮胎利用率相较于平均分配策略和载荷分配策略显著降低，大大提升了车辆的稳定裕度；同时在滑移能耗方面分别优化了 18.39%，10.43%和 45.65%，39.86%，显著降低了车辆的滑移能耗，证明了本文提出的双目标转矩分配策略的有效性。
摘要：
采用金属有机化学气相沉积（MOCVD）技术制备了GaN薄膜外延片，并在此基础上通过水热法合成了硫化铟（In2S3）纳米结构，结合磁控溅射工艺成功构建了GaN/In2S3复合结构的室温NO2气体传感器。利用扫描电子显微镜（SEM）和X射线光电子能谱（XPS）对材料的形貌、元素组成及化学态进行了系统表征。气敏性能测试结果表明，该传感器在室温（25℃）条件下，对体积分数为0.5×10-6～200×10-6范围内的NO2气体表现出优异的响应特性，理论检测下限可达11.34×10-9，对体积分数为10×10-6的NO2气体响应时间和恢复时间分别为98 s和49 s。此外，该传感器还展现出良好的选择性、重复性以及长期稳定性，在连续3周的测试中响应信号波动小于3.2%。机理分析表明，In2S3纳米花状结构与GaN的协同作用有效增强了气体吸附位点数量并提升了电子传输效率，通过表面化学吸附氧与NO2分子之间的氧化还原反应实现了高灵敏度检测。本研究为室温环境下痕量NO2气体的高效检测提供了一种新的技术方案。
采用金属有机化学气相沉积（MOCVD）技术制备了GaN薄膜外延片，并在此基础上通过水热法合成了硫化铟（In2S3）纳米结构，结合磁控溅射工艺成功构建了GaN/In2S3复合结构的室温NO2气体传感器。利用扫描电子显微镜（SEM）和X射线光电子能谱（XPS）对材料的形貌、元素组成及化学态进行了系统表征。气敏性能测试结果表明，该传感器在室温（25℃）条件下，对体积分数为0.5×10-6～200×10-6范围内的NO2气体表现出优异的响应特性，理论检测下限可达11.34×10-9，对体积分数为10×10-6的NO2气体响应时间和恢复时间分别为98 s和49 s。此外，该传感器还展现出良好的选择性、重复性以及长期稳定性，在连续3周的测试中响应信号波动小于3.2%。机理分析表明，In2S3纳米花状结构与GaN的协同作用有效增强了气体吸附位点数量并提升了电子传输效率，通过表面化学吸附氧与NO2分子之间的氧化还原反应实现了高灵敏度检测。本研究为室温环境下痕量NO2气体的高效检测提供了一种新的技术方案。
摘要：
尽管在谣言检测与虚假信息识别领域已展开了大量研究,但现有方法对信息的处理和特征的提取方面仍存在不足。一方面现有方法在面对复杂语义或隐讳表达时的理解能力有限；另一方面,缺乏对谣言传播机制的深度建模,难以应对信息演化。为应对这些挑战,本文提出了一种基于常识推理和反馈增强传播的谣言检测方法。首先,构建模拟人类处理信息的过程并建模,引入了ConceptNet以增强模型的常识推理能力。其次,构建反馈增强的传播图并从局部结构和全局结构分析谣言的传播过程,以全面提取传播特征。最后融合特征以用于谣言检测。实验结果表明,该方法在三个不同数据集上均优于其它对比模型,展现了稳健的性能优势。
尽管在谣言检测与虚假信息识别领域已展开了大量研究,但现有方法对信息的处理和特征的提取方面仍存在不足。一方面现有方法在面对复杂语义或隐讳表达时的理解能力有限；另一方面,缺乏对谣言传播机制的深度建模,难以应对信息演化。为应对这些挑战,本文提出了一种基于常识推理和反馈增强传播的谣言检测方法。首先,构建模拟人类处理信息的过程并建模,引入了ConceptNet以增强模型的常识推理能力。其次,构建反馈增强的传播图并从局部结构和全局结构分析谣言的传播过程,以全面提取传播特征。最后融合特征以用于谣言检测。实验结果表明,该方法在三个不同数据集上均优于其它对比模型,展现了稳健的性能优势。
摘要：
极端自然灾害会对配电系统的设备造成灾难性的破坏，在配电系统维修过程中，能否及时向故障点提供必要的应急资源，在很大程度上决定了配电系统的恢复效率。在此背景下，本文提出了考虑电力物资调度的配电系统抢修和恢复优化策略。分析了电力物资调度在配电系统抢修和恢复过程中的重要作用，并考虑电力应急物资车(emergency resource vehicles, ERVs)调配抢修配电系统故障点所需电力物资以辅助故障抢修队伍(fault repair crews, FRCs)修复故障。提出了考虑电力物资调度的配电系统抢修和恢复优化模型，以最大化加权负荷恢复量以及最小化故障修复时间和ERVs调配物资时间之和为目标，综合考虑FRCs抢修路径和调度约束、FRCs物资运输和分配约束、ERVs路径和调度约束、ERVs物资运输和分配约束、FRCs等待物资约束、配电系统安全运行约束等约束条件。为了提高模型求解效率，将所提出的模型构建为混合整数线性规划(mixed-integer linear programming, MILP)模型。最后以PG&E 69节点和IEEE 123节点配电系统为例验证所提策略的有效性。
极端自然灾害会对配电系统的设备造成灾难性的破坏，在配电系统维修过程中，能否及时向故障点提供必要的应急资源，在很大程度上决定了配电系统的恢复效率。在此背景下，本文提出了考虑电力物资调度的配电系统抢修和恢复优化策略。分析了电力物资调度在配电系统抢修和恢复过程中的重要作用，并考虑电力应急物资车(emergency resource vehicles, ERVs)调配抢修配电系统故障点所需电力物资以辅助故障抢修队伍(fault repair crews, FRCs)修复故障。提出了考虑电力物资调度的配电系统抢修和恢复优化模型，以最大化加权负荷恢复量以及最小化故障修复时间和ERVs调配物资时间之和为目标，综合考虑FRCs抢修路径和调度约束、FRCs物资运输和分配约束、ERVs路径和调度约束、ERVs物资运输和分配约束、FRCs等待物资约束、配电系统安全运行约束等约束条件。为了提高模型求解效率，将所提出的模型构建为混合整数线性规划(mixed-integer linear programming, MILP)模型。最后以PG&E 69节点和IEEE 123节点配电系统为例验证所提策略的有效性。
摘要：
为了提升对分布式电源出力及负荷情况的预测准确性，并实现二者之间的高效协同控制，更好地应对分布式场站出力不确定性给协调平衡负荷需求带来的挑战，本文提出一种基于MOP-PatchTST（Multi-Objective Prediction with PatchTST）的分布式电源与负荷资源协同控制方法。该方法所构建的系统由需求预测模块、系统约束模块和协同控制模块三个核心部分组成。首先，通过需求预测模块精准预测分布式场站出力和负荷需求；然后，考虑系统约束限制，以运行总成本最低为目标建立优化模型；最后，采用粒子群算法进行求解，实现对不同地区分布式场站电量供给的合理调度。实验结果表明，以安庆和六安为研究区域，所提出的方法在需求预测方面的表现均优于对比的其他时序方法，与LSTM和GRU相比，负荷预测的MAE值分别降低9.08 %和11.56 %，并实现了对分布式电源和负荷资源的合理调度和有效协调。
为了提升对分布式电源出力及负荷情况的预测准确性，并实现二者之间的高效协同控制，更好地应对分布式场站出力不确定性给协调平衡负荷需求带来的挑战，本文提出一种基于MOP-PatchTST（Multi-Objective Prediction with PatchTST）的分布式电源与负荷资源协同控制方法。该方法所构建的系统由需求预测模块、系统约束模块和协同控制模块三个核心部分组成。首先，通过需求预测模块精准预测分布式场站出力和负荷需求；然后，考虑系统约束限制，以运行总成本最低为目标建立优化模型；最后，采用粒子群算法进行求解，实现对不同地区分布式场站电量供给的合理调度。实验结果表明，以安庆和六安为研究区域，所提出的方法在需求预测方面的表现均优于对比的其他时序方法，与LSTM和GRU相比，负荷预测的MAE值分别降低9.08 %和11.56 %，并实现了对分布式电源和负荷资源的合理调度和有效协调。
摘要：
针对传统裂缝检测算法在复杂路面场景中存在的多尺度特征丢失、背景干扰敏感等问题,本文提出一种融合多尺度混合注意力与迁移学习的全卷积网络(HA-FCB-TL)路面裂缝检测算法。首先,基于ResNet34预训练模型构建FCN主干网络,通过迁移学习策略加速模型收敛并增强特征表示能力；其次,设计混合注意力模块,在编码阶段将通道注意力(CBAM)与空间自注意力(Self-Attention)动态耦合,实现微观裂缝边缘增强与宏观拓扑连续性保持的协同优化,有效抑制路面污渍、光照不均等噪声干扰；最后,引入多尺度特征融合机制,利用跳跃连接跨层聚合浅层细节与深层语义信息。在DeepCrack数据集上的实验表明该方法在断裂纹理修复和弱裂缝检出方面的优势,为复杂环境下路面结构安全评估提供了高鲁棒性解决方案。
针对传统裂缝检测算法在复杂路面场景中存在的多尺度特征丢失、背景干扰敏感等问题,本文提出一种融合多尺度混合注意力与迁移学习的全卷积网络(HA-FCB-TL)路面裂缝检测算法。首先,基于ResNet34预训练模型构建FCN主干网络,通过迁移学习策略加速模型收敛并增强特征表示能力；其次,设计混合注意力模块,在编码阶段将通道注意力(CBAM)与空间自注意力(Self-Attention)动态耦合,实现微观裂缝边缘增强与宏观拓扑连续性保持的协同优化,有效抑制路面污渍、光照不均等噪声干扰；最后,引入多尺度特征融合机制,利用跳跃连接跨层聚合浅层细节与深层语义信息。在DeepCrack数据集上的实验表明该方法在断裂纹理修复和弱裂缝检出方面的优势,为复杂环境下路面结构安全评估提供了高鲁棒性解决方案。
摘要：
脑机接口（brain-computer interface，BCI）技术通过解码脑信号实现人机交互，其中运动想象（motor imagery，MI）因其自然性和主动性成为非侵入式BCI领域中广泛采用的实验范式之一。脑电图（electroencephalogram，EEG）与功能性近红外光谱（functional near-infrared spectroscopy，fNIRS）是常用的脑信号采集手段，因为两者之间具备时空互补性，研究人员将其进行融合以提升MI-BCI的分类效果。然而，受试者间生理差异导致模型在跨受试条件下的泛化能力不足，跨受试MI分类成为当前研究的重要挑战。为此，本文提出了一种基于欧氏空间对齐与多模态特征域自适应的跨受试分类方法，具备简单高效，易于集成的特点。其中，欧式空间对齐将不同受试者的数据映射到统一参考空间，从而有效减小个体间的数据差异；多模态特征域自适应通过最小化源域与目标域各模态特征分布之间的统计距离，进一步缓解跨受试问题。本文基于公开数据集TU-Berlin-A验证所提方法的有效性，并将其分别集成到我们此前提出的特征层融合网络与决策层融合网络中，采用留一受试者交叉验证策略进行评估。实验结果表明，所提方法在特征层融合网络中实现了68.88%的平均准确率，较原始网络提升4.51个百分点；在决策层融合网络中达到64.67%的平均准确率，提升1.17个百分点，验证了该方法在不同融合框架中的普适性与鲁棒性。
脑机接口（brain-computer interface，BCI）技术通过解码脑信号实现人机交互，其中运动想象（motor imagery，MI）因其自然性和主动性成为非侵入式BCI领域中广泛采用的实验范式之一。脑电图（electroencephalogram，EEG）与功能性近红外光谱（functional near-infrared spectroscopy，fNIRS）是常用的脑信号采集手段，因为两者之间具备时空互补性，研究人员将其进行融合以提升MI-BCI的分类效果。然而，受试者间生理差异导致模型在跨受试条件下的泛化能力不足，跨受试MI分类成为当前研究的重要挑战。为此，本文提出了一种基于欧氏空间对齐与多模态特征域自适应的跨受试分类方法，具备简单高效，易于集成的特点。其中，欧式空间对齐将不同受试者的数据映射到统一参考空间，从而有效减小个体间的数据差异；多模态特征域自适应通过最小化源域与目标域各模态特征分布之间的统计距离，进一步缓解跨受试问题。本文基于公开数据集TU-Berlin-A验证所提方法的有效性，并将其分别集成到我们此前提出的特征层融合网络与决策层融合网络中，采用留一受试者交叉验证策略进行评估。实验结果表明，所提方法在特征层融合网络中实现了68.88%的平均准确率，较原始网络提升4.51个百分点；在决策层融合网络中达到64.67%的平均准确率，提升1.17个百分点，验证了该方法在不同融合框架中的普适性与鲁棒性。
摘要：
为改善风速不确定性和波动性带来的风电功率预测精度不高的现状，提出一种基于改进海鸥优化算法、多元模态分解（Multivariate Variational Mode Decomposition，MVMD）、Transformer、时间卷积网络（Temporal Convolutional Network，TCN）、长短时记忆网络（Long Short-Term Memory，LSTM）和双通道池化结构相结合的组合模型。首先，利用改进海鸥优化算法对MVMD的参数进行寻优，再利用寻优过的MVMD分解功率和风速数据为各个子序列；其次，融合TCN、Transformer、LSTM和双通道池化层组成混合模型；随后，针对分解所得到的每一个功率子序列进行混合模型预测；最后，把各个子序列的预测值进行叠加，从而得出最终的预测值。在国内某风电场的真实数据上与其他模型进行对比分析，对比结果表明：所提预测模型具有更高的预测精度，其均方根误差在单步、双步和四步预测中的值分别降低至1.1725MW、1.7914MW和2.9087MW；平均绝对误差分别降低至0.8361MW、1.2725MW和2.1297MW。
为改善风速不确定性和波动性带来的风电功率预测精度不高的现状，提出一种基于改进海鸥优化算法、多元模态分解（Multivariate Variational Mode Decomposition，MVMD）、Transformer、时间卷积网络（Temporal Convolutional Network，TCN）、长短时记忆网络（Long Short-Term Memory，LSTM）和双通道池化结构相结合的组合模型。首先，利用改进海鸥优化算法对MVMD的参数进行寻优，再利用寻优过的MVMD分解功率和风速数据为各个子序列；其次，融合TCN、Transformer、LSTM和双通道池化层组成混合模型；随后，针对分解所得到的每一个功率子序列进行混合模型预测；最后，把各个子序列的预测值进行叠加，从而得出最终的预测值。在国内某风电场的真实数据上与其他模型进行对比分析，对比结果表明：所提预测模型具有更高的预测精度，其均方根误差在单步、双步和四步预测中的值分别降低至1.1725MW、1.7914MW和2.9087MW；平均绝对误差分别降低至0.8361MW、1.2725MW和2.1297MW。
摘要：
针对现有无人潜航器（UUV）在复杂海洋环境中自主避障效率较低的问题，本文提出一种融合速度障碍法(VO)与动态窗口法(DWA)的三维避障算法。首先，引入碰撞圆锥体和极坐标系，并开发了适用于碰撞圆锥体的碰撞检测方法，从而将原本局限于二维平面的速度障碍法与动态窗口法扩展至三维空间。其次，通过设定UUV的探测球范围，将进入该区域的障碍物区分为动态与静态两类，分别采用碰撞圆锥体和极坐标运动模型进行碰撞检测，并筛选出可行轨迹集合。最后，通过评价函数从可行轨迹中选取最优路径，循环执行该过程，实现UUV的高效避障。三维仿真实验表明，采用该融合算法的UUV能够实现零碰撞避障。在全动态障碍物场景中，其轨迹长度相较于速度障碍法减少5.78%，任务完成时间较动态窗口法缩短16.91%，且算法运行耗时更少。所提算法对提升无人潜航器在复杂环境中的自主避障能力具有一定的参考价值。
针对现有无人潜航器（UUV）在复杂海洋环境中自主避障效率较低的问题，本文提出一种融合速度障碍法(VO)与动态窗口法(DWA)的三维避障算法。首先，引入碰撞圆锥体和极坐标系，并开发了适用于碰撞圆锥体的碰撞检测方法，从而将原本局限于二维平面的速度障碍法与动态窗口法扩展至三维空间。其次，通过设定UUV的探测球范围，将进入该区域的障碍物区分为动态与静态两类，分别采用碰撞圆锥体和极坐标运动模型进行碰撞检测，并筛选出可行轨迹集合。最后，通过评价函数从可行轨迹中选取最优路径，循环执行该过程，实现UUV的高效避障。三维仿真实验表明，采用该融合算法的UUV能够实现零碰撞避障。在全动态障碍物场景中，其轨迹长度相较于速度障碍法减少5.78%，任务完成时间较动态窗口法缩短16.91%，且算法运行耗时更少。所提算法对提升无人潜航器在复杂环境中的自主避障能力具有一定的参考价值。
摘要：
海洋叶绿素a浓度时序数据因其复杂的非线性与非平稳特性，对长期精准预测构成了巨大挑战。为应对此挑战，本文提出了一种基于分块的谱带自注意力Transformer模型（Patch-based Spectral Banding Self-Attention Transformer, PatchSBSAFormer）。该模型以分块策略为基础，并集成两大核心创新：在频域高效捕捉时间依赖的谱带自注意力编码器，以及增强模型对变长序列泛化能力的自适应可学习位置编码。综合实验表明，PatchSBSAFormer的预测性能显著优于多种先进基线模型，尤其是在中国近海数据集上，当预测步长达720步（半个月）时，其决定系数（R2）仍能达到0.289，充分证明了其设计的有效性与鲁棒性。
海洋叶绿素a浓度时序数据因其复杂的非线性与非平稳特性，对长期精准预测构成了巨大挑战。为应对此挑战，本文提出了一种基于分块的谱带自注意力Transformer模型（Patch-based Spectral Banding Self-Attention Transformer, PatchSBSAFormer）。该模型以分块策略为基础，并集成两大核心创新：在频域高效捕捉时间依赖的谱带自注意力编码器，以及增强模型对变长序列泛化能力的自适应可学习位置编码。综合实验表明，PatchSBSAFormer的预测性能显著优于多种先进基线模型，尤其是在中国近海数据集上，当预测步长达720步（半个月）时，其决定系数（R2）仍能达到0.289，充分证明了其设计的有效性与鲁棒性。
摘要：
大时间尺度（如周、月）海表温度(Sea Surface Temperature, SST)是表征极端天气事件和气候变化趋势的关键指标。但其常因数据的小样本特性导致模型泛化能力弱、预测精度低，模型参数复杂化等问题。基于此，提出了一种融合迁移学习和知识蒸馏的大时间尺度SST智能预测方法。首先，建立基于图卷积神经网络和双向长短时记忆网络相结合的源域SST预测模型，充分提取源域日尺度SST时空特征；然后，采用生成对抗网络进行特征对齐来完成模型迁移，以使得源域和目标域的特征分布趋于一致，提升模型在目标域上的适应性和预测性能；最后，建立基于多任务学习的蒸馏网络解决深度迁移网络参数高、时效性低的缺点。实验结果表明，迁移学习模块在RMSE、MAE和MAPE上至少降低了4.21%、5.91%和5.94%，在不同时间尺度SST下多任务的知识蒸馏网络的网络参数分别减少了88.21%和74.68%，提高SST预测的时效性。
大时间尺度（如周、月）海表温度(Sea Surface Temperature, SST)是表征极端天气事件和气候变化趋势的关键指标。但其常因数据的小样本特性导致模型泛化能力弱、预测精度低，模型参数复杂化等问题。基于此，提出了一种融合迁移学习和知识蒸馏的大时间尺度SST智能预测方法。首先，建立基于图卷积神经网络和双向长短时记忆网络相结合的源域SST预测模型，充分提取源域日尺度SST时空特征；然后，采用生成对抗网络进行特征对齐来完成模型迁移，以使得源域和目标域的特征分布趋于一致，提升模型在目标域上的适应性和预测性能；最后，建立基于多任务学习的蒸馏网络解决深度迁移网络参数高、时效性低的缺点。实验结果表明，迁移学习模块在RMSE、MAE和MAPE上至少降低了4.21%、5.91%和5.94%，在不同时间尺度SST下多任务的知识蒸馏网络的网络参数分别减少了88.21%和74.68%，提高SST预测的时效性。
摘要：
磁性元件担负着磁能的传递、存储、滤波等功能,直接影响功率变换器的体积、重量、损耗、成本,因此,精确预测磁芯损耗尤为重要。为解决在使用磁性元件时无法对磁芯损耗做出精确评估的问题,提出一种基于数据驱动的磁芯损耗建模方法。首先使用决策树和XGBoost模型进行励磁波形分类,绘制出测试集中各材料的磁通密度分布图、波形特征图；其次建立XGBoost、支持向量机、梯度提升回归树和K近邻四种磁芯损耗预测模型,对测试集中的样本进行磁芯损耗预测；然后,提出了基于遗传算法、粒子群算法的单目标优化模型和基于NSGA-II算法的多目标优化模型,得到最优目标函数下相应的温度、频率、波形等条件。结果表明:XGBoost在波形分类和磁芯损耗预测方面效果最佳,其中训练集和测试集的磁芯损耗预测准确率分别为85.66%和84.83%；NSGA-II算法在磁芯损耗和传输磁能的联合优化中表现最佳。
磁性元件担负着磁能的传递、存储、滤波等功能,直接影响功率变换器的体积、重量、损耗、成本,因此,精确预测磁芯损耗尤为重要。为解决在使用磁性元件时无法对磁芯损耗做出精确评估的问题,提出一种基于数据驱动的磁芯损耗建模方法。首先使用决策树和XGBoost模型进行励磁波形分类,绘制出测试集中各材料的磁通密度分布图、波形特征图；其次建立XGBoost、支持向量机、梯度提升回归树和K近邻四种磁芯损耗预测模型,对测试集中的样本进行磁芯损耗预测；然后,提出了基于遗传算法、粒子群算法的单目标优化模型和基于NSGA-II算法的多目标优化模型,得到最优目标函数下相应的温度、频率、波形等条件。结果表明:XGBoost在波形分类和磁芯损耗预测方面效果最佳,其中训练集和测试集的磁芯损耗预测准确率分别为85.66%和84.83%；NSGA-II算法在磁芯损耗和传输磁能的联合优化中表现最佳。
摘要：
针对区块链异常交易检测中因异常交易数据标签稀疏导致正负样本极度不均衡，而影响模型检测效果的问题，本文提出了一种基于自适应加权生成对抗网络(GAN)策略和遗传森林的检测算法。该算法首先利用自适应加权生成对抗网络，生成与原始数据高度相似的异常样本，并通过动态权重调整机制优化生成器损失函数，筛选出高质量生成样本，从而缓解了数据标签稀疏的问题，提高了检测的准确性和鲁棒性。接着，采用遗传算法对随机森林分类器参数进行优化，有效缓解了由于正负样本分布不均衡对检测效果的不利影响。对比实验结果显示，所提算法在各项指标上相较于经典算法均有大幅提升，其中准确率、精确率分别达到99.00%、99.43%，表明所提算法在处理区块链异常交易的数据稀疏性和类别不平衡问题上具有显著优势。
针对区块链异常交易检测中因异常交易数据标签稀疏导致正负样本极度不均衡，而影响模型检测效果的问题，本文提出了一种基于自适应加权生成对抗网络(GAN)策略和遗传森林的检测算法。该算法首先利用自适应加权生成对抗网络，生成与原始数据高度相似的异常样本，并通过动态权重调整机制优化生成器损失函数，筛选出高质量生成样本，从而缓解了数据标签稀疏的问题，提高了检测的准确性和鲁棒性。接着，采用遗传算法对随机森林分类器参数进行优化，有效缓解了由于正负样本分布不均衡对检测效果的不利影响。对比实验结果显示，所提算法在各项指标上相较于经典算法均有大幅提升，其中准确率、精确率分别达到99.00%、99.43%，表明所提算法在处理区块链异常交易的数据稀疏性和类别不平衡问题上具有显著优势。
摘要：
针对大规模动态变化的水声传感器网络（Underwater Acoustic Sensor Networks, UASNs）节点定位时存在节点覆盖率低、成本高和定位误差大的问题，本文提出一种基于强化学习的累积误差修正迭代定位算法（Reinforcement Learning Cumulative Error Correction Iterative Localization Algorithm, RL-CEC）。首先，改进传统随机路点移动模型，借助真实洋流数据修正节点移动速度，使其更符合水下节点的移动特征。其次，分析迭代定位过程中累积误差产生的原因，提出一种基于强化学习的定位误差预测算法，修正累积误差，有效提升了整体定位精度。仿真实验结果表明，RL-CEC在定位精度和运行效率方面优于对比算法，其定位误差相较LSVP、MBIL、MPL、MP-PSO、HNN和LS算法分别降低了22.7%、73.8%、40.7%、44.5%、17.8%和77.5%；定位时间相比LSVP、MPL、MP-PSO和HNN分别减少17.7%、30.5%、41.9%和35.3%。此外，RL-CEC算法复杂度适中，在精度与效率之间取得良好平衡，并最终实现了较高的节点覆盖率。
针对大规模动态变化的水声传感器网络（Underwater Acoustic Sensor Networks, UASNs）节点定位时存在节点覆盖率低、成本高和定位误差大的问题，本文提出一种基于强化学习的累积误差修正迭代定位算法（Reinforcement Learning Cumulative Error Correction Iterative Localization Algorithm, RL-CEC）。首先，改进传统随机路点移动模型，借助真实洋流数据修正节点移动速度，使其更符合水下节点的移动特征。其次，分析迭代定位过程中累积误差产生的原因，提出一种基于强化学习的定位误差预测算法，修正累积误差，有效提升了整体定位精度。仿真实验结果表明，RL-CEC在定位精度和运行效率方面优于对比算法，其定位误差相较LSVP、MBIL、MPL、MP-PSO、HNN和LS算法分别降低了22.7%、73.8%、40.7%、44.5%、17.8%和77.5%；定位时间相比LSVP、MPL、MP-PSO和HNN分别减少17.7%、30.5%、41.9%和35.3%。此外，RL-CEC算法复杂度适中，在精度与效率之间取得良好平衡，并最终实现了较高的节点覆盖率。
摘要：
视频异常检测任务中,基于记忆增强的自编码器框架虽能有效抑制异常样本的过拟合现象,但对正常样本的细节特征提取能力存在显著局限性。针对此问题,本文提出一种融合多尺度小波变换的视频异常检测模型。该方法以U-Net为骨干网络,通过两项核心创新实现性能突破:1)在解码器中设计基于哈尔小波变换(Haar Wavelet Transform)的下采样模块,通过频域多分辨率分解机制,在压缩冗余信息的同时保留关键细节特征；2)在跨层跳跃连接间引入离散小波变换(Discrete Wavelet Transform)特征融合机制,利用低频分量与高频分量的跨尺度互补增强结构性表征。实验结果表明,本方法在UCSD Ped2和CUHK Avenue数据集上的AUC指标分别达到97.0%和88.2%。消融实验进一步验证:小波下采样模块与特征融合模块分别在CUHK Avenue数据集上贡献0.9%和2.8%的性能增益,证实了多尺度频域特征建模的有效性。
视频异常检测任务中,基于记忆增强的自编码器框架虽能有效抑制异常样本的过拟合现象,但对正常样本的细节特征提取能力存在显著局限性。针对此问题,本文提出一种融合多尺度小波变换的视频异常检测模型。该方法以U-Net为骨干网络,通过两项核心创新实现性能突破:1)在解码器中设计基于哈尔小波变换(Haar Wavelet Transform)的下采样模块,通过频域多分辨率分解机制,在压缩冗余信息的同时保留关键细节特征；2)在跨层跳跃连接间引入离散小波变换(Discrete Wavelet Transform)特征融合机制,利用低频分量与高频分量的跨尺度互补增强结构性表征。实验结果表明,本方法在UCSD Ped2和CUHK Avenue数据集上的AUC指标分别达到97.0%和88.2%。消融实验进一步验证:小波下采样模块与特征融合模块分别在CUHK Avenue数据集上贡献0.9%和2.8%的性能增益,证实了多尺度频域特征建模的有效性。
摘要：
“双碳”背景下，为实现低碳排放，需从低碳市场机制和低碳技术两个路径进行协调，因此，提出一种计及碳排放与氢能多级利用的综合能源系统优化调度策略。首先，针对传统电转气过程效率低的问题，将电转气细化为电转氢与甲烷化两段式过程，并引入燃气机组掺氢技术，通过动态调节掺氢比降低天然气消耗与碳排放，并结合碳捕集与碳封存技术实现CO2的资源化利用，形成“捕集-利用-封存”闭环；其次，设计阶梯碳交易与阶梯绿证交易的协同机制，通过分区间定价与奖惩因子强化碳排放约束，并利用绿证-碳抵消提升新能源消纳的经济性；最后，构建以综合运行成本最小化为目标的调度模型，通过案例分析验证了本文所提策略的经济性和有效性。
“双碳”背景下，为实现低碳排放，需从低碳市场机制和低碳技术两个路径进行协调，因此，提出一种计及碳排放与氢能多级利用的综合能源系统优化调度策略。首先，针对传统电转气过程效率低的问题，将电转气细化为电转氢与甲烷化两段式过程，并引入燃气机组掺氢技术，通过动态调节掺氢比降低天然气消耗与碳排放，并结合碳捕集与碳封存技术实现CO2的资源化利用，形成“捕集-利用-封存”闭环；其次，设计阶梯碳交易与阶梯绿证交易的协同机制，通过分区间定价与奖惩因子强化碳排放约束，并利用绿证-碳抵消提升新能源消纳的经济性；最后，构建以综合运行成本最小化为目标的调度模型，通过案例分析验证了本文所提策略的经济性和有效性。
摘要：
车辆悬架系统对提升驾驶舒适性、操控性和安全性至关重要,而传统悬架控制方法在应对复杂路况和系统参数变化时存在局限性。为此设计了一种基于SAC(Soft Actor-Critic)算法的车辆主动悬架高效自适应控制器,利用最大熵强化学习优化策略随机性与收益,在不同路况下能表现出更强的适应性。通过建立四分之一主动悬架系统模型,结合随机路面仿真环境,对比分析了SAC算法、传统天棚控制算法和DDPG算法的性能表现。结果表明,基于SAC算法的控制器显著降低了车身垂直加速度、悬架动挠度和轮胎动载荷等关键性能指标,在不同路况和车速下展现出更优越的稳定性和控制效果。本研究验证了SAC算法在主动悬架控制领域的强大潜力和实用性,为车辆悬架系统的智能化提供了新的方向。
车辆悬架系统对提升驾驶舒适性、操控性和安全性至关重要,而传统悬架控制方法在应对复杂路况和系统参数变化时存在局限性。为此设计了一种基于SAC(Soft Actor-Critic)算法的车辆主动悬架高效自适应控制器,利用最大熵强化学习优化策略随机性与收益,在不同路况下能表现出更强的适应性。通过建立四分之一主动悬架系统模型,结合随机路面仿真环境,对比分析了SAC算法、传统天棚控制算法和DDPG算法的性能表现。结果表明,基于SAC算法的控制器显著降低了车身垂直加速度、悬架动挠度和轮胎动载荷等关键性能指标,在不同路况和车速下展现出更优越的稳定性和控制效果。本研究验证了SAC算法在主动悬架控制领域的强大潜力和实用性,为车辆悬架系统的智能化提供了新的方向。
摘要：
随着自然语言处理技术的不断发展，情感分析在多个领域得到了广泛应用，如社交媒体监控、客户服务和市场调研等。然而，现有方法在处理精细化情感分类任务时，通常采用扁平化的分类策略，未能充分考虑情感本身的层级关系，导致分类精度受限。为解决这一问题，本文提出了一种基于分层思想的精细化文本情感分类方法。通过将具有相同基础情感含义的细粒度标签归类为同一粗粒度类别，构建层次化的情感标签体系，从而增强模型对情感结构的理解能力。在模型设计上，采用RoBERTa模型的不同Transformer层输出，分别提取低层次和高层次语义特征，以支持粗粒度与细粒度分类器的训练。在基于多任务学习的分层分类策略中，粗分类任务辅助细分类任务，从而提高分类的精度和泛化性。由粗到精的分层分类策略中，粗分类和细分类任务并行进行，每个细分类器独立计算损失，然后结合粗分类的先验信息优化信息选择，实现情感识别的逐步细化。最终，通过设定概率阈值来融合两种策略的优势，进一步提升分类性能。实验结果表明，在GoEmotions和Empathetic Dialogues数据集上，两种策略在F1值和准确率上均超越基线模型。此外，最终的融合技术又带来了进一步的性能提升，准确率分别达到64.6%和59.4%，优于现有方法。
随着自然语言处理技术的不断发展，情感分析在多个领域得到了广泛应用，如社交媒体监控、客户服务和市场调研等。然而，现有方法在处理精细化情感分类任务时，通常采用扁平化的分类策略，未能充分考虑情感本身的层级关系，导致分类精度受限。为解决这一问题，本文提出了一种基于分层思想的精细化文本情感分类方法。通过将具有相同基础情感含义的细粒度标签归类为同一粗粒度类别，构建层次化的情感标签体系，从而增强模型对情感结构的理解能力。在模型设计上，采用RoBERTa模型的不同Transformer层输出，分别提取低层次和高层次语义特征，以支持粗粒度与细粒度分类器的训练。在基于多任务学习的分层分类策略中，粗分类任务辅助细分类任务，从而提高分类的精度和泛化性。由粗到精的分层分类策略中，粗分类和细分类任务并行进行，每个细分类器独立计算损失，然后结合粗分类的先验信息优化信息选择，实现情感识别的逐步细化。最终，通过设定概率阈值来融合两种策略的优势，进一步提升分类性能。实验结果表明，在GoEmotions和Empathetic Dialogues数据集上，两种策略在F1值和准确率上均超越基线模型。此外，最终的融合技术又带来了进一步的性能提升，准确率分别达到64.6%和59.4%，优于现有方法。
摘要：
针对农田作物区域识别任务中,深度学习模型在结构变化显著的未见作物场景识别精度下降问题,本文提出了一种基于自适应超量颜色增强的作物区域泛化识别方法ExCF-Net(Excess Fusion Network)。该方法首先对输入图像进行全局特征嵌入,生成自适应超量颜色特征；随后融合深度学习技术与传统超量颜色方法优势,通过共享特征参数以学习不同特征域之间的关联性,从而增强模型对于未见作物的泛化能力。为验证所提方法的有效性,本文设计消融实验并与其他主流算法进行对比。实验结果表明:在AgroScapes数据集中,针对多种结构与训练数据存在显著差异的测试作物,所提方法在平均交并比(mean Intersection over Union, mIoU)相较未加入自适应超量颜色增强结果提升18.45%,相较主流算法提升5.66%；在CRDLD数据集中,针对土壤、光照变化条件下的测试作物,ExCF-Net相较主流算法提升7.09%。可视化结果表明,所提方法在未见作物感知任务中的边界像素误判问题有较大改善,显著增强了模型对于未见作物感知任务的泛化能力。为支持农田感知领域的研究,提供所提方法的可视化演示和开源算法:https://github.com/GoldenUpwinds/Agro_domain_generalization。
针对农田作物区域识别任务中,深度学习模型在结构变化显著的未见作物场景识别精度下降问题,本文提出了一种基于自适应超量颜色增强的作物区域泛化识别方法ExCF-Net(Excess Fusion Network)。该方法首先对输入图像进行全局特征嵌入,生成自适应超量颜色特征；随后融合深度学习技术与传统超量颜色方法优势,通过共享特征参数以学习不同特征域之间的关联性,从而增强模型对于未见作物的泛化能力。为验证所提方法的有效性,本文设计消融实验并与其他主流算法进行对比。实验结果表明:在AgroScapes数据集中,针对多种结构与训练数据存在显著差异的测试作物,所提方法在平均交并比(mean Intersection over Union, mIoU)相较未加入自适应超量颜色增强结果提升18.45%,相较主流算法提升5.66%；在CRDLD数据集中,针对土壤、光照变化条件下的测试作物,ExCF-Net相较主流算法提升7.09%。可视化结果表明,所提方法在未见作物感知任务中的边界像素误判问题有较大改善,显著增强了模型对于未见作物感知任务的泛化能力。为支持农田感知领域的研究,提供所提方法的可视化演示和开源算法:https://github.com/GoldenUpwinds/Agro_domain_generalization。
摘要：
为解决现有视频生成方法通常依赖大规模数据集和高昂计算资源，或在少样本场景下难以有效捕捉复杂运动模式的问题，提出一种基于小样本学习的调优T2I-TI2V(text-to-image to text-to-image-to-video )视频生成模型。首先，通过运动-内容解耦流程，将视频生成任务分解为T2I生成首帧和后续帧预测两个阶段，分别聚焦外观内容和运动模式，从而避免小样本调优时过拟合数据集内容并充分利用T2I模型生成能力，提高视频生成的质量与自由度。然后，基于预训练T2I模型扩展时间维度，设计时空运动学习层，高效建模时空特征，优化视频生成的动态逻辑性与视觉细节质量。此外，调整自注意力机制和引入时间注意力层，确保视频生成的内容一致性和时序连贯性。最后，在推理阶段采用共享噪声采样策略，提升生成视频的平滑性与稳定性。实验结果表明，模型在小样本数据集和单GPU上能有效捕捉运动模式，生成高质量视频，且在文本对齐度、帧一致性、生成多样性指标上优于基线方法。本文模型有效平衡了训练成本与生成质量的矛盾，为低资源条件下的高效视频生成提供了可行方案。
为解决现有视频生成方法通常依赖大规模数据集和高昂计算资源，或在少样本场景下难以有效捕捉复杂运动模式的问题，提出一种基于小样本学习的调优T2I-TI2V(text-to-image to text-to-image-to-video )视频生成模型。首先，通过运动-内容解耦流程，将视频生成任务分解为T2I生成首帧和后续帧预测两个阶段，分别聚焦外观内容和运动模式，从而避免小样本调优时过拟合数据集内容并充分利用T2I模型生成能力，提高视频生成的质量与自由度。然后，基于预训练T2I模型扩展时间维度，设计时空运动学习层，高效建模时空特征，优化视频生成的动态逻辑性与视觉细节质量。此外，调整自注意力机制和引入时间注意力层，确保视频生成的内容一致性和时序连贯性。最后，在推理阶段采用共享噪声采样策略，提升生成视频的平滑性与稳定性。实验结果表明，模型在小样本数据集和单GPU上能有效捕捉运动模式，生成高质量视频，且在文本对齐度、帧一致性、生成多样性指标上优于基线方法。本文模型有效平衡了训练成本与生成质量的矛盾，为低资源条件下的高效视频生成提供了可行方案。
摘要：
针对复杂背景下粮虫目标检测算法存在的精度低、漏检、复杂度高等问题，提出一种改进YOLOv8n的粮虫目标检测算法SL-YOLO。首先，将轻量化网络StarNet中的Star Block引入到C2f模块中，减少模型的复杂度；其次，在SPPF模块中引入可分离大核注意力机制LSKA，优化模型感知能力的同时结合小目标检测头增强模型对小目标的检测能力，从而提高检测精度；最后，引入WIoU作为新的边界框损失函数，提高模型的收敛速度与回归精度。实验结果表明，SL-YOLO在自建数据集上的mAP50和mAP50-95指标分别达到了96.1%和59.7%，相较于YOLOv8n提升了1.4%、1.1%，证明其具有更优秀的检测能力。相比于其他主流算法，SL-YOLO同样展现出了更好的性能表现，表明该算法在检测任务中具有更大的性能优势。
针对复杂背景下粮虫目标检测算法存在的精度低、漏检、复杂度高等问题，提出一种改进YOLOv8n的粮虫目标检测算法SL-YOLO。首先，将轻量化网络StarNet中的Star Block引入到C2f模块中，减少模型的复杂度；其次，在SPPF模块中引入可分离大核注意力机制LSKA，优化模型感知能力的同时结合小目标检测头增强模型对小目标的检测能力，从而提高检测精度；最后，引入WIoU作为新的边界框损失函数，提高模型的收敛速度与回归精度。实验结果表明，SL-YOLO在自建数据集上的mAP50和mAP50-95指标分别达到了96.1%和59.7%，相较于YOLOv8n提升了1.4%、1.1%，证明其具有更优秀的检测能力。相比于其他主流算法，SL-YOLO同样展现出了更好的性能表现，表明该算法在检测任务中具有更大的性能优势。
摘要：
在关系型数据库领域,索引选择是提升查询性能的关键,准确高效地估计候选索引配置效益对优化查询性能至关重要。为了解决传统基于“what-if”调用工具的代价估计方法存在效率低、准确性不足、难以应对大规模复杂查询工作负载等问题,提出一种基于树型 Transformer 的索引效益估计模型Tree-IBE(Tree-based Transformer Index Benefit Estimation Model),利用Transformer架构的自注意力机制和高效的特征编码技术,能够直接从查询计划和索引配置中学习索引代价,无需依赖“what-if”调用工具。Tree-IBE首先通过查询计划节点编码器和索引编码器进行特征编码,全面捕捉查询计划和索引配置的关键信息,然后利用树型Transformer层的多头注意力机制,并行从多个表示子空间捕捉执行计划节点间的依赖关系,精准表示执行计划的结构和性能特性,结合轻量级的估计层输出估计的索引效益。在JOB、TPC-H和TPC-DS三个标准数据集上验证模型的性能,实验结果表明：Tree-IBE 在准确性和效率上均优于现有方法,尤其在复杂查询工作负载下具有显著优势。
在关系型数据库领域,索引选择是提升查询性能的关键,准确高效地估计候选索引配置效益对优化查询性能至关重要。为了解决传统基于“what-if”调用工具的代价估计方法存在效率低、准确性不足、难以应对大规模复杂查询工作负载等问题,提出一种基于树型 Transformer 的索引效益估计模型Tree-IBE(Tree-based Transformer Index Benefit Estimation Model),利用Transformer架构的自注意力机制和高效的特征编码技术,能够直接从查询计划和索引配置中学习索引代价,无需依赖“what-if”调用工具。Tree-IBE首先通过查询计划节点编码器和索引编码器进行特征编码,全面捕捉查询计划和索引配置的关键信息,然后利用树型Transformer层的多头注意力机制,并行从多个表示子空间捕捉执行计划节点间的依赖关系,精准表示执行计划的结构和性能特性,结合轻量级的估计层输出估计的索引效益。在JOB、TPC-H和TPC-DS三个标准数据集上验证模型的性能,实验结果表明：Tree-IBE 在准确性和效率上均优于现有方法,尤其在复杂查询工作负载下具有显著优势。
摘要：
由于环境反射干扰及环境动态变化影响，可见光通信系统无线定位方法不可避免地存在位置估计偏差。为了解决上述问题，提出了一种基于全局动态指纹融合的可见光定位增强方法，以提升环境干扰场景下可见光无线定位性能。首先，设计了一种新的全局动态指纹融合架构，优化不同定位模块的赋权模型，充分聚合不同格点及定位模型蕴含的位置信息。然后，提出了定位偏置优化模型，以补偿不同定位模型的偏置误差，增强聚合性能。仿真测试及现场实验表明，由于全局动态指纹融合过程聚合了不同模型及参考格点的定位信息，并对基础定位模型偏置进行了后处理补偿，所提方法极大增强了定位性能。相比于传统指纹融合定位基线方法，所提方法的定位误差降低了10.6%以上。
由于环境反射干扰及环境动态变化影响，可见光通信系统无线定位方法不可避免地存在位置估计偏差。为了解决上述问题，提出了一种基于全局动态指纹融合的可见光定位增强方法，以提升环境干扰场景下可见光无线定位性能。首先，设计了一种新的全局动态指纹融合架构，优化不同定位模块的赋权模型，充分聚合不同格点及定位模型蕴含的位置信息。然后，提出了定位偏置优化模型，以补偿不同定位模型的偏置误差，增强聚合性能。仿真测试及现场实验表明，由于全局动态指纹融合过程聚合了不同模型及参考格点的定位信息，并对基础定位模型偏置进行了后处理补偿，所提方法极大增强了定位性能。相比于传统指纹融合定位基线方法，所提方法的定位误差降低了10.6%以上。
摘要：
当前主流的单目3D目标检测网络采用关键点检测，在时序特征建模、几何约束与深度估计方面存在局限性，限制了3D检测器的性能发挥。本文提出一种改进的单目3D目标检测算法MonoTGD(Monocular Temporal Geometric Deep)，引入时序特征交互模块，利用多帧序列的长短期时序信息增强特征表达的一致性和动态建模能力；几何结构增强模块通过扩展关键点集合并引入几何一致性约束提升关键点预测的准确性；伪深度生成与监督模块在不引入激光雷达数据的同时生成的伪深度图为深度估计提供有效的监督信号。上述模块仅在训练阶段使用，推理阶段不引入额外的计算成本。在KITTI3D数据集上的实验结果表明，MonoTGD在验证集上的3D检测平均精度指标中，在简单类别上提高了4.25个百分点；在测试集上，中等难度类别提高了4.82个百分点。特别是测试集上中等难度类别的性能提升，充分验证了本方法在实际应用场景中的有效性。
当前主流的单目3D目标检测网络采用关键点检测，在时序特征建模、几何约束与深度估计方面存在局限性，限制了3D检测器的性能发挥。本文提出一种改进的单目3D目标检测算法MonoTGD(Monocular Temporal Geometric Deep)，引入时序特征交互模块，利用多帧序列的长短期时序信息增强特征表达的一致性和动态建模能力；几何结构增强模块通过扩展关键点集合并引入几何一致性约束提升关键点预测的准确性；伪深度生成与监督模块在不引入激光雷达数据的同时生成的伪深度图为深度估计提供有效的监督信号。上述模块仅在训练阶段使用，推理阶段不引入额外的计算成本。在KITTI3D数据集上的实验结果表明，MonoTGD在验证集上的3D检测平均精度指标中，在简单类别上提高了4.25个百分点；在测试集上，中等难度类别提高了4.82个百分点。特别是测试集上中等难度类别的性能提升，充分验证了本方法在实际应用场景中的有效性。
摘要：
在以锂电池为动力系统的运行系统中，长期准确预测锂电池寿命（Remaining Useful Life，RUL）至关重要。本研究以马里兰大学锂电池数据集中的CS2_35和CS2_36两块锂电池与美国国家航空航天局（NASA）的B0007号电池作为基础数据，通过结合长短时记忆网络（Long Short-Term Memory，LSTM）的长短时记忆能力与KAN网络(Kolmogorov-Arnold,KAN)的非线性数据处理能力，构建LSTM-KAN寿命预测模型，引入哈里斯鹰优化算法（HHO）确定模型最优超参。首先，对数据进行预处理，从直接测量的电压、电流、温度等数据中提取与锂电池容量斯皮尔曼系数绝对值大于0.9的特征作为模型的输入，简化输入数据的复杂度。然后，引入哈里斯鹰优化算法（HHO)对LSTM-KAN模型的超参进行优化，将数据放入优化后的预测模型中进行预测，对预测值与目标值进行分析，完成预测。实验结果表明，所构建的预测算法具备锂电池寿命预测能力，能够准确预测锂电池的长期退化过程，而且均方差指标与预测误差样本数均优于其他电池寿命预测模型。
在以锂电池为动力系统的运行系统中，长期准确预测锂电池寿命（Remaining Useful Life，RUL）至关重要。本研究以马里兰大学锂电池数据集中的CS2_35和CS2_36两块锂电池与美国国家航空航天局（NASA）的B0007号电池作为基础数据，通过结合长短时记忆网络（Long Short-Term Memory，LSTM）的长短时记忆能力与KAN网络(Kolmogorov-Arnold,KAN)的非线性数据处理能力，构建LSTM-KAN寿命预测模型，引入哈里斯鹰优化算法（HHO）确定模型最优超参。首先，对数据进行预处理，从直接测量的电压、电流、温度等数据中提取与锂电池容量斯皮尔曼系数绝对值大于0.9的特征作为模型的输入，简化输入数据的复杂度。然后，引入哈里斯鹰优化算法（HHO)对LSTM-KAN模型的超参进行优化，将数据放入优化后的预测模型中进行预测，对预测值与目标值进行分析，完成预测。实验结果表明，所构建的预测算法具备锂电池寿命预测能力，能够准确预测锂电池的长期退化过程，而且均方差指标与预测误差样本数均优于其他电池寿命预测模型。
摘要：
电力负荷预测是电力系统优化与运行的关键环节,但现有模型在跨区域预测中的精度较低,而传统联邦学习方法因通信开销大、训练效率低,难以满足实际应用需求。为此,本文提出了一种高效、低通信的跨区域负荷预测框架。具体而言,设计了一种基于时序卷积网络(TCN)、长短期记忆网络(LSTM)和注意力机制的混合模型(TCN-LSTM-Attention),并结合提出的去中心化聚合学习(DAL)策略,通过各区域子模型的本地训练和参数聚合优化全局模型。此外,本文提出了动态学习率减半与参数重置机制,进一步加速模型收敛。实验结果表明,该方法显著提升了预测精度,降低了通信开销,提高了训练效率,充分验证了其在跨区域电力负荷预测任务中的有效性与实用性。
电力负荷预测是电力系统优化与运行的关键环节,但现有模型在跨区域预测中的精度较低,而传统联邦学习方法因通信开销大、训练效率低,难以满足实际应用需求。为此,本文提出了一种高效、低通信的跨区域负荷预测框架。具体而言,设计了一种基于时序卷积网络(TCN)、长短期记忆网络(LSTM)和注意力机制的混合模型(TCN-LSTM-Attention),并结合提出的去中心化聚合学习(DAL)策略,通过各区域子模型的本地训练和参数聚合优化全局模型。此外,本文提出了动态学习率减半与参数重置机制,进一步加速模型收敛。实验结果表明,该方法显著提升了预测精度,降低了通信开销,提高了训练效率,充分验证了其在跨区域电力负荷预测任务中的有效性与实用性。
摘要：
针对文本生成图像算法存在的部分特征缺失、生成图像质量低及布局属性不匹配等问题，提出一种基于改进稳定扩散模型的文本生成图像算法(ISD-NC)。通过引入判别器来最大化潜在表征和浅层特征的互信息，提高潜在表征与浅层特征的相似度，保留原始图像信息；根据主干网络和跳跃连接的作用，引入比例因子，动态调节特征的权重比例，提高生成图像的质量；结合NoiseCollage网络，增加布局条件，通过掩膜交叉注意力机制实现复杂的多目标文本条件的图像生成。在MS COCO数据集上与Cogview、DF-GAN、Stable Diffusion、Knn-diffusion算法进行定性和定量分析及消融实验，结果表明：ISD-NC算法生成的图像具有更优的细节保真度和生成质量；与基于扩散模型的Stable Diffusion、KNN-diffusion算法相比，FID平均降低28.99%，IS平均提升10.21%。
针对文本生成图像算法存在的部分特征缺失、生成图像质量低及布局属性不匹配等问题，提出一种基于改进稳定扩散模型的文本生成图像算法(ISD-NC)。通过引入判别器来最大化潜在表征和浅层特征的互信息，提高潜在表征与浅层特征的相似度，保留原始图像信息；根据主干网络和跳跃连接的作用，引入比例因子，动态调节特征的权重比例，提高生成图像的质量；结合NoiseCollage网络，增加布局条件，通过掩膜交叉注意力机制实现复杂的多目标文本条件的图像生成。在MS COCO数据集上与Cogview、DF-GAN、Stable Diffusion、Knn-diffusion算法进行定性和定量分析及消融实验，结果表明：ISD-NC算法生成的图像具有更优的细节保真度和生成质量；与基于扩散模型的Stable Diffusion、KNN-diffusion算法相比，FID平均降低28.99%，IS平均提升10.21%。
摘要：
受复杂背景、模糊、扭曲及变形等因素影响，从低分辨率文本图像中恢复高分辨率图像极具挑战。现有方法多依赖递归神经网络提取文本上下文信息，在捕捉长距离依赖及有效运用语义信息方面存在局限。为解决上述问题，本文提出一种融合场景多模态先验与稀疏注意力的文本图像超分辨率方法。首先，创新性地提出场景多模态先验分支，借助先进的内容解析单元和轮廓感知单元，充分挖掘并利用文本识别信息与视觉信息。其次，基于稀疏注意力的超分辨率增强模块从文本行提取上下文信息，并利用多头注意力机制的全局可见性构建字符间相关性，缓解处理长文本序列时的性能衰退。最后，引入结合梯度轮廓和文本结构感知的联合损失函数，显著增强模型提取文本轮廓及处理变形文本方面的能力。实验结果表明，相较于基线模型TATT，本文方法在TextZoom测试集的识别准确率平均提升4.3个百分点，平均PSNR和SSIM指标分别达到21.4与0.7909，提升了真实场景文本图像超分辨率的性能。
受复杂背景、模糊、扭曲及变形等因素影响，从低分辨率文本图像中恢复高分辨率图像极具挑战。现有方法多依赖递归神经网络提取文本上下文信息，在捕捉长距离依赖及有效运用语义信息方面存在局限。为解决上述问题，本文提出一种融合场景多模态先验与稀疏注意力的文本图像超分辨率方法。首先，创新性地提出场景多模态先验分支，借助先进的内容解析单元和轮廓感知单元，充分挖掘并利用文本识别信息与视觉信息。其次，基于稀疏注意力的超分辨率增强模块从文本行提取上下文信息，并利用多头注意力机制的全局可见性构建字符间相关性，缓解处理长文本序列时的性能衰退。最后，引入结合梯度轮廓和文本结构感知的联合损失函数，显著增强模型提取文本轮廓及处理变形文本方面的能力。实验结果表明，相较于基线模型TATT，本文方法在TextZoom测试集的识别准确率平均提升4.3个百分点，平均PSNR和SSIM指标分别达到21.4与0.7909，提升了真实场景文本图像超分辨率的性能。
摘要：
港口作为经济的“海上门户”，既是全球贸易的枢纽，也是碳排放的重要源头。本文突破传统研究中单一港口短期数据的局限，构建了多港口、长周期的分析框架，系统整合港口运营、经济发展等多维度的10项关键指标，为港口碳排放的长期动态预测提供科学依据，为港口低碳发展提供前瞻性决策支持。运用主成分分析与灰色关联分析相结合的方法，对指标进行科学筛选，剔除冗余信息，精准提取最具代表性的核心指标。在此基础上，进一步采用岭回归分析优化指标体系，避免多重共线性问题，确保指标的有效性和可靠性。随后，引入支持向量回归（SVR）模型进行碳排放预测，并融入GML指数进行改进，以动态反映港口效率变化对碳排放的深远影响。通过对比分析，研究发现：1）集装箱港口碳排放与码头泊位数量、货物吞吐量、集装箱吞吐量和运营成本等因素密切相关，以这些核心指标为基础构建的预测模型，能够有效地反映港口碳排放的变化趋势；2）引入生产效率特征显著提升支持向量回归模型的预测精度，能够更为精准地揭示港口运营中的碳排放变化规律，从而为低碳管理提供有力的理论依据和实践支持；
港口作为经济的“海上门户”，既是全球贸易的枢纽，也是碳排放的重要源头。本文突破传统研究中单一港口短期数据的局限，构建了多港口、长周期的分析框架，系统整合港口运营、经济发展等多维度的10项关键指标，为港口碳排放的长期动态预测提供科学依据，为港口低碳发展提供前瞻性决策支持。运用主成分分析与灰色关联分析相结合的方法，对指标进行科学筛选，剔除冗余信息，精准提取最具代表性的核心指标。在此基础上，进一步采用岭回归分析优化指标体系，避免多重共线性问题，确保指标的有效性和可靠性。随后，引入支持向量回归（SVR）模型进行碳排放预测，并融入GML指数进行改进，以动态反映港口效率变化对碳排放的深远影响。通过对比分析，研究发现：1）集装箱港口碳排放与码头泊位数量、货物吞吐量、集装箱吞吐量和运营成本等因素密切相关，以这些核心指标为基础构建的预测模型，能够有效地反映港口碳排放的变化趋势；2）引入生产效率特征显著提升支持向量回归模型的预测精度，能够更为精准地揭示港口运营中的碳排放变化规律，从而为低碳管理提供有力的理论依据和实践支持；
摘要：
为解决智能医疗物联网系统面临的数据泄露与身份隐私威胁，本文提出一种面向智能医疗物联网系统的区块链协同匿名认证与密钥协商协议。该协议利用模糊提取器从数据需求方的生物特征中提取稳定秘密值并实现容错认证；采用物理不可克隆函数为传感器节点提供抗物理克隆的硬件级安全保障；借助区块链构建由多个网关节点共同维护的去中心化认证体系，有效规避了单点故障风险，并提升了系统可扩展性。此外，协议在密钥协商过程中引入动态假名机制，确保了通信双方动态接入的身份匿名性与不可追踪性。安全性分析表明，本文协议能抵御多种攻击。性能评估结果显示，相比其他协议，本文协议在计算开销和通信开销方面有轻量级的优势，能够安全高效部署在资源受限的智能医疗物联网系统环境。
为解决智能医疗物联网系统面临的数据泄露与身份隐私威胁，本文提出一种面向智能医疗物联网系统的区块链协同匿名认证与密钥协商协议。该协议利用模糊提取器从数据需求方的生物特征中提取稳定秘密值并实现容错认证；采用物理不可克隆函数为传感器节点提供抗物理克隆的硬件级安全保障；借助区块链构建由多个网关节点共同维护的去中心化认证体系，有效规避了单点故障风险，并提升了系统可扩展性。此外，协议在密钥协商过程中引入动态假名机制，确保了通信双方动态接入的身份匿名性与不可追踪性。安全性分析表明，本文协议能抵御多种攻击。性能评估结果显示，相比其他协议，本文协议在计算开销和通信开销方面有轻量级的优势，能够安全高效部署在资源受限的智能医疗物联网系统环境。
摘要：
针对现代通信网络中频谱资源紧张、链路可靠性不足的问题，该文提出基于非正交多址接入技术(NOMA)和环境反向散射通信(AmBC)的认知混合卫星-地面通信网络。引入无人机作为辅助中继移动源设备，作为信号发射源与地面设备协同工作，通过反向散射技术优化信号传输效率。提出基于Underlay的反向散射辅助传输和基于Overlay的NOMA协同传输两种方法，考虑主用户网络对次用户网络存在功率限制，在Shadowed-Rician和Rayleigh衰落信道下分别推导出两种方案的系统中断概率闭合表达式。结果显示调整发射功率和目标速率可以降低系统中断概率，进一步提升通信质量。
针对现代通信网络中频谱资源紧张、链路可靠性不足的问题，该文提出基于非正交多址接入技术(NOMA)和环境反向散射通信(AmBC)的认知混合卫星-地面通信网络。引入无人机作为辅助中继移动源设备，作为信号发射源与地面设备协同工作，通过反向散射技术优化信号传输效率。提出基于Underlay的反向散射辅助传输和基于Overlay的NOMA协同传输两种方法，考虑主用户网络对次用户网络存在功率限制，在Shadowed-Rician和Rayleigh衰落信道下分别推导出两种方案的系统中断概率闭合表达式。结果显示调整发射功率和目标速率可以降低系统中断概率，进一步提升通信质量。
摘要：
针对异质网络中语义与结构信息捕捉不充分导致异质网络节点分类性能不佳的问题,提出一种基于异质信息聚合图卷积网络模型的异质网络节点分类方法。该模型的元路径聚合分支采用分层聚合策略,基于图卷积网络与跳数级注意力机制生成单跳表示,以增强任务相关的跳数信息并抑制噪声,利用一维卷积高效地捕捉序列化元路径信息的局部语义模式,并通过元路径级注意力机制增强任务相关的元路径信息。同时引入邻域结构聚合分支整合异质网络的局部拓扑信息。通过两个分支协同聚合多层次语义信息和多层次网络结构信息,以提高异质网络表示学习的性能,进而改善异质网络的节点分类性能。在ACM、DBLP和IMDB数据集上的实验结果表明,所提方法能有效改善异质网络的节点分类性能,并且通过消融研究验证了各模块的有效性,为异质网络表示学习提供了新解决方案。
针对异质网络中语义与结构信息捕捉不充分导致异质网络节点分类性能不佳的问题,提出一种基于异质信息聚合图卷积网络模型的异质网络节点分类方法。该模型的元路径聚合分支采用分层聚合策略,基于图卷积网络与跳数级注意力机制生成单跳表示,以增强任务相关的跳数信息并抑制噪声,利用一维卷积高效地捕捉序列化元路径信息的局部语义模式,并通过元路径级注意力机制增强任务相关的元路径信息。同时引入邻域结构聚合分支整合异质网络的局部拓扑信息。通过两个分支协同聚合多层次语义信息和多层次网络结构信息,以提高异质网络表示学习的性能,进而改善异质网络的节点分类性能。在ACM、DBLP和IMDB数据集上的实验结果表明,所提方法能有效改善异质网络的节点分类性能,并且通过消融研究验证了各模块的有效性,为异质网络表示学习提供了新解决方案。
摘要：
随着人工智能生成内容（Artificial Intelligence Generated Content，AIGC）技术的发展，教学场景下的图像应用成为新的研究热点。图像作为知识传递的核心载体，其清晰度、纹理细节、色彩鲜艳度、主题色彩等直接影响教学效果。本文旨在改造扩散模型（Diffusion Model）结构以对存在不同问题的图像进行超分重构（Super-Resolution，SR），并将SR图应用于不同教学场景后进行效果评估。首先，通过改造扩散模型解决图像质量与教学场景不适配的问题；然后，分别开展主观和客观实验，将SR图应用于实际教学场景；最后，构建基于主客观实验结果的综合评估框架，以验证SR图的应用效果。研究结果表明，由改造模型所生成的SR图应用在教学活动时，对比使用传统方法生成的图像，在知识传递效率方面平均提升约22.9%，在教师讲课时间节省方面平均减少约15.6%。本文可为人工智能赋能教学改革提供一定的理论依据与实践参考?。
随着人工智能生成内容（Artificial Intelligence Generated Content，AIGC）技术的发展，教学场景下的图像应用成为新的研究热点。图像作为知识传递的核心载体，其清晰度、纹理细节、色彩鲜艳度、主题色彩等直接影响教学效果。本文旨在改造扩散模型（Diffusion Model）结构以对存在不同问题的图像进行超分重构（Super-Resolution，SR），并将SR图应用于不同教学场景后进行效果评估。首先，通过改造扩散模型解决图像质量与教学场景不适配的问题；然后，分别开展主观和客观实验，将SR图应用于实际教学场景；最后，构建基于主客观实验结果的综合评估框架，以验证SR图的应用效果。研究结果表明，由改造模型所生成的SR图应用在教学活动时，对比使用传统方法生成的图像，在知识传递效率方面平均提升约22.9%，在教师讲课时间节省方面平均减少约15.6%。本文可为人工智能赋能教学改革提供一定的理论依据与实践参考?。
摘要：
针对车载LiDAR点云在道路标线识别中存在几何特征稀疏、遮挡或缺损标线模糊及复杂场景下边界辨识度低等问题,本文提出一种基于改进RandLA-Net的道路标线点云识别方法。首先,构建混合池化(hybrid pooling, HP)模块融合局部邻域与全局特征,以捕获更广泛地上下文信息；其次,设计特征对比增强模块(feature contrast enhancement module, FCE),通过分析不同点的特征差异,并结合最大特征值和平均特征值的对比,采用特征加权策略,强化关键区域(如箭头、实线边界)的特征响应；最后,提出融合Dice与加权交叉熵的损失函数,以增强模型对边界区域的感知能力。为验证算法鲁棒性,本文构建了两个道路标线点云数据集Toronto-Rdmk和UPM-Rdmk,对其进行实验验证与分析。实验结果表明,本文方法在Toronto-Rdmk数据集上的平均交并比(mIoU)为69.40%,在UPM-Rdmk数据集上为49.06%,分别比RandLA-Net提高了3.17%和4.23%。充分证明了所提方法在复杂场景下的有效性,为大规模道路标线点云的自动化识别提供了有力支持。
针对车载LiDAR点云在道路标线识别中存在几何特征稀疏、遮挡或缺损标线模糊及复杂场景下边界辨识度低等问题,本文提出一种基于改进RandLA-Net的道路标线点云识别方法。首先,构建混合池化(hybrid pooling, HP)模块融合局部邻域与全局特征,以捕获更广泛地上下文信息；其次,设计特征对比增强模块(feature contrast enhancement module, FCE),通过分析不同点的特征差异,并结合最大特征值和平均特征值的对比,采用特征加权策略,强化关键区域(如箭头、实线边界)的特征响应；最后,提出融合Dice与加权交叉熵的损失函数,以增强模型对边界区域的感知能力。为验证算法鲁棒性,本文构建了两个道路标线点云数据集Toronto-Rdmk和UPM-Rdmk,对其进行实验验证与分析。实验结果表明,本文方法在Toronto-Rdmk数据集上的平均交并比(mIoU)为69.40%,在UPM-Rdmk数据集上为49.06%,分别比RandLA-Net提高了3.17%和4.23%。充分证明了所提方法在复杂场景下的有效性,为大规模道路标线点云的自动化识别提供了有力支持。
摘要：
针对低空安防领域中无人机“黑飞”“乱飞”的安全威胁以及复杂环境下实时精准预警的技术难题，本文提出一种融合YOLOv10目标检测算法与GLM4-V多模态大模型的无人机入侵实时预警系统。系统硬件由高灵敏度光电探测设备与主控计算机构成，软件集成客户端交互平台与多模态数据处理模块。在算法层面，通过YOLOv10实现无人机目标的快速定位，结合SORT算法完成动态轨迹追踪；创新性地设计基于GLM4-V的语义化描述生成框架，引入结构化Prompt模板将检测结果（目标位置、信息及背景环境）实时转化为可压缩文本描述，显著降低了通信受限场景下的信息传输负载。实验表明，在无人机最远距离1 km、最大飞行速度23 m/s的极限条件下，目标识别准确率达97.6%。该系统通过“视觉检测-语义分析-动态传输”的技术闭环，有效解决了复杂环境中无人机入侵事件实时预警难题，为低空安防领域提供了高鲁棒性解决方案。
针对低空安防领域中无人机“黑飞”“乱飞”的安全威胁以及复杂环境下实时精准预警的技术难题，本文提出一种融合YOLOv10目标检测算法与GLM4-V多模态大模型的无人机入侵实时预警系统。系统硬件由高灵敏度光电探测设备与主控计算机构成，软件集成客户端交互平台与多模态数据处理模块。在算法层面，通过YOLOv10实现无人机目标的快速定位，结合SORT算法完成动态轨迹追踪；创新性地设计基于GLM4-V的语义化描述生成框架，引入结构化Prompt模板将检测结果（目标位置、信息及背景环境）实时转化为可压缩文本描述，显著降低了通信受限场景下的信息传输负载。实验表明，在无人机最远距离1 km、最大飞行速度23 m/s的极限条件下，目标识别准确率达97.6%。该系统通过“视觉检测-语义分析-动态传输”的技术闭环，有效解决了复杂环境中无人机入侵事件实时预警难题，为低空安防领域提供了高鲁棒性解决方案。
摘要：
针对变电站运行阶段实景点云模型与设计阶段BIM设备三维模型在数量、位置、分布上的不一致，阻碍BIM模型在变电站数字孪生中的实际应用等问题，提出了一种基于一阶距离-拓扑相似性与空间位置自适应纠正的三维对象匹配方法。首先，构建了一种三维对象一阶距离-拓扑兼容性指标，提升三维对象定位特征的表达效果；其次，提出了一种三维对象相似度计算方法，以识别提取精准与潜在的匹配对；最后，构建多视线约束方程组，实现潜在匹配对中BIM模型空间位置的迭代式自纠正。本文方法在两处变电站场景三维数据集上分别进行了实验，匹配总体精度达到了97.92%与98.54%。实验结果表明，与当前先进方法相比，本文方法在变电站数字孪生三维对象匹配任务上具有更高的精度与可靠性。
针对变电站运行阶段实景点云模型与设计阶段BIM设备三维模型在数量、位置、分布上的不一致，阻碍BIM模型在变电站数字孪生中的实际应用等问题，提出了一种基于一阶距离-拓扑相似性与空间位置自适应纠正的三维对象匹配方法。首先，构建了一种三维对象一阶距离-拓扑兼容性指标，提升三维对象定位特征的表达效果；其次，提出了一种三维对象相似度计算方法，以识别提取精准与潜在的匹配对；最后，构建多视线约束方程组，实现潜在匹配对中BIM模型空间位置的迭代式自纠正。本文方法在两处变电站场景三维数据集上分别进行了实验，匹配总体精度达到了97.92%与98.54%。实验结果表明，与当前先进方法相比，本文方法在变电站数字孪生三维对象匹配任务上具有更高的精度与可靠性。
摘要：
应用含注意力机制的网络模型进行模式识别已成为相位敏感光时域反射计(phase sensitive optical time domain reflectometer，Φ-OTDR)周界安防领域的研究热点，针对周界安防信号时序图像，本文提出了基于可解释性全特征注意力机制的卷积网络模型。以VGG模型架构为基础，引入深度可分离卷积模块和Leaky ReLU激活函数构成全新的卷积模块，提高模型实时性。为增强卷积模型的全局信息提取能力和可解释性（即特征重要性评价能力），本文采用元卷积核代替空间注意力机制的池化层，从而设计了可解释性全特征注意力机制，并将其添加到卷积模块和全连接层之间。采用实验获得Φ-OTDR周界安防信号，对本文所提网络和典型的ANN、CNN、VGG、CNN-CBAM-BiLSTM、CNN-LSTM进行对比。结果表明：本文模型特征提取过程可解释性强，对测试样本的识别准确率达到了99.06%，在95%置信水平下对周界安防信号的平均置信区间为[0.9606，0.9992]，F1-score达到0.9922，性能优于ANN、CNN、VGG、CNN-CBAM-BiLSTM、CNN-LSTM五种网络模型。
应用含注意力机制的网络模型进行模式识别已成为相位敏感光时域反射计(phase sensitive optical time domain reflectometer，Φ-OTDR)周界安防领域的研究热点，针对周界安防信号时序图像，本文提出了基于可解释性全特征注意力机制的卷积网络模型。以VGG模型架构为基础，引入深度可分离卷积模块和Leaky ReLU激活函数构成全新的卷积模块，提高模型实时性。为增强卷积模型的全局信息提取能力和可解释性（即特征重要性评价能力），本文采用元卷积核代替空间注意力机制的池化层，从而设计了可解释性全特征注意力机制，并将其添加到卷积模块和全连接层之间。采用实验获得Φ-OTDR周界安防信号，对本文所提网络和典型的ANN、CNN、VGG、CNN-CBAM-BiLSTM、CNN-LSTM进行对比。结果表明：本文模型特征提取过程可解释性强，对测试样本的识别准确率达到了99.06%，在95%置信水平下对周界安防信号的平均置信区间为[0.9606，0.9992]，F1-score达到0.9922，性能优于ANN、CNN、VGG、CNN-CBAM-BiLSTM、CNN-LSTM五种网络模型。
摘要：
针对阿尔茨海默病(AD)与认知正常(CN)患者的脑部影像分类问题，本文提出一种基于通道注意力与图注意力网络的脑部影像分类模型。首先对原始DTI影像进行标准化预处理与张量拟合，获得三维FA图，随后沿轴向逐层切片，并应用双线性插值法将所有切片统一重采样到相同的大小，在此基础上，设计了通道注意力卷积模块，通过并行的卷积提取空间细节特征，同时应用自适应核长的通道间注意力机制动态重标定通道权重，有效学习并压缩局部纹理特征，经全连接层映射得到特征向量并作为后续图中的节点嵌入。然后，依据切片的空间连通性构建邻接矩阵，将切片视为图中的节点，并将节点特征向量与邻接矩阵组成图数据，输入三层堆叠的图注意力卷积层，通过可学习的注意力系数逐层聚合相邻及远邻切片信息，实现跨切片全局结构的融合。最终，经全局平均池化与全连接层输出分类结果。实验结果表明，本文提出的方法不仅在准确度和稳定性上优于传统影像分类模型，还验证了局部-全局注意力架构的优势，提供了一种从切片到图信号转换的新思路。
针对阿尔茨海默病(AD)与认知正常(CN)患者的脑部影像分类问题，本文提出一种基于通道注意力与图注意力网络的脑部影像分类模型。首先对原始DTI影像进行标准化预处理与张量拟合，获得三维FA图，随后沿轴向逐层切片，并应用双线性插值法将所有切片统一重采样到相同的大小，在此基础上，设计了通道注意力卷积模块，通过并行的卷积提取空间细节特征，同时应用自适应核长的通道间注意力机制动态重标定通道权重，有效学习并压缩局部纹理特征，经全连接层映射得到特征向量并作为后续图中的节点嵌入。然后，依据切片的空间连通性构建邻接矩阵，将切片视为图中的节点，并将节点特征向量与邻接矩阵组成图数据，输入三层堆叠的图注意力卷积层，通过可学习的注意力系数逐层聚合相邻及远邻切片信息，实现跨切片全局结构的融合。最终，经全局平均池化与全连接层输出分类结果。实验结果表明，本文提出的方法不仅在准确度和稳定性上优于传统影像分类模型，还验证了局部-全局注意力架构的优势，提供了一种从切片到图信号转换的新思路。
摘要：
为实现城市固废焚烧(MSWI)过程氮氧化物(NOx)排放浓度的快速准确预测，本文提出了一种基于混合正则化块增量随机配置网络(MR-BSCN)的预测方法。在BSCN完成模型训练后，通过在凸优化近似后的L0正则化中加入动量项对模型中冗余节点进行修剪，同时为了保证修剪后模型的精度，使用L2正则化对模型的输出权重进行微调。最终，利用北京某固废焚烧厂实际数据进行验证，结果表明，所提方法能够在BSCN快速建模的基础上，实现NOx浓度的准确预测且具有更紧凑的模型结构，为该参数的优化控制打下了基础。
为实现城市固废焚烧(MSWI)过程氮氧化物(NOx)排放浓度的快速准确预测，本文提出了一种基于混合正则化块增量随机配置网络(MR-BSCN)的预测方法。在BSCN完成模型训练后，通过在凸优化近似后的L0正则化中加入动量项对模型中冗余节点进行修剪，同时为了保证修剪后模型的精度，使用L2正则化对模型的输出权重进行微调。最终，利用北京某固废焚烧厂实际数据进行验证，结果表明，所提方法能够在BSCN快速建模的基础上，实现NOx浓度的准确预测且具有更紧凑的模型结构，为该参数的优化控制打下了基础。
摘要：
提高可再生能源消纳,促进电力系统的低碳经济运行已经成为重要发展方向,虚拟电厂(virtual power plant,VPP)可结合共享储能电站实现不同VPP之间的能量互补。首先,建立含有共享储能的多VPP框架,并从冷、热、电三个维度进行构建设备模型。其次,提出一种考虑碳排放的动态电价与共享储能联合的多VPP双层优化调度策略。上层以多VPP的运行成本最低为目标,综合考量VPP与共享储能电站的交互和机组出力,得到系统的碳量比例,为下层调度提供指导电价；下层以共享储能电站的收益最大为目标,在上层电价的指导下,引导其为多VPP服务。然后,以上层成本减下层收益最小为收敛目标,利用纵横交叉算法求解最终调度策略。最后,算例仿真表明动态电价策略可以降低整个系统的碳排放量的同时提高共享储能电站的充放电收益。
提高可再生能源消纳,促进电力系统的低碳经济运行已经成为重要发展方向,虚拟电厂(virtual power plant,VPP)可结合共享储能电站实现不同VPP之间的能量互补。首先,建立含有共享储能的多VPP框架,并从冷、热、电三个维度进行构建设备模型。其次,提出一种考虑碳排放的动态电价与共享储能联合的多VPP双层优化调度策略。上层以多VPP的运行成本最低为目标,综合考量VPP与共享储能电站的交互和机组出力,得到系统的碳量比例,为下层调度提供指导电价；下层以共享储能电站的收益最大为目标,在上层电价的指导下,引导其为多VPP服务。然后,以上层成本减下层收益最小为收敛目标,利用纵横交叉算法求解最终调度策略。最后,算例仿真表明动态电价策略可以降低整个系统的碳排放量的同时提高共享储能电站的充放电收益。
摘要：
以“扎把”作为烟叶分级单位是提高烟叶收购效率的关键策略。由于扎把烟叶间遮挡和卷曲等特性，现有主流分类方法难以准确提取其细粒度分级特征。为此，本文提出了一种基于强监督数据增强的双阶段扎把烟叶分级模型，以渐进式的方式实现扎把烟叶精确分级。首先，设计双重注意力残差网络自适应融合多维度特征来提取粗粒度信息，提出软通道注意力模块生成反映扎把烟叶关键部位的注意力图，实现对扎把烟叶的粗分级。然后，为了促进网络关注差异性细粒度特征，以粗分级注意力图为指导对全局图做强监督数据增强，获得具有辨别性特征的局部图，从而实现更精细的分级结果。本文将所提方法与当前主流的通用分类方法及细粒度分类方法在扎把烟叶数据集上进行了对比实验。实验结果表明，本文所提方法的分级准确率和macro-F1指标均达到了98.54%，显著优于对比方法，能够较好地满足工业扎把烟叶分级的实际需求。
以“扎把”作为烟叶分级单位是提高烟叶收购效率的关键策略。由于扎把烟叶间遮挡和卷曲等特性，现有主流分类方法难以准确提取其细粒度分级特征。为此，本文提出了一种基于强监督数据增强的双阶段扎把烟叶分级模型，以渐进式的方式实现扎把烟叶精确分级。首先，设计双重注意力残差网络自适应融合多维度特征来提取粗粒度信息，提出软通道注意力模块生成反映扎把烟叶关键部位的注意力图，实现对扎把烟叶的粗分级。然后，为了促进网络关注差异性细粒度特征，以粗分级注意力图为指导对全局图做强监督数据增强，获得具有辨别性特征的局部图，从而实现更精细的分级结果。本文将所提方法与当前主流的通用分类方法及细粒度分类方法在扎把烟叶数据集上进行了对比实验。实验结果表明，本文所提方法的分级准确率和macro-F1指标均达到了98.54%，显著优于对比方法，能够较好地满足工业扎把烟叶分级的实际需求。
摘要：
针对白鲸优化算法(BWO)全局搜索与局部开发之间不平衡、收敛速度慢、早熟、难以跳出局部最优的问题,提出一种融合逐维高斯变异的改进白鲸优化算法(IBWO)。首先,采用新的动态参数策略调整平衡因子,实现了全局搜索和局部开发较好的平衡。其次,引入current-to-rand差分变异算子提高算法的全局搜索能力。然后,结合精英领导策略,加速算法的收敛速度。最后,根据当前最优解和当前最差解的位置,对当前最优解进行逐维高斯变异,提高算法跳出局部最优的能力。为了验证改进后算法的性能,在进化计算大会(CEC)2017测试集上与另外7个元启发式算法进行比较,实验结果表明,IBWO的寻优能力优于其他算法。将IBWO应用于三个工程问题中,结果显示,IBWO在解决复杂的现实世界优化问题上有着较好的效果。
针对白鲸优化算法(BWO)全局搜索与局部开发之间不平衡、收敛速度慢、早熟、难以跳出局部最优的问题,提出一种融合逐维高斯变异的改进白鲸优化算法(IBWO)。首先,采用新的动态参数策略调整平衡因子,实现了全局搜索和局部开发较好的平衡。其次,引入current-to-rand差分变异算子提高算法的全局搜索能力。然后,结合精英领导策略,加速算法的收敛速度。最后,根据当前最优解和当前最差解的位置,对当前最优解进行逐维高斯变异,提高算法跳出局部最优的能力。为了验证改进后算法的性能,在进化计算大会(CEC)2017测试集上与另外7个元启发式算法进行比较,实验结果表明,IBWO的寻优能力优于其他算法。将IBWO应用于三个工程问题中,结果显示,IBWO在解决复杂的现实世界优化问题上有着较好的效果。
摘要：
辐射源识别在现代通信、雷达监测及电子对抗领域具有关键作用，其目标是从复杂电磁环境中快速、准确地定位与分类多种类型的辐射源，以支撑频谱管理、安全监测和战场态势感知。传统的时域、频域与时频域信号处理方法，以及依赖手工设计特征的机器学习算法，在高噪声、低信噪比和多径干扰条件下，往往难以兼顾信号幅度与相位的耦合信息。复值神经网络（Complex?Valued Neural Networks, CVNN）通过在复数域内直接对 I/Q 数据建模，实现了对幅度–相位特征的完整表征，显著提升了低SNR环境下的识别精度与抗干扰能力。本文系统梳理了 CVNN 在辐射源识别中的研究成果：首先回顾了复值卷积神经网络（CV?CNN）在时频图像特征提取与模型轻量化压缩方面的创新；随后评述了复值循环神经网络（CV?RNN）在时序特征建模与增量识别中的应用；并深入探讨了将注意力机制、自监督学习及对抗训练策略融入复值框架以强化模型泛化与鲁棒性的路径。最后，我们针对当前方法在参数初始化、训练稳定性、算力消耗及小样本迁移学习等方面的技术瓶颈，提出了面向边缘计算设备的轻量化网络设计、复数域数据增强与多模态融合等未来研究方向，以期为提升辐射源识别系统的实时性与可靠性提供指导。
辐射源识别在现代通信、雷达监测及电子对抗领域具有关键作用，其目标是从复杂电磁环境中快速、准确地定位与分类多种类型的辐射源，以支撑频谱管理、安全监测和战场态势感知。传统的时域、频域与时频域信号处理方法，以及依赖手工设计特征的机器学习算法，在高噪声、低信噪比和多径干扰条件下，往往难以兼顾信号幅度与相位的耦合信息。复值神经网络（Complex?Valued Neural Networks, CVNN）通过在复数域内直接对 I/Q 数据建模，实现了对幅度–相位特征的完整表征，显著提升了低SNR环境下的识别精度与抗干扰能力。本文系统梳理了 CVNN 在辐射源识别中的研究成果：首先回顾了复值卷积神经网络（CV?CNN）在时频图像特征提取与模型轻量化压缩方面的创新；随后评述了复值循环神经网络（CV?RNN）在时序特征建模与增量识别中的应用；并深入探讨了将注意力机制、自监督学习及对抗训练策略融入复值框架以强化模型泛化与鲁棒性的路径。最后，我们针对当前方法在参数初始化、训练稳定性、算力消耗及小样本迁移学习等方面的技术瓶颈，提出了面向边缘计算设备的轻量化网络设计、复数域数据增强与多模态融合等未来研究方向，以期为提升辐射源识别系统的实时性与可靠性提供指导。
摘要：
针对动态场景拍摄的图像存在运动模糊现象,导致图像质量下降,细节信息丢失严重的问题,本文提出了一种基于双域特征融合的多尺度运动图像去模糊方法。首先,设计了一个双域特征融合模块,采用双分支结构并行地从模糊图像中提取空间域特征和频域特征,并对双域特征进行深度融合,提高网络模型对高频细节的特征表示能力。然后,设计了一个多尺度特征聚合模块,使用跨通道自注意力聚合不同尺度模糊图像的编码特征,动态调整不同尺度特征图的权重,增强模型的鲁棒性。最后,对训练损失函数进行改进,采用结合内容损失、小波域重构损失和边缘损失的联合多尺度损失函数监督网络模型的训练,进一步提高去模糊效果。本文方法在公共数据集上进行的对比实验及消融实验结果显示,PSNR和SSIM指标分别为32.56dB和0.959,均有优于其他对比方法。实验结果表明本文方法可以有效提升去模糊的效果,并具有良好的鲁棒性。
针对动态场景拍摄的图像存在运动模糊现象,导致图像质量下降,细节信息丢失严重的问题,本文提出了一种基于双域特征融合的多尺度运动图像去模糊方法。首先,设计了一个双域特征融合模块,采用双分支结构并行地从模糊图像中提取空间域特征和频域特征,并对双域特征进行深度融合,提高网络模型对高频细节的特征表示能力。然后,设计了一个多尺度特征聚合模块,使用跨通道自注意力聚合不同尺度模糊图像的编码特征,动态调整不同尺度特征图的权重,增强模型的鲁棒性。最后,对训练损失函数进行改进,采用结合内容损失、小波域重构损失和边缘损失的联合多尺度损失函数监督网络模型的训练,进一步提高去模糊效果。本文方法在公共数据集上进行的对比实验及消融实验结果显示,PSNR和SSIM指标分别为32.56dB和0.959,均有优于其他对比方法。实验结果表明本文方法可以有效提升去模糊的效果,并具有良好的鲁棒性。
摘要：
碳价格具有非线性、非平稳等复杂特征，其预测颇具挑战性。为了提高预测精度，提出一种结合基于时变滤波器经验模态分解（Time-Varying Filter Empirical Modal Decomposition,TVFEMD）、样本熵（Sample Entropy,SE）、双向门控循环单元（Bidirectional Gated Recurrent Unit,BiGRU）和差分整合移动平均自回归（Autoregressive Integrated Moving Average Model,ARIMA）的碳价预测模型TTBiGRUA。首先，通过TVFEMD将碳价格分解为不同频率的模态分量。其次，利用样本熵评估各分量复杂度，并采用K-means算法进行重构。随后，对重构后波动性最强的模态分量运用TVFEMD二次分解，以进一步提取特征并减少模态混叠。根据样本熵划分高频分量和低频分量。高频分量由BiGRU预测，低频分量则由ARIMA预测，最后将分量预测结果叠加得到碳价格最终预测结果。应用广东和湖北碳市场的实际碳价数据，使用5个评价指标和Diebold Mariano（DM）检验评估模型的预测有效性和鲁棒性。结果表明，所提出模型预测精度优于其他基准对比模型。
碳价格具有非线性、非平稳等复杂特征，其预测颇具挑战性。为了提高预测精度，提出一种结合基于时变滤波器经验模态分解（Time-Varying Filter Empirical Modal Decomposition,TVFEMD）、样本熵（Sample Entropy,SE）、双向门控循环单元（Bidirectional Gated Recurrent Unit,BiGRU）和差分整合移动平均自回归（Autoregressive Integrated Moving Average Model,ARIMA）的碳价预测模型TTBiGRUA。首先，通过TVFEMD将碳价格分解为不同频率的模态分量。其次，利用样本熵评估各分量复杂度，并采用K-means算法进行重构。随后，对重构后波动性最强的模态分量运用TVFEMD二次分解，以进一步提取特征并减少模态混叠。根据样本熵划分高频分量和低频分量。高频分量由BiGRU预测，低频分量则由ARIMA预测，最后将分量预测结果叠加得到碳价格最终预测结果。应用广东和湖北碳市场的实际碳价数据，使用5个评价指标和Diebold Mariano（DM）检验评估模型的预测有效性和鲁棒性。结果表明，所提出模型预测精度优于其他基准对比模型。
摘要：
为提高变电所巡检工作效率，提出一种基于深度学习的变电所扭曲变形端子标识文本检测与识别方法。端子标识检测模型以DBNet为基本框架，将原有的ResNet主干网络替换为ConvNeXt V2，利用其现代化架构设计，显著提升模型的全局信息建模能力和对端子标识的特征提取能力。为进一步提升扭曲变形端子标识检测精度，引入高效多尺度注意力模块EMA与可变形卷积网络DCNv4，有效提升全局上下文信息捕捉能力，增强对不规则文本形状的鲁棒性，优化后，端子标识检测模型的检测精度达97.4%，相较原模型提高18.9个百分点，且计算量仅提高2.9%。端子标识识别模型以CRNN为基本框架，引入空间与通道卷积SCConv优化特征提取过程，显著减少冗余特征的同时降低计算负担。在序列建模部分，采用选择性状态空间网络Mamba替代原有的LSTM，其状态空间模型与选择性机制能够对序列数据动态建模，自适应关注序列中的重要部分，显著增强了长序列依赖关系的捕捉能力，优化后的端子标识识别模型识别准确率达98.2%，较原模型提高了2.7个百分点。实验结果表明，该方法对变电所端子标识中存在的扭曲变形、弱光模糊等负面因素具有优异的检测能力与识别精度。
为提高变电所巡检工作效率，提出一种基于深度学习的变电所扭曲变形端子标识文本检测与识别方法。端子标识检测模型以DBNet为基本框架，将原有的ResNet主干网络替换为ConvNeXt V2，利用其现代化架构设计，显著提升模型的全局信息建模能力和对端子标识的特征提取能力。为进一步提升扭曲变形端子标识检测精度，引入高效多尺度注意力模块EMA与可变形卷积网络DCNv4，有效提升全局上下文信息捕捉能力，增强对不规则文本形状的鲁棒性，优化后，端子标识检测模型的检测精度达97.4%，相较原模型提高18.9个百分点，且计算量仅提高2.9%。端子标识识别模型以CRNN为基本框架，引入空间与通道卷积SCConv优化特征提取过程，显著减少冗余特征的同时降低计算负担。在序列建模部分，采用选择性状态空间网络Mamba替代原有的LSTM，其状态空间模型与选择性机制能够对序列数据动态建模，自适应关注序列中的重要部分，显著增强了长序列依赖关系的捕捉能力，优化后的端子标识识别模型识别准确率达98.2%，较原模型提高了2.7个百分点。实验结果表明，该方法对变电所端子标识中存在的扭曲变形、弱光模糊等负面因素具有优异的检测能力与识别精度。
摘要：
针对真实环境中多无人车路径规划问题，在多智能体柔性动作-评价（Multi-Agent Soft Actor-Critic，MASAC）框架下给出了一种算法设计方案。为实现算法性能的优化与验证，本文从三个环节对算法进行优化。首先，基于势能塑形回报技术，设计了稠密的奖励函数，为算法的学习过程提供更为丰富、及时且有效的反馈信号，进而显著加速算法的收敛速度。其次，采用双连帧技术对传统经验回放池进行改良。该技术通过将连续的两帧观测数据作为一个整体单元纳入经验回放池，有效捕捉了环境状态变化的动态信息，提升训练效率与稳定性。再次，依托 Gazebo 仿真平台搭建了高度逼真的动态障碍物环境，为算法的训练提供了丰富多样且极具挑战性的训练样本，确保算法能够在模拟真实的条件下进行充分学习与优化。最后，通过消融实验和鲁棒性测试验证了算法的有效性。
针对真实环境中多无人车路径规划问题，在多智能体柔性动作-评价（Multi-Agent Soft Actor-Critic，MASAC）框架下给出了一种算法设计方案。为实现算法性能的优化与验证，本文从三个环节对算法进行优化。首先，基于势能塑形回报技术，设计了稠密的奖励函数，为算法的学习过程提供更为丰富、及时且有效的反馈信号，进而显著加速算法的收敛速度。其次，采用双连帧技术对传统经验回放池进行改良。该技术通过将连续的两帧观测数据作为一个整体单元纳入经验回放池，有效捕捉了环境状态变化的动态信息，提升训练效率与稳定性。再次，依托 Gazebo 仿真平台搭建了高度逼真的动态障碍物环境，为算法的训练提供了丰富多样且极具挑战性的训练样本，确保算法能够在模拟真实的条件下进行充分学习与优化。最后，通过消融实验和鲁棒性测试验证了算法的有效性。
摘要：
本文提出了一种无通孔透射型极化扭转超表面（PRTM）结构，该PRTM可将线极化入射波的极化方向旋转90°，且具有优秀的频率选择特性和角度稳定性。PRTM采用三层金属贴片和两层基板来实现，其中顶部与底部金属层为相互垂直的极化栅，中间金属层为四角加载矩形贴片的双模矩形环组成的阵列。该PRTM具有两个交叉极化传输极点和一个交叉极化传输零点，其中交叉极化传输零点位置灵活可调。由于交叉极化传输零点的引入，可实现PRTM的上阻带或下阻带具有优秀的频率选择特性。同时，本文对PRTM单元的物理尺寸参数进行了研究，并总结得出了一套PRTM单元设计流程。最后，对两个中心频率f0为15GHz的PRTM样本进行加工和测量，其中测量结果与仿真结果吻合良好。
本文提出了一种无通孔透射型极化扭转超表面（PRTM）结构，该PRTM可将线极化入射波的极化方向旋转90°，且具有优秀的频率选择特性和角度稳定性。PRTM采用三层金属贴片和两层基板来实现，其中顶部与底部金属层为相互垂直的极化栅，中间金属层为四角加载矩形贴片的双模矩形环组成的阵列。该PRTM具有两个交叉极化传输极点和一个交叉极化传输零点，其中交叉极化传输零点位置灵活可调。由于交叉极化传输零点的引入，可实现PRTM的上阻带或下阻带具有优秀的频率选择特性。同时，本文对PRTM单元的物理尺寸参数进行了研究，并总结得出了一套PRTM单元设计流程。最后，对两个中心频率f0为15GHz的PRTM样本进行加工和测量，其中测量结果与仿真结果吻合良好。
摘要：
针对虚拟运动中无法有效识别用户情感的问题，本文设计了一种基于面部图像和心率变异性模态的多模态融合情感识别算法（Multimodal Fusion Emotion Recognition based on Face Image and Heart Rate Variability, MFER-FIHRV）。通过分析捕捉面部图像和心率变异性两种模态下的数据信息，敏锐洞察用户的情绪变化，进而为用户打造出贴合其当下状态的个性化人机交互体验。首先设计多模态融合Transformer对面部图像和心率变异性进行多模态互补学习，然后使用多模态特征融合将融合特征与原始特进行拼接，同时，使用轻量化自注意力机制学习多模态内的高级表示。最终在两个公开数据集上进行了大量实验，结果显示所提出的方法具有更好的性能。实验表明，所提出的方法切实有效，可以指导用户体验系统的设计和开发。
针对虚拟运动中无法有效识别用户情感的问题，本文设计了一种基于面部图像和心率变异性模态的多模态融合情感识别算法（Multimodal Fusion Emotion Recognition based on Face Image and Heart Rate Variability, MFER-FIHRV）。通过分析捕捉面部图像和心率变异性两种模态下的数据信息，敏锐洞察用户的情绪变化，进而为用户打造出贴合其当下状态的个性化人机交互体验。首先设计多模态融合Transformer对面部图像和心率变异性进行多模态互补学习，然后使用多模态特征融合将融合特征与原始特进行拼接，同时，使用轻量化自注意力机制学习多模态内的高级表示。最终在两个公开数据集上进行了大量实验，结果显示所提出的方法具有更好的性能。实验表明，所提出的方法切实有效，可以指导用户体验系统的设计和开发。
摘要：
针对城市道路多车道交通场景下智能车辆主动换道工况，单独使用某一种控制算法进行主动换道路径跟踪时，可能导致路径跟踪精度或车辆操纵稳定性变差的问题，本文提出一种横纵向解耦的换道轨迹跟踪控制策略。首先，将轨迹跟踪控制解耦为横向位置跟踪和纵向速度控制；然后，基于离散LQR原理设计前馈加反馈横向控制器，基于双PID原理设计位置与速度纵向控制器，最终实现对规划轨迹的跟踪控制；最后，利用Matlab/Simulink、PreScan和CarSim平台建立联合仿真模型进行仿真实验。结果表明，横纵向解耦的轨迹跟踪控制算法在车辆不同换道工况下,对轨迹的跟踪效果良好，车辆的跟踪控制误差均在规定的约束范围内，且相比于模型预测控制（MPC）具有更小的质心侧偏角和横摆角速度，行驶稳定性与舒适性更佳。
针对城市道路多车道交通场景下智能车辆主动换道工况，单独使用某一种控制算法进行主动换道路径跟踪时，可能导致路径跟踪精度或车辆操纵稳定性变差的问题，本文提出一种横纵向解耦的换道轨迹跟踪控制策略。首先，将轨迹跟踪控制解耦为横向位置跟踪和纵向速度控制；然后，基于离散LQR原理设计前馈加反馈横向控制器，基于双PID原理设计位置与速度纵向控制器，最终实现对规划轨迹的跟踪控制；最后，利用Matlab/Simulink、PreScan和CarSim平台建立联合仿真模型进行仿真实验。结果表明，横纵向解耦的轨迹跟踪控制算法在车辆不同换道工况下,对轨迹的跟踪效果良好，车辆的跟踪控制误差均在规定的约束范围内，且相比于模型预测控制（MPC）具有更小的质心侧偏角和横摆角速度，行驶稳定性与舒适性更佳。
摘要：
贝叶斯网络和SBAS-InSAR在滑坡易发性评价中已得到广泛应用。但是，如何充分发挥二者优势，融合两种方法来进一步改进滑坡易发性评价还有待探索。因此，本文以滑坡发生频繁的汉源县为研究区，根据地形、气象等数据提取出20个传统滑坡因子，并根据SAR卫星数据，使用SBAS-InSAR技术提取出地表形变速率作为形变因子来共同参与计算。使用地理探测器进行主导因子筛选后，采取有形变因子、除去形变因子以及递补一个因子的情况下，使用爬山算法结合专家知识构建贝叶斯网络结构并利用最大似然估计算法进行参数学习后进行滑坡易发性计算。结果表明:加入形变因子的贝叶斯网络模型的AUC值达到0.957，相比于不加入形变因子以及递补一个因子的贝叶斯网络分别提高8.63%和8.26%，且易发性分区结果更加合理。文中所提供的滑坡易发性评价方法可为区域防灾减灾提供指导，并为相关研究提供新的思路。
贝叶斯网络和SBAS-InSAR在滑坡易发性评价中已得到广泛应用。但是，如何充分发挥二者优势，融合两种方法来进一步改进滑坡易发性评价还有待探索。因此，本文以滑坡发生频繁的汉源县为研究区，根据地形、气象等数据提取出20个传统滑坡因子，并根据SAR卫星数据，使用SBAS-InSAR技术提取出地表形变速率作为形变因子来共同参与计算。使用地理探测器进行主导因子筛选后，采取有形变因子、除去形变因子以及递补一个因子的情况下，使用爬山算法结合专家知识构建贝叶斯网络结构并利用最大似然估计算法进行参数学习后进行滑坡易发性计算。结果表明:加入形变因子的贝叶斯网络模型的AUC值达到0.957，相比于不加入形变因子以及递补一个因子的贝叶斯网络分别提高8.63%和8.26%，且易发性分区结果更加合理。文中所提供的滑坡易发性评价方法可为区域防灾减灾提供指导，并为相关研究提供新的思路。
摘要：
针对阿尔茨海默病(AD)与认知正常(CN)患者的脑部影像分类问题，本文提出一种多图谱特征融合模型。首先，对输入的脑部影像数据进行标准化处理，并基于不同的脑图谱模板进行脑区划分，然后执行纤维束追踪并计算邻接矩阵，以构建包含拓扑结构信息的图数据。为充分挖掘脑网络特征，本文提出一种图卷积模块，能够捕捉脑网络的高阶拓扑信息，同时引入图池化模块，在降低计算成本的同时保留核心结构信息。最后，通过多分支特征融合框架，有效整合来自不同脑图谱的特征，提高模型的泛化能力。实验结果表明，本文提出的模型在不同脑图谱模板上的特征融合效果良好，能够高效提取脑网络的局部和全局特征，实现更精准的脑部影像分类。同时，所设计的图卷积和图池化模块在提升分类性能的同时显著降低了计算开销，为基于图神经网络的医学影像分析提供了新的思路。
针对阿尔茨海默病(AD)与认知正常(CN)患者的脑部影像分类问题，本文提出一种多图谱特征融合模型。首先，对输入的脑部影像数据进行标准化处理，并基于不同的脑图谱模板进行脑区划分，然后执行纤维束追踪并计算邻接矩阵，以构建包含拓扑结构信息的图数据。为充分挖掘脑网络特征，本文提出一种图卷积模块，能够捕捉脑网络的高阶拓扑信息，同时引入图池化模块，在降低计算成本的同时保留核心结构信息。最后，通过多分支特征融合框架，有效整合来自不同脑图谱的特征，提高模型的泛化能力。实验结果表明，本文提出的模型在不同脑图谱模板上的特征融合效果良好，能够高效提取脑网络的局部和全局特征，实现更精准的脑部影像分类。同时，所设计的图卷积和图池化模块在提升分类性能的同时显著降低了计算开销，为基于图神经网络的医学影像分析提供了新的思路。
摘要：
现有多模态视觉问答（Visual Question Answering，VQA）模型忽略了图像中局部显著信息与文本中局部基本词之间的细粒度交互作用，图像与文本之间的语义相关性有待提高。为此，本文提出一种基于细粒度特征增强的多模态视觉问答方法。首先，对视觉和文本分别增加一种细粒度特征提取方法，以便更全面准确地提取图像和问题的语义特征；然后，为了利用不同层次模态之间的对齐信息，提出一种对齐引导的自注意力模块来对齐单一模态内（视觉或文本）细粒度特征和全局语义特征之间的对应关系，并以统一的方式融合不同层次的单模态信息；最后，在VQA v2.0和VQA-CP v2数据集上进行实验，结果表明，本文所提方法在各项视觉问答评估指标上的表现优于现有的模型。
现有多模态视觉问答（Visual Question Answering，VQA）模型忽略了图像中局部显著信息与文本中局部基本词之间的细粒度交互作用，图像与文本之间的语义相关性有待提高。为此，本文提出一种基于细粒度特征增强的多模态视觉问答方法。首先，对视觉和文本分别增加一种细粒度特征提取方法，以便更全面准确地提取图像和问题的语义特征；然后，为了利用不同层次模态之间的对齐信息，提出一种对齐引导的自注意力模块来对齐单一模态内（视觉或文本）细粒度特征和全局语义特征之间的对应关系，并以统一的方式融合不同层次的单模态信息；最后，在VQA v2.0和VQA-CP v2数据集上进行实验，结果表明，本文所提方法在各项视觉问答评估指标上的表现优于现有的模型。
摘要：
在输电系统的监控和管理中，参数辨识起到了关键作用。但当前的技术面临以下问题：(1)传统方法仅聚焦于单一支路的数据，忽视了整体电网拓扑中相邻支路的信息；(2)外部因素导致的数据污染（如数据丢失和噪声）对参数辨识的准确性产生了负面影响；针对上述问题，本文提出了以GraphSAGE为主体的图神经网络模型的方法。首先，该模型整合了噪声滤波模块和多任务损失训练策略，充分利用图卷积网络的优势，实现了输电系统参数的高效辨识；然后，该模型能捕获电网的拓扑信息，实现对多个支路的联合辨识；最后，该模型能实现对数据丢失和噪声的有效处理，提高了鲁棒性。实验结果表明，相比传统方法，在线路参数辨识的准确性和稳定性上，本文提出的以GraphSAGE模型为主体的方法最好。
在输电系统的监控和管理中，参数辨识起到了关键作用。但当前的技术面临以下问题：(1)传统方法仅聚焦于单一支路的数据，忽视了整体电网拓扑中相邻支路的信息；(2)外部因素导致的数据污染（如数据丢失和噪声）对参数辨识的准确性产生了负面影响；针对上述问题，本文提出了以GraphSAGE为主体的图神经网络模型的方法。首先，该模型整合了噪声滤波模块和多任务损失训练策略，充分利用图卷积网络的优势，实现了输电系统参数的高效辨识；然后，该模型能捕获电网的拓扑信息，实现对多个支路的联合辨识；最后，该模型能实现对数据丢失和噪声的有效处理，提高了鲁棒性。实验结果表明，相比传统方法，在线路参数辨识的准确性和稳定性上，本文提出的以GraphSAGE模型为主体的方法最好。
摘要：
可重构智能超表面(Reconfigurable Intelligent Surfaces, RIS)可智能调控无线信道，为系统提供辅助传输路径；然而，由于被动式RIS(Passive RIS, PRIS)的“乘性衰落”效应，使得现有的PRIS混合协作系统只能在直达链路弱场景下实现有限的容量增益。本文通过引入主动式RIS(Active RIS, ARIS)技术来克服“乘性衰落”，鉴于ARIS 灵活的有源波束形成与信号调控、整体功耗仍然较低、成本相对可控等优点，以及传统中继的稳定可靠性、已广泛部署等特点，针对ARIS与中继的混合系统展开研究，建立ARIS与解码转发(Decode-and-Forward, DF)中继协作多输入多输出(Multiple-Input Multiple-Output, MIMO)混合系统；为最大化系统可达速率，构建了信源发射波束形成矩阵、中继发射波束形成矩阵和ARIS有源波束形成矩阵的联合优化问题模型，并提出一种基于交替优化(Alternating Optimization, AO)和分式规划(Fractional Programming, FP)的联合优化算法，将原始的联合优化问题解耦成多个标准的二次约束二次规划(Quadratically Constrained Quadratic Programming, QCQP)问题，最后采用拉格朗日乘子法进行求解。仿真结果表明，所提系统性能明显优于基准方案，且随着RIS反射单元数目增加，优势更明显。
可重构智能超表面(Reconfigurable Intelligent Surfaces, RIS)可智能调控无线信道，为系统提供辅助传输路径；然而，由于被动式RIS(Passive RIS, PRIS)的“乘性衰落”效应，使得现有的PRIS混合协作系统只能在直达链路弱场景下实现有限的容量增益。本文通过引入主动式RIS(Active RIS, ARIS)技术来克服“乘性衰落”，鉴于ARIS 灵活的有源波束形成与信号调控、整体功耗仍然较低、成本相对可控等优点，以及传统中继的稳定可靠性、已广泛部署等特点，针对ARIS与中继的混合系统展开研究，建立ARIS与解码转发(Decode-and-Forward, DF)中继协作多输入多输出(Multiple-Input Multiple-Output, MIMO)混合系统；为最大化系统可达速率，构建了信源发射波束形成矩阵、中继发射波束形成矩阵和ARIS有源波束形成矩阵的联合优化问题模型，并提出一种基于交替优化(Alternating Optimization, AO)和分式规划(Fractional Programming, FP)的联合优化算法，将原始的联合优化问题解耦成多个标准的二次约束二次规划(Quadratically Constrained Quadratic Programming, QCQP)问题，最后采用拉格朗日乘子法进行求解。仿真结果表明，所提系统性能明显优于基准方案，且随着RIS反射单元数目增加，优势更明显。
摘要：
针对血管介入手术中导丝控制任务繁重，及现有机器人系统自动化程度不足的问题，提出了一种基于扩散策略的导丝自主控制算法，提高手术机器人执行此类欠驱动控制任务时的成功率与稳定性。首先将导丝控制任务建模为马尔可夫决策过程，然后通过模仿学习的方法利用专家示范数据训练机器人系统，使机器人能够在不同血管环境下进行高效操作。最后通过去噪扩散概率模型将专家控制策略建模为条件概率分布，以此根据观测状态引导控制动作的生成。在主动脉弓仿真场景中分别对左锁骨下动脉分支和头臂干动脉分支进行了介入测试，并与目前已有的模仿学习方法进行了效果对比。实验结果表明，提出的方法在两个任务上的得分均有显著提升，且对于超参数的设定不敏感，具有较好的训练稳定性。
针对血管介入手术中导丝控制任务繁重，及现有机器人系统自动化程度不足的问题，提出了一种基于扩散策略的导丝自主控制算法，提高手术机器人执行此类欠驱动控制任务时的成功率与稳定性。首先将导丝控制任务建模为马尔可夫决策过程，然后通过模仿学习的方法利用专家示范数据训练机器人系统，使机器人能够在不同血管环境下进行高效操作。最后通过去噪扩散概率模型将专家控制策略建模为条件概率分布，以此根据观测状态引导控制动作的生成。在主动脉弓仿真场景中分别对左锁骨下动脉分支和头臂干动脉分支进行了介入测试，并与目前已有的模仿学习方法进行了效果对比。实验结果表明，提出的方法在两个任务上的得分均有显著提升，且对于超参数的设定不敏感，具有较好的训练稳定性。
摘要：
准确可靠的风速预测是高效利用风能的关键。针对风速固有的不稳定性,通过融合群分解(Swarm Decomposition,SWD)、Transformer和Kolmogorov-Arnold网络(KAN),提出了一种SWD-Transformer-KAN预测模型。首先,利用SWD对原始风速数据进行分解,以提取关键特征。其次,针对每个被分解的子序列,建立Transformer-KAN模型。所建模型充分利用了Transformer的时序处理能力和KAN的非线性逼近能力。最后,对所有子序列的预测结果进行叠加,得到最终的风速预测值。为了验证所提出模型的有效性,将其与其它模型进行实验对比。实验结果表明SWD-Transformer-KAN模型具有最优的预测性能,其决定系数高达99.91%。
准确可靠的风速预测是高效利用风能的关键。针对风速固有的不稳定性,通过融合群分解(Swarm Decomposition,SWD)、Transformer和Kolmogorov-Arnold网络(KAN),提出了一种SWD-Transformer-KAN预测模型。首先,利用SWD对原始风速数据进行分解,以提取关键特征。其次,针对每个被分解的子序列,建立Transformer-KAN模型。所建模型充分利用了Transformer的时序处理能力和KAN的非线性逼近能力。最后,对所有子序列的预测结果进行叠加,得到最终的风速预测值。为了验证所提出模型的有效性,将其与其它模型进行实验对比。实验结果表明SWD-Transformer-KAN模型具有最优的预测性能,其决定系数高达99.91%。
摘要：
欠定盲源分离是盲信号处理领域的难题,而其中的混合矩阵估计则是决定超完备独立分量分析和欠定盲分离成功与否的关键步骤.为了提高欠定混合矩阵的估计精度,在单源点检测的基础上,提出一种人工蜂群搜索策略优化的线性聚类分析方法.首先,利用短时傅里叶变换将时域中的观测信号变换到时-频域,并做单源点检测以增强信号的线性聚类特性.然后,基于稀疏的时-频信号,通过对蜂群食物源进行矩阵编码以使人工蜂群算法与欠定盲分离问题无缝地契合;将随机性与确定性的搜索策略相结合以协调蜂群的多样性与聚类算法的收敛速度;在蜂群的局部搜索中引入Levy飞行策略,进一步探索当前最优解的邻域以提高聚类的精度.最后,采用人工蜂群算法产生线性聚类的直线方向向量估计混合矩阵的列向量.通过对音频信号的仿真结果说明:本文所提出的改进人工蜂群搜索策略不仅可提供有效的线性聚类分析,而且极大地提高了欠定混合矩阵的估计精度.
欠定盲源分离是盲信号处理领域的难题,而其中的混合矩阵估计则是决定超完备独立分量分析和欠定盲分离成功与否的关键步骤.为了提高欠定混合矩阵的估计精度,在单源点检测的基础上,提出一种人工蜂群搜索策略优化的线性聚类分析方法.首先,利用短时傅里叶变换将时域中的观测信号变换到时-频域,并做单源点检测以增强信号的线性聚类特性.然后,基于稀疏的时-频信号,通过对蜂群食物源进行矩阵编码以使人工蜂群算法与欠定盲分离问题无缝地契合;将随机性与确定性的搜索策略相结合以协调蜂群的多样性与聚类算法的收敛速度;在蜂群的局部搜索中引入Levy飞行策略,进一步探索当前最优解的邻域以提高聚类的精度.最后,采用人工蜂群算法产生线性聚类的直线方向向量估计混合矩阵的列向量.通过对音频信号的仿真结果说明:本文所提出的改进人工蜂群搜索策略不仅可提供有效的线性聚类分析,而且极大地提高了欠定混合矩阵的估计精度.
摘要：
针对现有的文本图像生成方法存在图像保真度低、图像生成操作难度大、仅适用于特定的任务场景等问题，提出一种新型的基于扩散模型的文本生成图像方法。该方法将目前主流的扩散模型作为主要网络，设计一种新型结构的残差块，有效的提升模型生成性能，添加CBAM(Convolutional Block Attention Module)注意力模块来改进噪声估计网络，增强了模型对图像关键信息的提取能力，进一步提高生成图像质量，最后结合条件控制网络，有效的实现了特定姿势的文本图像生成。与领先方法KNN-Diffsuion、CogView2、textStyleGAN、simplediffusion在数据集上CelebA-HQ做了定性定量分析以及消融实验。根据评价指标以及生成结果显示，方法能够有效的提高文本生成图像的质量，FID平均下降了36.4%，IS和结构相似性平均提高了11.4%和3.9%，结合的条件控制网络，实现了定向动作的文本图像生成任务。
针对现有的文本图像生成方法存在图像保真度低、图像生成操作难度大、仅适用于特定的任务场景等问题，提出一种新型的基于扩散模型的文本生成图像方法。该方法将目前主流的扩散模型作为主要网络，设计一种新型结构的残差块，有效的提升模型生成性能，添加CBAM(Convolutional Block Attention Module)注意力模块来改进噪声估计网络，增强了模型对图像关键信息的提取能力，进一步提高生成图像质量，最后结合条件控制网络，有效的实现了特定姿势的文本图像生成。与领先方法KNN-Diffsuion、CogView2、textStyleGAN、simplediffusion在数据集上CelebA-HQ做了定性定量分析以及消融实验。根据评价指标以及生成结果显示，方法能够有效的提高文本生成图像的质量，FID平均下降了36.4%，IS和结构相似性平均提高了11.4%和3.9%，结合的条件控制网络，实现了定向动作的文本图像生成任务。
摘要：
由于湿地类别多样且结构复杂，湿地遥感分类识别极具挑战。为了快速、准确地遥感识别湿地类型，本文以皖江洪水调蓄区为研究区，基于Sentinel-2影像获取的光谱特征、植被和水体指数特征以及纹理特征构建样本集，引入深度学习压缩-激发与残差网络（SE_ResNet）模型开展湿地类型遥感识别研究。结果显示，SE_ResNet模型湿地类型识别显著优于传统监督分类最大似然法和机器学习随机森林法，总体精度分别提高19.00个百分点和10.25个百分点，达到了94%，Kappa系数达到0.90。SE_ResNet模型可以精细识别出不同湿地类型，特别是河流湿地、洪泛平原湿地和淡水湖湿地，识别结果比全球30m湿地数据产品（GWL_FCS30）和湖泊型流域自然-人文综合数据集（CODCLAB）更为精细和准确。
由于湿地类别多样且结构复杂，湿地遥感分类识别极具挑战。为了快速、准确地遥感识别湿地类型，本文以皖江洪水调蓄区为研究区，基于Sentinel-2影像获取的光谱特征、植被和水体指数特征以及纹理特征构建样本集，引入深度学习压缩-激发与残差网络（SE_ResNet）模型开展湿地类型遥感识别研究。结果显示，SE_ResNet模型湿地类型识别显著优于传统监督分类最大似然法和机器学习随机森林法，总体精度分别提高19.00个百分点和10.25个百分点，达到了94%，Kappa系数达到0.90。SE_ResNet模型可以精细识别出不同湿地类型，特别是河流湿地、洪泛平原湿地和淡水湖湿地，识别结果比全球30m湿地数据产品（GWL_FCS30）和湖泊型流域自然-人文综合数据集（CODCLAB）更为精细和准确。
摘要：
有效波高（Significant Wave Height, SWH）具有复杂的非线性动态特性，这使得对其精确预测成为一大挑战。时频分解技术是处理复杂非线性的有效手段，但现有方法未考虑SWH分解后分量的不同时频特性。因此，本文利用排列熵将集成经验模态分解（Ensemble Empirical Mode Decomposition, EEMD）后得到的SWH分量分为高、低频两类，根据其各自特性构建优化的长短时记忆网络-时间卷积网络(Long Short-Term Memory-Temporal Convolutional Network, LSTM-TCN）双通道时间特征提取模块。并考虑到不同分量预测值对最终SWH预测结果的影响不同，引入贝叶斯模型平均法（Bayesian Model Averaging, BMA）进行权重分配。最终，本文提出了基于优化深度学习的SWH双通道混合预测模型。实验结果表明，与现有最先进的模型相比，该模型在1、3、6、12小时的SWH预测中，评价指标RMSE、MAE和MAPE显著降低，具备较好的精度和稳定性。
有效波高（Significant Wave Height, SWH）具有复杂的非线性动态特性，这使得对其精确预测成为一大挑战。时频分解技术是处理复杂非线性的有效手段，但现有方法未考虑SWH分解后分量的不同时频特性。因此，本文利用排列熵将集成经验模态分解（Ensemble Empirical Mode Decomposition, EEMD）后得到的SWH分量分为高、低频两类，根据其各自特性构建优化的长短时记忆网络-时间卷积网络(Long Short-Term Memory-Temporal Convolutional Network, LSTM-TCN）双通道时间特征提取模块。并考虑到不同分量预测值对最终SWH预测结果的影响不同，引入贝叶斯模型平均法（Bayesian Model Averaging, BMA）进行权重分配。最终，本文提出了基于优化深度学习的SWH双通道混合预测模型。实验结果表明，与现有最先进的模型相比，该模型在1、3、6、12小时的SWH预测中，评价指标RMSE、MAE和MAPE显著降低，具备较好的精度和稳定性。
摘要：
手腕是人体最灵活的部位之一，通过对表面肌电信号（Surface Electromyography, sEMG）进行分解能够有效地解码出人体运动的深层次神经驱动。目前关于手腕力矩的研究基本都集中在等长收缩下，动态下的神经驱动解码依然需要大量研究。本文研究了手腕在不同阻力下运动时的运动单元（Motor Unit, MU）分解，具体来说，本文通过磁流变阻尼器来设置不同的阻力水平，将采集到的完整肌电信号划分成运动单元动作电位（Motor Unit Action Potential, MUAP）变化微小的短区间，再在每个短区间上使用静态分解算法来获得运动单元尖峰序列（Motor Unit Spike Train, MUST），并通过短区间的重叠部分来对MU进行追踪，从而得到完整的发放序列。本文研究了在20% 最大自愿收缩力（Maximum Voluntary Contraction, MVC）、40% MVC、60% MVC三种阻力下，腕部伸展和屈曲时的运动单元分解。结果表明，三种阻力下，本文的动态分解算法能够有效地从小臂肌电信号中分解出MU，随着阻力的增加，分解出的MU数目有所下降。手腕伸展过程最多能分解出10±1个MU，脉冲信噪比（Pulse-to-noise Ratio, PNR）和轮廓系数（Silhouette Coefficient, SIL）分别能够达到19.87±1.42dB和0.91±0.03，屈曲过程最多能分解出22±3个MU，PNR和SIL值分别能够达到20.69±2.14dB和0.92±0.03。本研究表明不同阻力下对手腕运动的肌电信号进行神经解码是可行的，对高密度肌电的动态应用有着重要意义。
手腕是人体最灵活的部位之一，通过对表面肌电信号（Surface Electromyography, sEMG）进行分解能够有效地解码出人体运动的深层次神经驱动。目前关于手腕力矩的研究基本都集中在等长收缩下，动态下的神经驱动解码依然需要大量研究。本文研究了手腕在不同阻力下运动时的运动单元（Motor Unit, MU）分解，具体来说，本文通过磁流变阻尼器来设置不同的阻力水平，将采集到的完整肌电信号划分成运动单元动作电位（Motor Unit Action Potential, MUAP）变化微小的短区间，再在每个短区间上使用静态分解算法来获得运动单元尖峰序列（Motor Unit Spike Train, MUST），并通过短区间的重叠部分来对MU进行追踪，从而得到完整的发放序列。本文研究了在20% 最大自愿收缩力（Maximum Voluntary Contraction, MVC）、40% MVC、60% MVC三种阻力下，腕部伸展和屈曲时的运动单元分解。结果表明，三种阻力下，本文的动态分解算法能够有效地从小臂肌电信号中分解出MU，随着阻力的增加，分解出的MU数目有所下降。手腕伸展过程最多能分解出10±1个MU，脉冲信噪比（Pulse-to-noise Ratio, PNR）和轮廓系数（Silhouette Coefficient, SIL）分别能够达到19.87±1.42dB和0.91±0.03，屈曲过程最多能分解出22±3个MU，PNR和SIL值分别能够达到20.69±2.14dB和0.92±0.03。本研究表明不同阻力下对手腕运动的肌电信号进行神经解码是可行的，对高密度肌电的动态应用有着重要意义。
摘要：
电氢能源系统能够实现电能和氢能的互联,是消纳间歇性可再生能源发电、实现双碳目标的重要措施。同时,长周期储氢系统由于能够补偿可再生能源的中长期波动而引发广泛关注。然而,由于涉及电氢能源系统的优化规划模型需要覆盖长周期储氢的完整充放周期,通常受到模型复杂度的限制。因此,本文提出了一种基于自适应时序聚合的电氢能源系统风险防御规划方法。首先,根据可再生能源和负荷需求的预测值,设计自适应时序聚合算法,降低运行模拟的变量维度；其次,引入条件风险价值理论,采用多元高斯分布对可再生能源和电负荷波动进行建模,用于量化系统潜在的运行风险；最后,兼顾系统投资和运行成本,以年化总成本最小化为优化目标,构建基于自适应时序聚合的电氢能源系统优化规划模型。算例结果表明,本文所提方法能够同时考虑长/短周期储氢的调节能力以及潜在运行风险,提升了系统风险防御能力并且有效平衡了系统潜在运行风险和投资成本。
电氢能源系统能够实现电能和氢能的互联,是消纳间歇性可再生能源发电、实现双碳目标的重要措施。同时,长周期储氢系统由于能够补偿可再生能源的中长期波动而引发广泛关注。然而,由于涉及电氢能源系统的优化规划模型需要覆盖长周期储氢的完整充放周期,通常受到模型复杂度的限制。因此,本文提出了一种基于自适应时序聚合的电氢能源系统风险防御规划方法。首先,根据可再生能源和负荷需求的预测值,设计自适应时序聚合算法,降低运行模拟的变量维度；其次,引入条件风险价值理论,采用多元高斯分布对可再生能源和电负荷波动进行建模,用于量化系统潜在的运行风险；最后,兼顾系统投资和运行成本,以年化总成本最小化为优化目标,构建基于自适应时序聚合的电氢能源系统优化规划模型。算例结果表明,本文所提方法能够同时考虑长/短周期储氢的调节能力以及潜在运行风险,提升了系统风险防御能力并且有效平衡了系统潜在运行风险和投资成本。
摘要：
随着车联网技术的快速发展，边缘计算在车联网信息处理应用中的作用日益增强。然而，车联网中车辆设备的计算资源和存储能力有限，而车辆需要处理大量数据和复杂的计算任务，如何高效利用边缘计算资源是一个重要问题，单一的卸载方式可能无法满足场景的需求，需要考虑多种卸载方式的协同，以提高系统的整体性能和灵活性。针对以上挑战，提出了一种基于深度强化学习的多方式协同车联网边缘计算任务卸载方案。通过采用车辆对车辆（Vehicle to Vehicle,V2V）、车辆对车辆联盟（Vehicle to Vehicle Alliance,V2A）、车辆对路侧单元（Vehicle to Roadside Unit, V2R）以及路侧单元对基站(Roadside Unit to Base Station, R2B)等通信方式，实现了对计算密度大和时延要求高的任务的协同处理。为应对动态网络环境的复杂性，利用马尔可夫决策过程(Markov Decision Process，MDP）进行问题建模与优化，并引入深度强化学习来处理连续动作和状态空间。特别地，提出了MCTO算法，该算法能够高效适应车联网的动态环境，显著降低了整个车联网系统的时延。仿真结果表明，提出的MCTO算法具有良好的收敛性，并且在系统时延方面，相比其他强化学习算法有显著提升，整体性能提高了28.67%。
随着车联网技术的快速发展，边缘计算在车联网信息处理应用中的作用日益增强。然而，车联网中车辆设备的计算资源和存储能力有限，而车辆需要处理大量数据和复杂的计算任务，如何高效利用边缘计算资源是一个重要问题，单一的卸载方式可能无法满足场景的需求，需要考虑多种卸载方式的协同，以提高系统的整体性能和灵活性。针对以上挑战，提出了一种基于深度强化学习的多方式协同车联网边缘计算任务卸载方案。通过采用车辆对车辆（Vehicle to Vehicle,V2V）、车辆对车辆联盟（Vehicle to Vehicle Alliance,V2A）、车辆对路侧单元（Vehicle to Roadside Unit, V2R）以及路侧单元对基站(Roadside Unit to Base Station, R2B)等通信方式，实现了对计算密度大和时延要求高的任务的协同处理。为应对动态网络环境的复杂性，利用马尔可夫决策过程(Markov Decision Process，MDP）进行问题建模与优化，并引入深度强化学习来处理连续动作和状态空间。特别地，提出了MCTO算法，该算法能够高效适应车联网的动态环境，显著降低了整个车联网系统的时延。仿真结果表明，提出的MCTO算法具有良好的收敛性，并且在系统时延方面，相比其他强化学习算法有显著提升，整体性能提高了28.67%。
摘要：
近年来，图像隐写分析算法快速发展，一系列先进的基于深度学习的隐写分析模型不断被提出。然而，现有隐写分析算法无法对图像纹理复杂和纹理平滑区域实现精准权重分配，阻碍了其进一步发展。为了解决隐写分析算法特征提取和分析不稳定的问题，本文提出一种基于复杂度匹配和注意力机制的隐写图像检测算法。首先，利用隐写算法倾向于在纹理复杂区域嵌入的特点，设计复杂度匹配策略，独立提取纹理复杂块和纹理平滑块特征，聚集强隐写信号区域，提高模型对于微弱隐写信号的提取能力；然后，通过卷积注意力分配模块，有效合理分配对于不同图像区域的注意力，提高网络对于重要特征和纹理区域的关注度。实验结果表明，在BOSSBase v1.01和Alaska2两个公开数据集上，相对于现有模型，所提出的算法对多个隐写算法的隐写分析性能均有提升。
近年来，图像隐写分析算法快速发展，一系列先进的基于深度学习的隐写分析模型不断被提出。然而，现有隐写分析算法无法对图像纹理复杂和纹理平滑区域实现精准权重分配，阻碍了其进一步发展。为了解决隐写分析算法特征提取和分析不稳定的问题，本文提出一种基于复杂度匹配和注意力机制的隐写图像检测算法。首先，利用隐写算法倾向于在纹理复杂区域嵌入的特点，设计复杂度匹配策略，独立提取纹理复杂块和纹理平滑块特征，聚集强隐写信号区域，提高模型对于微弱隐写信号的提取能力；然后，通过卷积注意力分配模块，有效合理分配对于不同图像区域的注意力，提高网络对于重要特征和纹理区域的关注度。实验结果表明，在BOSSBase v1.01和Alaska2两个公开数据集上，相对于现有模型，所提出的算法对多个隐写算法的隐写分析性能均有提升。
摘要：
图像内的部分小目标因其具有形状不规则以及边界模糊等特征，在分割处理时常常遭遇诸多挑战，主要包括特征提取困难、边缘细节丢失、噪声干扰显著等。针对以上问题，本文提出一种基于YOLOv8n-seg模型的轻量高效的小目标分割网络LESO-Net。首先，使用可变形卷积网络（DCNv2）替换骨干网络中的C2f模块，以提高对不同形状小目标的特征提取和自适应泛化能力；然后，将大可分离核注意力（LSKA）模块引入到颈部网络中，以提高分割精确度，降低计算复杂度和内存占用；最后，通过对损失函数进行优化，改善类别不平衡和边界框精确度不足的问题。在自建的气泡数据集和SAR公共图像数据集（HRSID）上进行的实验结果表明，改进后的网络LESO-Net与原始YOLOv8n-seg模型相比，精确度分别提高1.2和2.5个百分点，mAP0.5分别提高0.2和1.2个百分点，参数量减少10%，证明所提出的LESO-Net模型具有较好的综合性能，能够满足复杂场景中小目标分割任务的要求。
图像内的部分小目标因其具有形状不规则以及边界模糊等特征，在分割处理时常常遭遇诸多挑战，主要包括特征提取困难、边缘细节丢失、噪声干扰显著等。针对以上问题，本文提出一种基于YOLOv8n-seg模型的轻量高效的小目标分割网络LESO-Net。首先，使用可变形卷积网络（DCNv2）替换骨干网络中的C2f模块，以提高对不同形状小目标的特征提取和自适应泛化能力；然后，将大可分离核注意力（LSKA）模块引入到颈部网络中，以提高分割精确度，降低计算复杂度和内存占用；最后，通过对损失函数进行优化，改善类别不平衡和边界框精确度不足的问题。在自建的气泡数据集和SAR公共图像数据集（HRSID）上进行的实验结果表明，改进后的网络LESO-Net与原始YOLOv8n-seg模型相比，精确度分别提高1.2和2.5个百分点，mAP0.5分别提高0.2和1.2个百分点，参数量减少10%，证明所提出的LESO-Net模型具有较好的综合性能，能够满足复杂场景中小目标分割任务的要求。
摘要：
在金融市场中，黄金期货价格受到多种因素的影响，对其进行准确的预测具有重要的意义。本文融合多源数据提出一种结合LightGBM（Light Gradient Boosting Machine）特征选择方法和LSTM模型的黄金期货价格预测模型。首先，将获取的宏观经济指标和技术指标进行预处理，对非结构化新闻标题数据采用不同方法进行情感倾向标注，进而构建加权情感指数，并将多个关键词的百度搜索指数合并为百度综合搜索指数。其次，分别利用LightGBM方法对宏观经济指标和技术指标进行特征重要性排序，提取关键特征。最后，将筛选后的特征与加权情感指数以及百度综合搜索指数共同作为LSTM预测模型的输入变量。实证结果表明，融合多源数据的LightGBM-LSTM模型预测表现优异，模型预测误差最小，与基准模型相比，能够对黄金期货收盘价作出更准确的预测。
在金融市场中，黄金期货价格受到多种因素的影响，对其进行准确的预测具有重要的意义。本文融合多源数据提出一种结合LightGBM（Light Gradient Boosting Machine）特征选择方法和LSTM模型的黄金期货价格预测模型。首先，将获取的宏观经济指标和技术指标进行预处理，对非结构化新闻标题数据采用不同方法进行情感倾向标注，进而构建加权情感指数，并将多个关键词的百度搜索指数合并为百度综合搜索指数。其次，分别利用LightGBM方法对宏观经济指标和技术指标进行特征重要性排序，提取关键特征。最后，将筛选后的特征与加权情感指数以及百度综合搜索指数共同作为LSTM预测模型的输入变量。实证结果表明，融合多源数据的LightGBM-LSTM模型预测表现优异，模型预测误差最小，与基准模型相比，能够对黄金期货收盘价作出更准确的预测。
摘要：
为进一步提高电动车辆队列行驶的经济性、降低车用动力电池的容量衰减，对某电动货车队列开展了行驶速度规划研究。首先建立了电动货车的单车能耗模型；然后基于此单车能耗模型、固定车头间距的跟车间距策略，以及拟合得到的不同间距下队列中各车的气动阻力系数，建立了队列的能耗模型；接着以队列能量消耗最低为优化目标，以行程时间和道路限速为约束，采用交替方向乘子法（Alternating direction method of multipliers，ADMM）对队列进行了行驶速度规划；最后仿真研究了规划速度对队列行驶能耗和车辆动力电池容量衰减的影响。研究表明，相比于队列按定速巡航与基于坡度加速度的二次规划车速行驶，队列按ADMM规划车速行驶可分别使电动汽车节能9.30%和7.76%，且随着行驶里程的增加，以ADMM规划车速行驶的节能效果愈加明显；车辆队列运行一年后的电池容量衰减将分别下降9.69%和2.54%，即采用ADMM规划车速行驶可以减缓电池的老化速度，且随着时间的推移，在这三种行驶速度下的电池容量衰减差异越来越大。
为进一步提高电动车辆队列行驶的经济性、降低车用动力电池的容量衰减，对某电动货车队列开展了行驶速度规划研究。首先建立了电动货车的单车能耗模型；然后基于此单车能耗模型、固定车头间距的跟车间距策略，以及拟合得到的不同间距下队列中各车的气动阻力系数，建立了队列的能耗模型；接着以队列能量消耗最低为优化目标，以行程时间和道路限速为约束，采用交替方向乘子法（Alternating direction method of multipliers，ADMM）对队列进行了行驶速度规划；最后仿真研究了规划速度对队列行驶能耗和车辆动力电池容量衰减的影响。研究表明，相比于队列按定速巡航与基于坡度加速度的二次规划车速行驶，队列按ADMM规划车速行驶可分别使电动汽车节能9.30%和7.76%，且随着行驶里程的增加，以ADMM规划车速行驶的节能效果愈加明显；车辆队列运行一年后的电池容量衰减将分别下降9.69%和2.54%，即采用ADMM规划车速行驶可以减缓电池的老化速度，且随着时间的推移，在这三种行驶速度下的电池容量衰减差异越来越大。
摘要：
基于对不同眩晕状态下的脑电信号(EEG)解码提出有效的检测方案,有助于研究虚拟现实晕动症的缓解方法。本文采用多元变分模态分解将EEG划分为五个频段,并根据晕动症量表结果将数据划分为不同眩晕状态组,利用PLV方法计算EEG频段内和频段间的功能连接以构建超邻接矩阵,并基于SVM和CNN等模型进行分类识别。研究结果显示,聚类系数、局部效率和加权节点度三种具有显著性差异的拓扑特征融合后,在眩晕vs.非眩晕,高眩晕vs.低眩晕两个任务中的最高平均分类准确率分别为91.70%和96.00%。此外,本文还将超邻接矩阵直接输入CNN模型,在两个任务中得到的平均分类准确率分别达到93.40%和98.50%。结果表明本研究所提方法可用于虚拟现实晕动症的检测,并为进一步研究晕动症对各脑区功能耦合的影响提供了参考。
基于对不同眩晕状态下的脑电信号(EEG)解码提出有效的检测方案,有助于研究虚拟现实晕动症的缓解方法。本文采用多元变分模态分解将EEG划分为五个频段,并根据晕动症量表结果将数据划分为不同眩晕状态组,利用PLV方法计算EEG频段内和频段间的功能连接以构建超邻接矩阵,并基于SVM和CNN等模型进行分类识别。研究结果显示,聚类系数、局部效率和加权节点度三种具有显著性差异的拓扑特征融合后,在眩晕vs.非眩晕,高眩晕vs.低眩晕两个任务中的最高平均分类准确率分别为91.70%和96.00%。此外,本文还将超邻接矩阵直接输入CNN模型,在两个任务中得到的平均分类准确率分别达到93.40%和98.50%。结果表明本研究所提方法可用于虚拟现实晕动症的检测,并为进一步研究晕动症对各脑区功能耦合的影响提供了参考。
摘要：
针对点云语义分割中，传统的图神经网络方法存在监督精度要求高、节点标签传递只能单向、未考虑全局信息等缺陷，本文提出一种基于双向注意力机制的点云语义分割方法。首先，将点云超分割为超点并建立超点图，从而将点云分类问题引入超点图网络框架中。然后，利用双向注意力模块，交替关注超点，根据邻接超点的权重更新超点特征，实现信息的双向传递。与以往的图池化方法不同，本文同时引入最大池化和平均池化，并将池化特征结合。最后，使用公开数据集Semantic3D进行训练和实验。结果表明，本文提出的方法可以有效地对标注误差进行纠正，同时耦合局部特征和长程信息，数据集的平均交互比（mIoU）和总体准确度（oAcc）分别为75.4%和95.1%，相比现有方法体现出更完善的标签传递机制和更高的分类精度。
针对点云语义分割中，传统的图神经网络方法存在监督精度要求高、节点标签传递只能单向、未考虑全局信息等缺陷，本文提出一种基于双向注意力机制的点云语义分割方法。首先，将点云超分割为超点并建立超点图，从而将点云分类问题引入超点图网络框架中。然后，利用双向注意力模块，交替关注超点，根据邻接超点的权重更新超点特征，实现信息的双向传递。与以往的图池化方法不同，本文同时引入最大池化和平均池化，并将池化特征结合。最后，使用公开数据集Semantic3D进行训练和实验。结果表明，本文提出的方法可以有效地对标注误差进行纠正，同时耦合局部特征和长程信息，数据集的平均交互比（mIoU）和总体准确度（oAcc）分别为75.4%和95.1%，相比现有方法体现出更完善的标签传递机制和更高的分类精度。
摘要：
膝关节骨性关节炎常因检查时分类不明确而导致误诊，影响治疗效果，现有的检测方法在检测精度和准确区分病变类别方面表现不佳。针对上述问题本文提出了一种基于YOLOv8改进的膝关节骨性关节炎检测分类算法，旨在提高检测分类的准确性。首先，设计了分布映射模块(V-PENet)，通过对输入的图像进行预处理，将复杂的数据分布，统一映射成简单的数据分布，帮助YOLO网络更好的训练。同时，增添了语义感知模块(PTB)，提升模型上下文感知能力，增强其对全局信息的理解。其次，引入了CA坐标注意力机制，丰富特征信息，进一步增强模型对中尺度目标信息的捕捉能力。最后，采用WIoUv3损失函数替代原有的CIoU损失函数，优化定位精度。与基准模型YOLOv8n相比，准确率提升9.9%，mAP@0.5达到81.2%，mAP0.5:0.95达到64.3%。相较其它检测方法，本文提出的改进模型在准确性上具有显著优势，能够更好的满足膝关节骨性关节炎检测分类的需求。
膝关节骨性关节炎常因检查时分类不明确而导致误诊，影响治疗效果，现有的检测方法在检测精度和准确区分病变类别方面表现不佳。针对上述问题本文提出了一种基于YOLOv8改进的膝关节骨性关节炎检测分类算法，旨在提高检测分类的准确性。首先，设计了分布映射模块(V-PENet)，通过对输入的图像进行预处理，将复杂的数据分布，统一映射成简单的数据分布，帮助YOLO网络更好的训练。同时，增添了语义感知模块(PTB)，提升模型上下文感知能力，增强其对全局信息的理解。其次，引入了CA坐标注意力机制，丰富特征信息，进一步增强模型对中尺度目标信息的捕捉能力。最后，采用WIoUv3损失函数替代原有的CIoU损失函数，优化定位精度。与基准模型YOLOv8n相比，准确率提升9.9%，mAP@0.5达到81.2%，mAP0.5:0.95达到64.3%。相较其它检测方法，本文提出的改进模型在准确性上具有显著优势，能够更好的满足膝关节骨性关节炎检测分类的需求。
摘要：
输电线路是电力系统稳定运行的关键元素，当输电线路发生故障时，如何快速而准确地识别故障原因对电力系统安全稳定运行具有重要意义。针对现有输电线路故障原因辨识方案存在低精确问题，提出一种多源数据融合的输电线路故障原因辨识方法。首先，刻画输电线路不同故障类型的外界干扰因素和数据波形特征，为多源数据输入提供理论支持；其次，利用格拉姆角场及特征编码对故障信息进行预处理，从时序波形、二维图像和离散特征角度构造不同故障类型的特征表达方式；然后，设计了一种自适应边界参数融合长短时记忆神经网络、卷积神经网络和人工神经网络对输电线路故障原因进行辨识分类；最后，通过真实数据对比测试验证了所提方法的有效性和先进性，为完成高精度的输电线路故障原因辨识任务提供可靠解决方案。
输电线路是电力系统稳定运行的关键元素，当输电线路发生故障时，如何快速而准确地识别故障原因对电力系统安全稳定运行具有重要意义。针对现有输电线路故障原因辨识方案存在低精确问题，提出一种多源数据融合的输电线路故障原因辨识方法。首先，刻画输电线路不同故障类型的外界干扰因素和数据波形特征，为多源数据输入提供理论支持；其次，利用格拉姆角场及特征编码对故障信息进行预处理，从时序波形、二维图像和离散特征角度构造不同故障类型的特征表达方式；然后，设计了一种自适应边界参数融合长短时记忆神经网络、卷积神经网络和人工神经网络对输电线路故障原因进行辨识分类；最后，通过真实数据对比测试验证了所提方法的有效性和先进性，为完成高精度的输电线路故障原因辨识任务提供可靠解决方案。
摘要：
针对具有模型不确定性和量化输入的四旋翼飞行器,本文在量化输入下将固定时间命令滤波与反步法相结合,提出了一种新的控制策略。首先,将传统反步法中的虚拟控制信号作为固定时间命令滤波的输入,可以直接得到虚拟控制信号的导数,有效的避免了传统反步法所带来的“微分爆炸”问题,并且设计了滤波误差补偿信号,填补了滤波误差影响系统性能这一缺陷。接着设计了量化参数自适应律,在量化参数先验信息不确定的情况下仍然可以适用。然后,验证了闭环系统中所有信号都是固定时间有界的,并且在固定时间内,四旋翼飞行器的位置和姿态跟踪误差在固定时间内能够到达原点的充分小区域。最后给出了仿真实验,验证了控制方法的可行性和优越性。
针对具有模型不确定性和量化输入的四旋翼飞行器,本文在量化输入下将固定时间命令滤波与反步法相结合,提出了一种新的控制策略。首先,将传统反步法中的虚拟控制信号作为固定时间命令滤波的输入,可以直接得到虚拟控制信号的导数,有效的避免了传统反步法所带来的“微分爆炸”问题,并且设计了滤波误差补偿信号,填补了滤波误差影响系统性能这一缺陷。接着设计了量化参数自适应律,在量化参数先验信息不确定的情况下仍然可以适用。然后,验证了闭环系统中所有信号都是固定时间有界的,并且在固定时间内,四旋翼飞行器的位置和姿态跟踪误差在固定时间内能够到达原点的充分小区域。最后给出了仿真实验,验证了控制方法的可行性和优越性。
摘要：
随着全球能源转型步伐的加快，可再生能源发电比例不断提升，电力系统的波动性与不确定性也随之增加，这对电力系统的灵活调节能力和稳定运行提出了更高要求。针对上述问题，本文全面综述了储能系统（energy storage system, ESS）在辅助新型电力系统运行控制中的关键作用及其优化配置技术。首先，系统梳理了储能系统在电力系统调峰、调频以及电能质量改善等方面的多种应用场景，深入探讨了这些应用场景下储能系统的优化配置策略。其次，对储能优化配置的经济性、可靠性以及稳定性等目标进行了详细的分析研究。然后，对比了不同优化算法（包括线性规划、动态规划、遗传算法、粒子群优化等）的优缺点及适用性。最后，揭示了储能优化配置技术所面临的挑战及未来发展方向。通过分析表明，科学合理的储能资源配置对于提升电力系统的运行效率、稳定性和可靠性至关重要，是推动可再生能源广泛应用和实现智能电网构建目标的关键技术途径。未来，随着新型复合储能技术的发展和智能优化算法的引入，储能优化配置技术有望在新型电力系统的可持续发展中发挥更加突出的作用。
随着全球能源转型步伐的加快，可再生能源发电比例不断提升，电力系统的波动性与不确定性也随之增加，这对电力系统的灵活调节能力和稳定运行提出了更高要求。针对上述问题，本文全面综述了储能系统（energy storage system, ESS）在辅助新型电力系统运行控制中的关键作用及其优化配置技术。首先，系统梳理了储能系统在电力系统调峰、调频以及电能质量改善等方面的多种应用场景，深入探讨了这些应用场景下储能系统的优化配置策略。其次，对储能优化配置的经济性、可靠性以及稳定性等目标进行了详细的分析研究。然后，对比了不同优化算法（包括线性规划、动态规划、遗传算法、粒子群优化等）的优缺点及适用性。最后，揭示了储能优化配置技术所面临的挑战及未来发展方向。通过分析表明，科学合理的储能资源配置对于提升电力系统的运行效率、稳定性和可靠性至关重要，是推动可再生能源广泛应用和实现智能电网构建目标的关键技术途径。未来，随着新型复合储能技术的发展和智能优化算法的引入，储能优化配置技术有望在新型电力系统的可持续发展中发挥更加突出的作用。
摘要：
针对轮胎胎侧压印文字区域受到深色背景干扰，现有算法检测效果较差，无法准确执行检测任务的难题，本文提出了一种改进YOLOv8s的轮胎胎侧压印文字区域检测算法TireYOLO，用于检测轮胎胎侧压印文字区域。首先，提出了一种新的轻量化特征提取模块RepNCSPELAN4_CAA，用于替换YOLOv8s原有的主干网络的C2f模块，通过CAA注意力机制更好的捕捉上下文特征信息，提高了模型的精度的同时降低了计算代价。其次，为了在保持轻量化的同时更好的进行特征融合，采用了一种动态采样的轻量化大感受野特征融合颈部结构DyLKVHSPAN，通过改进HSFPN网络结构，提出了一种高效特征融合网络HSPAN，同时通过Dysample上采样算子进行动态采样，并且提出一种大感受野的特征融合模块UniLKVoVCSP，使DyLKVHSPAN在保持轻量化的同时利用大感受野更好融合特征。最后，提出了一种低计算量检测头DWLHead，重新设计了原有检测头的结构，在降低计算量的基础上提高了检测性能。实验结果表明，与YOLOv8s相比，本文提出的TireYOLO在轮胎胎侧关键信息所在区域目标检测的 mAP@0.5:0.95 上提高了2.5个百分点，在轻量化的效果上，参数量降低了48.4%，计算量降低了49.6% ，证明了本文所提出的算法在检测轮胎侧文字区域方面的优越性。
针对轮胎胎侧压印文字区域受到深色背景干扰，现有算法检测效果较差，无法准确执行检测任务的难题，本文提出了一种改进YOLOv8s的轮胎胎侧压印文字区域检测算法TireYOLO，用于检测轮胎胎侧压印文字区域。首先，提出了一种新的轻量化特征提取模块RepNCSPELAN4_CAA，用于替换YOLOv8s原有的主干网络的C2f模块，通过CAA注意力机制更好的捕捉上下文特征信息，提高了模型的精度的同时降低了计算代价。其次，为了在保持轻量化的同时更好的进行特征融合，采用了一种动态采样的轻量化大感受野特征融合颈部结构DyLKVHSPAN，通过改进HSFPN网络结构，提出了一种高效特征融合网络HSPAN，同时通过Dysample上采样算子进行动态采样，并且提出一种大感受野的特征融合模块UniLKVoVCSP，使DyLKVHSPAN在保持轻量化的同时利用大感受野更好融合特征。最后，提出了一种低计算量检测头DWLHead，重新设计了原有检测头的结构，在降低计算量的基础上提高了检测性能。实验结果表明，与YOLOv8s相比，本文提出的TireYOLO在轮胎胎侧关键信息所在区域目标检测的 mAP@0.5:0.95 上提高了2.5个百分点，在轻量化的效果上，参数量降低了48.4%，计算量降低了49.6% ，证明了本文所提出的算法在检测轮胎侧文字区域方面的优越性。
摘要：
遥感数据的开放共享主要通过数据政策和数据共享服务平台来保障,数据政策决定了哪些数据可以共享,共享平台则是提供数据检索下载的工具。近年来,我国在数据政策制定和共享平台建设上持续发力,极大地促进了以高分专项和空间基础设施为代表的国产民用遥感卫星数据应用。随着遥感业务化应用的不断拓展,国产商业遥感卫星数据需求越来越大,亟需建设民商遥感数据一站式服务平台。本文探讨了国内外遥感数据开放共享服务平台的现状,分析了当前国内外各大商业遥感数据销售平台的检索功能,系统梳理了民商遥感数据一站式服务平台需求,设计了一种技术流程,最后结合陆地观测卫星数据服务平台,提出了遥感数据一站式解决方案的技术流程设计和实现方法,开发实现了平台原型系统,针对公益需求的数据检索应用表明,平台能一站式提供民商数据获取方案。
遥感数据的开放共享主要通过数据政策和数据共享服务平台来保障,数据政策决定了哪些数据可以共享,共享平台则是提供数据检索下载的工具。近年来,我国在数据政策制定和共享平台建设上持续发力,极大地促进了以高分专项和空间基础设施为代表的国产民用遥感卫星数据应用。随着遥感业务化应用的不断拓展,国产商业遥感卫星数据需求越来越大,亟需建设民商遥感数据一站式服务平台。本文探讨了国内外遥感数据开放共享服务平台的现状,分析了当前国内外各大商业遥感数据销售平台的检索功能,系统梳理了民商遥感数据一站式服务平台需求,设计了一种技术流程,最后结合陆地观测卫星数据服务平台,提出了遥感数据一站式解决方案的技术流程设计和实现方法,开发实现了平台原型系统,针对公益需求的数据检索应用表明,平台能一站式提供民商数据获取方案。
摘要：
针对桥梁裂缝识别效率低、实时性差等问题，本文提出一种基于改进YOLOv8模型的桥梁裂缝无人机图像检测方法。首先，将动态蛇形卷积核融入YOLOv8骨干部分中的C2f模块，以增强裂缝特征提取能力；然后，引入CAM模块，提升小目标检测能力；最后，通过优化预测框损失函数，减少了低质量数据集对检测结果的影响。实验结果表明，改进后模型的GFOLPs达到14.4， mAP@50达到94%，较基础模型实现了较大的精度提升，检测速度达到147帧/s，能够满足无人机实时裂缝检测需求。
针对桥梁裂缝识别效率低、实时性差等问题，本文提出一种基于改进YOLOv8模型的桥梁裂缝无人机图像检测方法。首先，将动态蛇形卷积核融入YOLOv8骨干部分中的C2f模块，以增强裂缝特征提取能力；然后，引入CAM模块，提升小目标检测能力；最后，通过优化预测框损失函数，减少了低质量数据集对检测结果的影响。实验结果表明，改进后模型的GFOLPs达到14.4， mAP@50达到94%，较基础模型实现了较大的精度提升，检测速度达到147帧/s，能够满足无人机实时裂缝检测需求。
摘要：
针对车载影像中的道路病害尺寸差异大，小尺度病害多，导致检测精度低的问题，本文提出一种基于YOLOv5s改进的实时车载影像道路病害检测模型VRD-YOLO（Vehicle-mounted-images Road Damage Detection -YOLO）。首先，本文提出了通道混合滑动Transformer模块，增强模型全局上下文建模能力，强化细粒度道路病害语义特征信息提取；其次，引入具有跨层融合和跨尺度融合特性的广义特征金字塔，扩大网络感受野，强化多尺度病害特征融合；再次，设计动态检测头，实现尺度感知、空间感知和任务感知，优化模型特征响应，进一步提升模型的检测性能。最后，构建了车载影像道路病害数据集VIRDD（Vehicle-mounted Images Road Damage Dataset），扩充了现有道路病害数据集数量及类型，并基于该数据集进行消融和对比实验。实验结果表明：VRD-YOLO在VIRDD数据集上获得74.45%mAP@0.5的检测精度的同时检测速度可达到28.56FPS，与YOLOv5s模型相比精确度、召回率、F1分数和平均精度均值分别提升了2.79、2.32、2.54和3.19个百分点。同时，通过与其他六种经典及主流目标检测模型比较，VRD-YOLO以9.68M最少模型参数量获得了最佳的检测精度，验证了本文方法的有效性和优越性。
针对车载影像中的道路病害尺寸差异大，小尺度病害多，导致检测精度低的问题，本文提出一种基于YOLOv5s改进的实时车载影像道路病害检测模型VRD-YOLO（Vehicle-mounted-images Road Damage Detection -YOLO）。首先，本文提出了通道混合滑动Transformer模块，增强模型全局上下文建模能力，强化细粒度道路病害语义特征信息提取；其次，引入具有跨层融合和跨尺度融合特性的广义特征金字塔，扩大网络感受野，强化多尺度病害特征融合；再次，设计动态检测头，实现尺度感知、空间感知和任务感知，优化模型特征响应，进一步提升模型的检测性能。最后，构建了车载影像道路病害数据集VIRDD（Vehicle-mounted Images Road Damage Dataset），扩充了现有道路病害数据集数量及类型，并基于该数据集进行消融和对比实验。实验结果表明：VRD-YOLO在VIRDD数据集上获得74.45%mAP@0.5的检测精度的同时检测速度可达到28.56FPS，与YOLOv5s模型相比精确度、召回率、F1分数和平均精度均值分别提升了2.79、2.32、2.54和3.19个百分点。同时，通过与其他六种经典及主流目标检测模型比较，VRD-YOLO以9.68M最少模型参数量获得了最佳的检测精度，验证了本文方法的有效性和优越性。
摘要：
针对基于表面肌电信号(sEMG)的连续手势识别任务中，存在实时性较差和预测能力不足的问题，提出基于GMM-HMMs和Viterbi回溯的连续手势动作识别方法.采用滑动窗口对8通道肌电信号进行分窗，通过GMM-HMMs模型建立手势的空闲、上升、稳定和下降四个动作状态，提出改进的Viterbi滑动窗口边缘化策略，建立滑动窗口长期约束，实现连续手势动作状态预测.最终引入最大似然法动态阈值模型以区分手势类别.在由8位实验者完成的包含4种手势的12个连续双手势动作任务中，该方法的平均识别率为98.1%，预测时间为71ms，明显优于LSTM模型(94.2%，309ms)和GRU模型(93.8%，300ms)，预测时间显著减少.
针对基于表面肌电信号(sEMG)的连续手势识别任务中，存在实时性较差和预测能力不足的问题，提出基于GMM-HMMs和Viterbi回溯的连续手势动作识别方法.采用滑动窗口对8通道肌电信号进行分窗，通过GMM-HMMs模型建立手势的空闲、上升、稳定和下降四个动作状态，提出改进的Viterbi滑动窗口边缘化策略，建立滑动窗口长期约束，实现连续手势动作状态预测.最终引入最大似然法动态阈值模型以区分手势类别.在由8位实验者完成的包含4种手势的12个连续双手势动作任务中，该方法的平均识别率为98.1%，预测时间为71ms，明显优于LSTM模型(94.2%，309ms)和GRU模型(93.8%，300ms)，预测时间显著减少.
摘要：
摘要: 为了提高神经网络模型预测锂离子电池剩余使用寿命的准确性，本文提出一种基于Attention（注意力机制）-GRU（门控循环单元）模型的预测方法。首先，以美国NASA公开的Random Walk电池数据为基础，在电池电压、电流和时间等直接测量数据中提取与电池容量衰减相关性显著的健康因子，计算健康因子与电池容量之间的相关性；其次，构建Attention-GRU模型学习健康因子变化规律，依据相关性分配注意力权重，得到注意力向量，调整隐藏层输出；最后，对电池剩余使用寿命进行预测，并增加B05系列电池寿命预测探究模型泛化能力。实验结果表明：使用Attention-GRU模型对Random Walk电池预测时，MAE和RMSE在0.015左右，对B05系列电池预测时，MAE和RMSE在0.01以下，预测精度均优于对比方法，具有较高的准确度和良好的泛化能力。
摘要: 为了提高神经网络模型预测锂离子电池剩余使用寿命的准确性，本文提出一种基于Attention（注意力机制）-GRU（门控循环单元）模型的预测方法。首先，以美国NASA公开的Random Walk电池数据为基础，在电池电压、电流和时间等直接测量数据中提取与电池容量衰减相关性显著的健康因子，计算健康因子与电池容量之间的相关性；其次，构建Attention-GRU模型学习健康因子变化规律，依据相关性分配注意力权重，得到注意力向量，调整隐藏层输出；最后，对电池剩余使用寿命进行预测，并增加B05系列电池寿命预测探究模型泛化能力。实验结果表明：使用Attention-GRU模型对Random Walk电池预测时，MAE和RMSE在0.015左右，对B05系列电池预测时，MAE和RMSE在0.01以下，预测精度均优于对比方法，具有较高的准确度和良好的泛化能力。
摘要：
随着多媒体业务及移动网络的迅速发展，为实现智慧城市的数据互联互通，中高点位的监控设备、物联网、AI等技术让城市监控视频的数据采集、上传及整理自动化，有效地对城市安全风险进行主动发现、及时预警及提前干涉。然而，监控视频巨大的数据量给传输网络带来了极大的压力，针对此问题，本文提出一种基于语义特征提取的神经网络模型图像及视频质量增强算法。该算法首先提出了基于语义特征的图像恢复增强框架，然后建立退化模型和重建模型的联合优化。在公开数据集上对所提模型进行验证，并与现有算法进行对比，所提方法相比新型超分辨率算法PULSE（Photo Upsampling via Latent Space Exploration, 潜空间搜索照片升采样）能够实现得分50%的提升，并且和原始高清图像、视频质量得分接近。在用户评价方面，有81%的重建结果被认为优于对比算法，结果表明所提算法具有更高的重构图像和视频质量。
随着多媒体业务及移动网络的迅速发展，为实现智慧城市的数据互联互通，中高点位的监控设备、物联网、AI等技术让城市监控视频的数据采集、上传及整理自动化，有效地对城市安全风险进行主动发现、及时预警及提前干涉。然而，监控视频巨大的数据量给传输网络带来了极大的压力，针对此问题，本文提出一种基于语义特征提取的神经网络模型图像及视频质量增强算法。该算法首先提出了基于语义特征的图像恢复增强框架，然后建立退化模型和重建模型的联合优化。在公开数据集上对所提模型进行验证，并与现有算法进行对比，所提方法相比新型超分辨率算法PULSE（Photo Upsampling via Latent Space Exploration, 潜空间搜索照片升采样）能够实现得分50%的提升，并且和原始高清图像、视频质量得分接近。在用户评价方面，有81%的重建结果被认为优于对比算法，结果表明所提算法具有更高的重构图像和视频质量。
摘要：
准确的电力负荷预测对减少资源浪费、保证电力系统稳定、安全运行起着至关重要的作用。针对负荷数据存在非线性、时序性等多方面因素导致的预测精度不足等问题，提出了一种基于CEEMDAN和HBA-BiGRU-SelfAttention短期负荷预测模型。首先采用随机森林算法对气象因素进行特征提取，在保证数据特征的同时，降低数据的复杂度；其次采用自适应噪声完备集合经验模态分解算法对原始负荷数据进行分解，得到若干较为平稳的模态分量；然后将经过特征提取的气象因素和模态分量作为输入数据，利用BiGRU-SelfAttention模型进行预测，针对BiGRU-SelfAttention模型的超参数难以选取最优解的问题，引入蜜獾算法对BiGRU-SelfAttention模型的超参数进行寻优；最后，将子序列预测结果叠加，得到最终预测结果。以某地实际负荷数据为数据集进行对比试验，验证了该模型具有较高的预测精度，可以为电力系统稳定运行提供可靠依据。
准确的电力负荷预测对减少资源浪费、保证电力系统稳定、安全运行起着至关重要的作用。针对负荷数据存在非线性、时序性等多方面因素导致的预测精度不足等问题，提出了一种基于CEEMDAN和HBA-BiGRU-SelfAttention短期负荷预测模型。首先采用随机森林算法对气象因素进行特征提取，在保证数据特征的同时，降低数据的复杂度；其次采用自适应噪声完备集合经验模态分解算法对原始负荷数据进行分解，得到若干较为平稳的模态分量；然后将经过特征提取的气象因素和模态分量作为输入数据，利用BiGRU-SelfAttention模型进行预测，针对BiGRU-SelfAttention模型的超参数难以选取最优解的问题，引入蜜獾算法对BiGRU-SelfAttention模型的超参数进行寻优；最后，将子序列预测结果叠加，得到最终预测结果。以某地实际负荷数据为数据集进行对比试验，验证了该模型具有较高的预测精度，可以为电力系统稳定运行提供可靠依据。
摘要：
为了实现在非结构化环境中的自主导航,无人车需要对地面进行可通行性分析。当前有基于激光雷达和视觉的方法对环境进行可通行性分析,但激光雷达方案受点云稀疏和成本高的限制,传统视觉方案无法有效捕捉和表达场景的三维空间状况。针对这些挑战,本文首次提出基于占据预测(Occupancy Prediction)的非结构化环境可通行性分析方法WildOcc。WildOcc从单目RGB图像提取多尺度特征,将3D占据标签投影到图像中,本文提出道路注意力机制融合信息,得到3D特征后,再经过解码器和语义分割头输出可通行区域。为了准确估计环境的三维可通行性,WildOcc使用3D占据标签进行监督；由于非结构化环境点云数据的稀疏性,本文设计了数据增强模块生成稠密占据标签(Dense Label Generate,DLG),提高监督结果的准确性本文。基于DLG模块制作了首个非结构化环境下占据预测的数据集Occ-Traversability,在该数据集上进行的综合实验表明,相对于为结构化环境设计的占据预测方法,WildOcc平均交并比(mean Intersection over Union,mIoU)提升1%；同时,DLG模块使mIoU提升0.7%,有效提升了预测的准确性。
为了实现在非结构化环境中的自主导航,无人车需要对地面进行可通行性分析。当前有基于激光雷达和视觉的方法对环境进行可通行性分析,但激光雷达方案受点云稀疏和成本高的限制,传统视觉方案无法有效捕捉和表达场景的三维空间状况。针对这些挑战,本文首次提出基于占据预测(Occupancy Prediction)的非结构化环境可通行性分析方法WildOcc。WildOcc从单目RGB图像提取多尺度特征,将3D占据标签投影到图像中,本文提出道路注意力机制融合信息,得到3D特征后,再经过解码器和语义分割头输出可通行区域。为了准确估计环境的三维可通行性,WildOcc使用3D占据标签进行监督；由于非结构化环境点云数据的稀疏性,本文设计了数据增强模块生成稠密占据标签(Dense Label Generate,DLG),提高监督结果的准确性本文。基于DLG模块制作了首个非结构化环境下占据预测的数据集Occ-Traversability,在该数据集上进行的综合实验表明,相对于为结构化环境设计的占据预测方法,WildOcc平均交并比(mean Intersection over Union,mIoU)提升1%；同时,DLG模块使mIoU提升0.7%,有效提升了预测的准确性。
摘要：
在真实的工业物联网环境中，传感器信号常受外界噪声干扰，难以获取纯净数据，这影响了基于数据驱动的时间序列预测任务的准确性。为此，本文提出了一种新型时间序列预测框架，结合改进的对比盲去噪自编码器（Contrast Blind Denoising Autoencoder, CBDMAE）和TCN-Transformer网络，称为MoCo-CBDAE-TCN-Transformer。该框架通过引入额外的动量编码器、动态队列和信息噪声对比估计（Information Noise-Contrastive Estimation, InfoNCE）正则化，增强了对时间序列数据动态特征的捕捉能力，并有效利用历史负样本信息。在无需噪声先验知识和传感器纯净数据的前提下，通过捕捉和对比时间相关性和噪声特征，实现传感器数据的盲去噪。去噪后的数据通过TCN-Transformer网络进行时间序列预测，该网络结合了残差连接和膨胀卷积的优势以及Transformer的注意力机制，显著提高了预测的准确性和效率。最后，在公开的四缸过程数据集上进行仿真验证，实验结果表明，与传统的去噪方法和时间序列预测模型相比，本文设计的模型能够获得更好的去噪效果和更高的预测精度，其实时处理能力适合部署在实际的工业环境中，为工业物联网中的数据处理和分析提供了一种有效的技术方案。。
在真实的工业物联网环境中，传感器信号常受外界噪声干扰，难以获取纯净数据，这影响了基于数据驱动的时间序列预测任务的准确性。为此，本文提出了一种新型时间序列预测框架，结合改进的对比盲去噪自编码器（Contrast Blind Denoising Autoencoder, CBDMAE）和TCN-Transformer网络，称为MoCo-CBDAE-TCN-Transformer。该框架通过引入额外的动量编码器、动态队列和信息噪声对比估计（Information Noise-Contrastive Estimation, InfoNCE）正则化，增强了对时间序列数据动态特征的捕捉能力，并有效利用历史负样本信息。在无需噪声先验知识和传感器纯净数据的前提下，通过捕捉和对比时间相关性和噪声特征，实现传感器数据的盲去噪。去噪后的数据通过TCN-Transformer网络进行时间序列预测，该网络结合了残差连接和膨胀卷积的优势以及Transformer的注意力机制，显著提高了预测的准确性和效率。最后，在公开的四缸过程数据集上进行仿真验证，实验结果表明，与传统的去噪方法和时间序列预测模型相比，本文设计的模型能够获得更好的去噪效果和更高的预测精度，其实时处理能力适合部署在实际的工业环境中，为工业物联网中的数据处理和分析提供了一种有效的技术方案。。
摘要：
采用原位生成法制备了Bi2O2CO3/Bi4Ti3O12复合异质结光催化剂，通过一系列表征手段，研究了所制备材料的晶体结构、微观形貌、元素组成和光电性能。通过在可见光下降解抗生素氧氟沙星，研究了所制备光催化剂的降解活性。实验结果表明，复合光催化剂的降解活性优于单一组分光催化剂，其中最佳复合样品BTC-2的表观速率常数为纯Bi2O2CO3和Bi4Ti3O12的6.3倍和2.2倍。4次循环实验说明复合样品有着良好的稳定性。根据电化学测试结果得知，BOC/BTO复合光催化剂有着良好的光生载流子分离效率和优秀的电荷迁移效率，所以对氧氟沙星展现出良好的降解活性。自由基捕获实验说明光催化实验中BOC/BTO复合的主要活性物种是空穴和超氧自由基。此外，通过自由基捕获实验和能带理论，提出了电荷转移路径和提高活性的机理。
采用原位生成法制备了Bi2O2CO3/Bi4Ti3O12复合异质结光催化剂，通过一系列表征手段，研究了所制备材料的晶体结构、微观形貌、元素组成和光电性能。通过在可见光下降解抗生素氧氟沙星，研究了所制备光催化剂的降解活性。实验结果表明，复合光催化剂的降解活性优于单一组分光催化剂，其中最佳复合样品BTC-2的表观速率常数为纯Bi2O2CO3和Bi4Ti3O12的6.3倍和2.2倍。4次循环实验说明复合样品有着良好的稳定性。根据电化学测试结果得知，BOC/BTO复合光催化剂有着良好的光生载流子分离效率和优秀的电荷迁移效率，所以对氧氟沙星展现出良好的降解活性。自由基捕获实验说明光催化实验中BOC/BTO复合的主要活性物种是空穴和超氧自由基。此外，通过自由基捕获实验和能带理论，提出了电荷转移路径和提高活性的机理。
摘要：
在少样本学习场景中，模型无关的元学习（Model-Agnostic Meta-Learning，MAML）以其独立于特定基模型的灵活性和适用性而闻名。然而，MAML及其变体缺少对任务特定的特征（如特征通道）进行适应性调整，它们依赖全局初始参数，固定内环步数，训练过程缺乏可解释性。本文提出一种使用逻辑回归和通道注意力的快速可解释且自适应的方法（Meta-Learning with Logistic Regression and Channel Attention, ML-LRCA），目标是通过适应性调整任务特定的通道权重和利用逻辑回归快速适应任务自适应损失函数来增强框架的自适应性和可解释性。通过在多个开源数据集上开展少样本分类、跨域少样本分类和少样本回归实验，结果表明本文提出的ML-LRCA方法性能提升较高。
在少样本学习场景中，模型无关的元学习（Model-Agnostic Meta-Learning，MAML）以其独立于特定基模型的灵活性和适用性而闻名。然而，MAML及其变体缺少对任务特定的特征（如特征通道）进行适应性调整，它们依赖全局初始参数，固定内环步数，训练过程缺乏可解释性。本文提出一种使用逻辑回归和通道注意力的快速可解释且自适应的方法（Meta-Learning with Logistic Regression and Channel Attention, ML-LRCA），目标是通过适应性调整任务特定的通道权重和利用逻辑回归快速适应任务自适应损失函数来增强框架的自适应性和可解释性。通过在多个开源数据集上开展少样本分类、跨域少样本分类和少样本回归实验，结果表明本文提出的ML-LRCA方法性能提升较高。
摘要：
针对传统卷积神经网络对冲击回波信号频谱图像进行分类时，面临卷积神经网络特征提取能力不足和数据集类别不平衡的问题，提出一种基于多尺度注意力和空间通道重构卷积的神经网络模型（Multi-scale Hybrid Attention And Spatial Channel Reconstruction Convolutional Neural Networks，MHA-SCConvNet）。首先设计了多尺度混合注意力(Multi-scale Hybrid Attention，MHA)模块，用于提取不同尺度的频谱图像特征并增强模型对频谱波形关键信息的关注力度。其次，引入空间通道重构卷积(Spatial and Channel reconstruction Convolution，SCConv)模块，通过优化图像特征的表示来降低特征冗余。最后，提出了新的混合损失函数-梯度与分布协调边距损失（Gradient and Distribution Harmonized Margin Loss，GDHM Loss) ，该损失函数在动态情况下同时考虑难分类样本和少数类样本。在自建的数据集上进行了训练与测试，并与AlexNet、VGGNet、GoogLeNet等分类模型对比，MHA-SCConvNet准确率达到94.58%。实验结果表明，MHA-SCConvNet模型能够有效提高冲击回波信号频谱图像分类的准确率和效率。
针对传统卷积神经网络对冲击回波信号频谱图像进行分类时，面临卷积神经网络特征提取能力不足和数据集类别不平衡的问题，提出一种基于多尺度注意力和空间通道重构卷积的神经网络模型（Multi-scale Hybrid Attention And Spatial Channel Reconstruction Convolutional Neural Networks，MHA-SCConvNet）。首先设计了多尺度混合注意力(Multi-scale Hybrid Attention，MHA)模块，用于提取不同尺度的频谱图像特征并增强模型对频谱波形关键信息的关注力度。其次，引入空间通道重构卷积(Spatial and Channel reconstruction Convolution，SCConv)模块，通过优化图像特征的表示来降低特征冗余。最后，提出了新的混合损失函数-梯度与分布协调边距损失（Gradient and Distribution Harmonized Margin Loss，GDHM Loss) ，该损失函数在动态情况下同时考虑难分类样本和少数类样本。在自建的数据集上进行了训练与测试，并与AlexNet、VGGNet、GoogLeNet等分类模型对比，MHA-SCConvNet准确率达到94.58%。实验结果表明，MHA-SCConvNet模型能够有效提高冲击回波信号频谱图像分类的准确率和效率。
摘要：
本研究通过测量语音相关的脑电信号变化来研究人脑对于标准语料的反应趋势。有16名被测者分别聆听了120条标准语音,每条8秒钟,语音之间有1-2秒的间隔且随机播放。提取被测者在聆听过程中的脑电信号,对1-40Hz频段的脑电信号进行预处理并将其与语音信号进行分析比对。结果显示被测者听到相同标准语音时,有相同的脑电反应趋势。此外,本文还通过相锁值方法对脑电信号和语音信号进行相位差分析,证明了脑电信号与语音质量之间的功能连接性,并且脑电信号能正确区分语音质量的正确率达到99.62%。
本研究通过测量语音相关的脑电信号变化来研究人脑对于标准语料的反应趋势。有16名被测者分别聆听了120条标准语音,每条8秒钟,语音之间有1-2秒的间隔且随机播放。提取被测者在聆听过程中的脑电信号,对1-40Hz频段的脑电信号进行预处理并将其与语音信号进行分析比对。结果显示被测者听到相同标准语音时,有相同的脑电反应趋势。此外,本文还通过相锁值方法对脑电信号和语音信号进行相位差分析,证明了脑电信号与语音质量之间的功能连接性,并且脑电信号能正确区分语音质量的正确率达到99.62%。
摘要：
针对在室内动态环境中，传统视觉SLAM算法受到大量无意义信息的影响，导致定位精度下降、鲁棒性差的问题，提出一种基于YOLOv8的室内动态场景视觉SLAM——PLYO-SLAM算法。该算法在ORB-SLAM3算法跟踪线程引入ED Lines线段检测算法，并新增动态区域检测线程。动态区域检测线程由YOLOv8n-seg实例分割网络组成，实例分割赋予动态场景语义信息并生成动态掩码，同时剔除动态区域点线特征，利用几何约束进一步过滤分割掩码外缺失的动态点特征。使用公开数据集TUM进行实验验证，结果表明，相较于ORB-SLAM3算法，PLYO-SLAM算法在动态环境下的定位精度平均提高了75.99%，最高达到96.75%。
针对在室内动态环境中，传统视觉SLAM算法受到大量无意义信息的影响，导致定位精度下降、鲁棒性差的问题，提出一种基于YOLOv8的室内动态场景视觉SLAM——PLYO-SLAM算法。该算法在ORB-SLAM3算法跟踪线程引入ED Lines线段检测算法，并新增动态区域检测线程。动态区域检测线程由YOLOv8n-seg实例分割网络组成，实例分割赋予动态场景语义信息并生成动态掩码，同时剔除动态区域点线特征，利用几何约束进一步过滤分割掩码外缺失的动态点特征。使用公开数据集TUM进行实验验证，结果表明，相较于ORB-SLAM3算法，PLYO-SLAM算法在动态环境下的定位精度平均提高了75.99%，最高达到96.75%。
摘要：
检测温室气体羽流是碳排放监测的关键任务，目前相关算法中，对羽流边缘细节的分割精度还有提升空间。为此，本文提出一种基于多尺度注意力机制的羽流检测网络（MAPDNet）。首先，本文提出了多尺度池化条带卷积模块（MPSCM），补偿编码器降采样操作中稀释的高级语义信息，增强主要的羽流轮廓信息，减少细节信息的丢失。然后，关系注意力模块（RAM）建立了特征之间的全局信息与局部信息交互，增强有用特征，降低特征图中冗余信息的比例，提高模型的分割精度。此外，本文还提出了上下文特征融合模块（CFFM）以便网络更好地理解上下文特征的信息，在恢复图像分辨率的同时，较好地将特征对齐，恢复空间位置信息。最后，边界增强模块（BEM）实现端到端训练，增强输出分割边界的细节，进一步提高分割精度。实验结果表明，MAPDNet模型能够从XCO2羽流图像中检测碳羽流，并在模拟羽流数据集上具有良好的分割性能，其分割精度优于现有方法。
检测温室气体羽流是碳排放监测的关键任务，目前相关算法中，对羽流边缘细节的分割精度还有提升空间。为此，本文提出一种基于多尺度注意力机制的羽流检测网络（MAPDNet）。首先，本文提出了多尺度池化条带卷积模块（MPSCM），补偿编码器降采样操作中稀释的高级语义信息，增强主要的羽流轮廓信息，减少细节信息的丢失。然后，关系注意力模块（RAM）建立了特征之间的全局信息与局部信息交互，增强有用特征，降低特征图中冗余信息的比例，提高模型的分割精度。此外，本文还提出了上下文特征融合模块（CFFM）以便网络更好地理解上下文特征的信息，在恢复图像分辨率的同时，较好地将特征对齐，恢复空间位置信息。最后，边界增强模块（BEM）实现端到端训练，增强输出分割边界的细节，进一步提高分割精度。实验结果表明，MAPDNet模型能够从XCO2羽流图像中检测碳羽流，并在模拟羽流数据集上具有良好的分割性能，其分割精度优于现有方法。
摘要：
针对无人驾驶车辆在特殊行驶工况（冰雪路面、雨天路面、高速换道）下路径跟踪控制精度差的问题，本文设计了一种基于鲸鱼优化算法（WOA，Whale Optimization Algorithm）的LQR控制器（WOA-LQR）。首先，基于二自由度车辆动力学模型建立了跟踪误差模型，以此为基础设计了离散LQR控制器，并采用前馈控制消除由于系统简化带来的误差。同时，为解决固定权重系数下的LQR控制器对特殊行驶工况适应性差导致跟踪精度低、车辆失稳的问题，在以横向误差、航向角误差作为评价指标的基础上，考虑了车辆侧向加速度和前轮转角对车辆维持稳定的影响，并对评价指标设定相应的权重系数，设计了目标值最小的适应度函数，以此提出了基于鲸鱼算法优化的LQR自适应权重系数调节策略。最后，通过Carsim/Simulink 联合仿真对WOA-LQR控制器在不同工况下进行路径跟踪仿真实验。结果表明：本文提出的控制策略在复杂行驶工况下有着良好的跟踪效果，显著提升了车辆在路径跟踪过程中的控制精度，具有较强的鲁棒性。
针对无人驾驶车辆在特殊行驶工况（冰雪路面、雨天路面、高速换道）下路径跟踪控制精度差的问题，本文设计了一种基于鲸鱼优化算法（WOA，Whale Optimization Algorithm）的LQR控制器（WOA-LQR）。首先，基于二自由度车辆动力学模型建立了跟踪误差模型，以此为基础设计了离散LQR控制器，并采用前馈控制消除由于系统简化带来的误差。同时，为解决固定权重系数下的LQR控制器对特殊行驶工况适应性差导致跟踪精度低、车辆失稳的问题，在以横向误差、航向角误差作为评价指标的基础上，考虑了车辆侧向加速度和前轮转角对车辆维持稳定的影响，并对评价指标设定相应的权重系数，设计了目标值最小的适应度函数，以此提出了基于鲸鱼算法优化的LQR自适应权重系数调节策略。最后，通过Carsim/Simulink 联合仿真对WOA-LQR控制器在不同工况下进行路径跟踪仿真实验。结果表明：本文提出的控制策略在复杂行驶工况下有着良好的跟踪效果，显著提升了车辆在路径跟踪过程中的控制精度，具有较强的鲁棒性。
摘要：
准确识别茶芽图像需要克服茶芽颜色与背景相似且目标尺寸小的问题，为此提出一种应用于茶芽检测的基于混合注意力机制的YOLOv5s模型。首先，提出一种混合注意力机制(HAM)并将其加入到YOLOv5s主干网络中，使网络能够专注于目标区域，更加充分地提取特征，提高模型识别物体的准确性。然后，引入归一化瓦瑟斯坦距离(NWD)作为新的度量指标，并与原有的CIoU损失函数相结合。NWD损失函数通过边界框对应的高斯分布来计算它们之间的相似性，从而提高模型对图像中小目标的检测精度。实验结果表明，与原YOLOv5s模型相比，改进后模型的mAP0.5提高0.9%，mAP0.5:0.95提高1.3%，而参数量仅仅增加0.044×106。这些结果验证了本文所提出的方法在茶芽检测方面的有效性。
准确识别茶芽图像需要克服茶芽颜色与背景相似且目标尺寸小的问题，为此提出一种应用于茶芽检测的基于混合注意力机制的YOLOv5s模型。首先，提出一种混合注意力机制(HAM)并将其加入到YOLOv5s主干网络中，使网络能够专注于目标区域，更加充分地提取特征，提高模型识别物体的准确性。然后，引入归一化瓦瑟斯坦距离(NWD)作为新的度量指标，并与原有的CIoU损失函数相结合。NWD损失函数通过边界框对应的高斯分布来计算它们之间的相似性，从而提高模型对图像中小目标的检测精度。实验结果表明，与原YOLOv5s模型相比，改进后模型的mAP0.5提高0.9%，mAP0.5:0.95提高1.3%，而参数量仅仅增加0.044×106。这些结果验证了本文所提出的方法在茶芽检测方面的有效性。
摘要：
自动导引运输车在行驶过程中不但需要躲避静态障碍物，而且同时需要躲避移动障碍物，而常用的动态窗口局部路径规划算法，在此类情况下的避障成功率和避障效率均难以满足实际需要，为此，本文结合层次分析法提出一种新的自适应动态窗口局部路径规划算法。首先，使用层次分析法计算动态窗口算法中权重因子的值；然后，提出一种碰撞安全指标来评价当前运行状态的安全性，并结合相关参数的安全隶属度函数建立权重因子与环境因素的自反馈机制；最后，基于所创建的自适应动态窗口算法规划出避障路线。仿真结果表明，本文提出的自适应动态窗口算法能够自适应调整评价函数权重因子，有效躲避静态障碍物和移动障碍物，并在安全性，行驶时间和路径长度方面，都得到了显著优化。
自动导引运输车在行驶过程中不但需要躲避静态障碍物，而且同时需要躲避移动障碍物，而常用的动态窗口局部路径规划算法，在此类情况下的避障成功率和避障效率均难以满足实际需要，为此，本文结合层次分析法提出一种新的自适应动态窗口局部路径规划算法。首先，使用层次分析法计算动态窗口算法中权重因子的值；然后，提出一种碰撞安全指标来评价当前运行状态的安全性，并结合相关参数的安全隶属度函数建立权重因子与环境因素的自反馈机制；最后，基于所创建的自适应动态窗口算法规划出避障路线。仿真结果表明，本文提出的自适应动态窗口算法能够自适应调整评价函数权重因子，有效躲避静态障碍物和移动障碍物，并在安全性，行驶时间和路径长度方面，都得到了显著优化。
摘要：
负荷密度的增加和外电馈入比例的提高使得受端输电网络的短路电流水平不断攀升，影响了受端电网的安全运行，为此，本文提出了一种基于复杂网络理论的多直流馈入受端网架优化方法。研究并提出改进的复杂网络理论社团发现算法，搜索受端电网关键联络线，形成预开断线路集。以短路电流改善程度、多馈入短路比指标及网络有功损耗作为目标函数，建立受端电网网架多目标优化模型。为提高模型的准确性，在电网运行方式中，考虑新能源出力不确定性的影响，利用非参数核密度估计和 Frank-Copula 函数生成风光出力场景并聚类得到典型场景集。利用 NSGA-II 算法求解模型，得到 Pareto 最优解集，选取满足 N-1 校核的最优决策方案。最后，通过算例验证所提方法的有效性。
负荷密度的增加和外电馈入比例的提高使得受端输电网络的短路电流水平不断攀升，影响了受端电网的安全运行，为此，本文提出了一种基于复杂网络理论的多直流馈入受端网架优化方法。研究并提出改进的复杂网络理论社团发现算法，搜索受端电网关键联络线，形成预开断线路集。以短路电流改善程度、多馈入短路比指标及网络有功损耗作为目标函数，建立受端电网网架多目标优化模型。为提高模型的准确性，在电网运行方式中，考虑新能源出力不确定性的影响，利用非参数核密度估计和 Frank-Copula 函数生成风光出力场景并聚类得到典型场景集。利用 NSGA-II 算法求解模型，得到 Pareto 最优解集，选取满足 N-1 校核的最优决策方案。最后，通过算例验证所提方法的有效性。
摘要：
随着可再生能源的大规模接入和电力需求的持续增长，电网运行环境变得日益复变。这种变化带来了许多不确定性，使得传统基于模型或单纯依靠数据驱动的电网调度方法难以准确和可靠地制定调度计划。为应对这一挑战，本文提出了一种数据-知识融合的电网调度自适应巡航方法。首先，构建电网调度自适应巡航问题的数学模型，并基于该模型构建深度强化学习训练框架。进一步，本文提出改进的近端策略优化算法用于调度智能体的离线训练，通过融合调度规程相关的专业知识，所提算法可以引导智能体趋优学习。最后，通过对仿真算例的深入分析，验证了所提方法的有效性和优越性。
随着可再生能源的大规模接入和电力需求的持续增长，电网运行环境变得日益复变。这种变化带来了许多不确定性，使得传统基于模型或单纯依靠数据驱动的电网调度方法难以准确和可靠地制定调度计划。为应对这一挑战，本文提出了一种数据-知识融合的电网调度自适应巡航方法。首先，构建电网调度自适应巡航问题的数学模型，并基于该模型构建深度强化学习训练框架。进一步，本文提出改进的近端策略优化算法用于调度智能体的离线训练，通过融合调度规程相关的专业知识，所提算法可以引导智能体趋优学习。最后，通过对仿真算例的深入分析，验证了所提方法的有效性和优越性。
摘要：
针对缺陷语义分割任务中缺陷与背景差异小以及同类缺陷间差异大的问题，本文提出了一种基于轻量化卷积块注意力Transformer的表面缺陷检测算法，即LCBAFormer，该算法旨在提高不同类型缺陷的分割准确率。本文首先设计了轻量化卷积块注意力模块LCBAM，通过结合通道注意力模块和空间注意力模块，提取有效的通道信息和空间信息，使模型更专注于局部缺陷特征信息，增强不同缺陷间的特征差异，减少同类缺陷间的差异。其次，本文提出轻量化的语义注入模块SIM，以逐步融合多尺度特征信息，提升网络对不同缺陷的定位和区分能力。实验结果表明，在NEU-Seg钢带缺陷数据集和MT-Defect磁瓦缺陷数据集上，本文提出的算法平均交并比（mIoU）分别为84.75%和79.46%mIoU，平均召回率（mRec）分别为92.29%和87.50%，平均F1分数（mF1）分别为91.52%和88.08%mF1，此外，算法的计算复杂度较低，每秒十亿次浮点运算次数（GFLOPs）分别为1.03和2.65。与主流算法相比，本文方法在参数量和检测性能上做到了较好的平衡，具有更小参数量和更好的分割结果。
针对缺陷语义分割任务中缺陷与背景差异小以及同类缺陷间差异大的问题，本文提出了一种基于轻量化卷积块注意力Transformer的表面缺陷检测算法，即LCBAFormer，该算法旨在提高不同类型缺陷的分割准确率。本文首先设计了轻量化卷积块注意力模块LCBAM，通过结合通道注意力模块和空间注意力模块，提取有效的通道信息和空间信息，使模型更专注于局部缺陷特征信息，增强不同缺陷间的特征差异，减少同类缺陷间的差异。其次，本文提出轻量化的语义注入模块SIM，以逐步融合多尺度特征信息，提升网络对不同缺陷的定位和区分能力。实验结果表明，在NEU-Seg钢带缺陷数据集和MT-Defect磁瓦缺陷数据集上，本文提出的算法平均交并比（mIoU）分别为84.75%和79.46%mIoU，平均召回率（mRec）分别为92.29%和87.50%，平均F1分数（mF1）分别为91.52%和88.08%mF1，此外，算法的计算复杂度较低，每秒十亿次浮点运算次数（GFLOPs）分别为1.03和2.65。与主流算法相比，本文方法在参数量和检测性能上做到了较好的平衡，具有更小参数量和更好的分割结果。
摘要：
考虑到变电站噪声的频谱特点,为了改进自适应算法存在收敛速度慢、跟踪能力弱和运算量大的局限性,研究了一种改进生成式固定滤波器有源噪声控制(Enhanced Generative Fixed-Filter Active Noise Control, EGFANC)方法。采用轻量级的一维卷积神经网络(1-Dimensional Convolutional Neural Network, 1D CNN)根据噪声帧信息输出权重向量后与子控制滤波器组合,以自适应地生成适用于各种噪声的控制滤波器。仿真结果表明,EGFANC方法在处理动态噪声和变压器谐波噪声时具有更好的降噪性能和鲁棒性,同时,EGFANC为不同类型噪声选择适当的预训练控制滤波器,可以显著减少收敛时间。
考虑到变电站噪声的频谱特点,为了改进自适应算法存在收敛速度慢、跟踪能力弱和运算量大的局限性,研究了一种改进生成式固定滤波器有源噪声控制(Enhanced Generative Fixed-Filter Active Noise Control, EGFANC)方法。采用轻量级的一维卷积神经网络(1-Dimensional Convolutional Neural Network, 1D CNN)根据噪声帧信息输出权重向量后与子控制滤波器组合,以自适应地生成适用于各种噪声的控制滤波器。仿真结果表明,EGFANC方法在处理动态噪声和变压器谐波噪声时具有更好的降噪性能和鲁棒性,同时,EGFANC为不同类型噪声选择适当的预训练控制滤波器,可以显著减少收敛时间。
摘要：
针对智能车队(SP)在通过无信号灯交叉口时稳定性差、通行效率低等难题,提出了一种基于多虚拟领航者(VL)的智能车编队控制方法。首先,以SP为研究对象,对传统人工势能函数(APF)进行改进,利用非线性函数关系描述智能车队系统内车-车之间的作用力。其次,基于虚拟领航思想,设计了基于多VL的SP成形改进人工势能函数蜂拥控制算法(IAPFFCA-VLs),并通过Lyapunov稳定性方法以及LaSalle不变性原理证明算法的稳定性。最后,利用Matlab进行SP成形控制仿真并与融合IAPF的蜂拥控制算法(FCA-IAPF)进行对比。实验结果表明,FCA-IAPF可以实现车-车间距控制与避碰,但是随着车辆数量的增多,会存在局部最优“分块”问题且不能形成规则编队。相较FCA-IAPF,IAPFFCA-VLs算法总体性能均得到了优化,可实现不同初始状态、不同数量而目的地相同的车辆保持合理间距、避碰的同时速度渐进达成一致,所有智能车与各自VL之间的位置距离误差终值小于0.1m、纵向速度误差终值小于1m/s、横向速度误差终值趋于0.001m/s,可以安全,迅速,稳定的约束为规则编队后驶出无信号灯交叉口,对提高无信号灯交叉SP行驶稳定性以及交通效率具有重要意义。
针对智能车队(SP)在通过无信号灯交叉口时稳定性差、通行效率低等难题,提出了一种基于多虚拟领航者(VL)的智能车编队控制方法。首先,以SP为研究对象,对传统人工势能函数(APF)进行改进,利用非线性函数关系描述智能车队系统内车-车之间的作用力。其次,基于虚拟领航思想,设计了基于多VL的SP成形改进人工势能函数蜂拥控制算法(IAPFFCA-VLs),并通过Lyapunov稳定性方法以及LaSalle不变性原理证明算法的稳定性。最后,利用Matlab进行SP成形控制仿真并与融合IAPF的蜂拥控制算法(FCA-IAPF)进行对比。实验结果表明,FCA-IAPF可以实现车-车间距控制与避碰,但是随着车辆数量的增多,会存在局部最优“分块”问题且不能形成规则编队。相较FCA-IAPF,IAPFFCA-VLs算法总体性能均得到了优化,可实现不同初始状态、不同数量而目的地相同的车辆保持合理间距、避碰的同时速度渐进达成一致,所有智能车与各自VL之间的位置距离误差终值小于0.1m、纵向速度误差终值小于1m/s、横向速度误差终值趋于0.001m/s,可以安全,迅速,稳定的约束为规则编队后驶出无信号灯交叉口,对提高无信号灯交叉SP行驶稳定性以及交通效率具有重要意义。
摘要：
建立柔性作业车间调度问题的数学模型，在满足加工顺序和加工时间等约束下，最小化所有工件的最大完工时间。提出一种三种群协同进化算法求解该模型。基于三元锦标赛法将种群分为优等、中等和劣等子种群，依据不同子种群的个体特征设计相应的搜索策略。优等子种群利用负载平衡和关键路径的变邻域下降局部搜索提高求解精度，挖掘更优解。中等子种群使用自适应Jaya操作，进化前期趋优避劣，中后期则注重对种群多样性的维护。劣等子种群采取多元交叉全局搜索，对不同基因串设计能够产生可行个体的交叉算子，同时将其余子种群中的个体作为交叉对象，以强化子种群间的协同交互。在标准测试算例和生产实例中的大量实验结果表明，所提算法在绝大多数情况下的求解性能显著优于代表性算法。
建立柔性作业车间调度问题的数学模型，在满足加工顺序和加工时间等约束下，最小化所有工件的最大完工时间。提出一种三种群协同进化算法求解该模型。基于三元锦标赛法将种群分为优等、中等和劣等子种群，依据不同子种群的个体特征设计相应的搜索策略。优等子种群利用负载平衡和关键路径的变邻域下降局部搜索提高求解精度，挖掘更优解。中等子种群使用自适应Jaya操作，进化前期趋优避劣，中后期则注重对种群多样性的维护。劣等子种群采取多元交叉全局搜索，对不同基因串设计能够产生可行个体的交叉算子，同时将其余子种群中的个体作为交叉对象，以强化子种群间的协同交互。在标准测试算例和生产实例中的大量实验结果表明，所提算法在绝大多数情况下的求解性能显著优于代表性算法。
摘要：
针对现有的道路裂缝检测算法多采用先检测再分割检测方式存在两个过程间相互独立,实际生产中效率不高的问题,本文提出了一种端到端一体化的道路裂缝检测方法,提出了一种融合渐进式金字塔和空间自适应模块裂缝特征融合模块,并采用更加轻量化的裂缝主干特征提取网络,解决现有的道路裂缝公开数据集场景相对简单,而导致模型在实际场景中泛化性不强的问题,并同时提高复杂场景下小目标裂缝的检测能力。实验采用了两份数据进行验证,一份车载扫描车采集的城市复杂街景数据,一份公开数据集Crack500上验证本文方法的有效性,实验结果中道路裂缝的检测准确率、召回率和综合评价指标达到了82.4%, 80.2%, 81.3%以上。实验结果表明,本文方法能实现道路细小裂缝的精确识别,在不同实际环境中具有较强的鲁棒性。
针对现有的道路裂缝检测算法多采用先检测再分割检测方式存在两个过程间相互独立,实际生产中效率不高的问题,本文提出了一种端到端一体化的道路裂缝检测方法,提出了一种融合渐进式金字塔和空间自适应模块裂缝特征融合模块,并采用更加轻量化的裂缝主干特征提取网络,解决现有的道路裂缝公开数据集场景相对简单,而导致模型在实际场景中泛化性不强的问题,并同时提高复杂场景下小目标裂缝的检测能力。实验采用了两份数据进行验证,一份车载扫描车采集的城市复杂街景数据,一份公开数据集Crack500上验证本文方法的有效性,实验结果中道路裂缝的检测准确率、召回率和综合评价指标达到了82.4%, 80.2%, 81.3%以上。实验结果表明,本文方法能实现道路细小裂缝的精确识别,在不同实际环境中具有较强的鲁棒性。
摘要：
由于风光发电的不确定性特点，风光电站在上网时面临着电能平衡和出力波动的挑战。针对不同地区风光出力特性和误差分布的差异化特性问题，提出基于核密度与Copula函数的风光储日前竞价优化模型。首先采用核密度估计方法对风光出力进行概率密度函数的计算，引入阿基米德簇Copula函数对风光出力的联合分布函数进行求解，然后采用蒙特卡罗抽样和K-means聚类方法生成典型出力场景。最后建立考虑储能峰谷套利的配备储能的风光电站日前竞价优化模型。结果表明所提出的模型提升了描述风光电站的出力特性的准确性，实现了更优的上网与储能策略，验证了增加收益与提高准确性上的有效性，使风光电站集群能够更好地应对出力波动问题，提高收益。
由于风光发电的不确定性特点，风光电站在上网时面临着电能平衡和出力波动的挑战。针对不同地区风光出力特性和误差分布的差异化特性问题，提出基于核密度与Copula函数的风光储日前竞价优化模型。首先采用核密度估计方法对风光出力进行概率密度函数的计算，引入阿基米德簇Copula函数对风光出力的联合分布函数进行求解，然后采用蒙特卡罗抽样和K-means聚类方法生成典型出力场景。最后建立考虑储能峰谷套利的配备储能的风光电站日前竞价优化模型。结果表明所提出的模型提升了描述风光电站的出力特性的准确性，实现了更优的上网与储能策略，验证了增加收益与提高准确性上的有效性，使风光电站集群能够更好地应对出力波动问题，提高收益。
摘要：
针对当前天气雷达提取生物回波的网络存在参数量大、效率低以及对大量样本的需求等问题，本文提出了一种改进的生物回波提取网络，命名为 MFF-PSPnet（Multi-Feature Fusion Pyramid Scene Parsing Network）。首先，该网络在 MobilenetV2 主干的基础上引入了注意力机制模块和边缘提取模块，然后对所有特征进行融合识别，本模型从生物回波主体提取和生物回波边缘细节刻画两个方面提升了网络的分割能力。最后，MFF-PSPnet 是一款轻量级网络，参数量相较于一般生物回波提取网络降低了 10.2%，相较于其他模型，该网络对样本容量的需求更低，更适应于小样本环境。通过本模型和其他模型在历史数据上的消融和对比实验，MFF-PSPnet 提取生物回波的准确率达到了 98.1%，IoU 达到了 94.8%，实验结果表明：在新一代中国天气雷达的历史数据中，本文改进的模型能够有效地提取出生物回波，并更好地适应小样本环境，可应用于移动端。这一成果为未来利用天气雷达进行生物习性研究和保护提供了有效的数据和技术支持。
针对当前天气雷达提取生物回波的网络存在参数量大、效率低以及对大量样本的需求等问题，本文提出了一种改进的生物回波提取网络，命名为 MFF-PSPnet（Multi-Feature Fusion Pyramid Scene Parsing Network）。首先，该网络在 MobilenetV2 主干的基础上引入了注意力机制模块和边缘提取模块，然后对所有特征进行融合识别，本模型从生物回波主体提取和生物回波边缘细节刻画两个方面提升了网络的分割能力。最后，MFF-PSPnet 是一款轻量级网络，参数量相较于一般生物回波提取网络降低了 10.2%，相较于其他模型，该网络对样本容量的需求更低，更适应于小样本环境。通过本模型和其他模型在历史数据上的消融和对比实验，MFF-PSPnet 提取生物回波的准确率达到了 98.1%，IoU 达到了 94.8%，实验结果表明：在新一代中国天气雷达的历史数据中，本文改进的模型能够有效地提取出生物回波，并更好地适应小样本环境，可应用于移动端。这一成果为未来利用天气雷达进行生物习性研究和保护提供了有效的数据和技术支持。
摘要：
在安全帽佩戴检测中,存在着目标密集、遮挡等问题,现有的检测方法在精度和实时性方面表现不佳。针对此问题,提出了一种轻量级的检测模型CA-YOLO,旨在提升检测的准确性与实时性。首先,使用MobileNetv3网络对YOLOv8的主干网络进行改进,减少参数量和计算量,提升网络的检测速度。在Neck部分引入DCNv3模块来提升模型在空间特征上的提取效率。其次,在网络中加入多尺度特征提取模块和坐标注意力机制模块,通过添加全局信息,丰富特征信息,提升网络特征提取效果。最后,将CIOU损失替换为Alpha-IOU函数,通过设定权重系数,加速了对目标的学习过程,进一步提高检测的精度。实验结果表明,与YOLOv8模型和现有的经典及新颖算法相比,CA-YOLO模型的平均检测精度达91.33%,比YOLOv8模型提高0.54%,模型大小和参数量分别减少41%和39%,检测速度提高16.9%。相较于其他模型,CA-YOLO模型在准确率和实时性方面取得了良好的平衡,满足了对作业人员安全帽佩戴检测的需求。
在安全帽佩戴检测中,存在着目标密集、遮挡等问题,现有的检测方法在精度和实时性方面表现不佳。针对此问题,提出了一种轻量级的检测模型CA-YOLO,旨在提升检测的准确性与实时性。首先,使用MobileNetv3网络对YOLOv8的主干网络进行改进,减少参数量和计算量,提升网络的检测速度。在Neck部分引入DCNv3模块来提升模型在空间特征上的提取效率。其次,在网络中加入多尺度特征提取模块和坐标注意力机制模块,通过添加全局信息,丰富特征信息,提升网络特征提取效果。最后,将CIOU损失替换为Alpha-IOU函数,通过设定权重系数,加速了对目标的学习过程,进一步提高检测的精度。实验结果表明,与YOLOv8模型和现有的经典及新颖算法相比,CA-YOLO模型的平均检测精度达91.33%,比YOLOv8模型提高0.54%,模型大小和参数量分别减少41%和39%,检测速度提高16.9%。相较于其他模型,CA-YOLO模型在准确率和实时性方面取得了良好的平衡,满足了对作业人员安全帽佩戴检测的需求。
摘要：
针对混合A*算法规划的路径不够平滑且效率低的问题，提出优化混合A*算法的评价函数，引入角度惩罚系数的方法，使路径更加平滑，并引入最优步长的节点扩展方法以提高搜索效率。首先，将混合A*算法与TEB（Timed Elastic Band，时间弹性带）算法结合，生成混合路径规划算法。然后，基于ROS（Robot Operating System，机器人操作系统）对阿克曼转向机器人的路径规划过程进行仿真。结果表明：使用混合A*算法和DWA算法比使用A*算法和DWA算法的路径规划平均距离少23.83%。使用混合A*算法和TEB算法比使用A*算法和TEB算法的路径规划平均距离少22.49%。使用A*算法和TEB算法比使用A*算法和DWA算法的路径规划平均时间少6.99%。使用混合A*算法和TEB算法比使用混合A*算法和DWA算法的路径规划平均时间少6.25%。混合A*算法结合TEB算法的路径规划效率更高，规划出的路径更短，验证了混合路径规划算法的有效性和优越性。最后，在仓储环境中进行了阿克曼转向机器人路径规划实验，针对机器人实际运行轨迹与规划的轨迹有较大误差的问题，提出通过卡尔曼滤波对障碍物的位姿进行估计，并对机器人的轨迹进行跟踪的方法。结果表明：卡尔曼滤波的跟踪误差在0.2 m以内。
针对混合A*算法规划的路径不够平滑且效率低的问题，提出优化混合A*算法的评价函数，引入角度惩罚系数的方法，使路径更加平滑，并引入最优步长的节点扩展方法以提高搜索效率。首先，将混合A*算法与TEB（Timed Elastic Band，时间弹性带）算法结合，生成混合路径规划算法。然后，基于ROS（Robot Operating System，机器人操作系统）对阿克曼转向机器人的路径规划过程进行仿真。结果表明：使用混合A*算法和DWA算法比使用A*算法和DWA算法的路径规划平均距离少23.83%。使用混合A*算法和TEB算法比使用A*算法和TEB算法的路径规划平均距离少22.49%。使用A*算法和TEB算法比使用A*算法和DWA算法的路径规划平均时间少6.99%。使用混合A*算法和TEB算法比使用混合A*算法和DWA算法的路径规划平均时间少6.25%。混合A*算法结合TEB算法的路径规划效率更高，规划出的路径更短，验证了混合路径规划算法的有效性和优越性。最后，在仓储环境中进行了阿克曼转向机器人路径规划实验，针对机器人实际运行轨迹与规划的轨迹有较大误差的问题，提出通过卡尔曼滤波对障碍物的位姿进行估计，并对机器人的轨迹进行跟踪的方法。结果表明：卡尔曼滤波的跟踪误差在0.2 m以内。
摘要：
深度学习算法由于其在故障诊断中强大的特征提取能力而被大量应用于各领域,然而实际生产过程经常面临故障样本数量远低于正常样本的情况,从而导致故障诊断模型准确率下降等问题。为此,本文提出了一种改进循环生成对抗网络的样本不均衡轴承故障诊断方法,并以旋转机械滚动轴承振动故障诊断为例对方法进行验证。该方法将原始振动信号的时频图作为循环生成对抗网络的输入；为克服训练不稳定、模型不能不能及时收敛等问题,引入谱归一化和权值衰减,利用改进的循环生成对抗网络生成更多的故障样本；最后采用Swin Transformer模型来进行故障诊断,并与RF、SAE、SVM、CNN进行对比。诊断实验分为样本扩充、正常样本与故障样本比例不平衡以及小样本情况。实验结果表明,本文提出方法可以在训练样本数量较少时生成较高质量的合成样本,同时Swin Transformer诊断方法较其他方法故障诊断精度更高,在不平衡数据的故障诊断方面具有很大的潜力。
深度学习算法由于其在故障诊断中强大的特征提取能力而被大量应用于各领域,然而实际生产过程经常面临故障样本数量远低于正常样本的情况,从而导致故障诊断模型准确率下降等问题。为此,本文提出了一种改进循环生成对抗网络的样本不均衡轴承故障诊断方法,并以旋转机械滚动轴承振动故障诊断为例对方法进行验证。该方法将原始振动信号的时频图作为循环生成对抗网络的输入；为克服训练不稳定、模型不能不能及时收敛等问题,引入谱归一化和权值衰减,利用改进的循环生成对抗网络生成更多的故障样本；最后采用Swin Transformer模型来进行故障诊断,并与RF、SAE、SVM、CNN进行对比。诊断实验分为样本扩充、正常样本与故障样本比例不平衡以及小样本情况。实验结果表明,本文提出方法可以在训练样本数量较少时生成较高质量的合成样本,同时Swin Transformer诊断方法较其他方法故障诊断精度更高,在不平衡数据的故障诊断方面具有很大的潜力。
摘要：
石墨相氮化碳（g-C3N4）作为一种无金属二维纳米材料在光催化领域具有广阔前景。本文通过叔丁醇钠剥离的方法修饰体相g-C3N4得到碱剥离g-C3N4，调节石墨烯量子点（GQD）投加量，制成不同GQD掺杂的碱剥离g-C3N4复合材料。采用XRD、FT-IR、SEM、UV-Vis、PL等表征手段对系列复合材料的形貌、结构、组成成分进行详细分析，并探究其光降解染料亚甲基蓝的性能。结果表明，与体相g-C3N4相比，通过碱剥离能够缩短载流子的传输距离，同时GQD的引入能有效改善电子-空穴对的复合。当GQD掺杂量为5.0%时，对亚甲基蓝的光催化降解效率达90.9%。此外，通过自由基捕获实验确定光降解中活性组分为?O2-和h+，并提出了一种可能的亚甲基蓝光催化机理。
石墨相氮化碳（g-C3N4）作为一种无金属二维纳米材料在光催化领域具有广阔前景。本文通过叔丁醇钠剥离的方法修饰体相g-C3N4得到碱剥离g-C3N4，调节石墨烯量子点（GQD）投加量，制成不同GQD掺杂的碱剥离g-C3N4复合材料。采用XRD、FT-IR、SEM、UV-Vis、PL等表征手段对系列复合材料的形貌、结构、组成成分进行详细分析，并探究其光降解染料亚甲基蓝的性能。结果表明，与体相g-C3N4相比，通过碱剥离能够缩短载流子的传输距离，同时GQD的引入能有效改善电子-空穴对的复合。当GQD掺杂量为5.0%时，对亚甲基蓝的光催化降解效率达90.9%。此外，通过自由基捕获实验确定光降解中活性组分为?O2-和h+，并提出了一种可能的亚甲基蓝光催化机理。
摘要：
自动驾驶技术能够提高出行安全和缩短出行时间,其中制定合理的路径规划更是直接影响无人驾驶汽车的安全性和乘坐舒适性。针对传统路径规划算法在无人驾驶汽车应用中搜索效率低、不符合车辆运动学约束的问题进行改进,将动态窗口法的局部目标点用改进蚁群算法路径规划的关键节点代替,并在动态窗口法评价函数中加入目标距离评价子函数,提高路径规划的效率和平滑性,同时采用路径再规划方法解决全局路径失效问题,使车辆摆脱障碍困境,满足路径规划的安全性的要求。改进后的蚁群算法利用起止点的位置信息使初始信息素分布不均匀,减少搜索初期阶段的时间消耗；通过维护全局最优路径和强化优秀局部路径的信息素浓度,优化信息素更新机制,加快路径探索效率；对规划路径进行二次优化,优化节点和转折点冗余,减少路径长度。仿真结果表明,相比于传统路径规划算法,本文提出的融合算法规划出的路径在距离、平滑度和收敛性方面都具有更好的表现,且符合无人驾驶汽车安全行驶的要求。
自动驾驶技术能够提高出行安全和缩短出行时间,其中制定合理的路径规划更是直接影响无人驾驶汽车的安全性和乘坐舒适性。针对传统路径规划算法在无人驾驶汽车应用中搜索效率低、不符合车辆运动学约束的问题进行改进,将动态窗口法的局部目标点用改进蚁群算法路径规划的关键节点代替,并在动态窗口法评价函数中加入目标距离评价子函数,提高路径规划的效率和平滑性,同时采用路径再规划方法解决全局路径失效问题,使车辆摆脱障碍困境,满足路径规划的安全性的要求。改进后的蚁群算法利用起止点的位置信息使初始信息素分布不均匀,减少搜索初期阶段的时间消耗；通过维护全局最优路径和强化优秀局部路径的信息素浓度,优化信息素更新机制,加快路径探索效率；对规划路径进行二次优化,优化节点和转折点冗余,减少路径长度。仿真结果表明,相比于传统路径规划算法,本文提出的融合算法规划出的路径在距离、平滑度和收敛性方面都具有更好的表现,且符合无人驾驶汽车安全行驶的要求。
摘要：
基于标准交流潮流方程的日前经济调度模型有助于得到精确解，但由于其为非线性规划模型，因此在模型收敛性和计算效率等方面存在不足，限制了其在实际系统中的应用。在此背景下，提出了一种基于改进凸包理论的电力系统日前经济调度模型，以实现电力系统经济调度模型的高效精确求解。首先，介绍了基于标准交流潮流方程的日前经济调度模型，其次，介绍了凸包理论以及非线性函数的凸包方程，进而构建基于改进凸包理论的电力系统日前经济调度模型。最后，采用IEEE 14节点系统、IEEE 118节点系统和我国某省级实际电力系统进行测试分析，算例结果表明本文所提出的策略能够显著提高模型的计算效率且有效降低松弛误差，具有更高的实际应用价值。
基于标准交流潮流方程的日前经济调度模型有助于得到精确解，但由于其为非线性规划模型，因此在模型收敛性和计算效率等方面存在不足，限制了其在实际系统中的应用。在此背景下，提出了一种基于改进凸包理论的电力系统日前经济调度模型，以实现电力系统经济调度模型的高效精确求解。首先，介绍了基于标准交流潮流方程的日前经济调度模型，其次，介绍了凸包理论以及非线性函数的凸包方程，进而构建基于改进凸包理论的电力系统日前经济调度模型。最后，采用IEEE 14节点系统、IEEE 118节点系统和我国某省级实际电力系统进行测试分析，算例结果表明本文所提出的策略能够显著提高模型的计算效率且有效降低松弛误差，具有更高的实际应用价值。
摘要：
为提高锂离子电池的健康状态（SOH）监测精度，避免电池潜在的故障，本文提出一种基于健康因子的卷积神经网络（CNN）结合改进双向长短期记忆网络（BiLSTM）的联合模型预测电池SOH。首先通过NASA公开电池数据集提取5个与电池老化高度相关的健康因子作为SOH特征；其次构建联合网络模型，CNN层负责提取电池充放电特征因子数据的空间特征，BiLSTM层负责捕捉数据中不同特征之间的相关性，注意力机制负责对输入变量进行权重分配；最后通过对单一电池数据集和同类电池数据集进行训练预测，仿真结果表明：联合模型估计锂电池SOH时，平均绝对误差分布在0.015以内，最大绝对误差和RMAE分布在0.01以内，具有较高的精度和较好的普适性。
为提高锂离子电池的健康状态（SOH）监测精度，避免电池潜在的故障，本文提出一种基于健康因子的卷积神经网络（CNN）结合改进双向长短期记忆网络（BiLSTM）的联合模型预测电池SOH。首先通过NASA公开电池数据集提取5个与电池老化高度相关的健康因子作为SOH特征；其次构建联合网络模型，CNN层负责提取电池充放电特征因子数据的空间特征，BiLSTM层负责捕捉数据中不同特征之间的相关性，注意力机制负责对输入变量进行权重分配；最后通过对单一电池数据集和同类电池数据集进行训练预测，仿真结果表明：联合模型估计锂电池SOH时，平均绝对误差分布在0.015以内，最大绝对误差和RMAE分布在0.01以内，具有较高的精度和较好的普适性。
摘要：
网调控实时数据分布式计算技术是一种通过将计算任务分布到多个计算节点并行执行的技术，用于处理电网调控中的大规模实时数据，是近年来电力行业发展的重要方向之一。本文综合分析了分布式计算技术在电网调控实时数据中的应用现状，并探讨了其未来的发展趋势。首先，本文阐述了电网实时数据的特征及处理方式；接着，讨论了分布式计算技术的研究现状，以及其在电网实时数据中的应用，并扩展到新兴分布式计算技术的发展及其在电网中的应用；最后，基于当前的研究现状和发展趋势，对电网调控实时数据的分布式计算技术进行开放性讨论和展望。
网调控实时数据分布式计算技术是一种通过将计算任务分布到多个计算节点并行执行的技术，用于处理电网调控中的大规模实时数据，是近年来电力行业发展的重要方向之一。本文综合分析了分布式计算技术在电网调控实时数据中的应用现状，并探讨了其未来的发展趋势。首先，本文阐述了电网实时数据的特征及处理方式；接着，讨论了分布式计算技术的研究现状，以及其在电网实时数据中的应用，并扩展到新兴分布式计算技术的发展及其在电网中的应用；最后，基于当前的研究现状和发展趋势，对电网调控实时数据的分布式计算技术进行开放性讨论和展望。
摘要：
为了更加有效地挖掘滚动轴承信号中所具有的非线性信息并提高轴承故障诊断的准确率,提出了一种基于递归分析和Stacking集成学习的轴承故障诊断方法。首先通过递归分析理论将轴承信号中的非线性信息映射到二维递归图中,分别以图像识别和递归定量分析的角度出发,对应建立了卷积神经网络和支持向量机两个子模型。最后使用Stacking方法将两个模型进行集成,可以在一定程度上结合两个模型的不同特点,充分发挥两个不同模型的优势。实验结果表明,该方法可以有效提高轴承振动信号的分类准确率,并在不同负载条件下表现出色且稳定,为轴承故障诊断提供了一种可靠的解决方案。
为了更加有效地挖掘滚动轴承信号中所具有的非线性信息并提高轴承故障诊断的准确率,提出了一种基于递归分析和Stacking集成学习的轴承故障诊断方法。首先通过递归分析理论将轴承信号中的非线性信息映射到二维递归图中,分别以图像识别和递归定量分析的角度出发,对应建立了卷积神经网络和支持向量机两个子模型。最后使用Stacking方法将两个模型进行集成,可以在一定程度上结合两个模型的不同特点,充分发挥两个不同模型的优势。实验结果表明,该方法可以有效提高轴承振动信号的分类准确率,并在不同负载条件下表现出色且稳定,为轴承故障诊断提供了一种可靠的解决方案。
摘要：
人工智能生成内容(AIGC)技术可为人类提供各种类型的信息生成服务，如何对AIGC进行准确的质量评估，是当前亟待解决的问题。本文主要针对大模型生成图像的质量及其评估指标开展深入研究。首先，从技术方面概述了当前评估AIGC的常见方法，如深度学习方法和计算机视觉方法等，介绍并分析了准确性、相关性、一致性、可解释性等指标在不同类型生成内容评估方面的表现。然后，为了展示评估指标的实际作用，以文心一言为例，对其生成的图像进行评估实验：使用直方图和噪点数量等量化指标对生成图像进行客观评估；使用整体协调性和美观性等视觉感官指标对生成图像进行主观评估。最后，综合对比客观评估和主观评估的结果，筛选出色偏、噪点数量、心理预期等AIGC产品质量评估的高可靠性指标。实验结果验证了综合使用主客观评估指标进行AIGC产品评估方法的有效性和可靠性。
人工智能生成内容(AIGC)技术可为人类提供各种类型的信息生成服务，如何对AIGC进行准确的质量评估，是当前亟待解决的问题。本文主要针对大模型生成图像的质量及其评估指标开展深入研究。首先，从技术方面概述了当前评估AIGC的常见方法，如深度学习方法和计算机视觉方法等，介绍并分析了准确性、相关性、一致性、可解释性等指标在不同类型生成内容评估方面的表现。然后，为了展示评估指标的实际作用，以文心一言为例，对其生成的图像进行评估实验：使用直方图和噪点数量等量化指标对生成图像进行客观评估；使用整体协调性和美观性等视觉感官指标对生成图像进行主观评估。最后，综合对比客观评估和主观评估的结果，筛选出色偏、噪点数量、心理预期等AIGC产品质量评估的高可靠性指标。实验结果验证了综合使用主客观评估指标进行AIGC产品评估方法的有效性和可靠性。
摘要：
变压器运行状态分类与准确识别对于变压器稳定运行和电力系统安全供电至关重要，此类研究目前还存在对变压器负荷数据的关注使用较少、机理模型复杂度高以及油温等数据和过负荷状态并不明确对应等问题。因此，本文提出一种改进的混合模型，结合了猎人猎物优化(Hunter-prey optimization，HPO)算法和高效通道注意力(Efficient channel attention，ECA)模块，应用于卷积神经网络(Convolutional neural network，CNN)和双向长短期记忆(Bidirectional long short-term memory，BiLSTM)神经网络，用于变压器运行状态分类和过负荷故障识别。选取某主变包含九种变压器负荷相关特征的数据作为样本，通过K-means++聚类和变压器正常周期性负荷分析选定负荷状态类别，基于HPO优化混合模型参数，提高模型的性能和泛化能力。通过对变压器负荷数据进行预处理和特征提取，使用优化后的模型进行负荷阶段的准确识别。实验结果表明，该方法的识别准确率可达99.24%，在变压器运行状态的分类和识别上取得了良好的效果。
变压器运行状态分类与准确识别对于变压器稳定运行和电力系统安全供电至关重要，此类研究目前还存在对变压器负荷数据的关注使用较少、机理模型复杂度高以及油温等数据和过负荷状态并不明确对应等问题。因此，本文提出一种改进的混合模型，结合了猎人猎物优化(Hunter-prey optimization，HPO)算法和高效通道注意力(Efficient channel attention，ECA)模块，应用于卷积神经网络(Convolutional neural network，CNN)和双向长短期记忆(Bidirectional long short-term memory，BiLSTM)神经网络，用于变压器运行状态分类和过负荷故障识别。选取某主变包含九种变压器负荷相关特征的数据作为样本，通过K-means++聚类和变压器正常周期性负荷分析选定负荷状态类别，基于HPO优化混合模型参数，提高模型的性能和泛化能力。通过对变压器负荷数据进行预处理和特征提取，使用优化后的模型进行负荷阶段的准确识别。实验结果表明，该方法的识别准确率可达99.24%，在变压器运行状态的分类和识别上取得了良好的效果。
摘要：
为了使采摘机器人能够在果园复杂环境下(如不同光照条件、叶子遮挡、密集的苹果群和超远视距等场景)对成熟程度各异的苹果果实进行快速且精确的检测,本研究提出了一种基于改进YOLOv8的苹果果实检测模型。首先将EMA注意力机制模块集成到YOLOv8模型中,使模型更加关注待检测果实区域,抑制背景和枝叶遮挡等一般特征信息,提高被遮挡果实的检测准确率；其次,使用提取特征更加高效的三支路DWR模块对原始C2f模块进行重构,通过多尺度特征融合方法提高小目标检测能力；同时结合DAMO-YOLO的思想,对原始YOLOv8颈部进行重构,实现高层语义和低层空间特征的高效融合；最后使用Inner-SIoU损失函数对模型进行优化,提高识别精度。在复杂的果园环境中,以苹果作为检测对象,实验结果表明：本文所提算法在测试集下的P、R、mAP50、mAP50-95以及F1分别达到86.1%、89.2%、94.0%、64.4%和87.6%,改进后的算法在大部分指标上均优于原始模型,并通过在不同数量果实的对比实验中表明,该方法具有优异的鲁棒性。这为解决复杂环境下果实采摘机器人的精准识别问题,提供了实际应用价值。
为了使采摘机器人能够在果园复杂环境下(如不同光照条件、叶子遮挡、密集的苹果群和超远视距等场景)对成熟程度各异的苹果果实进行快速且精确的检测,本研究提出了一种基于改进YOLOv8的苹果果实检测模型。首先将EMA注意力机制模块集成到YOLOv8模型中,使模型更加关注待检测果实区域,抑制背景和枝叶遮挡等一般特征信息,提高被遮挡果实的检测准确率；其次,使用提取特征更加高效的三支路DWR模块对原始C2f模块进行重构,通过多尺度特征融合方法提高小目标检测能力；同时结合DAMO-YOLO的思想,对原始YOLOv8颈部进行重构,实现高层语义和低层空间特征的高效融合；最后使用Inner-SIoU损失函数对模型进行优化,提高识别精度。在复杂的果园环境中,以苹果作为检测对象,实验结果表明：本文所提算法在测试集下的P、R、mAP50、mAP50-95以及F1分别达到86.1%、89.2%、94.0%、64.4%和87.6%,改进后的算法在大部分指标上均优于原始模型,并通过在不同数量果实的对比实验中表明,该方法具有优异的鲁棒性。这为解决复杂环境下果实采摘机器人的精准识别问题,提供了实际应用价值。
摘要：
水生植被是评估河流健康的重要指标，动态监测河流水生植被对于了解其状况至关重要。然而，传统的野外调查和卫星遥感在河流水生植被监测中都有明显局限。本研究采用无人机载高像素航天数维KP-6多光谱相机，获取河北省固安县境内的白沟河多光谱影像，并基于三种监督分类法对影像内白沟河的芦苇、荇菜和金鱼藻等水生植被物种进行分类，研究结果表明，最大似然法的精度最高，总体精度为92.8%，Kappa系数0.91。此外，还将高像素航天数维KP-6相机与多种高分辨率卫星和其他无人机载多光谱相机进行了比较，发现其在河流水生植被监测方面具有高空间分辨率、宽覆盖和灵活获取等优势。本研究可以为无人机载多光谱遥感在河流水生植被监测中的应用提供有益的参考。
水生植被是评估河流健康的重要指标，动态监测河流水生植被对于了解其状况至关重要。然而，传统的野外调查和卫星遥感在河流水生植被监测中都有明显局限。本研究采用无人机载高像素航天数维KP-6多光谱相机，获取河北省固安县境内的白沟河多光谱影像，并基于三种监督分类法对影像内白沟河的芦苇、荇菜和金鱼藻等水生植被物种进行分类，研究结果表明，最大似然法的精度最高，总体精度为92.8%，Kappa系数0.91。此外，还将高像素航天数维KP-6相机与多种高分辨率卫星和其他无人机载多光谱相机进行了比较，发现其在河流水生植被监测方面具有高空间分辨率、宽覆盖和灵活获取等优势。本研究可以为无人机载多光谱遥感在河流水生植被监测中的应用提供有益的参考。
摘要：
为了充分提取多通道EEG信号的频率信息和空间拓扑信息,提出了一种混合注意力机制下胶囊网络的脑电情绪识别模型——CBAM-CapsNet。首先,获取不同频带的脑电信号并提取其微分熵特征；然后,将该特征映射到根据导联空间分布的三维紧凑型特征矩阵中；最后,将三维特征矩阵通过带有混合注意力机制的胶囊网络来进行模型训练和预测。实验结果表明,高频带对于情绪识别影响更大,且使用四频带三维矩阵可以显著提高情绪识别准确率。CBAM-CapsNet在DEAP数据集Arousal和Valence上的二分类识别准确率为95.42%和95.52%,在DEAP数据集上Arousal_Valence联合四分类准确率为95.00%,在SEED数据集上三分类准确率为93.19%。相比现有主流基于深度学习的脑电情绪识别模型,准确率显著提升。
为了充分提取多通道EEG信号的频率信息和空间拓扑信息,提出了一种混合注意力机制下胶囊网络的脑电情绪识别模型——CBAM-CapsNet。首先,获取不同频带的脑电信号并提取其微分熵特征；然后,将该特征映射到根据导联空间分布的三维紧凑型特征矩阵中；最后,将三维特征矩阵通过带有混合注意力机制的胶囊网络来进行模型训练和预测。实验结果表明,高频带对于情绪识别影响更大,且使用四频带三维矩阵可以显著提高情绪识别准确率。CBAM-CapsNet在DEAP数据集Arousal和Valence上的二分类识别准确率为95.42%和95.52%,在DEAP数据集上Arousal_Valence联合四分类准确率为95.00%,在SEED数据集上三分类准确率为93.19%。相比现有主流基于深度学习的脑电情绪识别模型,准确率显著提升。
摘要：
随着人工智能技术与无线通信领域的深度融合，语义通信技术作为一种新兴的通信模式，聚焦于语义层面的信息传输与交互，凭借其独特优势，显著提升了通信的精确性和可靠性。在低时延、高流通密度的通信应用场景中，语义通信技术突破了传统基于经典信息论的语法通信，为无线通信领域提供了新范式，拓宽了现代通信技术的应用范畴。然而，目前语义通信技术的发展尚处于起步阶段，其在应用过程中面临的安全问题尚未得到深入研究和全面分析。为进一步推动语义通信技术的发展与应用，文章首先对语义通信系统中存在的各类安全威胁进行了综述；然后，详细介绍了语义通信系统中模型安全和数据安全的研究现状；最后，总结了语义通信安全研究所面临的挑战及未来发展趋势。
随着人工智能技术与无线通信领域的深度融合，语义通信技术作为一种新兴的通信模式，聚焦于语义层面的信息传输与交互，凭借其独特优势，显著提升了通信的精确性和可靠性。在低时延、高流通密度的通信应用场景中，语义通信技术突破了传统基于经典信息论的语法通信，为无线通信领域提供了新范式，拓宽了现代通信技术的应用范畴。然而，目前语义通信技术的发展尚处于起步阶段，其在应用过程中面临的安全问题尚未得到深入研究和全面分析。为进一步推动语义通信技术的发展与应用，文章首先对语义通信系统中存在的各类安全威胁进行了综述；然后，详细介绍了语义通信系统中模型安全和数据安全的研究现状；最后，总结了语义通信安全研究所面临的挑战及未来发展趋势。
摘要：
针对三维激光扫描密集点云提取洞室表面变形信息的问题，本文设计了一种基于改进的Alpha Shapes算法识别洞室轮廓点云和多尺度模型到模型的点云比对（Multiscale Model-to-Model Cloud Comparison，M3C2）的洞室表面变形监测方法。首先对获取到的两期洞室表面点云数据进行配准，采用改进的Alpha Shapes算法识别洞室表面外轮廓点云。获得的两期洞室表面外轮廓点云经精配准后，再采用M3C2算法进行各点变形值计算，最后进行距离聚类提取连续形变区域。实验结果表明：该方法能够有效剔除点云中细小沟壑处的点及受到混合像元影响的点，在洞室截面到扫描仪距离10m的范围内，两期点云剔除率分别为14.17%及13.52%，在70m范围内，分别为6.25%及6.42%；该方法能够准确高效地提取出2倍配准误差以上的洞室表面形变区域。
针对三维激光扫描密集点云提取洞室表面变形信息的问题，本文设计了一种基于改进的Alpha Shapes算法识别洞室轮廓点云和多尺度模型到模型的点云比对（Multiscale Model-to-Model Cloud Comparison，M3C2）的洞室表面变形监测方法。首先对获取到的两期洞室表面点云数据进行配准，采用改进的Alpha Shapes算法识别洞室表面外轮廓点云。获得的两期洞室表面外轮廓点云经精配准后，再采用M3C2算法进行各点变形值计算，最后进行距离聚类提取连续形变区域。实验结果表明：该方法能够有效剔除点云中细小沟壑处的点及受到混合像元影响的点，在洞室截面到扫描仪距离10m的范围内，两期点云剔除率分别为14.17%及13.52%，在70m范围内，分别为6.25%及6.42%；该方法能够准确高效地提取出2倍配准误差以上的洞室表面形变区域。
摘要：
针对风电机组长期在恶劣环境中工作导致故障频发的问题,提出一种基于具有注意力机制的卷积神经网络(CNN)及门控循环单元(GRU)的异常工况预警方法。首先结合快速密度峰值聚类(CFSFDP)和局部离群因子(LOF)算法对风电机组状态监控与数据采集系统(SCADA)中的异常数据进行预处理,然后根据极端梯度提升(XGBoost)算法评估特征重要性选取模型输入输出参数,输入到CNN-GRU-Attention模型中进行训练和预测,建立风电机组正常运行工况预测模型。以该模型为基础,利用时移滑动窗口建立风电机组状态评价指标,结合统计学中的区间估计法确定预警上限阈值以实现异常工况预警,最后应用某风场真实历史故障数据进行实验。实验结果表明,CNN-GRU-Attention模型能够有效的对机组异常工况进行提前识别并预警,以确保风电机组的稳定运行。
针对风电机组长期在恶劣环境中工作导致故障频发的问题,提出一种基于具有注意力机制的卷积神经网络(CNN)及门控循环单元(GRU)的异常工况预警方法。首先结合快速密度峰值聚类(CFSFDP)和局部离群因子(LOF)算法对风电机组状态监控与数据采集系统(SCADA)中的异常数据进行预处理,然后根据极端梯度提升(XGBoost)算法评估特征重要性选取模型输入输出参数,输入到CNN-GRU-Attention模型中进行训练和预测,建立风电机组正常运行工况预测模型。以该模型为基础,利用时移滑动窗口建立风电机组状态评价指标,结合统计学中的区间估计法确定预警上限阈值以实现异常工况预警,最后应用某风场真实历史故障数据进行实验。实验结果表明,CNN-GRU-Attention模型能够有效的对机组异常工况进行提前识别并预警,以确保风电机组的稳定运行。
摘要：
海岸带是海-陆界面有机碳固定和储存的关键区域，滨海耕地土壤长时间尺度发育下有机碳形成了显著的时空演变特征与规律。本研究的目的是分析南黄海粉砂-淤泥质海岸带剖面土壤有机碳千年以来的垂直分布特征和时间演变规律。依据历史海岸线位置共在研究区内北部射阳和中部东台两个地区采集了二十个1米深的土壤剖面，分析了土壤有机碳质量分数（SOCC）、密度（SOCD）和储量（SOCS）的时空分布特征及其与土壤理化属性的相关性。结果表明：1）千年以来滨海耕地土壤剖面有机碳质量分数在1.00～24.44 g·kg-1内变化，有机碳密度在0.13～2.78 g·m-2内变化，两地区内有机碳质量分数和密度均随深度增加而降低；2）土壤有机碳储量的时间累积函数在两地区内有所差异，射阳地区有机碳储量随着成土年龄表现为线性函数，而东台地区有机碳储量随时间则表现为对数函数，成土母质的差异是造成两地区碳储量不同时间演变函数的主要原因之一；3）滨海耕地土壤有机碳与土壤理化属性具有显著相关性。两个采样地区相比，射阳地区的土壤有机碳与体积质量、全盐量的相关系数更高，而东台地区的有机碳与土壤质地的相关系数更高。该研究可为理解滨海耕地土壤碳库的动态特征和长期储存机制提供重要参考。
海岸带是海-陆界面有机碳固定和储存的关键区域，滨海耕地土壤长时间尺度发育下有机碳形成了显著的时空演变特征与规律。本研究的目的是分析南黄海粉砂-淤泥质海岸带剖面土壤有机碳千年以来的垂直分布特征和时间演变规律。依据历史海岸线位置共在研究区内北部射阳和中部东台两个地区采集了二十个1米深的土壤剖面，分析了土壤有机碳质量分数（SOCC）、密度（SOCD）和储量（SOCS）的时空分布特征及其与土壤理化属性的相关性。结果表明：1）千年以来滨海耕地土壤剖面有机碳质量分数在1.00～24.44 g·kg-1内变化，有机碳密度在0.13～2.78 g·m-2内变化，两地区内有机碳质量分数和密度均随深度增加而降低；2）土壤有机碳储量的时间累积函数在两地区内有所差异，射阳地区有机碳储量随着成土年龄表现为线性函数，而东台地区有机碳储量随时间则表现为对数函数，成土母质的差异是造成两地区碳储量不同时间演变函数的主要原因之一；3）滨海耕地土壤有机碳与土壤理化属性具有显著相关性。两个采样地区相比，射阳地区的土壤有机碳与体积质量、全盐量的相关系数更高，而东台地区的有机碳与土壤质地的相关系数更高。该研究可为理解滨海耕地土壤碳库的动态特征和长期储存机制提供重要参考。
摘要：
智能站主设备保护采样回路异常因具有隐蔽性、瞬时性、不稳定性等特点而难以发现。对此，提出基于同源录波数据的主设备保护采样回路异常预警方案。首先通过合理设定预警门槛和波形分析判据判断采样回路是否出现异常。其次基于采样回路缺陷处理文本及设备运维手册等信息构建采样回路运维知识图谱，实现采样回路异常辅助决策。最后，以某变电站实际缺陷为例进行案例分析。分析结果表明，方案能有效发现采样回路异常，构建的知识图谱可为运维人员提供异常处置决策参考，极大缓解人工压力。
智能站主设备保护采样回路异常因具有隐蔽性、瞬时性、不稳定性等特点而难以发现。对此，提出基于同源录波数据的主设备保护采样回路异常预警方案。首先通过合理设定预警门槛和波形分析判据判断采样回路是否出现异常。其次基于采样回路缺陷处理文本及设备运维手册等信息构建采样回路运维知识图谱，实现采样回路异常辅助决策。最后，以某变电站实际缺陷为例进行案例分析。分析结果表明，方案能有效发现采样回路异常，构建的知识图谱可为运维人员提供异常处置决策参考，极大缓解人工压力。
摘要：
针对智能车在高速路换道场景中的安全性及舒适性问题，提出一种基于安全势场和多项式换道模型的轨迹规划方法。首先，将车辆的运动在Frenet坐标系中解耦为横向与纵向两个维度，采用五次多项式与四次多项式分别生成车辆的横向d-t轨迹簇与纵向s-t轨迹簇；其次，为提升算法效率，根据车辆动力学特性设计了包含加速度、加速度变化率和曲率的轨迹评价指标，对轨迹簇进行初筛后得到候选轨迹；最后，基于安全势场理论结合行车最小安全距离的概念建立包含安全性、舒适性以及效率的轨迹评价函数对候选轨迹筛选出最优轨迹并完成仿真验证。通过搭建高速双车道弯道模型并设计匀速车流和变速车流的不同换道场景对该算法进行仿真验证，结果表明：在换道过程中，自车与各障碍车之间的碰撞风险值始终小于碰撞风险临界值，保证了换道的安全性；在不同行驶工况下，自车的加速度、加速度变化率以及轨迹曲率均小于阈值，表明该换道轨迹规划算法在多种障碍车流中均能保证自车换道的舒适性与换道轨迹的平滑性。
针对智能车在高速路换道场景中的安全性及舒适性问题，提出一种基于安全势场和多项式换道模型的轨迹规划方法。首先，将车辆的运动在Frenet坐标系中解耦为横向与纵向两个维度，采用五次多项式与四次多项式分别生成车辆的横向d-t轨迹簇与纵向s-t轨迹簇；其次，为提升算法效率，根据车辆动力学特性设计了包含加速度、加速度变化率和曲率的轨迹评价指标，对轨迹簇进行初筛后得到候选轨迹；最后，基于安全势场理论结合行车最小安全距离的概念建立包含安全性、舒适性以及效率的轨迹评价函数对候选轨迹筛选出最优轨迹并完成仿真验证。通过搭建高速双车道弯道模型并设计匀速车流和变速车流的不同换道场景对该算法进行仿真验证，结果表明：在换道过程中，自车与各障碍车之间的碰撞风险值始终小于碰撞风险临界值，保证了换道的安全性；在不同行驶工况下，自车的加速度、加速度变化率以及轨迹曲率均小于阈值，表明该换道轨迹规划算法在多种障碍车流中均能保证自车换道的舒适性与换道轨迹的平滑性。
摘要：
随着电力产业的迅猛发展，发电机组状态的监测受到了广泛关注。为有效检测风电机组叶片是否结冰，本文提出一种基于SCADA（Supervisory Control and Data Acquisition）图像数据增强的风机叶片结冰检测方法。首先，本文对原始特征进行重构，并综合考虑数据相关性和特征重要性来筛选特征，随后，将SCADA数据转化为二维图像形式，以适配二维神经网络模型的输入需求，在此基础上，采用经过优化的CycleGAN算法生成更具适应性的图像数据，旨在解决数据类别不平衡的问题，同时提高模型的泛化能力。本文选取WT15数据作为训练集，WT21数据作为测试集。实验结果表明，与采用XGBoost模型进行特征选择相比，本文所提出的特征选择方法使得模型的准确率提高了4.79个百分点，F1分数提升了2.64个百分点，与原始CycleGAN模型相比，改进后的模型准确率提高了6.78个百分点，F1分数提升了6.91个百分点，本文提出的方法在提高模型准确率和泛化能力方面具有显著优势。
随着电力产业的迅猛发展，发电机组状态的监测受到了广泛关注。为有效检测风电机组叶片是否结冰，本文提出一种基于SCADA（Supervisory Control and Data Acquisition）图像数据增强的风机叶片结冰检测方法。首先，本文对原始特征进行重构，并综合考虑数据相关性和特征重要性来筛选特征，随后，将SCADA数据转化为二维图像形式，以适配二维神经网络模型的输入需求，在此基础上，采用经过优化的CycleGAN算法生成更具适应性的图像数据，旨在解决数据类别不平衡的问题，同时提高模型的泛化能力。本文选取WT15数据作为训练集，WT21数据作为测试集。实验结果表明，与采用XGBoost模型进行特征选择相比，本文所提出的特征选择方法使得模型的准确率提高了4.79个百分点，F1分数提升了2.64个百分点，与原始CycleGAN模型相比，改进后的模型准确率提高了6.78个百分点，F1分数提升了6.91个百分点，本文提出的方法在提高模型准确率和泛化能力方面具有显著优势。
摘要：
跨模态行人重识别是一项具有挑战性的任务，旨在在可见光和红外模式之间匹配行人图像，在犯罪调查和智能视频监控应用中发挥重要作用。为了解决目前跨模态行人重识别任务中对细粒度特征提取能力不强的问题，本文提出了基于融合注意力和特征增强的行人重识别模型。首先利用自动数据增强技术来缓解不同摄像机的视角、尺度差异，其次提出基于交叉注意力多尺度Vision Transformer，通过处理多尺度特征来生成具有更强区分性的特征表示。接着提出通道注意力和空间注意力机制，在融合可见光和红外图像特征时学习对区分特征重要的信息。最后设计损失函数，提出了基于自适应权重的难三元组损失，增强了每个样本之间的相关性，提高了可见光和红外图像对不同行人的识别能力。在SYSU-MM01和RegDB数据集上进行大量实验，本文提出方法的mAP分别达到了68.05%和85.19%，相较之前的工作有性能提升，且通过消融实验和对比分析验证了本文模型的先进性和有效性。
跨模态行人重识别是一项具有挑战性的任务，旨在在可见光和红外模式之间匹配行人图像，在犯罪调查和智能视频监控应用中发挥重要作用。为了解决目前跨模态行人重识别任务中对细粒度特征提取能力不强的问题，本文提出了基于融合注意力和特征增强的行人重识别模型。首先利用自动数据增强技术来缓解不同摄像机的视角、尺度差异，其次提出基于交叉注意力多尺度Vision Transformer，通过处理多尺度特征来生成具有更强区分性的特征表示。接着提出通道注意力和空间注意力机制，在融合可见光和红外图像特征时学习对区分特征重要的信息。最后设计损失函数，提出了基于自适应权重的难三元组损失，增强了每个样本之间的相关性，提高了可见光和红外图像对不同行人的识别能力。在SYSU-MM01和RegDB数据集上进行大量实验，本文提出方法的mAP分别达到了68.05%和85.19%，相较之前的工作有性能提升，且通过消融实验和对比分析验证了本文模型的先进性和有效性。
摘要：
以最优化项目工期和员工满意度为目标，建立多目标软件项目调度问题的数学模型。该模型考虑员工的技能等级划分、任务重要程度等实际因素，并将重要任务与高技能等级员工相匹配。提出一种基于Q学习的超启发式算法求解该模型。基于交叉算子和引入随机抖动的Jaya算子对任务-员工矩阵进行全局搜索；利用问题信息设计了减少项目工期和增加员工满意度的局部挖掘策略；将全局搜索算子、邻域参数的取值和局部挖掘策略组合为八种低层启发式策略；给出一种基于Q学习的高层策略，根据低层策略的历史表现为不同进化状态下的种群自适应选择合适的低层策略。实验结果表明所提算法在绝大多数算例上的HVR和IGD性能优于代表性算法。
以最优化项目工期和员工满意度为目标，建立多目标软件项目调度问题的数学模型。该模型考虑员工的技能等级划分、任务重要程度等实际因素，并将重要任务与高技能等级员工相匹配。提出一种基于Q学习的超启发式算法求解该模型。基于交叉算子和引入随机抖动的Jaya算子对任务-员工矩阵进行全局搜索；利用问题信息设计了减少项目工期和增加员工满意度的局部挖掘策略；将全局搜索算子、邻域参数的取值和局部挖掘策略组合为八种低层启发式策略；给出一种基于Q学习的高层策略，根据低层策略的历史表现为不同进化状态下的种群自适应选择合适的低层策略。实验结果表明所提算法在绝大多数算例上的HVR和IGD性能优于代表性算法。
摘要：
针对运动场景拍摄的图像出现不均匀模糊现象，导致工业环境下的机器视觉任务处理效率低下的问题，提出一种基于多权自适应交互的运动模糊图像复原算法。首先，采用多策略特征提取模块，从模糊图像中提取出浅层和关键的纹理信息并平滑噪声，同时构建残差语义块，深入挖掘图像的深层语义信息。然后，提出双通道自适应权重提取模块，从退化图像中捕获空间及像素的权重信息，并逐步将这些信息补偿到网络中。最后，设计出一种权重特征融合模块，融合网络所提取的多空间权重特征，并结合多项损失函数，进一步改善图像质量。所提算法在标准数据集下的主客观及消融实验结果显示，在标准数据集下的SSIM和PSNR指标达到0.93和31.89，各模块可以较好协调，在复原运动场景下的非均匀模糊图像方面具有显著优势。
针对运动场景拍摄的图像出现不均匀模糊现象，导致工业环境下的机器视觉任务处理效率低下的问题，提出一种基于多权自适应交互的运动模糊图像复原算法。首先，采用多策略特征提取模块，从模糊图像中提取出浅层和关键的纹理信息并平滑噪声，同时构建残差语义块，深入挖掘图像的深层语义信息。然后，提出双通道自适应权重提取模块，从退化图像中捕获空间及像素的权重信息，并逐步将这些信息补偿到网络中。最后，设计出一种权重特征融合模块，融合网络所提取的多空间权重特征，并结合多项损失函数，进一步改善图像质量。所提算法在标准数据集下的主客观及消融实验结果显示，在标准数据集下的SSIM和PSNR指标达到0.93和31.89，各模块可以较好协调，在复原运动场景下的非均匀模糊图像方面具有显著优势。
摘要：
利用风电场各个风机内部配置的储能单元消纳风电经双极柔直并网系统直流故障期间的不平衡功率是一种有效解决方案，但是现有文献仅将风电场等值为单台风机进行研究并未考虑各个储能单元的剩余容量差异，容易造成剩余容量较小的储能单元过载而剩余容量较大的储能单元仍有较大的储能能力未被利用，从而导致故障期间功率不平衡。针对上述问题，本文提出基于风电场储能优化控制的直流故障穿越协调控制策略。该策略将荷电状态(State of Charge，SOC)方差作为定量描述储能剩余容量差异程度的指标，并以SOC方差下降率最大作为目标函数，将非故障极换流站转带后的剩余不平衡功率优化分配给各个风机内部的储能单元，在保证故障期间系统功率平衡的同时，缩小各储能单元之间的剩余容量的差异。在PSCAD/EMTDC仿真平台上搭建模型将所提的储能功率优化分配方案与传统平均分配方案进行对比。结果表明储能功率优化分配方案充分发挥了储能系统的功率消纳能力，提高了系统直流故障穿越能力。
利用风电场各个风机内部配置的储能单元消纳风电经双极柔直并网系统直流故障期间的不平衡功率是一种有效解决方案，但是现有文献仅将风电场等值为单台风机进行研究并未考虑各个储能单元的剩余容量差异，容易造成剩余容量较小的储能单元过载而剩余容量较大的储能单元仍有较大的储能能力未被利用，从而导致故障期间功率不平衡。针对上述问题，本文提出基于风电场储能优化控制的直流故障穿越协调控制策略。该策略将荷电状态(State of Charge，SOC)方差作为定量描述储能剩余容量差异程度的指标，并以SOC方差下降率最大作为目标函数，将非故障极换流站转带后的剩余不平衡功率优化分配给各个风机内部的储能单元，在保证故障期间系统功率平衡的同时，缩小各储能单元之间的剩余容量的差异。在PSCAD/EMTDC仿真平台上搭建模型将所提的储能功率优化分配方案与传统平均分配方案进行对比。结果表明储能功率优化分配方案充分发挥了储能系统的功率消纳能力，提高了系统直流故障穿越能力。
摘要：
为探明设施土壤N2O排放对接种植物根际促生菌的响应，以枯草芽孢杆菌枯草亚种（Bacillus subtilis subsp. subtilis NRCB002）、施氏假单胞菌Stutzerimonas stutzeri NRCB010、贝莱斯芽孢杆菌Bacillus velezensis NRCB026和反硝化无色杆菌Achromobacter denitrificans YSQ030等4株植物根际促生菌为供试菌株，以番茄为供试作物，在设施大棚条件下进行随机区组试验。结果表明，即使是在中度盐胁迫的土壤环境下，与CK处理相比，在第一季试验中接种植物根际促生菌的处理都表现出N2O的减排趋势，在第二季试验中，接种YSQ030的处理减排效果显著，减少了36%的土壤N2O累积排放。4株植物根际促生菌对番茄植株的生长和产量都表现出了一定的促进作用。研究结果表明植物根际促生菌在减少设施土壤N2O排放和作物促生方面具有重要意义。
为探明设施土壤N2O排放对接种植物根际促生菌的响应，以枯草芽孢杆菌枯草亚种（Bacillus subtilis subsp. subtilis NRCB002）、施氏假单胞菌Stutzerimonas stutzeri NRCB010、贝莱斯芽孢杆菌Bacillus velezensis NRCB026和反硝化无色杆菌Achromobacter denitrificans YSQ030等4株植物根际促生菌为供试菌株，以番茄为供试作物，在设施大棚条件下进行随机区组试验。结果表明，即使是在中度盐胁迫的土壤环境下，与CK处理相比，在第一季试验中接种植物根际促生菌的处理都表现出N2O的减排趋势，在第二季试验中，接种YSQ030的处理减排效果显著，减少了36%的土壤N2O累积排放。4株植物根际促生菌对番茄植株的生长和产量都表现出了一定的促进作用。研究结果表明植物根际促生菌在减少设施土壤N2O排放和作物促生方面具有重要意义。
摘要：
在脑机接口(BCI)领域，手部自然动作脑电识别对实现自然而精确的人机交互具有重要意义。然而，在针对手部自然动作范式的研究中，利用迁移学习提高模型在不同被试之间泛化能力的尝试仍然较少。针对这一问题，本文选择掌握、指捏和旋拧三种手部自然动作开展了脑电实验，并在实验数据集上验证了CA-MDM和CA-JDA这两种迁移学习算法的有效性。实验结果显示，CA-JDA在二分类和四分类任务中的平均准确率分别为60.51%±5.78%和34.89%±4.42%，而CA-MDM在相同分类任务中的表现为63.88%±4.59%和35.71%±4.84%，该结果突显了基于黎曼空间的分类器在处理协方差特征时的优势。本文的研究不仅证实了迁移学习在手部自然动作范式中的可行性，同时为缩短BCI系统的校准时间，实现自然人机交互策略提供了帮助。
在脑机接口(BCI)领域，手部自然动作脑电识别对实现自然而精确的人机交互具有重要意义。然而，在针对手部自然动作范式的研究中，利用迁移学习提高模型在不同被试之间泛化能力的尝试仍然较少。针对这一问题，本文选择掌握、指捏和旋拧三种手部自然动作开展了脑电实验，并在实验数据集上验证了CA-MDM和CA-JDA这两种迁移学习算法的有效性。实验结果显示，CA-JDA在二分类和四分类任务中的平均准确率分别为60.51%±5.78%和34.89%±4.42%，而CA-MDM在相同分类任务中的表现为63.88%±4.59%和35.71%±4.84%，该结果突显了基于黎曼空间的分类器在处理协方差特征时的优势。本文的研究不仅证实了迁移学习在手部自然动作范式中的可行性，同时为缩短BCI系统的校准时间，实现自然人机交互策略提供了帮助。
摘要：
从海量描述滑坡地质灾害文本中抽取有价值的滑坡地质灾害实体是构建滑坡地质灾害知识图谱的基础。该文基于滑坡地质灾害勘查报告文献等相关非结构化文本数据,依据滑坡灾害机理分析滑坡地质灾害文本语言描述特点,制定了滑坡地质灾害语义信息的标注体系与标注规范,构建了面向滑坡地质灾害领域的语料库。同时,基于该语料库的实体识别实验表明,命名实体识别模型的准确率、回召率和精确率均达到90%以上,验证了该语料库的适用性,为后续滑坡地质知识图谱的研究工作提供有力的数据支撑。
从海量描述滑坡地质灾害文本中抽取有价值的滑坡地质灾害实体是构建滑坡地质灾害知识图谱的基础。该文基于滑坡地质灾害勘查报告文献等相关非结构化文本数据,依据滑坡灾害机理分析滑坡地质灾害文本语言描述特点,制定了滑坡地质灾害语义信息的标注体系与标注规范,构建了面向滑坡地质灾害领域的语料库。同时,基于该语料库的实体识别实验表明,命名实体识别模型的准确率、回召率和精确率均达到90%以上,验证了该语料库的适用性,为后续滑坡地质知识图谱的研究工作提供有力的数据支撑。
摘要：
路径跟踪精度是智能车辆安全自主行驶的基础。为解决滑模控制系统的抖振问题,提高路径跟踪控制器的控制精度,提出了一种引入激活函数的积分滑模控制策略(PIDSM-AF)。首先,以二自由度车辆模型为基础,将车辆的动力学模型拆解为横向误差模型,建立了横向控制模型。然后,采用极值法,建立融合了航向角误差和横向误差的积分滑模面,考虑一般指数趋近率难以消除的系统抖振问题,本文在改进指数趋近率的基础上引入了非线性激活函数,设计了一种基于激活函数滑模控制的横向路径跟踪控制器。最后,通过 Carsim-simulink 联合仿真对改进的滑模控制器进行双移线路况测试。结果表明,与传统的终端滑模控制器相比,优化后的积分滑模控制器的跟踪精度在低速低附着工况、高速高附着工况下的最大横向位置偏差分别提升了约64%、34.9%,平均横向位置偏差分别提升了约68.4%、59.7%,且优化后的控制器有效地抑制了车辆航向角、前轮转角的抖振超调变化,具有较强的鲁棒性。
路径跟踪精度是智能车辆安全自主行驶的基础。为解决滑模控制系统的抖振问题,提高路径跟踪控制器的控制精度,提出了一种引入激活函数的积分滑模控制策略(PIDSM-AF)。首先,以二自由度车辆模型为基础,将车辆的动力学模型拆解为横向误差模型,建立了横向控制模型。然后,采用极值法,建立融合了航向角误差和横向误差的积分滑模面,考虑一般指数趋近率难以消除的系统抖振问题,本文在改进指数趋近率的基础上引入了非线性激活函数,设计了一种基于激活函数滑模控制的横向路径跟踪控制器。最后,通过 Carsim-simulink 联合仿真对改进的滑模控制器进行双移线路况测试。结果表明,与传统的终端滑模控制器相比,优化后的积分滑模控制器的跟踪精度在低速低附着工况、高速高附着工况下的最大横向位置偏差分别提升了约64%、34.9%,平均横向位置偏差分别提升了约68.4%、59.7%,且优化后的控制器有效地抑制了车辆航向角、前轮转角的抖振超调变化,具有较强的鲁棒性。
摘要：
行人重识别(Person re-identification,简称ReID)是智能视频监控领域的一项关键技术,旨在跨像机检索同一目标行人。由于监控场景的复杂性,传统的单模态行人重识别在低光、雾天等极端情况的适用性较差,近年来,由于实际应用的需要以及深度学习的快速发展,基于深度学习的多模态行人重识别受到了广泛的关注。本文针对近年来多模态行人重识别的发展脉络进行综述,阐述了传统单模态行人重识别的不足；归纳总结了多模态行人重识别常见应用场景及其优势以及各数据集的构成；重点分析各种场景多模态行人重识别的相关方法及其分类,并探讨了当前研究的热点和挑战；最后,展望了多模态行人重识别未来的发展趋势和潜在应用价值。
行人重识别(Person re-identification,简称ReID)是智能视频监控领域的一项关键技术,旨在跨像机检索同一目标行人。由于监控场景的复杂性,传统的单模态行人重识别在低光、雾天等极端情况的适用性较差,近年来,由于实际应用的需要以及深度学习的快速发展,基于深度学习的多模态行人重识别受到了广泛的关注。本文针对近年来多模态行人重识别的发展脉络进行综述,阐述了传统单模态行人重识别的不足；归纳总结了多模态行人重识别常见应用场景及其优势以及各数据集的构成；重点分析各种场景多模态行人重识别的相关方法及其分类,并探讨了当前研究的热点和挑战；最后,展望了多模态行人重识别未来的发展趋势和潜在应用价值。
摘要：
深度神经网络（DNNs）对经过特殊设计的对抗样本存在脆弱性，容易受到欺骗。目前的检测技术虽能识别一些恶意输入，但在对抗复杂攻击手段时，其保护能力仍显不足。本文基于无标记数据提出一种新型无监督对抗样本检测方法，其核心思想是通过特征的构建与融合，将对抗样本检测问题转化为异常检测问题，为此设计了图像变换、神经网络分类器、热力图绘制、距离计算以及异常检测器5个核心部分。先对原始图像进行变换处理，将变换前后的图像分别输入神经网络分类器，提取预测概率数组与卷积层特征绘制热力图，并将检测器从单纯关注模型输出层拓展到输入层特征，增强检测器对对抗样本和正常样本差异的建模和度量能力，进而计算变换前后图像的概率数组KL距离与热力图关注点变化距离，将距离特征输入异常检测器判断是否为对抗样本。在大尺寸高质量图像数据集 ImageNet上进行实验，本检测器面向5种不同类型攻击取得的平均AUC值为0.77，展现出良好的检测性能。与其他前沿的无监督对抗样本检测器相比，本检测器在保持相近的误报率的情况下TPR至少高出15.88%，检测能力具有明显优势。
深度神经网络（DNNs）对经过特殊设计的对抗样本存在脆弱性，容易受到欺骗。目前的检测技术虽能识别一些恶意输入，但在对抗复杂攻击手段时，其保护能力仍显不足。本文基于无标记数据提出一种新型无监督对抗样本检测方法，其核心思想是通过特征的构建与融合，将对抗样本检测问题转化为异常检测问题，为此设计了图像变换、神经网络分类器、热力图绘制、距离计算以及异常检测器5个核心部分。先对原始图像进行变换处理，将变换前后的图像分别输入神经网络分类器，提取预测概率数组与卷积层特征绘制热力图，并将检测器从单纯关注模型输出层拓展到输入层特征，增强检测器对对抗样本和正常样本差异的建模和度量能力，进而计算变换前后图像的概率数组KL距离与热力图关注点变化距离，将距离特征输入异常检测器判断是否为对抗样本。在大尺寸高质量图像数据集 ImageNet上进行实验，本检测器面向5种不同类型攻击取得的平均AUC值为0.77，展现出良好的检测性能。与其他前沿的无监督对抗样本检测器相比，本检测器在保持相近的误报率的情况下TPR至少高出15.88%，检测能力具有明显优势。
摘要：
新型电力系统需要“源网荷储一体化”协同优化调度。目前，调度自动化系统采用关系型数据库，基于多个关联表进行数据查询和存储，难以满足计算的快速性需求。本文提出一种基于图的源网荷储协同日内调度计算方法。首先，利用图数据库实现源网荷储时空数据的融合；其次，综合考虑火电机组、可调节负荷和储能等多种资源，构建源网荷储协同日内调度优化模型；然后，提出基于图计算的潮流计算方法，快速进行系统安全校核；最后，基于安全校核结果修正系统运行状态，直至满足所有的运行约束条件。通过对改进的IEEE118节点系统和IEEE1354节点系统算例进行分析 ，验证了本文提出的源网荷储协同优化方法能够提升计算效率。
新型电力系统需要“源网荷储一体化”协同优化调度。目前，调度自动化系统采用关系型数据库，基于多个关联表进行数据查询和存储，难以满足计算的快速性需求。本文提出一种基于图的源网荷储协同日内调度计算方法。首先，利用图数据库实现源网荷储时空数据的融合；其次，综合考虑火电机组、可调节负荷和储能等多种资源，构建源网荷储协同日内调度优化模型；然后，提出基于图计算的潮流计算方法，快速进行系统安全校核；最后，基于安全校核结果修正系统运行状态，直至满足所有的运行约束条件。通过对改进的IEEE118节点系统和IEEE1354节点系统算例进行分析 ，验证了本文提出的源网荷储协同优化方法能够提升计算效率。
摘要：
长江三角洲（以下简称长三角）作为我国森林资源丰富的区域之一，拥有巨大的碳汇潜力。准确捕捉和评估长三角森林的扰动与增益情况，对于提升该地区的森林管理水平以及生态环境保护工作具有重要意义。本研究采用了LandTrendr变化检测算法和基于Google Earth Engine（GEE）云平台的Landsat5-8时间序列叠加的方法，对长三角1991-2020年长达30年的森林扰动与增益进行了监测。结果表明：LandTrendr算法监测森林扰动与增益的总体精度达到88.5%，森林扰动与增益的生产精度、用户精度均高于80%，表明长三角森林扰动与增益监测效果较好。长三角森林扰动总面积为9646.96 km2;森林增益总面积为37205.46 km2，近30年长三角森林总面积呈增加趋势。基于GEE云平台的LandTrendr算法实现了长三角森林扰动与增益的精准监测。
长江三角洲（以下简称长三角）作为我国森林资源丰富的区域之一，拥有巨大的碳汇潜力。准确捕捉和评估长三角森林的扰动与增益情况，对于提升该地区的森林管理水平以及生态环境保护工作具有重要意义。本研究采用了LandTrendr变化检测算法和基于Google Earth Engine（GEE）云平台的Landsat5-8时间序列叠加的方法，对长三角1991-2020年长达30年的森林扰动与增益进行了监测。结果表明：LandTrendr算法监测森林扰动与增益的总体精度达到88.5%，森林扰动与增益的生产精度、用户精度均高于80%，表明长三角森林扰动与增益监测效果较好。长三角森林扰动总面积为9646.96 km2;森林增益总面积为37205.46 km2，近30年长三角森林总面积呈增加趋势。基于GEE云平台的LandTrendr算法实现了长三角森林扰动与增益的精准监测。
摘要：
针对多传感器信息融合存在的问题，提出一种基于非高斯度量和最大相关熵的CKF跟踪方法。首先，为解决系统误差不能较好估计和补偿的问题，提出了构造关于雷达系统误差的伪量测与等效量测方程的方法，并采用卡尔曼滤波对雷达系统误差进行实时估计。其次，为解决偏度峰度检验未考虑到样本分布形态问题的问题，提出了一种基于多峰分布度和偏度系数构造函数的方法，通过利用多峰分布度对多峰分布特征进行识别并计算样本偏度，可以更全面地评估数据的非高斯性特征。第三，为解决多传感器融合存在非高斯噪声的难以构建融合系数的问题，提出了依据非高斯强弱构建传感器融合系数的方法。最后，利用柯西核和最大相关熵CKF，解决动态状态估计中非高斯噪声导致的估计精度下降的问题。
针对多传感器信息融合存在的问题，提出一种基于非高斯度量和最大相关熵的CKF跟踪方法。首先，为解决系统误差不能较好估计和补偿的问题，提出了构造关于雷达系统误差的伪量测与等效量测方程的方法，并采用卡尔曼滤波对雷达系统误差进行实时估计。其次，为解决偏度峰度检验未考虑到样本分布形态问题的问题，提出了一种基于多峰分布度和偏度系数构造函数的方法，通过利用多峰分布度对多峰分布特征进行识别并计算样本偏度，可以更全面地评估数据的非高斯性特征。第三，为解决多传感器融合存在非高斯噪声的难以构建融合系数的问题，提出了依据非高斯强弱构建传感器融合系数的方法。最后，利用柯西核和最大相关熵CKF，解决动态状态估计中非高斯噪声导致的估计精度下降的问题。
摘要：
针对滑模观测器(SMO)因高频抖振导致电机转子速度和位置难以准确估计且速度环PI控制器鲁棒性和速度跟踪性能较差的问题，提出一种基于改进滑模观测器的PMSM无速传感控制设计。首先，在直接转矩控制系统中的滑模观测器后加入无限脉冲响应滤波器(IIR filter)，以解决在滑模观测器输出中的高频噪声，并进一步采用连续的双曲正切函数代替不连续的符号函数，以改善系统抖振；其次，基于自抗扰控制器设计速度环，用以改善系统超调和转速之间的矛盾；最后，在Matlab/Simulink环境下搭建了硬件在环实验平台。仿真和结果表明了在相同负载和干扰条件下，相比传统无速度传感系统，本文所设计的自抗扰的永磁同步电机无速传感控制能减小转速估计的抖振，且具有更优的鲁棒性和速度跟踪性能。
针对滑模观测器(SMO)因高频抖振导致电机转子速度和位置难以准确估计且速度环PI控制器鲁棒性和速度跟踪性能较差的问题，提出一种基于改进滑模观测器的PMSM无速传感控制设计。首先，在直接转矩控制系统中的滑模观测器后加入无限脉冲响应滤波器(IIR filter)，以解决在滑模观测器输出中的高频噪声，并进一步采用连续的双曲正切函数代替不连续的符号函数，以改善系统抖振；其次，基于自抗扰控制器设计速度环，用以改善系统超调和转速之间的矛盾；最后，在Matlab/Simulink环境下搭建了硬件在环实验平台。仿真和结果表明了在相同负载和干扰条件下，相比传统无速度传感系统，本文所设计的自抗扰的永磁同步电机无速传感控制能减小转速估计的抖振，且具有更优的鲁棒性和速度跟踪性能。
摘要：
针对目前气候区划变量较少、信息利用不充分、较少考虑气候变化影响等问题，基于机器学习和现代统计方法，提出一种数据驱动的区划算法.首先，基于Mann-Kendall检验和滑动t检验计算主变量的突变点，把研究时期进行分段；然后，基于BP典型相关选取协变量，并建立多变量SOM聚类算法，实现不同阶段的气候区划；最后，结合气候区概况来分析区划结果的实际意义，以及气候变化对气候区划的影响.实验结果表明：所提的区划算法有别于主变量的等值线分区以及人为确定阈值，而是根据SOM聚类，由数据驱动来确定区域个数以及分区，数据利用率高，区划过程更加客观合理；无需在区划过程中考虑气候背景，而是在算法过程中包含多层协变量和气候变化的影响，能够有效提高区划效率和可靠性.
针对目前气候区划变量较少、信息利用不充分、较少考虑气候变化影响等问题，基于机器学习和现代统计方法，提出一种数据驱动的区划算法.首先，基于Mann-Kendall检验和滑动t检验计算主变量的突变点，把研究时期进行分段；然后，基于BP典型相关选取协变量，并建立多变量SOM聚类算法，实现不同阶段的气候区划；最后，结合气候区概况来分析区划结果的实际意义，以及气候变化对气候区划的影响.实验结果表明：所提的区划算法有别于主变量的等值线分区以及人为确定阈值，而是根据SOM聚类，由数据驱动来确定区域个数以及分区，数据利用率高，区划过程更加客观合理；无需在区划过程中考虑气候背景，而是在算法过程中包含多层协变量和气候变化的影响，能够有效提高区划效率和可靠性.
摘要：
针对风电功率波动性较强和预测精度较低的问题，提出了一种改进蜣螂优化算法(logistic-t-dung beetle optimizer, LTDBO)优化变分模态分解(variational mode decomposition, VMD)参数和LTDBO算法优化长短期记忆网络(long short-term memory, LSTM)超参数的混合短期风电功率预测模型。首先以平均包络谱峭度作为适应度函数，利用LTDBO算法对VMD分解层数和惩罚因子进行寻优，然后使用VMD对数据清洗后的风电序列进行分解，得到不同频率的平稳的固有模态分量(intrinsic mode function，IMF)；将各IMF输入由LTDBO进行超参数寻优的LSTM进行预测，最后将各IMF预测值进行叠加重构，得到最终结果。实验结果表明：LTDBO算法可以找到VMD和LSTM的最优超参数组合，LTDBO-VMD-LTDBO-LSTM组合模型在风电功率预测领域具有较好的预测精度和鲁棒性。
针对风电功率波动性较强和预测精度较低的问题，提出了一种改进蜣螂优化算法(logistic-t-dung beetle optimizer, LTDBO)优化变分模态分解(variational mode decomposition, VMD)参数和LTDBO算法优化长短期记忆网络(long short-term memory, LSTM)超参数的混合短期风电功率预测模型。首先以平均包络谱峭度作为适应度函数，利用LTDBO算法对VMD分解层数和惩罚因子进行寻优，然后使用VMD对数据清洗后的风电序列进行分解，得到不同频率的平稳的固有模态分量(intrinsic mode function，IMF)；将各IMF输入由LTDBO进行超参数寻优的LSTM进行预测，最后将各IMF预测值进行叠加重构，得到最终结果。实验结果表明：LTDBO算法可以找到VMD和LSTM的最优超参数组合，LTDBO-VMD-LTDBO-LSTM组合模型在风电功率预测领域具有较好的预测精度和鲁棒性。
摘要：
目前生物量估算的数据来源包括光学、合成孔径雷达（Synthetic Aperture Radar，SAR）和激光雷达（Light Detection and Ranging，LiDAR）等。利用遥感技术对区域生物量进行反演时，实地样方数据的不足限制了模型反演精度的提升。本研究采用无人机雷达点云数据结合实地调查扩大样本量，试图验证利用机载雷达替代实地调查的可行性，并与光学影像特征（植被指数数据和纹理特征数据）建立植被地上生物量反演模型。结果表明：1）基于LiDAR获取的单株冠幅数据估算的生物量具有较好的精度，与实地测算的生物量结果的总体误差百分比为1.74%；2）南京龙王山风景区利用LiDAR数据估算的地上生物量密度为96.78 Mg·hm-2，利用光学影像特征模型反演的生物量密度为107.94 Mg·hm-2；3）毗邻龙王山的校园验证数据结果显示，模型反演生物量密度值为92.6 Mg·hm-2，基于LiDAR数据的结果为104.11 Mg·hm-2，可以看出所提出的方法具有较好的效果。因此，通过无人机LiDAR和冠幅生物量模型可以扩大样本量，由此建立的影像特征生物量模型具有良好的效果，为大范围生物量反演提供一种可行的方法。
目前生物量估算的数据来源包括光学、合成孔径雷达（Synthetic Aperture Radar，SAR）和激光雷达（Light Detection and Ranging，LiDAR）等。利用遥感技术对区域生物量进行反演时，实地样方数据的不足限制了模型反演精度的提升。本研究采用无人机雷达点云数据结合实地调查扩大样本量，试图验证利用机载雷达替代实地调查的可行性，并与光学影像特征（植被指数数据和纹理特征数据）建立植被地上生物量反演模型。结果表明：1）基于LiDAR获取的单株冠幅数据估算的生物量具有较好的精度，与实地测算的生物量结果的总体误差百分比为1.74%；2）南京龙王山风景区利用LiDAR数据估算的地上生物量密度为96.78 Mg·hm-2，利用光学影像特征模型反演的生物量密度为107.94 Mg·hm-2；3）毗邻龙王山的校园验证数据结果显示，模型反演生物量密度值为92.6 Mg·hm-2，基于LiDAR数据的结果为104.11 Mg·hm-2，可以看出所提出的方法具有较好的效果。因此，通过无人机LiDAR和冠幅生物量模型可以扩大样本量，由此建立的影像特征生物量模型具有良好的效果，为大范围生物量反演提供一种可行的方法。
摘要：
针对现有图像修复算法，修复后的图像可能会出现纹理模糊，以及训练过程中的不稳定现象，提出一种基于扩散过程的生成对抗网络图像修复算法。将扩散模型引入至双判别器生成对抗网络，生成器生成的图像与真实图像经过前向扩散过程，得到带有高斯噪声的修复图像和真实图像，将其作为判别器的输入，提高修复质量的同时，增加了模型训练稳定性。在损失函数中引入风格损失与感知损失，来学习语义特征差异，消除动态模糊，使修复结果保留更多细节和边缘信息。在数据集CelebA和Places2上分别做了定性、定量分析及消融实验，根据评价结果及修复效果显示，所提的算法均有较好的表现。与所对比的当前修复方法相比，峰值信噪比和结构相似性分别平均提高了1.26db和1.84%，L1误差平均下降了25.7%，且根据损失函数变化看出经过扩散过程的图像修复算法训练更稳定。
针对现有图像修复算法，修复后的图像可能会出现纹理模糊，以及训练过程中的不稳定现象，提出一种基于扩散过程的生成对抗网络图像修复算法。将扩散模型引入至双判别器生成对抗网络，生成器生成的图像与真实图像经过前向扩散过程，得到带有高斯噪声的修复图像和真实图像，将其作为判别器的输入，提高修复质量的同时，增加了模型训练稳定性。在损失函数中引入风格损失与感知损失，来学习语义特征差异，消除动态模糊，使修复结果保留更多细节和边缘信息。在数据集CelebA和Places2上分别做了定性、定量分析及消融实验，根据评价结果及修复效果显示，所提的算法均有较好的表现。与所对比的当前修复方法相比，峰值信噪比和结构相似性分别平均提高了1.26db和1.84%，L1误差平均下降了25.7%，且根据损失函数变化看出经过扩散过程的图像修复算法训练更稳定。
摘要：
为了保证独立微网运行的经济性和可靠性，在进行独立微网规划时，首先要确认电源的优化配置。微网内部负荷水平、所在地区地理和气候等自然资源条件会影响独立微网电源类型和容量的选择。本文研究不同地区“风/光/水/储”的综合自然资源特性，考虑独立微网供电可靠性和发电环保性，建立以微网电源最小综合发电成本为目标，计及电力电量平衡等约束条件的优化模型，采用线性化算法求解。针对风机、光伏和水电出力的不确定性，研究生成对抗网络GAN，对风光水出力进行多场景模拟，采用K-Medoids聚类算法的改进方法，实现运行场景的削减，提高了计算效率。为了分析风光水资源特性，构建了风光水资源指标评价体系，基于模糊评价方法，获取我国大陆地区32个省级行政区的风光水资源水平。选取5个代表地区，验证所提方法的可行性和合理性，分析地区独立微电网电源配置方案和电源配置规律，为独立微电网电源规划提供参考。
为了保证独立微网运行的经济性和可靠性，在进行独立微网规划时，首先要确认电源的优化配置。微网内部负荷水平、所在地区地理和气候等自然资源条件会影响独立微网电源类型和容量的选择。本文研究不同地区“风/光/水/储”的综合自然资源特性，考虑独立微网供电可靠性和发电环保性，建立以微网电源最小综合发电成本为目标，计及电力电量平衡等约束条件的优化模型，采用线性化算法求解。针对风机、光伏和水电出力的不确定性，研究生成对抗网络GAN，对风光水出力进行多场景模拟，采用K-Medoids聚类算法的改进方法，实现运行场景的削减，提高了计算效率。为了分析风光水资源特性，构建了风光水资源指标评价体系，基于模糊评价方法，获取我国大陆地区32个省级行政区的风光水资源水平。选取5个代表地区，验证所提方法的可行性和合理性，分析地区独立微电网电源配置方案和电源配置规律，为独立微电网电源规划提供参考。
摘要：
针对小目标检测任务中目标图像尺寸小、目标特征信息模糊、目标和背景难区分等问题，提出一种基于双流对比特性学习和图像多尺度退化增强的小目标检测方法。首先，将对比学习模型的输入图像进行多尺度退化增强，增强算法对小目标的捕获感知；其次，在空间域和频率域同时进行对比学习表征，以学习更具鉴别性的目标识别特征，增强模型对目标与背景的区分，从而提高小目标检测的效果。为验证所提出方法的有效性设计消融实验，并对比分析了与其他先进算法的检测性能。实验结果表明：所提出方法在MS COCO数据集上平均精度均值mAP相较基线算法提升3.6个百分点，小目标平均精度均值APS相较主流先进算法提升7.7个百分点；在VisDrone2019数据集上，所提出方法平均精度均值mAP较基线算法提升2.4个百分点，所提出方法综合性能优于基线算法与其他主流先进算法。可视化检测效果分析表明，所提出方法在小目标检测上的漏检、误检问题得到较大改善。
针对小目标检测任务中目标图像尺寸小、目标特征信息模糊、目标和背景难区分等问题，提出一种基于双流对比特性学习和图像多尺度退化增强的小目标检测方法。首先，将对比学习模型的输入图像进行多尺度退化增强，增强算法对小目标的捕获感知；其次，在空间域和频率域同时进行对比学习表征，以学习更具鉴别性的目标识别特征，增强模型对目标与背景的区分，从而提高小目标检测的效果。为验证所提出方法的有效性设计消融实验，并对比分析了与其他先进算法的检测性能。实验结果表明：所提出方法在MS COCO数据集上平均精度均值mAP相较基线算法提升3.6个百分点，小目标平均精度均值APS相较主流先进算法提升7.7个百分点；在VisDrone2019数据集上，所提出方法平均精度均值mAP较基线算法提升2.4个百分点，所提出方法综合性能优于基线算法与其他主流先进算法。可视化检测效果分析表明，所提出方法在小目标检测上的漏检、误检问题得到较大改善。
摘要：
路径跟踪在无人驾驶中起着至关重要的作用。为提高无人驾驶卡车在不同车速下路径跟踪的精度与稳定性,设计了一种基于改进遗传算法优化的线性二次调节器(LQR)进行路径跟踪。首先,基于自然坐标系建立车辆二自由度动力学模型和跟踪误差模型,并设计LQR控制器,采用前馈控制消除稳态误差,提高跟踪精度。其次,通过改进遗传算法对LQR的权重矩阵进行优化,以提高路径跟踪的精度与稳定性。最后,通过Matlab/Simulink-TruckSim联合仿真平台在不同工况下对所设计的LQR控制器控制效果进行仿真验证。结果表明,GA优化后的LQR控制器跟踪精度平均提高了约38.8%,且具有更高的稳定性,位置误差和航向误差分别可控制在0.17m和0.11rad以内,证明了本文中所提出的跟踪控制框架的有效性。
路径跟踪在无人驾驶中起着至关重要的作用。为提高无人驾驶卡车在不同车速下路径跟踪的精度与稳定性,设计了一种基于改进遗传算法优化的线性二次调节器(LQR)进行路径跟踪。首先,基于自然坐标系建立车辆二自由度动力学模型和跟踪误差模型,并设计LQR控制器,采用前馈控制消除稳态误差,提高跟踪精度。其次,通过改进遗传算法对LQR的权重矩阵进行优化,以提高路径跟踪的精度与稳定性。最后,通过Matlab/Simulink-TruckSim联合仿真平台在不同工况下对所设计的LQR控制器控制效果进行仿真验证。结果表明,GA优化后的LQR控制器跟踪精度平均提高了约38.8%,且具有更高的稳定性,位置误差和航向误差分别可控制在0.17m和0.11rad以内,证明了本文中所提出的跟踪控制框架的有效性。
摘要：
在电力设备故障检测任务中,模型的性能受到多种因素的影响,如故障种类的多样性、故障特征的复杂性和图像质量的差异等。为了解决这些问题,提出了一种基于TrellisNet和注意力机制的新型电力设备故障检测模型。该模型首先将长短期记忆(Long Short-Term Memory,LSTM)和卷积神经网络(Convolutional Neural Networks,CNN)进行融合,构建LSTM-CNN来获取图片中的故障特征,这可以有效地区分不同故障类型的特征,并减少噪声和干扰因素的影响。此外,将LSTM-CNN获得的特征数据作为输入,并通过将注意力机制嵌入到TrellisNet中,构建具有高分辨能力的AT-TrellisNet网络来检测不同电力设备的故障类型。最后通过选取5种常见的电力设备故障进行模型验证,实验结果显示,该模型与一些现有的检测模型相比,检测精确率较高,最高可达90%以上,可满足实际电力设备故障检测需求。
在电力设备故障检测任务中,模型的性能受到多种因素的影响,如故障种类的多样性、故障特征的复杂性和图像质量的差异等。为了解决这些问题,提出了一种基于TrellisNet和注意力机制的新型电力设备故障检测模型。该模型首先将长短期记忆(Long Short-Term Memory,LSTM)和卷积神经网络(Convolutional Neural Networks,CNN)进行融合,构建LSTM-CNN来获取图片中的故障特征,这可以有效地区分不同故障类型的特征,并减少噪声和干扰因素的影响。此外,将LSTM-CNN获得的特征数据作为输入,并通过将注意力机制嵌入到TrellisNet中,构建具有高分辨能力的AT-TrellisNet网络来检测不同电力设备的故障类型。最后通过选取5种常见的电力设备故障进行模型验证,实验结果显示,该模型与一些现有的检测模型相比,检测精确率较高,最高可达90%以上,可满足实际电力设备故障检测需求。
摘要：
针对天然气负荷序列的复杂性和非线性,本文提出一种基于Time2Vec的天然气负荷组合预测模型。首先采用皮尔逊相关系数进行相关性分析,提取出相关性强的气象特征；其次,引入时间向量嵌入层Time2vec,将时间序列转换为连续向量空间,提取相应的时间特征,提高了模型对时间序列信息的计算效率。将Time2Vec提取的时间特征、皮尔逊相关系数选取出的气象特征和原始负荷序列输入到长短期记忆网络(LSTM)和时间卷积网络(TCN)中进行负荷预测,充分利用LSTM的长期记忆能力和TCN的局部特征提取能力。最后,将这两个模型通过注意力机制(Attention)组合起来,根据两个模型的重要程度分别赋予不同的权重,得到最终预测结果。实验结果表明,所提出的基于Time2Vec的天然气负荷组合预测模型具有更强的适应性和更高的精度。
针对天然气负荷序列的复杂性和非线性,本文提出一种基于Time2Vec的天然气负荷组合预测模型。首先采用皮尔逊相关系数进行相关性分析,提取出相关性强的气象特征；其次,引入时间向量嵌入层Time2vec,将时间序列转换为连续向量空间,提取相应的时间特征,提高了模型对时间序列信息的计算效率。将Time2Vec提取的时间特征、皮尔逊相关系数选取出的气象特征和原始负荷序列输入到长短期记忆网络(LSTM)和时间卷积网络(TCN)中进行负荷预测,充分利用LSTM的长期记忆能力和TCN的局部特征提取能力。最后,将这两个模型通过注意力机制(Attention)组合起来,根据两个模型的重要程度分别赋予不同的权重,得到最终预测结果。实验结果表明,所提出的基于Time2Vec的天然气负荷组合预测模型具有更强的适应性和更高的精度。
摘要：
在静态栅格地图中,针对传统蚁群算法进行AGV路径规划收敛慢且搜索结果容易陷入局部最优的问题,提出一种融合跳点搜索和双向并行蚁群搜索的改进算法。首先对实际研究环境进行栅格化建模,使用改进的跳点搜索算法生成双向搜索的初始次优路径,为双向蚁群搜索提供初始搜索方向参考。其次在双向并行蚁群搜索过程采用改进的转移概率启发函数,该函数在确定下一个转移节点时考虑了避免AGV与障碍物碰撞的因素,同时通过设计信息素共享机制并结合改进的信息素增量及浓度两种融合模型,共享和更新全局信息素浓度,以更好地探索和优化路径,保证双向路径连结。最后与传统蚁群算法进行实验结果对比,验证了改进算法的全局搜索能力、效率和安全性。
在静态栅格地图中,针对传统蚁群算法进行AGV路径规划收敛慢且搜索结果容易陷入局部最优的问题,提出一种融合跳点搜索和双向并行蚁群搜索的改进算法。首先对实际研究环境进行栅格化建模,使用改进的跳点搜索算法生成双向搜索的初始次优路径,为双向蚁群搜索提供初始搜索方向参考。其次在双向并行蚁群搜索过程采用改进的转移概率启发函数,该函数在确定下一个转移节点时考虑了避免AGV与障碍物碰撞的因素,同时通过设计信息素共享机制并结合改进的信息素增量及浓度两种融合模型,共享和更新全局信息素浓度,以更好地探索和优化路径,保证双向路径连结。最后与传统蚁群算法进行实验结果对比,验证了改进算法的全局搜索能力、效率和安全性。
摘要：
针对经典图像去雾算法在边缘区域易产生光晕效应、天空等明亮区域还原失真、色调偏移等问题，提出一种基于天空检测和超像素分割的改进暗通道图像去雾新方法（Dark Channel Prior based on Sky Detection and Super Pixel, SSPDCP）。该方法首先对雾图采用HSV变换提取亮度分量进行自适应阈值分割，然后应用图像连通分析技术识别天空域；接着利用天空域估计大气光值，针对天空和非天空区域分别建立各自的透射率计算模型，并基于构建的超像素级透射率融合模型获得融合透射率图，以促进边界区域的平滑过渡；采用多尺度引导滤波精化透射率图，最后应用大气散射模型完成图像复原并进行亮度增强处理，实现无雾图像的自然恢复。该方法识别的天空区域较为连续完整，以超像素代替方形窗口有效克服局部块效应的影响，大气光值和透射率图估计更为客观准确，主观定性和客观定量评价方面来看，该方法复原的图像具有整体误差小、信噪比优良、结构相似度高等优势。本文所提出的图像去雾新方法能有效抑制边缘区域的光晕效应，且复原的天空区域明亮自然，图像去雾质量相比现有方法有进一步提升。
针对经典图像去雾算法在边缘区域易产生光晕效应、天空等明亮区域还原失真、色调偏移等问题，提出一种基于天空检测和超像素分割的改进暗通道图像去雾新方法（Dark Channel Prior based on Sky Detection and Super Pixel, SSPDCP）。该方法首先对雾图采用HSV变换提取亮度分量进行自适应阈值分割，然后应用图像连通分析技术识别天空域；接着利用天空域估计大气光值，针对天空和非天空区域分别建立各自的透射率计算模型，并基于构建的超像素级透射率融合模型获得融合透射率图，以促进边界区域的平滑过渡；采用多尺度引导滤波精化透射率图，最后应用大气散射模型完成图像复原并进行亮度增强处理，实现无雾图像的自然恢复。该方法识别的天空区域较为连续完整，以超像素代替方形窗口有效克服局部块效应的影响，大气光值和透射率图估计更为客观准确，主观定性和客观定量评价方面来看，该方法复原的图像具有整体误差小、信噪比优良、结构相似度高等优势。本文所提出的图像去雾新方法能有效抑制边缘区域的光晕效应，且复原的天空区域明亮自然，图像去雾质量相比现有方法有进一步提升。
摘要：
为了有效解决现有彩色图像可逆数据隐藏(Reversible Data Hiding, RDH)算法中隐写图像视觉质量低的问题,提出了一种多层次插值预测和全局排序的彩色图像RDH方案。首先,为了充分利用图像中不同纹理区域的特征,设计一种多层次插值预测算法,显著地提升了像素的预测精度。然后,设计了一种基于复杂度的全局排序策略,分别对彩色图像三个通道中的预测误差进行排序,充分利用了每个通道中预测误差的全局特征,生成了分布更加集中的三维预测误差直方图(Three-Dimensional Prediction Error Histogram, 3D PEH)；最后,利用自适应三维映射策略修改误差直方图,嵌入秘密数据。实验结果表明,与最新的一些方案相比,所提的方法实现了更好的嵌入性能。
为了有效解决现有彩色图像可逆数据隐藏(Reversible Data Hiding, RDH)算法中隐写图像视觉质量低的问题,提出了一种多层次插值预测和全局排序的彩色图像RDH方案。首先,为了充分利用图像中不同纹理区域的特征,设计一种多层次插值预测算法,显著地提升了像素的预测精度。然后,设计了一种基于复杂度的全局排序策略,分别对彩色图像三个通道中的预测误差进行排序,充分利用了每个通道中预测误差的全局特征,生成了分布更加集中的三维预测误差直方图(Three-Dimensional Prediction Error Histogram, 3D PEH)；最后,利用自适应三维映射策略修改误差直方图,嵌入秘密数据。实验结果表明,与最新的一些方案相比,所提的方法实现了更好的嵌入性能。
摘要：
故障定位在长距离高压直流输电系统中起着至关重要的作用,针对线路衰减系数计算不准和二次波头难以捕捉的问题,提出了一种改进鹈鹕优化算法(IPOA)优化最小二乘支持向量(LSSVM)的故障定位模型。首先根据行波衰减原理,推导故障距离和线路两端线模分量模极大值比的计算公式,发现二者具有非线性关系。其次使用LSSVM泛化二者之间的关系,将改进后的POA算法对LSSVM的关键参数进行寻优,建立了IPOA- LSSVM故障定位模型。通过在两端采集故障信号,对其进行小波变换得到首波头幅值比作为模型的输入量,故障距离作为输出量进行仿真验证。仿真结果表明,该模型不受过渡电阻和故障类型的影响,能够可靠准确的定位。
故障定位在长距离高压直流输电系统中起着至关重要的作用,针对线路衰减系数计算不准和二次波头难以捕捉的问题,提出了一种改进鹈鹕优化算法(IPOA)优化最小二乘支持向量(LSSVM)的故障定位模型。首先根据行波衰减原理,推导故障距离和线路两端线模分量模极大值比的计算公式,发现二者具有非线性关系。其次使用LSSVM泛化二者之间的关系,将改进后的POA算法对LSSVM的关键参数进行寻优,建立了IPOA- LSSVM故障定位模型。通过在两端采集故障信号,对其进行小波变换得到首波头幅值比作为模型的输入量,故障距离作为输出量进行仿真验证。仿真结果表明,该模型不受过渡电阻和故障类型的影响,能够可靠准确的定位。
摘要：
电力配送过程中不可避免产生线损。使用循环神经网络进行线损预测存在信息遗忘和梯度消失等问题，在面对长时间序列的预测时预测精度不理想。为了提高线损预测的准确性，提出一种基于自注意力机制的线损预测模型。首先，根据近期的整体功耗、线损和时间等信息构建一个高维时间序列；然后，基于高维时间序列的数据结搭建一个自注意力神经网络模型；接着，利用一个开源数据集进行训练和测试，并以均方误差作为线损预测的评估指标。实验结果表明，基于自注意力机制的线损预测模型能够有效地预测线损，在面对长时间线损序列时自注意力神经网络时具有较好的预测性能。
电力配送过程中不可避免产生线损。使用循环神经网络进行线损预测存在信息遗忘和梯度消失等问题，在面对长时间序列的预测时预测精度不理想。为了提高线损预测的准确性，提出一种基于自注意力机制的线损预测模型。首先，根据近期的整体功耗、线损和时间等信息构建一个高维时间序列；然后，基于高维时间序列的数据结搭建一个自注意力神经网络模型；接着，利用一个开源数据集进行训练和测试，并以均方误差作为线损预测的评估指标。实验结果表明，基于自注意力机制的线损预测模型能够有效地预测线损，在面对长时间线损序列时自注意力神经网络时具有较好的预测性能。
摘要：
可靠有效的中长期电力需求预测是电力生产输送的重要依据,同时目前我国新能源规划发展迅速,风光波动性的影响不可忽视,未来电力系统规划能否适应需求变化场景经济高效地运行成为高度关切的问题。为综合考虑电力需求与电力系统协同运行,平抑新能源波动与需求偏差,提出了一种基于蝙蝠算法优化的极限学习机算法和引入模糊参数的源荷储资源协同运行算法的预测调度-综合评价模型,并以西北某地区为例进行了分析研究,结果表明该模型可以准确预测不同发展情景下的电力需求,并且可以为源荷储资源规划优化提出科学性参考意见。
可靠有效的中长期电力需求预测是电力生产输送的重要依据,同时目前我国新能源规划发展迅速,风光波动性的影响不可忽视,未来电力系统规划能否适应需求变化场景经济高效地运行成为高度关切的问题。为综合考虑电力需求与电力系统协同运行,平抑新能源波动与需求偏差,提出了一种基于蝙蝠算法优化的极限学习机算法和引入模糊参数的源荷储资源协同运行算法的预测调度-综合评价模型,并以西北某地区为例进行了分析研究,结果表明该模型可以准确预测不同发展情景下的电力需求,并且可以为源荷储资源规划优化提出科学性参考意见。
摘要：
本文提出一种基于梯度权值追踪的剪枝与优化算法（GWP），旨在解决无监督领域中存在的过拟合问题，即在下游任务上的精度远低于在训练集上的精度。针对无监督领域自适应中基于差异与基于对抗的方法，将稠密-稀疏-稠密策略应用于解决过拟合问题，先对网络进行密集预训练，并学出哪些连接是重要的；其次是剪枝阶段，与原有的稠密-稀疏-稠密策略中的剪枝过程不同，本文的优化算法同时将权值和梯度联合考虑，一方面运用到了权值信息（即零阶信息），另一方面也考虑到了梯度信息（即一阶信息）对网络剪枝过程的影响；在最后的重密集阶段，恢复被修剪的连接，并以较小的学习率重新训练密集网络。最终，得到的网络在下游任务上取得了理想的效果。实验结果表明，与原有的基于差异和基于对抗的领域自适应方法相比，本文提出的GWP可以有效提升下游任务精度，且具有即插即用的效果。
本文提出一种基于梯度权值追踪的剪枝与优化算法（GWP），旨在解决无监督领域中存在的过拟合问题，即在下游任务上的精度远低于在训练集上的精度。针对无监督领域自适应中基于差异与基于对抗的方法，将稠密-稀疏-稠密策略应用于解决过拟合问题，先对网络进行密集预训练，并学出哪些连接是重要的；其次是剪枝阶段，与原有的稠密-稀疏-稠密策略中的剪枝过程不同，本文的优化算法同时将权值和梯度联合考虑，一方面运用到了权值信息（即零阶信息），另一方面也考虑到了梯度信息（即一阶信息）对网络剪枝过程的影响；在最后的重密集阶段，恢复被修剪的连接，并以较小的学习率重新训练密集网络。最终，得到的网络在下游任务上取得了理想的效果。实验结果表明，与原有的基于差异和基于对抗的领域自适应方法相比，本文提出的GWP可以有效提升下游任务精度，且具有即插即用的效果。
摘要：
阿克苏河流域山水工程作为联合国生态修复旗舰项目,在应对气候变化,保护生物多样性,提升生态服务价值与生态产品质量,维护流域生态安全等方面发挥着重要作用。基于地域分异规律、生态系统耦合原理以及环境效应机制,在分析生态脆弱性时空演变与生态安全耦合关系的基础上,构建由4个子系统20个指标组成的阿克苏河流域山水林田湖草沙生命系统的生态脆弱性评价指标体系；并应用EFI方法,分析各指标及子系统对EFI的贡献及其生态效应。EFI正指标数值愈大,生态安全性愈低；EFI负指标数值绝对值愈大,生态安全性愈高。采用实际监测、实验分析、模型模拟、遥感制图以及逻辑推理与经验分析等途径,获得了1998年度及2023年度各指标的多源属性数据,并确定各指标权重及其阈值；通过归一化处理等方法,规范生态安全评价的数据基础。结果表明:(1)生态安全是错综复杂的系统性问题。各个子系统及其要素之间相互作用,流域生态安全表现出一定的综合性、滞后性、复杂性及不确定性。(2)阿克苏河流域25a间生态安全处于稳定趋好状态。EFI值分别为0.08及0.06,通过评价标准可知,生态脆弱性进一步减弱,生态安全程度持续增强。(3)各子系统生态安全程度及其对流域生态安全效应的贡献程度各不相同。水资源子系统各指标基本维持稳定并逐渐趋好,子系统脆弱性稳中趋弱,生态安全特征表现出稳中趋强的演变规律。土地资源子系统中相关要素的正负效应共存,特别是受盐渍化指数波动的影响,生态安全改善的趋势受到一定程度的限制。生物资源子系统及环境子系统的EFI值均在大幅度降低,生态安全程度明显增强。在揭示生态安全演变过程及其规律的基础上,提出生态安全风险防控、格局优化、过程调控、生态修复及管理模式,为促进流域绿色低碳高质量发展提供支撑。
阿克苏河流域山水工程作为联合国生态修复旗舰项目,在应对气候变化,保护生物多样性,提升生态服务价值与生态产品质量,维护流域生态安全等方面发挥着重要作用。基于地域分异规律、生态系统耦合原理以及环境效应机制,在分析生态脆弱性时空演变与生态安全耦合关系的基础上,构建由4个子系统20个指标组成的阿克苏河流域山水林田湖草沙生命系统的生态脆弱性评价指标体系；并应用EFI方法,分析各指标及子系统对EFI的贡献及其生态效应。EFI正指标数值愈大,生态安全性愈低；EFI负指标数值绝对值愈大,生态安全性愈高。采用实际监测、实验分析、模型模拟、遥感制图以及逻辑推理与经验分析等途径,获得了1998年度及2023年度各指标的多源属性数据,并确定各指标权重及其阈值；通过归一化处理等方法,规范生态安全评价的数据基础。结果表明:(1)生态安全是错综复杂的系统性问题。各个子系统及其要素之间相互作用,流域生态安全表现出一定的综合性、滞后性、复杂性及不确定性。(2)阿克苏河流域25a间生态安全处于稳定趋好状态。EFI值分别为0.08及0.06,通过评价标准可知,生态脆弱性进一步减弱,生态安全程度持续增强。(3)各子系统生态安全程度及其对流域生态安全效应的贡献程度各不相同。水资源子系统各指标基本维持稳定并逐渐趋好,子系统脆弱性稳中趋弱,生态安全特征表现出稳中趋强的演变规律。土地资源子系统中相关要素的正负效应共存,特别是受盐渍化指数波动的影响,生态安全改善的趋势受到一定程度的限制。生物资源子系统及环境子系统的EFI值均在大幅度降低,生态安全程度明显增强。在揭示生态安全演变过程及其规律的基础上,提出生态安全风险防控、格局优化、过程调控、生态修复及管理模式,为促进流域绿色低碳高质量发展提供支撑。
摘要：
在情感识别研究中，脑电图作为大脑活动的直接反应，能客观反映人的情绪状态。但由于脑电信号的非平稳性等特点，使采集大量标记脑电样本较困难，因此在一定程度上限制了脑电情感识别方法的效果和泛化性能。针对以上问题，提出一个半监督低秩表示的脑电情感识别方法。首先，利用少量标记脑电样本的估计标签设计一个回归形式的目标函数，以此来有效估计未标记样本的标签。其次，使用 -拖拽技术确保标签与标签之间的分离性，此外，对松弛标签施加低秩约束，以提高其类内紧密度和相似度。第三，对提出的方法融入一个类邻接图，以此捕获所有脑电样本数据的局部邻域信息。在SEED-IV和SEED-V数据集上对所提出的方法进行检验，结果表明，该文方法在脑电情感识别问题上具有更好的性能。
在情感识别研究中，脑电图作为大脑活动的直接反应，能客观反映人的情绪状态。但由于脑电信号的非平稳性等特点，使采集大量标记脑电样本较困难，因此在一定程度上限制了脑电情感识别方法的效果和泛化性能。针对以上问题，提出一个半监督低秩表示的脑电情感识别方法。首先，利用少量标记脑电样本的估计标签设计一个回归形式的目标函数，以此来有效估计未标记样本的标签。其次，使用 -拖拽技术确保标签与标签之间的分离性，此外，对松弛标签施加低秩约束，以提高其类内紧密度和相似度。第三，对提出的方法融入一个类邻接图，以此捕获所有脑电样本数据的局部邻域信息。在SEED-IV和SEED-V数据集上对所提出的方法进行检验，结果表明，该文方法在脑电情感识别问题上具有更好的性能。
摘要：
传统业务数值天气模式 (Numerical Weather Prediction，NWP)在定量降水预报任务中，由于空间分辨率有限、物理参数化方案不够完善、泛化性较弱等原因，使得 NWP 预报中存在固有偏差，而深度学习神经网络有着强大的非线性拟合能力、能够自主性学习到任务相关的关键特征、泛化性较高等优势，可以有望改善现状。为了解决上述问题，本文提出基于多要素 3D 特征提取的短期定量降水预报技术研究，基于欧洲中期天气预报中心（ECMWF）提供的高分辨率 ECMWF-HRES（EC-Hres）模式预报数据，构建3D-QPF（3D-Quantitative Precipitation Forecast）语义分割模型，通过先分类后回归的耦合框架，捕捉多种降水相关要素数据的 3D 空间特征，并得到与降水实况数据间的相非线性关系，最后在损失函数中增加 PR（Pre and Rec）损失函数进一步提升模型对偏态数据的预报效果。实验结果表明，3D-QPF 的逐日累积降水预报不仅在晴雨量级(0.1mm/24h)准确率评分稳定增长，在暴雨量级(50mm/24h)的准确率评分也有明显提升：暴雨量级较 EC-Hres 的 TS（Threat Score）评分最高提升了 15.8%，均方根误差（RMSE，Root Mean Square Error）优化达到 18.71%。经过长期检验，3D-QPF 模型与 EC-Hres、中国气象局全球模式(CMA-GFS)预报以及 2D-Unet 和 3D-Unet 等经典网络模型相比做出了有效的预报订正效果。此外，随着预报时效延长至 3 天，模型的优化效果仍能够保持相较稳定。
传统业务数值天气模式 (Numerical Weather Prediction，NWP)在定量降水预报任务中，由于空间分辨率有限、物理参数化方案不够完善、泛化性较弱等原因，使得 NWP 预报中存在固有偏差，而深度学习神经网络有着强大的非线性拟合能力、能够自主性学习到任务相关的关键特征、泛化性较高等优势，可以有望改善现状。为了解决上述问题，本文提出基于多要素 3D 特征提取的短期定量降水预报技术研究，基于欧洲中期天气预报中心（ECMWF）提供的高分辨率 ECMWF-HRES（EC-Hres）模式预报数据，构建3D-QPF（3D-Quantitative Precipitation Forecast）语义分割模型，通过先分类后回归的耦合框架，捕捉多种降水相关要素数据的 3D 空间特征，并得到与降水实况数据间的相非线性关系，最后在损失函数中增加 PR（Pre and Rec）损失函数进一步提升模型对偏态数据的预报效果。实验结果表明，3D-QPF 的逐日累积降水预报不仅在晴雨量级(0.1mm/24h)准确率评分稳定增长，在暴雨量级(50mm/24h)的准确率评分也有明显提升：暴雨量级较 EC-Hres 的 TS（Threat Score）评分最高提升了 15.8%，均方根误差（RMSE，Root Mean Square Error）优化达到 18.71%。经过长期检验，3D-QPF 模型与 EC-Hres、中国气象局全球模式(CMA-GFS)预报以及 2D-Unet 和 3D-Unet 等经典网络模型相比做出了有效的预报订正效果。此外，随着预报时效延长至 3 天，模型的优化效果仍能够保持相较稳定。
摘要：
本研究于2017年12月—2018年11月进行了针对南京北郊地区气溶胶光学性质研究的外场观测。观测期间气溶胶吸收系数和散射系数由高到低分别为冬季、春季、秋季、夏季，日变化呈双峰型，吸收系数早高峰时间夏季早冬季晚，这是由于不同季节边界层高度和人类生产活动时间发生变化导致的。夏秋两季的平均AAE较高，表明棕碳对气溶胶吸收的贡献较为显著，而春冬两季以黑碳吸收为主。SAE春冬季节高于夏秋季节，气溶胶均以细模态为主，春冬季节气溶胶粒径更小。气溶胶光学性质受气象条件和化学组分的影响。受西北季风的影响，污染物的传输使得秋冬季节西北风时气溶胶消光系数存在高值。春夏季节时东风、东南风方向的本地污染源随风扩散到观测点，导致气溶胶消光系数存在高值。秋冬季节在低风速和高风速时气溶胶消光系数均较高，可能是由于低风速时扩散条件较差造成污染物聚积，而高风速时存在污染物的远距离传输。当来自内陆的气团传输到观测点时，观测地点气溶胶消光系数迅速增加，当来自海上的气团传输到观测点时，观测地点气溶胶消光系数降低。当相对湿度小于90%时，气溶胶消光系数与能见度呈反比，而当相对湿度大于90%时，能见度普遍小于10km，且与消光系数关系不大。春冬季节PM2.5组分中水溶性离子主要为二次源离子，且气溶胶消光系数与硝酸根离子的相关性高于硫酸根离子的相关性，影响气溶胶消光系数的污染物主要来自交通源。与此相反，夏秋季节影响气溶胶消光系数的污染物主要来自煤炭燃烧等固定源。棕碳对吸收系数的贡献夏季大于秋季，可能是由于秋季黑碳排放增加使其吸光贡献增加，棕碳吸光贡献相对减少。
本研究于2017年12月—2018年11月进行了针对南京北郊地区气溶胶光学性质研究的外场观测。观测期间气溶胶吸收系数和散射系数由高到低分别为冬季、春季、秋季、夏季，日变化呈双峰型，吸收系数早高峰时间夏季早冬季晚，这是由于不同季节边界层高度和人类生产活动时间发生变化导致的。夏秋两季的平均AAE较高，表明棕碳对气溶胶吸收的贡献较为显著，而春冬两季以黑碳吸收为主。SAE春冬季节高于夏秋季节，气溶胶均以细模态为主，春冬季节气溶胶粒径更小。气溶胶光学性质受气象条件和化学组分的影响。受西北季风的影响，污染物的传输使得秋冬季节西北风时气溶胶消光系数存在高值。春夏季节时东风、东南风方向的本地污染源随风扩散到观测点，导致气溶胶消光系数存在高值。秋冬季节在低风速和高风速时气溶胶消光系数均较高，可能是由于低风速时扩散条件较差造成污染物聚积，而高风速时存在污染物的远距离传输。当来自内陆的气团传输到观测点时，观测地点气溶胶消光系数迅速增加，当来自海上的气团传输到观测点时，观测地点气溶胶消光系数降低。当相对湿度小于90%时，气溶胶消光系数与能见度呈反比，而当相对湿度大于90%时，能见度普遍小于10km，且与消光系数关系不大。春冬季节PM2.5组分中水溶性离子主要为二次源离子，且气溶胶消光系数与硝酸根离子的相关性高于硫酸根离子的相关性，影响气溶胶消光系数的污染物主要来自交通源。与此相反，夏秋季节影响气溶胶消光系数的污染物主要来自煤炭燃烧等固定源。棕碳对吸收系数的贡献夏季大于秋季，可能是由于秋季黑碳排放增加使其吸光贡献增加，棕碳吸光贡献相对减少。
摘要：
针对现有的行人重识别方法难以避免环境噪声导致的特征提取不精确，易被误认为行人特征等问题，提出一种基于动态卷积与注意力机制的行人多特征融合分支网络。首先，由于拍摄时存在光照变化、人体姿势调整以及物体遮挡等不确定因素，提出使用动态卷积替换ResNet50中的静态卷积得到具有更强鲁棒性的Dy-ResNet50模型；其次，考虑到拍摄行人图片的视角有较大差异且存在行人被物体遮挡的情况，提出将自注意力机制与交叉注意力机制嵌入骨干网络；最后，将交叉熵损失函数和难样本三元损失函数共同作为模型损失函数。在DukeMTMC-ReID、Market-1501和MSMT17公开数据集上进行实验，并与主流网络模型进行比较。结果表明：在数据集DukeMTMC-ReID上本文所提模型的Rank-1与mAP相比当前主流模型分别提升了0.9和1.6个百分点。
针对现有的行人重识别方法难以避免环境噪声导致的特征提取不精确，易被误认为行人特征等问题，提出一种基于动态卷积与注意力机制的行人多特征融合分支网络。首先，由于拍摄时存在光照变化、人体姿势调整以及物体遮挡等不确定因素，提出使用动态卷积替换ResNet50中的静态卷积得到具有更强鲁棒性的Dy-ResNet50模型；其次，考虑到拍摄行人图片的视角有较大差异且存在行人被物体遮挡的情况，提出将自注意力机制与交叉注意力机制嵌入骨干网络；最后，将交叉熵损失函数和难样本三元损失函数共同作为模型损失函数。在DukeMTMC-ReID、Market-1501和MSMT17公开数据集上进行实验，并与主流网络模型进行比较。结果表明：在数据集DukeMTMC-ReID上本文所提模型的Rank-1与mAP相比当前主流模型分别提升了0.9和1.6个百分点。
摘要：
作为天气系统的主要组成部分，三维云仿真在军事、航空等领域都起着重要作用。目前主流的边界体积层次算法（Bounding Volume Hierarchy, BVH）在处理形状不均匀且体积较大的云时存在渲染效率低下的问题，为此提出一种基于优化BVH算法的云产品渲染方法。将WRF（Weather Research and Forecasting Model，天气研究与预报模型）网格点中的数据作为云基元，利用Z-order Hilbert曲线对其进行空间排序，结合云基元密度优化BVH算法，提高计算效率。提出ONS (Overlapping Node Sets, 重叠节点结构) 存储结构降低数据存取耗时。优化BVH算法能够减少不必要的光线和三角形面之间的相交测试次数，并解决边界体无效重叠问题。仿真实验显示，SAH（Surface Area Heuristic，表面积启发式）成本较同类最优算法可提升15.6%，EPO（Effective Partial Overlap，有效重叠部分）可提升10%，构建时间减少100%以上，在任意云场景中优化BVH算法的计算效率较同类算法都有显著提高，表明其能实现WRF云产品的快速渲染。
作为天气系统的主要组成部分，三维云仿真在军事、航空等领域都起着重要作用。目前主流的边界体积层次算法（Bounding Volume Hierarchy, BVH）在处理形状不均匀且体积较大的云时存在渲染效率低下的问题，为此提出一种基于优化BVH算法的云产品渲染方法。将WRF（Weather Research and Forecasting Model，天气研究与预报模型）网格点中的数据作为云基元，利用Z-order Hilbert曲线对其进行空间排序，结合云基元密度优化BVH算法，提高计算效率。提出ONS (Overlapping Node Sets, 重叠节点结构) 存储结构降低数据存取耗时。优化BVH算法能够减少不必要的光线和三角形面之间的相交测试次数，并解决边界体无效重叠问题。仿真实验显示，SAH（Surface Area Heuristic，表面积启发式）成本较同类最优算法可提升15.6%，EPO（Effective Partial Overlap，有效重叠部分）可提升10%，构建时间减少100%以上，在任意云场景中优化BVH算法的计算效率较同类算法都有显著提高，表明其能实现WRF云产品的快速渲染。
摘要：
纹理提取一直是计算机视觉领域中至关重要的一项任务，纹理提取的质量往往对纹理分类的准确性产生关键的影响。传统单一的纹理提取方法往往难以准确描述各类纹理的特征。因此，本文提出了一种基于改进的位置局部二值模式(IPLBP)和Gabor滤波器的纹理提取算法。其中改进算法在局部二值模式(LBP)的基础上通过提取纹理位置信息来提高纹理描述能力。本文利用改进后的LBP算法提取局部纹理信息，Gabor滤波器提取全局纹理信息，并将两种特征信息进行融合后使用支持向量机(SVM)进行分类。实验结果表明，所提出的算法在纹理材质分类任务上展现出了良好的性能。相比传统的LBP算法，该算法能够更准确地捕捉不同纹理特征之间的差异。
纹理提取一直是计算机视觉领域中至关重要的一项任务，纹理提取的质量往往对纹理分类的准确性产生关键的影响。传统单一的纹理提取方法往往难以准确描述各类纹理的特征。因此，本文提出了一种基于改进的位置局部二值模式(IPLBP)和Gabor滤波器的纹理提取算法。其中改进算法在局部二值模式(LBP)的基础上通过提取纹理位置信息来提高纹理描述能力。本文利用改进后的LBP算法提取局部纹理信息，Gabor滤波器提取全局纹理信息，并将两种特征信息进行融合后使用支持向量机(SVM)进行分类。实验结果表明，所提出的算法在纹理材质分类任务上展现出了良好的性能。相比传统的LBP算法，该算法能够更准确地捕捉不同纹理特征之间的差异。
摘要：
近年来，基于深度学习的交通流预测方法一直是交通流预测领域的研究热点。与传统卷积神经网络不同，适合处理非欧几里得数据的图卷积网络在空间特征建模方面表现出了强大的能力，而反映路网空间特征的拓扑图、距离图、流量相似图等正是典型的非欧几里得数据。因此，基于图卷积网络及其变体的交通流预测方法成为交通流预测领域的一个研究热点，并取得了很多有吸引力的研究结果。本文对近年来基于图卷积网络的交通流预测模型进行了分类和总结。首先，从图卷积网络的基本定义出发，结合空域卷积和谱域卷积的定义详述了图卷积的基本原理。其次，根据预测模型的网络结构特点，将基于图卷积网络的交通流预测模型分为“组合型”和“改进型”两大类，并对其中最具代表性的模型结构进行了详细分析和讨论。 此外，对交通流预测领域中常用于模型性能对比的典型数据集进行了综述，并以其中一个真实数据集为例开展仿真测试，展示了4个基于图卷积网络交通流预测模型的预测性能。最后，基于当前的研究现状和发展趋势，对基于图卷积网络的交通流预测方法研究领域中未来的研究热点和难点进行了开放性的讨论和展望。
近年来，基于深度学习的交通流预测方法一直是交通流预测领域的研究热点。与传统卷积神经网络不同，适合处理非欧几里得数据的图卷积网络在空间特征建模方面表现出了强大的能力，而反映路网空间特征的拓扑图、距离图、流量相似图等正是典型的非欧几里得数据。因此，基于图卷积网络及其变体的交通流预测方法成为交通流预测领域的一个研究热点，并取得了很多有吸引力的研究结果。本文对近年来基于图卷积网络的交通流预测模型进行了分类和总结。首先，从图卷积网络的基本定义出发，结合空域卷积和谱域卷积的定义详述了图卷积的基本原理。其次，根据预测模型的网络结构特点，将基于图卷积网络的交通流预测模型分为“组合型”和“改进型”两大类，并对其中最具代表性的模型结构进行了详细分析和讨论。 此外，对交通流预测领域中常用于模型性能对比的典型数据集进行了综述，并以其中一个真实数据集为例开展仿真测试，展示了4个基于图卷积网络交通流预测模型的预测性能。最后，基于当前的研究现状和发展趋势，对基于图卷积网络的交通流预测方法研究领域中未来的研究热点和难点进行了开放性的讨论和展望。
摘要：
激光与视觉SLAM技术经过几十年的发展,目前都已经较为成熟,并被广泛应用于军事和民用领域。该技术使得机器人能够在没有GPS的条件下,在室内外场景中移动。然而仅依靠单一传感器的SLAM技术都有着各自的局限性,如激光SLAM不适用于周围存在大量动态物体的场景,视觉SLAM在低纹理环境中鲁棒性差,但两者融合使用具有巨大的取长补短的潜力。因此,本文预测激光与视觉甚至是更多传感器融合的SLAM技术将会是未来的主流方向。本文回顾了SLAM技术的发展历程,分析了激光雷达与视觉的硬件信息,给出了一些经典的开源算法与数据集。根据融合传感器所使用的算法,从传统基于不确定度、基于特征以及新颖的基于深度学习的角度详细介绍了多传感器融合方案,概述了多传感器融合方案在复杂场景中的优异性能,并对未来发展做出展望。
激光与视觉SLAM技术经过几十年的发展,目前都已经较为成熟,并被广泛应用于军事和民用领域。该技术使得机器人能够在没有GPS的条件下,在室内外场景中移动。然而仅依靠单一传感器的SLAM技术都有着各自的局限性,如激光SLAM不适用于周围存在大量动态物体的场景,视觉SLAM在低纹理环境中鲁棒性差,但两者融合使用具有巨大的取长补短的潜力。因此,本文预测激光与视觉甚至是更多传感器融合的SLAM技术将会是未来的主流方向。本文回顾了SLAM技术的发展历程,分析了激光雷达与视觉的硬件信息,给出了一些经典的开源算法与数据集。根据融合传感器所使用的算法,从传统基于不确定度、基于特征以及新颖的基于深度学习的角度详细介绍了多传感器融合方案,概述了多传感器融合方案在复杂场景中的优异性能,并对未来发展做出展望。
摘要：
针对股票价格非平稳、非线性和高复杂等特性导致预测难度大的问题，建立一种基于变分模态分解(Variational Mode Decomposition, VMD)—引入Circle混沌映射的麻雀搜索算法(Circle Sparrow Search Algorithm, CSSA)—长短期记忆神经网络(Long Short-Term Memory, LSTM)的组合模型。首先，利用VMD将原始股票收盘价数据分解为若干本征模态函数(Intrinsic Mode Function, IMF)分量。然后，采用Circle混沌映射的SSA算法对LSTM长短期记忆神经网络的隐含层神经元、迭代次数、学习率进行优化，将最优参数拟合至LSTM网络中。最后，对每个IMF分量建模预测，将各IMF分量预测结果叠加得到最终结果。实验结果表明，本文模型在多支股票数据集上的各类误差均达到最小，对股票价格拟合更佳、预测精确度更高。
针对股票价格非平稳、非线性和高复杂等特性导致预测难度大的问题，建立一种基于变分模态分解(Variational Mode Decomposition, VMD)—引入Circle混沌映射的麻雀搜索算法(Circle Sparrow Search Algorithm, CSSA)—长短期记忆神经网络(Long Short-Term Memory, LSTM)的组合模型。首先，利用VMD将原始股票收盘价数据分解为若干本征模态函数(Intrinsic Mode Function, IMF)分量。然后，采用Circle混沌映射的SSA算法对LSTM长短期记忆神经网络的隐含层神经元、迭代次数、学习率进行优化，将最优参数拟合至LSTM网络中。最后，对每个IMF分量建模预测，将各IMF分量预测结果叠加得到最终结果。实验结果表明，本文模型在多支股票数据集上的各类误差均达到最小，对股票价格拟合更佳、预测精确度更高。
摘要：
本文提出了一种利用双解码卷积循环网络(Dual-decoder Convolutional Recurrent Network, DCRN)代替FxLMS(Filtered-x Least Mean Square)算法的有源噪声控制方法，考虑到相位信息在有源噪声控制中的重要性，DCRN网络的输入特征为噪声信号的复数频谱(包括实部谱和虚部谱)。网络结构中采用编码模块从噪声复频谱中提取特征，利用双解码模块分别估计网络输出的实部谱和虚部谱，采用了参数共享机制和组策略以降低训练参数的数量并提高网络的学习能力和泛化能力。特别是针对风噪声，选用了新的损失函数和对训练数据进行正则化处理以提升DCRN的性能。实验表明，DCRN方法在仿真环境与有源降噪耳机环境下对一般噪声和风噪声都表现出良好的降噪性能和鲁棒性。
本文提出了一种利用双解码卷积循环网络(Dual-decoder Convolutional Recurrent Network, DCRN)代替FxLMS(Filtered-x Least Mean Square)算法的有源噪声控制方法，考虑到相位信息在有源噪声控制中的重要性，DCRN网络的输入特征为噪声信号的复数频谱(包括实部谱和虚部谱)。网络结构中采用编码模块从噪声复频谱中提取特征，利用双解码模块分别估计网络输出的实部谱和虚部谱，采用了参数共享机制和组策略以降低训练参数的数量并提高网络的学习能力和泛化能力。特别是针对风噪声，选用了新的损失函数和对训练数据进行正则化处理以提升DCRN的性能。实验表明，DCRN方法在仿真环境与有源降噪耳机环境下对一般噪声和风噪声都表现出良好的降噪性能和鲁棒性。
摘要：
综合能源系统能够实现多种能源形式的供应，但同时排放的大量CO2也影响着周边环境。针对综合能源系统的低碳经济调度问题，本文提出一种基于双延迟深度确定性策略梯度算法的优化调度策略。首先，以调度运行成本最小为目标函数，建立考虑碳捕集技术和电转气技术的包含电、热、冷多能互补的综合能源系统模型；其次，引入碳交易机制，提高优化调度策略节能减排的积极性；然后，根据强化学习框架设计优化模型的状态空间、动作空间和奖励函数等，利用TD3算法中的智能体与环境互动，探索策略，学习综合能源系统的运行策略；最后，利用历史数据对TD3算法的智能体进行训练。并对比线性规划和粒子群算法在不同场景下进行算例分析。结果表明，本文所提方法可以减少综合能源系统的运行时的碳排放和运行成本，能够实现综合能源系统的低碳经济调度。
综合能源系统能够实现多种能源形式的供应，但同时排放的大量CO2也影响着周边环境。针对综合能源系统的低碳经济调度问题，本文提出一种基于双延迟深度确定性策略梯度算法的优化调度策略。首先，以调度运行成本最小为目标函数，建立考虑碳捕集技术和电转气技术的包含电、热、冷多能互补的综合能源系统模型；其次，引入碳交易机制，提高优化调度策略节能减排的积极性；然后，根据强化学习框架设计优化模型的状态空间、动作空间和奖励函数等，利用TD3算法中的智能体与环境互动，探索策略，学习综合能源系统的运行策略；最后，利用历史数据对TD3算法的智能体进行训练。并对比线性规划和粒子群算法在不同场景下进行算例分析。结果表明，本文所提方法可以减少综合能源系统的运行时的碳排放和运行成本，能够实现综合能源系统的低碳经济调度。
摘要：
针对永磁同步电机调速系统中,存在的建模误差和负载突变等内外扰动影响转速稳定的问题,提出一种基于负载估计的复合自抗扰调速策略。首先,在速度环采用自抗扰控制器替代PI控制器,以改善系统转速与超调之间的矛盾。其次,设计一个负载转矩观测器,通过转速和电流信号直接对负载转矩进行实时的估计和补偿,来解决ESO对负载突变响应较慢的问题。最后,基于Matlab/Simulink环境搭建了复合自抗扰调速系统的半实物实验平台,并与传统PI控制和线性自抗扰控制进行对比验证。仿真和实验结果都表明,所提出的基于负载估计的复合自抗扰控制策略相较于传统控制方法在负载突变时转速变化量减少了30%以上,具有较优越的抗干扰能力和调速性能。
针对永磁同步电机调速系统中,存在的建模误差和负载突变等内外扰动影响转速稳定的问题,提出一种基于负载估计的复合自抗扰调速策略。首先,在速度环采用自抗扰控制器替代PI控制器,以改善系统转速与超调之间的矛盾。其次,设计一个负载转矩观测器,通过转速和电流信号直接对负载转矩进行实时的估计和补偿,来解决ESO对负载突变响应较慢的问题。最后,基于Matlab/Simulink环境搭建了复合自抗扰调速系统的半实物实验平台,并与传统PI控制和线性自抗扰控制进行对比验证。仿真和实验结果都表明,所提出的基于负载估计的复合自抗扰控制策略相较于传统控制方法在负载突变时转速变化量减少了30%以上,具有较优越的抗干扰能力和调速性能。
摘要：
针对存在未知非线性函数的二阶领导-跟随者多智能体系统,提出了一种基于事件触发r滑模控制设计方案。文章内容主要包含两个部分,第一部分,选择了一种基于反双曲正弦函数的新型滑模趋近律,以保证多智能体系统在有限时间内达到一致性。第二部分,设计带有增益缩放因子r的滑模函数,并引入事件触发机制。通过Lyapunov稳定性分析,我们证明了提出的控制方法是有效的,该方法不仅可以消除系统中的抖振还可以降低控制过程的采样频率。此外,还证明了触发时间间隔的最小下界,排除了芝诺现象。最后,通过Matlab/simulink仿真实验结果验证了该方法的有效性。
针对存在未知非线性函数的二阶领导-跟随者多智能体系统,提出了一种基于事件触发r滑模控制设计方案。文章内容主要包含两个部分,第一部分,选择了一种基于反双曲正弦函数的新型滑模趋近律,以保证多智能体系统在有限时间内达到一致性。第二部分,设计带有增益缩放因子r的滑模函数,并引入事件触发机制。通过Lyapunov稳定性分析,我们证明了提出的控制方法是有效的,该方法不仅可以消除系统中的抖振还可以降低控制过程的采样频率。此外,还证明了触发时间间隔的最小下界,排除了芝诺现象。最后,通过Matlab/simulink仿真实验结果验证了该方法的有效性。
摘要：
本文主要解决含未知恒功率负载的升降压变换器无电流传感有限时间控制问题。恒功率负载的负阻抗特性会产生低频振荡,对系统的稳定性造成不利影响。首先,为重构不可测的电感电流和未知功率负载,基于动态回归扩展和混合技术,设计具有有限时间收敛特性的降阶广义参数估计观测器,将状态观测转换为参数估计问题。其次,基于反馈线性化方法,将此非线性系统转化为线性系统,并设计快速终端滑模控制器来稳定系统。随后,结合快速终端滑模控制器与广义参数估计观测器,提出针对此系统的无电流传感有限时间控制器。基于级联系统的有限时间稳定结论,证明闭环系统的有限时间稳定性。最后,通过仿真和实验结果验证所提出的无电流传感有限时间控制的有效性。
本文主要解决含未知恒功率负载的升降压变换器无电流传感有限时间控制问题。恒功率负载的负阻抗特性会产生低频振荡,对系统的稳定性造成不利影响。首先,为重构不可测的电感电流和未知功率负载,基于动态回归扩展和混合技术,设计具有有限时间收敛特性的降阶广义参数估计观测器,将状态观测转换为参数估计问题。其次,基于反馈线性化方法,将此非线性系统转化为线性系统,并设计快速终端滑模控制器来稳定系统。随后,结合快速终端滑模控制器与广义参数估计观测器,提出针对此系统的无电流传感有限时间控制器。基于级联系统的有限时间稳定结论,证明闭环系统的有限时间稳定性。最后,通过仿真和实验结果验证所提出的无电流传感有限时间控制的有效性。
摘要：
针对准静态环境信道变化缓慢、随机性及安全性不足问题，提出一种回溯加扰密钥生成算法。利用本次密钥与上一次密钥间的不一致索引总和生成扰码并与本次密钥加扰，使连续生成密钥间的重复比率接近0.5，并通过了NIST测试。同时，要窃听本次密钥，不仅需窃听本次信道系数，还需成功窃听上一次密钥来得到本次加密的扰码，而窃听上一次密钥又与此同理。随“一次一密”密钥生成次数的增加，即使被窃听到较相关的信道系数，密钥泄露率仍接近0.5。利用语义安全和信息论不等式分别估计了一般及恶劣信道条件成功窃听的概率上界及其随密钥生成次数N的变化情况，给定某些参数，得到这两种情况下的上界计算公式为 和 。
针对准静态环境信道变化缓慢、随机性及安全性不足问题，提出一种回溯加扰密钥生成算法。利用本次密钥与上一次密钥间的不一致索引总和生成扰码并与本次密钥加扰，使连续生成密钥间的重复比率接近0.5，并通过了NIST测试。同时，要窃听本次密钥，不仅需窃听本次信道系数，还需成功窃听上一次密钥来得到本次加密的扰码，而窃听上一次密钥又与此同理。随“一次一密”密钥生成次数的增加，即使被窃听到较相关的信道系数，密钥泄露率仍接近0.5。利用语义安全和信息论不等式分别估计了一般及恶劣信道条件成功窃听的概率上界及其随密钥生成次数N的变化情况，给定某些参数，得到这两种情况下的上界计算公式为 和 。
摘要：
为了增强在短期风电功率预测领域中传统数据驱动机器学习模型的精确度,提出基于ikPCA-FABAS-KELM的短期风电功率预测模型。首先,对主成分分析进行改进,提出可逆核主成分分析(ikPCA),在保证数据特征的同时,降低输入数据的复杂度,以提升模型运行速度；其次,引入萤火虫个体吸引策略对天牛须算法进行改进,提出FABAS算法；最后,利用FABAS算法对核极限学习机的正则化参数C和核参数γ 进行寻优,降低人为对模型盲目训练的影响,提高模型预测精度。仿真结果显示,提出的预测模型有效提高了传统模型的预测精度。
为了增强在短期风电功率预测领域中传统数据驱动机器学习模型的精确度,提出基于ikPCA-FABAS-KELM的短期风电功率预测模型。首先,对主成分分析进行改进,提出可逆核主成分分析(ikPCA),在保证数据特征的同时,降低输入数据的复杂度,以提升模型运行速度；其次,引入萤火虫个体吸引策略对天牛须算法进行改进,提出FABAS算法；最后,利用FABAS算法对核极限学习机的正则化参数C和核参数γ 进行寻优,降低人为对模型盲目训练的影响,提高模型预测精度。仿真结果显示,提出的预测模型有效提高了传统模型的预测精度。
摘要：
针对腰间盘突出患者MRI图像多裂肌病变部位分割精度较低的问题,提出了一种改进的U2-Net网络的新模型,目标是编码和解码的子网络通过一个系列嵌套的跳跃路径来相互连接,这种重新设计的跳跃连接主要是用来降低编码解码子网络中特征图的语义缺失。基于此目的重新设计U2-Net模型中RSU-7,RSU-6,RSU-5,RSU-4中间的跳跃连接,RSU-4F部分不变。此外,为了提取到高质量的多裂肌特征,还加入了通道注意力模块,通过学习每个通道的权重,使网络能够更好地关注对任务有贡献的通道,从而提升模型的性能。为验证模型的有效性,在多裂肌MRI图像数据集上进行实验,发现相较于U-Net、U2-Net、U-Net++网络结构,MIOU、DICE、HD均有提升。实验结果表明,本文提出的算法对于多裂肌的MRI图像分割有较好的效果,能够辅助医生对病情做出判断。
针对腰间盘突出患者MRI图像多裂肌病变部位分割精度较低的问题,提出了一种改进的U2-Net网络的新模型,目标是编码和解码的子网络通过一个系列嵌套的跳跃路径来相互连接,这种重新设计的跳跃连接主要是用来降低编码解码子网络中特征图的语义缺失。基于此目的重新设计U2-Net模型中RSU-7,RSU-6,RSU-5,RSU-4中间的跳跃连接,RSU-4F部分不变。此外,为了提取到高质量的多裂肌特征,还加入了通道注意力模块,通过学习每个通道的权重,使网络能够更好地关注对任务有贡献的通道,从而提升模型的性能。为验证模型的有效性,在多裂肌MRI图像数据集上进行实验,发现相较于U-Net、U2-Net、U-Net++网络结构,MIOU、DICE、HD均有提升。实验结果表明,本文提出的算法对于多裂肌的MRI图像分割有较好的效果,能够辅助医生对病情做出判断。
摘要：
针对农产品期货时间序列数据受多方面因素影响,非线性、非平稳数据特征难以提取而导致预测准确性不高的问题,本文基于“分解-集成”的预测思想,提出一种基于CEEMDAN与TransformerEncoder-TCN的农产品期货预测方法。首先,使用自适应噪声完备经验模态分解(CEEMDAN)将时间序列分解为多尺度多频率的本征模态分量(Intrinsic Mode Function, IMF)与残差,降低了序列建模复杂度；其次,使用融合多阶段自注意力单元TransformerEncoder的时间卷积网络(Temporal Convolution Network, TCN)对各个分量子序列进行特征提取与预测,优化了序列显著特征建模权重；最后,将各个子序列预测值线性相加集成得到最终预测结果。以南华期货公司农产品指数中的大豆期货指数为研究对象,采用时序交叉验证与参数迁移的方式进行模型重训练,消融和对比实验结果表明,提出的新模型在RMSE、MAE和DS三个评价指标上具有良好的效果,验证了该模型对农产品期货预测的有效性。
针对农产品期货时间序列数据受多方面因素影响,非线性、非平稳数据特征难以提取而导致预测准确性不高的问题,本文基于“分解-集成”的预测思想,提出一种基于CEEMDAN与TransformerEncoder-TCN的农产品期货预测方法。首先,使用自适应噪声完备经验模态分解(CEEMDAN)将时间序列分解为多尺度多频率的本征模态分量(Intrinsic Mode Function, IMF)与残差,降低了序列建模复杂度；其次,使用融合多阶段自注意力单元TransformerEncoder的时间卷积网络(Temporal Convolution Network, TCN)对各个分量子序列进行特征提取与预测,优化了序列显著特征建模权重；最后,将各个子序列预测值线性相加集成得到最终预测结果。以南华期货公司农产品指数中的大豆期货指数为研究对象,采用时序交叉验证与参数迁移的方式进行模型重训练,消融和对比实验结果表明,提出的新模型在RMSE、MAE和DS三个评价指标上具有良好的效果,验证了该模型对农产品期货预测的有效性。
摘要：
联邦学习是解决机器学习中数据共享和隐私保护两个关键难题的重要方法。然而，联邦学习本身也面临着数据异构和模型异构的挑战。现有研究往往只专注于解决其中一个方面的问题，忽视了两者之间的关联性。为此，本文提出了一个名为PFKD的框架，该框架通过知识蒸馏技术解决模型异构问题，通过个性化算法解决数据异构问题，以实现更具个性化的联邦学习。通过实验分析验证了所提出框架的有效性。实验结果显示，该框架能够突破模型的性能瓶颈，提高模型精度约1个百分点左右。此外，在调整适当的超参数后，该框架的性能进一步提升，模型精度提高约2个百分点左右。
联邦学习是解决机器学习中数据共享和隐私保护两个关键难题的重要方法。然而，联邦学习本身也面临着数据异构和模型异构的挑战。现有研究往往只专注于解决其中一个方面的问题，忽视了两者之间的关联性。为此，本文提出了一个名为PFKD的框架，该框架通过知识蒸馏技术解决模型异构问题，通过个性化算法解决数据异构问题，以实现更具个性化的联邦学习。通过实验分析验证了所提出框架的有效性。实验结果显示，该框架能够突破模型的性能瓶颈，提高模型精度约1个百分点左右。此外，在调整适当的超参数后，该框架的性能进一步提升，模型精度提高约2个百分点左右。
摘要：
针对海上目标姿态复杂且尺度多变,导致现存大量人工智能算法难以稳定检测的问题,提出一种融合深度监督与改进YOLOv8的海上目标检测算法。首先,设计了多尺度卷积模块,提取目标多种感受野的特征信息,减少漏检率；然后,添加深度监督网络,提高网络对深层类别信息及浅层位置信息的利用率,优化主干网络的目标特征提取性能；最后,在网络检测头部分引入通道注意力机制,过滤无关信息,增强对关键特征的识别率。在海上目标数据集中的实验结果表明,改进算法的mAP值达到93.69%,召回率达到85.16%,相比原模型分别提高了7.38、8.52个百分点,且优于对比的经典算法和新颖算法,检测时间约14ms,满足海上实时目标检测需求,可为航运管理、预防海上事故等提供有效技术参考。
针对海上目标姿态复杂且尺度多变,导致现存大量人工智能算法难以稳定检测的问题,提出一种融合深度监督与改进YOLOv8的海上目标检测算法。首先,设计了多尺度卷积模块,提取目标多种感受野的特征信息,减少漏检率；然后,添加深度监督网络,提高网络对深层类别信息及浅层位置信息的利用率,优化主干网络的目标特征提取性能；最后,在网络检测头部分引入通道注意力机制,过滤无关信息,增强对关键特征的识别率。在海上目标数据集中的实验结果表明,改进算法的mAP值达到93.69%,召回率达到85.16%,相比原模型分别提高了7.38、8.52个百分点,且优于对比的经典算法和新颖算法,检测时间约14ms,满足海上实时目标检测需求,可为航运管理、预防海上事故等提供有效技术参考。
摘要：
现有遥感图像目标检测算法存在参数量大、检测速度慢和难以部署于移动设备的问题，为此，本文提出了一种无锚框的轻量级遥感图像目标检测算法。首先设计了DWS-Sandglass轻量化模块以降低模型体积，其次改进模型激活函数，以确保检测精度。然后引入无参数注意力模块SimAM，使网络能够专注于更重要的特征信息。最后对无锚框算法的冗余通道进行剪枝操作以减少模型参数量，并通过微调回升精度。在HRSC2016数据集上的实验结果表明，与当前主流的无锚框检测算法相比，该算法在检测精度相当的情况下检测速度更快，模型体积更小，更适合在移动设备部署。
现有遥感图像目标检测算法存在参数量大、检测速度慢和难以部署于移动设备的问题，为此，本文提出了一种无锚框的轻量级遥感图像目标检测算法。首先设计了DWS-Sandglass轻量化模块以降低模型体积，其次改进模型激活函数，以确保检测精度。然后引入无参数注意力模块SimAM，使网络能够专注于更重要的特征信息。最后对无锚框算法的冗余通道进行剪枝操作以减少模型参数量，并通过微调回升精度。在HRSC2016数据集上的实验结果表明，与当前主流的无锚框检测算法相比，该算法在检测精度相当的情况下检测速度更快，模型体积更小，更适合在移动设备部署。
摘要：
摘要:本文研究了一类基于传感器网路传输的具有加性和乘性噪声的线性系统的事件触发分布式滤波问题, 并且所考虑的过程噪声和测量噪声具有一步自相关且两步交叉相关特性. 首先, 利用一个递推方程描述系统的动态偏差, 并采用伯努利分布的随机变量刻画随机丢包现象. 其次, 引入事件触发机制在确保滤波性能的前提下降低信息传输频率, 构造基于一致性的新型分布式滤波器. 再次, 利用随机分析技术建立滤波误差协方差上界的递推方程并通过最小化方差约束指标, 给出滤波增益的表达式. 最后, 通过数值仿真验证了所提出的优化滤波方法的有效性.
摘要:本文研究了一类基于传感器网路传输的具有加性和乘性噪声的线性系统的事件触发分布式滤波问题, 并且所考虑的过程噪声和测量噪声具有一步自相关且两步交叉相关特性. 首先, 利用一个递推方程描述系统的动态偏差, 并采用伯努利分布的随机变量刻画随机丢包现象. 其次, 引入事件触发机制在确保滤波性能的前提下降低信息传输频率, 构造基于一致性的新型分布式滤波器. 再次, 利用随机分析技术建立滤波误差协方差上界的递推方程并通过最小化方差约束指标, 给出滤波增益的表达式. 最后, 通过数值仿真验证了所提出的优化滤波方法的有效性.
摘要：
针对加工速度可变的分布式置换流水车间调度问题，以最大完工时间和机器总能量消耗为优化目标，提出了一种双种群算法。首先，采用混合四种策略的初始化方法来生成高质量的初始种群。其次，针对两个种群的特点分别设计了特定的进化方式，并引入了动态引导因子调整种群的进化方式。同时，提出调速节能策略，进一步优化能量消耗。最后，提出动态种群策略用于平衡两个种群的资源。通过仿真实验证明了各个策略的有效性，并与其他算法进行了对比，结果表明所提出的算法具有明显的优越性。
针对加工速度可变的分布式置换流水车间调度问题，以最大完工时间和机器总能量消耗为优化目标，提出了一种双种群算法。首先，采用混合四种策略的初始化方法来生成高质量的初始种群。其次，针对两个种群的特点分别设计了特定的进化方式，并引入了动态引导因子调整种群的进化方式。同时，提出调速节能策略，进一步优化能量消耗。最后，提出动态种群策略用于平衡两个种群的资源。通过仿真实验证明了各个策略的有效性，并与其他算法进行了对比，结果表明所提出的算法具有明显的优越性。
摘要：
摘要：针对传统遥感图像处理中的时间成本和人工成本高、效率低等问题，以提高遥感高光谱图像(Hyperspectral Images，HSI)分类中的处理速度、精度、降低参数量为目标，提出改进的2DCNN模型En-De-2CP-2DCNN。首先，使用1DCNN、2DCNN与3DCNN在Pavia University HSI数据集上分别进行分类实验，对比分析各自优缺点。其次，在保持较快的处理速度和不增加模型参数量的前提下，选择2DCNN为基础模型，参考SegNet的Encode-Decode结构，融入双卷积池化思想进行基础模型改进，同时优化学习策略。结果表明：En-De-2CP-2DCNN模型精度F1-score为99.36%，达到3DCNN的同等水平(99.21%)，较改进前(97.25%)提升2.11%；处理速度(7s/epoch)和1DCNN位于同一量级，快于3DCNN(100s/epoch)；参数量(3.66 MB)虽高于3DCNN(318 KB)，但远低于1DCNN(19.3 MB)。基本实现遥感高光谱图像处理精准、快速和轻量化的目标，为遥感图像的自动化处理及提供了技术支撑。特别是在处理速度和参数量方面的改进，有利于进一步实现移动端的轻量化部署。
摘要：针对传统遥感图像处理中的时间成本和人工成本高、效率低等问题，以提高遥感高光谱图像(Hyperspectral Images，HSI)分类中的处理速度、精度、降低参数量为目标，提出改进的2DCNN模型En-De-2CP-2DCNN。首先，使用1DCNN、2DCNN与3DCNN在Pavia University HSI数据集上分别进行分类实验，对比分析各自优缺点。其次，在保持较快的处理速度和不增加模型参数量的前提下，选择2DCNN为基础模型，参考SegNet的Encode-Decode结构，融入双卷积池化思想进行基础模型改进，同时优化学习策略。结果表明：En-De-2CP-2DCNN模型精度F1-score为99.36%，达到3DCNN的同等水平(99.21%)，较改进前(97.25%)提升2.11%；处理速度(7s/epoch)和1DCNN位于同一量级，快于3DCNN(100s/epoch)；参数量(3.66 MB)虽高于3DCNN(318 KB)，但远低于1DCNN(19.3 MB)。基本实现遥感高光谱图像处理精准、快速和轻量化的目标，为遥感图像的自动化处理及提供了技术支撑。特别是在处理速度和参数量方面的改进，有利于进一步实现移动端的轻量化部署。
摘要：
计算卸载是移动边缘计算（Mobile Edge Computing, MEC）中的关键技术，针对多用户多MEC服务器场景中计算卸载策略的不足，本文提出了一种混合人工蜂群算法（artificial reverse sine-cosine, ARSC）。ARSC算法首先使用反向学习策略初始化种群，优化种群的初始解；然后在雇佣蜂阶段通过利用正余弦算法的全局最优引导信息，提升算法的局部搜索能力，最后为了平衡算法的全局搜索能力和局部搜索能力，引入动态感知因子对算法的步长因子进行改进。通过仿真实验，将ARSC方法与基于粒子群算法的卸载策略、基于人工蜂群算法的卸载策略进行比较。实验结果表明，ARSC策略在系统时延、系统能耗、收敛性均有所改善。
计算卸载是移动边缘计算（Mobile Edge Computing, MEC）中的关键技术，针对多用户多MEC服务器场景中计算卸载策略的不足，本文提出了一种混合人工蜂群算法（artificial reverse sine-cosine, ARSC）。ARSC算法首先使用反向学习策略初始化种群，优化种群的初始解；然后在雇佣蜂阶段通过利用正余弦算法的全局最优引导信息，提升算法的局部搜索能力，最后为了平衡算法的全局搜索能力和局部搜索能力，引入动态感知因子对算法的步长因子进行改进。通过仿真实验，将ARSC方法与基于粒子群算法的卸载策略、基于人工蜂群算法的卸载策略进行比较。实验结果表明，ARSC策略在系统时延、系统能耗、收敛性均有所改善。
摘要：
针对我国农作物发育期人工观测效率低、识别准确率低等问题，提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法。该方法以密集连接卷积网络（DenseNet）为主干提取网络，融入卷积注意力模块CBAM。先将CBAM中的空间注意力模块（SAM）与通道注意力模块（CAM）由传统的串联连接改为并行连接，并将改进的CBAM（I_CBAM）插入到DenseNet最后一个密集网络中，构建一种I_CBAM-DenseNet模型，再选取小麦7个重要发育时期进行自动识别。为最大化提取小麦的特征信息，将超绿特征（ExG）因子和最大类间方差法（Otsu）相结合对采集到的小麦图像进行分割处理。对比分析了I_CBAM-DenseNet、AlexNet、ResNet 、DenseNet、CBAM-DenseNet以及VGG等模型的准确率和损失值的变化。结果表明，采取基于I_CBAM-DenseNet的卷积神经网络建立的模型，准确率达到99.64%，高于对比模型。
针对我国农作物发育期人工观测效率低、识别准确率低等问题，提出一种基于I_CBAM-DenseNet模型的小麦发育期识别方法。该方法以密集连接卷积网络（DenseNet）为主干提取网络，融入卷积注意力模块CBAM。先将CBAM中的空间注意力模块（SAM）与通道注意力模块（CAM）由传统的串联连接改为并行连接，并将改进的CBAM（I_CBAM）插入到DenseNet最后一个密集网络中，构建一种I_CBAM-DenseNet模型，再选取小麦7个重要发育时期进行自动识别。为最大化提取小麦的特征信息，将超绿特征（ExG）因子和最大类间方差法（Otsu）相结合对采集到的小麦图像进行分割处理。对比分析了I_CBAM-DenseNet、AlexNet、ResNet 、DenseNet、CBAM-DenseNet以及VGG等模型的准确率和损失值的变化。结果表明，采取基于I_CBAM-DenseNet的卷积神经网络建立的模型，准确率达到99.64%，高于对比模型。
摘要：
浮游植物作为湖泊生态系统物质循环、能量循环的主要参与者，获取其群落结构信息在应对和调节湖泊生态系统具有重要意义。本研究通过高通量测序检测巢湖西半湖冬季和夏季真核浮游植物的群落特征，调查期间共检测出真核浮游植物7门71属，夏季7门59属，冬季5门27属，以绿藻门、硅藻门为主，冬季较夏季优势属变化较大。Shannon-Wiener指数夏季、冬季均值为1.83、1.88，Pielou指数夏季、冬季均值0.75、0.83。两种多样性指数均值均为夏季小于冬季。水质分析结果表明，研究期间巢湖西半湖水体TN、TP偏高，夏季、冬季水体理化指标具有显著性差异（p≤0.05）。冗余分析表明，PO4--P浓度、TN浓度、TP浓度和NH4+-N浓度对真核浮游植物群落解释率最大，其中PO4--P浓度的影响达到显著水平（p≤0.05）。Mantel相关性分析表明，真核浮游植物丰度与WT、DO、pH、NH4+-N、TN和Chl.a有着良好的相关性。通过变差分解分析得到，季节因素对真核浮游植物群落解释度最高。
浮游植物作为湖泊生态系统物质循环、能量循环的主要参与者，获取其群落结构信息在应对和调节湖泊生态系统具有重要意义。本研究通过高通量测序检测巢湖西半湖冬季和夏季真核浮游植物的群落特征，调查期间共检测出真核浮游植物7门71属，夏季7门59属，冬季5门27属，以绿藻门、硅藻门为主，冬季较夏季优势属变化较大。Shannon-Wiener指数夏季、冬季均值为1.83、1.88，Pielou指数夏季、冬季均值0.75、0.83。两种多样性指数均值均为夏季小于冬季。水质分析结果表明，研究期间巢湖西半湖水体TN、TP偏高，夏季、冬季水体理化指标具有显著性差异（p≤0.05）。冗余分析表明，PO4--P浓度、TN浓度、TP浓度和NH4+-N浓度对真核浮游植物群落解释率最大，其中PO4--P浓度的影响达到显著水平（p≤0.05）。Mantel相关性分析表明，真核浮游植物丰度与WT、DO、pH、NH4+-N、TN和Chl.a有着良好的相关性。通过变差分解分析得到，季节因素对真核浮游植物群落解释度最高。
摘要：
光伏阵列的电功率输出在局部遮荫工况下具有多峰特性,且随外界环境的变化而变化。为实现高效电能输出,利用多元宇宙优化(MVO)算法在解决低维度、小规模优化问题中的突出优势进行最大功率点跟踪(MPPT),并融合多种策略对其存在的缺陷进行改进。其采用拉丁超立方抽样策略初始化宇宙种群,并对按照轮盘赌策略随机交换的宇宙实施柯西变异,提高宇宙种群的多样性。同时引入莱维飞行式量子粒子群优化(QPSO)算法,且对虫洞存在概率及旅行距离率进行自适应调整,以增强算法的全局勘探及局部开发能力。Matlab仿真结果表明,相比其他算法,采用该算法的MPPT时间减少了45%以上,精度亦有所提高,从而具有更优的MPPT性能,可有效提高光伏发电效率。
光伏阵列的电功率输出在局部遮荫工况下具有多峰特性,且随外界环境的变化而变化。为实现高效电能输出,利用多元宇宙优化(MVO)算法在解决低维度、小规模优化问题中的突出优势进行最大功率点跟踪(MPPT),并融合多种策略对其存在的缺陷进行改进。其采用拉丁超立方抽样策略初始化宇宙种群,并对按照轮盘赌策略随机交换的宇宙实施柯西变异,提高宇宙种群的多样性。同时引入莱维飞行式量子粒子群优化(QPSO)算法,且对虫洞存在概率及旅行距离率进行自适应调整,以增强算法的全局勘探及局部开发能力。Matlab仿真结果表明,相比其他算法,采用该算法的MPPT时间减少了45%以上,精度亦有所提高,从而具有更优的MPPT性能,可有效提高光伏发电效率。
摘要：
为探明麦田氧化亚氮(N2O)排放对二氧化碳(CO2)浓度缓增与氮肥减施的响应,选用扬麦22为试验材料,基于开顶式气室(OTC)构成的CO2浓度自动控制平台开展田间试验。在环境大气CO2浓度(AC,对照)的基础上设置CO2浓度缓增处理(EC,自2016-2017年冬小麦生长季起在AC基础上逐年增加40 μmol.mol-1,至2018-2019年生长季CO2浓度比AC高120 μmol.mol-1)；在常规施氮量(N1,25 g.m-2)基础上设置氮肥减施处理(N2,15 g.m-2)。使用静态暗箱-气相色谱法进行冬小麦田N2O的气样采集与通量测定。结果表明：冬小麦生育期内,不同CO2浓度与氮肥水平下冬小麦田N2O通量生长季变化较为一致,整体均呈现为波动下降特征。AC处理下,与N1处理相比,N2处理使得N2O累积排放量显著降低45.2%(P=0.004)；EC处理下不同氮肥水平对冬小麦田N2O排放无显著影响。在冬小麦孕穗至乳熟期时,氮肥减施处理对麦田N2O排放的影响较为明显。CO2浓度缓增与氮肥减施共同作用时,施氮量是影响麦田N2O排放量的主要因素。
为探明麦田氧化亚氮(N2O)排放对二氧化碳(CO2)浓度缓增与氮肥减施的响应,选用扬麦22为试验材料,基于开顶式气室(OTC)构成的CO2浓度自动控制平台开展田间试验。在环境大气CO2浓度(AC,对照)的基础上设置CO2浓度缓增处理(EC,自2016-2017年冬小麦生长季起在AC基础上逐年增加40 μmol.mol-1,至2018-2019年生长季CO2浓度比AC高120 μmol.mol-1)；在常规施氮量(N1,25 g.m-2)基础上设置氮肥减施处理(N2,15 g.m-2)。使用静态暗箱-气相色谱法进行冬小麦田N2O的气样采集与通量测定。结果表明：冬小麦生育期内,不同CO2浓度与氮肥水平下冬小麦田N2O通量生长季变化较为一致,整体均呈现为波动下降特征。AC处理下,与N1处理相比,N2处理使得N2O累积排放量显著降低45.2%(P=0.004)；EC处理下不同氮肥水平对冬小麦田N2O排放无显著影响。在冬小麦孕穗至乳熟期时,氮肥减施处理对麦田N2O排放的影响较为明显。CO2浓度缓增与氮肥减施共同作用时,施氮量是影响麦田N2O排放量的主要因素。
摘要：
随着交通运输基础设施建设发展模式由追求速度规模向更加注重质量效益转变，精细化、因地制宜地设定隧道照明环境需求增多，隧道照明系统设计应以保证驾驶员行车的安全性与舒适性为前提，因此需要对隧道照明对驾驶员隧道行车的安全性与舒适性影响进行量化评估。基于隧道照明基础理论和驾驶员行车研究选取影响驾驶员安全性与舒适性的8项指标，建立驾驶员安全性与舒适性评价体系，并通过隧道驾驶仿真环境与硬件设施实现室内仿真研究：基于UC-win/Road软件建立隧道虚拟仿真模型，通过驾驶模拟器和生理仪器获取8项指标对应的数据，对数据进行处理后通过熵权法确定指标权重，评估不同照明亮度与色温环境下的隧道安全性与舒适度。以驾驶员的安全及舒适评价值最优为目的，得出隧道内亮度和色温的最佳设定值。实验结果验证了驾驶员安全性与舒适性评价体系的有效性，提出了改进的照明方案，为隧道运营方提供参考。
随着交通运输基础设施建设发展模式由追求速度规模向更加注重质量效益转变，精细化、因地制宜地设定隧道照明环境需求增多，隧道照明系统设计应以保证驾驶员行车的安全性与舒适性为前提，因此需要对隧道照明对驾驶员隧道行车的安全性与舒适性影响进行量化评估。基于隧道照明基础理论和驾驶员行车研究选取影响驾驶员安全性与舒适性的8项指标，建立驾驶员安全性与舒适性评价体系，并通过隧道驾驶仿真环境与硬件设施实现室内仿真研究：基于UC-win/Road软件建立隧道虚拟仿真模型，通过驾驶模拟器和生理仪器获取8项指标对应的数据，对数据进行处理后通过熵权法确定指标权重，评估不同照明亮度与色温环境下的隧道安全性与舒适度。以驾驶员的安全及舒适评价值最优为目的，得出隧道内亮度和色温的最佳设定值。实验结果验证了驾驶员安全性与舒适性评价体系的有效性，提出了改进的照明方案，为隧道运营方提供参考。
摘要：
在孤岛微电网中，由于线路阻抗的不匹配，导致了传统的下垂控制无法完成分布式电源(DG, distributed generation)之间无功功率的均分。为了消除DG之间的无功不均分并且提高控制器的灵活性和可靠性，文中首先分析了传统下垂无法完成无功均分的原因，设计了可自适应调节的无功下垂系数，使无功下垂系数可以满足无功均分的条件，从而解决了无功功率无法均分的问题。其次为了使无功均分控制器具有更高的灵活性和可靠性，设计了动态分布式观测器，并证明了其的收敛性。动态分布式观测器可以使DG以分布式的方式更加灵活可靠的获取所需的信息。最后在4个不同的算例下对所提的控制策略进行了验证，仿真结果表明了所提控制策略的优越性和有效性。
在孤岛微电网中，由于线路阻抗的不匹配，导致了传统的下垂控制无法完成分布式电源(DG, distributed generation)之间无功功率的均分。为了消除DG之间的无功不均分并且提高控制器的灵活性和可靠性，文中首先分析了传统下垂无法完成无功均分的原因，设计了可自适应调节的无功下垂系数，使无功下垂系数可以满足无功均分的条件，从而解决了无功功率无法均分的问题。其次为了使无功均分控制器具有更高的灵活性和可靠性，设计了动态分布式观测器，并证明了其的收敛性。动态分布式观测器可以使DG以分布式的方式更加灵活可靠的获取所需的信息。最后在4个不同的算例下对所提的控制策略进行了验证，仿真结果表明了所提控制策略的优越性和有效性。
摘要：
针对国省干道缺少路缘石导致在点云场景中不易确定公路边缘，从而造成国省干道点云难以精确提取的问题，提出形状特征向量筛选与局部粗糙度结合的国省干道点云提取方法。首先对原始点云数据构建网格索引，以网格为基本单元，设计基于协方差矩阵的形状特征向量分析方法，据此方法计算单元内点云形状特征向量，构建正交基求解特征值，筛选获取地面点云；其次采用KD树索引重构地面点云，计算分析点云局部粗糙度，以先验阈值为参考，引入欧式聚类算法实现对路面及路面周边点云的有效提取，实现路面点与非路面点有效划分。对10 km移动激光扫描国省干道点云数据进行测试，平均精度和召回率分别99.64%与99.59%。与欧式聚类分割算法相比，所提算法的平均精度及F1-score分别提高8.95%、4.56%，对原始点云处理速度为32.4 km/h，计算效率明显提升，具有良好的路面提取精度和鲁棒性。
针对国省干道缺少路缘石导致在点云场景中不易确定公路边缘，从而造成国省干道点云难以精确提取的问题，提出形状特征向量筛选与局部粗糙度结合的国省干道点云提取方法。首先对原始点云数据构建网格索引，以网格为基本单元，设计基于协方差矩阵的形状特征向量分析方法，据此方法计算单元内点云形状特征向量，构建正交基求解特征值，筛选获取地面点云；其次采用KD树索引重构地面点云，计算分析点云局部粗糙度，以先验阈值为参考，引入欧式聚类算法实现对路面及路面周边点云的有效提取，实现路面点与非路面点有效划分。对10 km移动激光扫描国省干道点云数据进行测试，平均精度和召回率分别99.64%与99.59%。与欧式聚类分割算法相比，所提算法的平均精度及F1-score分别提高8.95%、4.56%，对原始点云处理速度为32.4 km/h，计算效率明显提升，具有良好的路面提取精度和鲁棒性。
摘要：
针对雨天环境下获取图像质量差，导致后续机器视觉任务效率低下的问题，提出一种基于多特征交互和密集残差的图像去雨算法。首先，提出多重特征交互卷积模块提取不同空间下雨线的语义特征，增强信息利用程度；其次，构建多维空间权重注意模块，将不同空间信息权重初步融合并增强雨线特征；然后，结合密集连接和残差网络的优点，设计一种密集残差融合模块，在提高网络学习能力的同时实现对信息的重复利用，进一步校正雨纹信息；最后，通过将多种损失函数的线性组合，并结合雨天成像模型提高输出图像质量。在多个公开数据集上的实验结果表明，所提算法的主客观评价指标均优于所对比的经典及新颖算法，在去除雨纹的同时更有效地保留图像背景细节信息，为后续基于机器视觉任务的有效开展打下基础。
针对雨天环境下获取图像质量差，导致后续机器视觉任务效率低下的问题，提出一种基于多特征交互和密集残差的图像去雨算法。首先，提出多重特征交互卷积模块提取不同空间下雨线的语义特征，增强信息利用程度；其次，构建多维空间权重注意模块，将不同空间信息权重初步融合并增强雨线特征；然后，结合密集连接和残差网络的优点，设计一种密集残差融合模块，在提高网络学习能力的同时实现对信息的重复利用，进一步校正雨纹信息；最后，通过将多种损失函数的线性组合，并结合雨天成像模型提高输出图像质量。在多个公开数据集上的实验结果表明，所提算法的主客观评价指标均优于所对比的经典及新颖算法，在去除雨纹的同时更有效地保留图像背景细节信息，为后续基于机器视觉任务的有效开展打下基础。
摘要：
快速准确地进行换道路径规划、有效跟踪期望路径以及换道过程中保持车辆的操纵稳定性，是保障智能汽车主动安全的核心技术。针对智能汽车主动换道过程中的路径规划问题，引入中转位置，提出基于双五次多项式的路径规划策略，以提高换道路径的平滑性，保证车辆换道安全性，满足换道实时性要求。对主动换道场景进行分析，确定换道初始及目标位置；基于车辆换道过程中的临界碰撞点，提出双五次多项式换道路径规划策略；建立联合仿真模型，针对不同道路状态进行主动换道仿真试验。结果表明：由于引入了中转点，利用双五次多项式规划方法得到的换道路径在临界碰撞状态前有更明显的侧向位移，能避开前方障碍车保证了换道安全性；换道中转位置处车辆最大侧向加速度不超过2 m/s2，保证了换道过程中车辆操纵稳定性；在干燥路面与湿润路面工况下，换道所需纵向安全距离减小20 m左右，保障了换道过程的纵向碰撞的安全性。研究结果可以为智能汽车主动换道路径规划提供理论及实践依据。
快速准确地进行换道路径规划、有效跟踪期望路径以及换道过程中保持车辆的操纵稳定性，是保障智能汽车主动安全的核心技术。针对智能汽车主动换道过程中的路径规划问题，引入中转位置，提出基于双五次多项式的路径规划策略，以提高换道路径的平滑性，保证车辆换道安全性，满足换道实时性要求。对主动换道场景进行分析，确定换道初始及目标位置；基于车辆换道过程中的临界碰撞点，提出双五次多项式换道路径规划策略；建立联合仿真模型，针对不同道路状态进行主动换道仿真试验。结果表明：由于引入了中转点，利用双五次多项式规划方法得到的换道路径在临界碰撞状态前有更明显的侧向位移，能避开前方障碍车保证了换道安全性；换道中转位置处车辆最大侧向加速度不超过2 m/s2，保证了换道过程中车辆操纵稳定性；在干燥路面与湿润路面工况下，换道所需纵向安全距离减小20 m左右，保障了换道过程的纵向碰撞的安全性。研究结果可以为智能汽车主动换道路径规划提供理论及实践依据。
摘要：
本文提出了一种具有超宽输入功率范围的三路整流电路。该电路包含三个整流支路，通过在整流支路中采用不同阈值电压的二极管，使每个支路对不同输入功率进行高效整流，三条整流支路协同作用，使所提出的整流电路能够在超宽输入功率范围内保持高效率工作。设计并实现了一个工作在2.4 GHz的三支路整流电路，三条整流支路分别实现在-10~11 dBm、11~24 dBm和24~35 dBm的功率范围内，效率保持在30%以上。测试结果表明在-6~25 dBm的输入功率范围内，电路的转换效率均可保持在40%以上，最高效率可以达到71.2%。所提出的整流电路对输入功率的灵敏度较低，能够在超宽输入功率范围内实现高效率能量转换，可用于能量收集或动态无线能量传输系统中。
本文提出了一种具有超宽输入功率范围的三路整流电路。该电路包含三个整流支路，通过在整流支路中采用不同阈值电压的二极管，使每个支路对不同输入功率进行高效整流，三条整流支路协同作用，使所提出的整流电路能够在超宽输入功率范围内保持高效率工作。设计并实现了一个工作在2.4 GHz的三支路整流电路，三条整流支路分别实现在-10~11 dBm、11~24 dBm和24~35 dBm的功率范围内，效率保持在30%以上。测试结果表明在-6~25 dBm的输入功率范围内，电路的转换效率均可保持在40%以上，最高效率可以达到71.2%。所提出的整流电路对输入功率的灵敏度较低，能够在超宽输入功率范围内实现高效率能量转换，可用于能量收集或动态无线能量传输系统中。
摘要：
针对现有智能优化算法在求解配电网无功优化时存在的收敛速度慢、易陷入局部最优解等问题，提出一种基于多目标沙猫群算法(Multi-Objective Sand Cat swarm optimization, MOSCSO)的含风光储配电网无功优化方法。MOSCSO融合了多目标算法中外部储存集的更新和选择机制，具有较好的全局寻优能力，同时沙猫群算法特有的搜索和攻击的种群更新方式保证了其较快收敛速度和较好寻优能力。建立储能设施(Energy Storage System, ESS)作为控制变量的IEEE 33节点系统数学模型，应用MOSCSO进行仿真验证。结果证明本文所提方法在平衡风光发电系统的同时能够做到降低网损和提高电网稳定性，与传统算法进行比较，结果验证了MOSCSO在本文无功优化模型上的有效性和稳定性。
针对现有智能优化算法在求解配电网无功优化时存在的收敛速度慢、易陷入局部最优解等问题，提出一种基于多目标沙猫群算法(Multi-Objective Sand Cat swarm optimization, MOSCSO)的含风光储配电网无功优化方法。MOSCSO融合了多目标算法中外部储存集的更新和选择机制，具有较好的全局寻优能力，同时沙猫群算法特有的搜索和攻击的种群更新方式保证了其较快收敛速度和较好寻优能力。建立储能设施(Energy Storage System, ESS)作为控制变量的IEEE 33节点系统数学模型，应用MOSCSO进行仿真验证。结果证明本文所提方法在平衡风光发电系统的同时能够做到降低网损和提高电网稳定性，与传统算法进行比较，结果验证了MOSCSO在本文无功优化模型上的有效性和稳定性。
摘要：
本文针对背靠背Ω定子横向磁通永磁直线电机（BBΩ-TFPMLM）独特的拓扑结构，运用“磁-热耦合法”对其温度场进行深入研究。首先采用三维有限元法(3D-FEM)对BBΩ-TFPMLM进行建模分析以得到稳态电磁参数。然后利用Workbench将电磁场耦合至温度场，采用磁-热耦合法分析电机各部分的温升，得出电机运行不同时间的温度云图并总结损耗模型的实时温升规律。最后，搭建实验平台进行实验验证，实测额定电流下定子铁心稳态温升为29.21℃、动子铁心稳态温升为11.12℃，温升在合理范围内且样机运行750s后温度分布的热成像仪测量结果与仿真一致，验证了所提理论的正确性。
本文针对背靠背Ω定子横向磁通永磁直线电机（BBΩ-TFPMLM）独特的拓扑结构，运用“磁-热耦合法”对其温度场进行深入研究。首先采用三维有限元法(3D-FEM)对BBΩ-TFPMLM进行建模分析以得到稳态电磁参数。然后利用Workbench将电磁场耦合至温度场，采用磁-热耦合法分析电机各部分的温升，得出电机运行不同时间的温度云图并总结损耗模型的实时温升规律。最后，搭建实验平台进行实验验证，实测额定电流下定子铁心稳态温升为29.21℃、动子铁心稳态温升为11.12℃，温升在合理范围内且样机运行750s后温度分布的热成像仪测量结果与仿真一致，验证了所提理论的正确性。
摘要：
“双碳”背景下，综合能源系统(integrated energy system，IES)对提高能源利用效率、减少碳排放具有重要意义，为了更好地实现这一目标，提出一种考虑氢能利用与需求响应的IES低碳优化调度方法。在源侧，构建以氢能利用为核心的IES模型来优化设备运行灵活性；在负荷侧，考虑到用户用能特征，建立基于Logistic函数的需求响应模型来优化负荷曲线、协助降碳；同时为进一步挖掘系统的碳减排潜力，在优化模型中引入阶梯式碳交易机制；最后，综合考虑系统购能成本、运维成本、碳交易成本以及弃风成本，以IES日运行总成本最小为目标函数进行优化调度。通过算例验证表明，所构建模型不仅达到负荷削峰填谷的效果，同时有效降低IES的运行总成本和碳排放，具有较好的低碳经济性。
“双碳”背景下，综合能源系统(integrated energy system，IES)对提高能源利用效率、减少碳排放具有重要意义，为了更好地实现这一目标，提出一种考虑氢能利用与需求响应的IES低碳优化调度方法。在源侧，构建以氢能利用为核心的IES模型来优化设备运行灵活性；在负荷侧，考虑到用户用能特征，建立基于Logistic函数的需求响应模型来优化负荷曲线、协助降碳；同时为进一步挖掘系统的碳减排潜力，在优化模型中引入阶梯式碳交易机制；最后，综合考虑系统购能成本、运维成本、碳交易成本以及弃风成本，以IES日运行总成本最小为目标函数进行优化调度。通过算例验证表明，所构建模型不仅达到负荷削峰填谷的效果，同时有效降低IES的运行总成本和碳排放，具有较好的低碳经济性。
摘要：
针对光伏功率随机性及波动性大，单一预测模型往往难以准确分析历史数据波动规律，从而导致预测精度不高的问题，提出一种基于卷积神经网络-门控循环单元(Convolutional Neural Network- Gated Recurrent Unit，CNN-GRU)和改进麻雀搜索算法(improved sparrow search algorithm，ISSA)优化的极限梯度提升（Xtreme Gradient Boosting，XGBoost）模型的短期光伏功率预测组合模型。首先去除历史数据中的异常值并对其进行归一化处理，利用主成分分析法（Principal Component Analysis，PCA）进行特征选取，以便更好地识别影响光伏功率的关键因素。然后采用CNN网络提取数据的空间特征,再经过GRU网络提取时间特征，针对XGBoost模型手动配置参数困难、随机性大的问题，利用ISSA对模型超参数寻优。最后对两种方法预测的结果用误差倒数法减小误差同时对权重进行更新，得到新的预测值完成对光伏功率的预测。实验结果表明，所提出的CNN-GRU-ISSA-XGBoost组合模型具有更强的适应性和更高的精度。
针对光伏功率随机性及波动性大，单一预测模型往往难以准确分析历史数据波动规律，从而导致预测精度不高的问题，提出一种基于卷积神经网络-门控循环单元(Convolutional Neural Network- Gated Recurrent Unit，CNN-GRU)和改进麻雀搜索算法(improved sparrow search algorithm，ISSA)优化的极限梯度提升（Xtreme Gradient Boosting，XGBoost）模型的短期光伏功率预测组合模型。首先去除历史数据中的异常值并对其进行归一化处理，利用主成分分析法（Principal Component Analysis，PCA）进行特征选取，以便更好地识别影响光伏功率的关键因素。然后采用CNN网络提取数据的空间特征,再经过GRU网络提取时间特征，针对XGBoost模型手动配置参数困难、随机性大的问题，利用ISSA对模型超参数寻优。最后对两种方法预测的结果用误差倒数法减小误差同时对权重进行更新，得到新的预测值完成对光伏功率的预测。实验结果表明，所提出的CNN-GRU-ISSA-XGBoost组合模型具有更强的适应性和更高的精度。
摘要：
为了保证永磁无刷直流空心轴电机的输出性能和抑制电磁振动，提出了一种基于非线性多元回归的修正代理模型优化方法。首先利用（Audze-Eglajs，AE）算法确定了最优空间填充抽样，并采用（Kernel Principal Components Analysis, KPCA）算法筛选出了4个主要变量用于构建代理模型；其次采用非线性多元回归构建了代理模型，决定系数R2值均大于0.9，验证了代理模型的精度；最后，采用鲁棒多目标遗传算法求解代理模型，获得了最优定子槽参数。结果表明，通过优化定子槽参数，电机平均转矩降低了1.3%，不影响输出性能，电机空载、额定负载时最大振动加速度分别降低了19%和34.5%，有效的降低了电磁振动，证明了优化方法的有效性和可靠性。为电机减振设计优化提供了一种替代手段，具有突出的现实意义。
为了保证永磁无刷直流空心轴电机的输出性能和抑制电磁振动，提出了一种基于非线性多元回归的修正代理模型优化方法。首先利用（Audze-Eglajs，AE）算法确定了最优空间填充抽样，并采用（Kernel Principal Components Analysis, KPCA）算法筛选出了4个主要变量用于构建代理模型；其次采用非线性多元回归构建了代理模型，决定系数R2值均大于0.9，验证了代理模型的精度；最后，采用鲁棒多目标遗传算法求解代理模型，获得了最优定子槽参数。结果表明，通过优化定子槽参数，电机平均转矩降低了1.3%，不影响输出性能，电机空载、额定负载时最大振动加速度分别降低了19%和34.5%，有效的降低了电磁振动，证明了优化方法的有效性和可靠性。为电机减振设计优化提供了一种替代手段，具有突出的现实意义。
摘要：
针对滑坡区输电塔线体系在边坡变形和风荷载作用下易发生杆件失效的问题,提出一种基于IHPO-BP神经网络的滑坡区塔线体系应力预测模型。首先利用改进的Circle混沌映射、平衡因子非线性策略以及Levy飞行对猎人猎物优化算法进行优化,进而利用改进的猎人猎物优化算法对BP神经网络的权值和阈值进行参数寻优,得到滑坡区塔线体系应力预测模型,将风向角、风速和塔腿支座位移作为模型输入,塔线体系杆件最大应力作为输出。预测结果表明:文中提出的IHPO-BP模型具有较高的收敛速度与预测精度,与HPO-BP模型相比,平均绝对误差下降了71.7%,均方根误差下降了76.6%,平均相对误差下降了71.8%。
针对滑坡区输电塔线体系在边坡变形和风荷载作用下易发生杆件失效的问题,提出一种基于IHPO-BP神经网络的滑坡区塔线体系应力预测模型。首先利用改进的Circle混沌映射、平衡因子非线性策略以及Levy飞行对猎人猎物优化算法进行优化,进而利用改进的猎人猎物优化算法对BP神经网络的权值和阈值进行参数寻优,得到滑坡区塔线体系应力预测模型,将风向角、风速和塔腿支座位移作为模型输入,塔线体系杆件最大应力作为输出。预测结果表明:文中提出的IHPO-BP模型具有较高的收敛速度与预测精度,与HPO-BP模型相比,平均绝对误差下降了71.7%,均方根误差下降了76.6%,平均相对误差下降了71.8%。
摘要：
目前利用遥感技术及时准确的进行水质监测全面的了解水质分布情况对水环境保护具有重要意义。然而水质参数与地表反射率并非简单的线性关系，BP神经网络和SVM因其非线性模拟的特点，被广泛用于水质反演。但是传统BP神经网络存在收敛缓慢、容易陷入局部最优的问题；SVM虽然具有很好的拟合能力，但受惩罚系数及核函数参数影响较大。因此以云龙湖为研究区域，利用Sentinel-2影像和实测数据，针对重要水质参数电导率和浊度，提出了一种基于麻雀搜索算法(SSA)优化BP神经网络及SVM的水质反演耦合模型,利用SSA对BP神经网络及SVM进行参数寻优，基于验证集MAE计算模型权重，对SSA-BP、SSA-SVM模型测试组输出层加权计算后获得最终反演结果。并与BPNN、SVM、SSA-BP、SSA-SVM模型进行了对比实验。结果表明：（1）Sentinel-2影像对电导率及浊度的敏感波段均为可见光及短波红外波段。（2）SSA-BP-SVM水质反演耦合模型精度更高，电导率及浊度反演模型R2分别为0.92、0.89。（3）云龙湖具有典型的城市水体特征，电导率受上游南望净水厂排水影响较大，浊度受社会生产活动带来的颗粒污染物影响较大。基于Sentinel-2影像利用SSA-BP-SVM模型进行水质反演具有较好的应用潜力，能够为云龙湖水质监测以及制定保护措施提供一定的技术支撑。
目前利用遥感技术及时准确的进行水质监测全面的了解水质分布情况对水环境保护具有重要意义。然而水质参数与地表反射率并非简单的线性关系，BP神经网络和SVM因其非线性模拟的特点，被广泛用于水质反演。但是传统BP神经网络存在收敛缓慢、容易陷入局部最优的问题；SVM虽然具有很好的拟合能力，但受惩罚系数及核函数参数影响较大。因此以云龙湖为研究区域，利用Sentinel-2影像和实测数据，针对重要水质参数电导率和浊度，提出了一种基于麻雀搜索算法(SSA)优化BP神经网络及SVM的水质反演耦合模型,利用SSA对BP神经网络及SVM进行参数寻优，基于验证集MAE计算模型权重，对SSA-BP、SSA-SVM模型测试组输出层加权计算后获得最终反演结果。并与BPNN、SVM、SSA-BP、SSA-SVM模型进行了对比实验。结果表明：（1）Sentinel-2影像对电导率及浊度的敏感波段均为可见光及短波红外波段。（2）SSA-BP-SVM水质反演耦合模型精度更高，电导率及浊度反演模型R2分别为0.92、0.89。（3）云龙湖具有典型的城市水体特征，电导率受上游南望净水厂排水影响较大，浊度受社会生产活动带来的颗粒污染物影响较大。基于Sentinel-2影像利用SSA-BP-SVM模型进行水质反演具有较好的应用潜力，能够为云龙湖水质监测以及制定保护措施提供一定的技术支撑。
摘要：
举办大型活动会导致周边受影响区域在短时间内集中大量人群和车辆，场馆周边路网与常规交通具有差异化特征。为探究大型活动对场馆周边路网运行状态的影响机理，解析活动规模、路段与活动场馆的空间距离等因素的影响特征，构建融合XGBoost算法与部分依赖图的可解释机器学习模型，以捕捉不同因素的非线性效应与协同影响。研究以北京市为例开展了实证研究，其中单因素的异质性影响表明：路段与活动场馆的空间距离及活动规模对场馆周边路网运行状态的影响较大，其相对重要度分别达到27.1%和25.4%，距离活动开始/结束的时间对场馆周边路网运行状态存在明显非线性特征，在活动开始前30-60分钟，以及活动结束后30分钟内，场馆周边3km以内的路段将受到显著影响；二维因素的协同影响表明：当活动规模大于3万人时，节假日和不利天气对场馆周边路网运行状态呈负面影响，而在降雨和雾霾天气下，场馆周边路网运行状态受时空影响较大，影响范围为活动开始前60分钟与结束后40分钟内距离活动场馆2.5km内的路段。相关研究结论可为大型活动期间道路拥堵致因辨别及制定科学有效的路网管控策略提供定量化的决策依据。
举办大型活动会导致周边受影响区域在短时间内集中大量人群和车辆，场馆周边路网与常规交通具有差异化特征。为探究大型活动对场馆周边路网运行状态的影响机理，解析活动规模、路段与活动场馆的空间距离等因素的影响特征，构建融合XGBoost算法与部分依赖图的可解释机器学习模型，以捕捉不同因素的非线性效应与协同影响。研究以北京市为例开展了实证研究，其中单因素的异质性影响表明：路段与活动场馆的空间距离及活动规模对场馆周边路网运行状态的影响较大，其相对重要度分别达到27.1%和25.4%，距离活动开始/结束的时间对场馆周边路网运行状态存在明显非线性特征，在活动开始前30-60分钟，以及活动结束后30分钟内，场馆周边3km以内的路段将受到显著影响；二维因素的协同影响表明：当活动规模大于3万人时，节假日和不利天气对场馆周边路网运行状态呈负面影响，而在降雨和雾霾天气下，场馆周边路网运行状态受时空影响较大，影响范围为活动开始前60分钟与结束后40分钟内距离活动场馆2.5km内的路段。相关研究结论可为大型活动期间道路拥堵致因辨别及制定科学有效的路网管控策略提供定量化的决策依据。
摘要：
未佩戴或未正确佩戴头盔将对骑行人员生命安全造成重大威胁，人工督查不但工作量大效率低下，而且难以做到全区域全时段覆盖。本文提出一种基于改进YOLOv5的骑行者头盔佩戴检测方法，通过监控摄像头对骑行人员的头盔佩戴情况进行智能检测和自动识别。首先，构建了包括不同地点、不同视角、不同天气、不同时段的骑行者头盔佩戴数据集，为研究奠定基础；随后提出了基于改进YOLOv5的头盔佩戴检测模型，通过改进YOLOv5的多尺度特征融合模块，提升小目标检测效果；引入ECA注意力机制，强化特征图融合效果，显著提升模型检测精度；基于GSConv对Neck部分进行轻量化处理，有效降低模型的检测耗时。实验结果表明，本文算法对骑行者头盔佩戴情况具有良好的检测性能，mAP达到93.2%，相较于原算法提升了1.9%，单张图片检测耗时15.23ms，在保证较高检测速率的同时检测精度更高，具有一定的应用价值。
未佩戴或未正确佩戴头盔将对骑行人员生命安全造成重大威胁，人工督查不但工作量大效率低下，而且难以做到全区域全时段覆盖。本文提出一种基于改进YOLOv5的骑行者头盔佩戴检测方法，通过监控摄像头对骑行人员的头盔佩戴情况进行智能检测和自动识别。首先，构建了包括不同地点、不同视角、不同天气、不同时段的骑行者头盔佩戴数据集，为研究奠定基础；随后提出了基于改进YOLOv5的头盔佩戴检测模型，通过改进YOLOv5的多尺度特征融合模块，提升小目标检测效果；引入ECA注意力机制，强化特征图融合效果，显著提升模型检测精度；基于GSConv对Neck部分进行轻量化处理，有效降低模型的检测耗时。实验结果表明，本文算法对骑行者头盔佩戴情况具有良好的检测性能，mAP达到93.2%，相较于原算法提升了1.9%，单张图片检测耗时15.23ms，在保证较高检测速率的同时检测精度更高，具有一定的应用价值。
摘要：
东南亚地区是中国“一带一路”战略的必经通道，也是我国发展对外经贸的重要节点区域，具有重要的战略地位。研究基于NPP/VIIRS夜间灯光数据，运用重心、标准差椭圆以及莫兰指数等空间分析方法，分析2012年—2021年东南亚国家社会经济发展的时空特征。结果表明:东南亚国家GDP与夜间灯光数据之间存在显著相关性；从东南亚经济发展方向特征来看，东南亚经济重心整体向北迁移，总体经济体量增大，经济发展向区域内聚集，东南亚经济发展方向性愈发明显；从东南亚经济发展空间聚集性特征来看，高高聚集和低低聚集是东南亚经济发展最显著的两种空间聚集特征。高高聚集地区起到了很好的辐射作用，带动周边地区的经济发展，低高聚集区的发展潜力较大。研究时间段内，东南亚北部低低聚集区大幅度减少。
东南亚地区是中国“一带一路”战略的必经通道，也是我国发展对外经贸的重要节点区域，具有重要的战略地位。研究基于NPP/VIIRS夜间灯光数据，运用重心、标准差椭圆以及莫兰指数等空间分析方法，分析2012年—2021年东南亚国家社会经济发展的时空特征。结果表明:东南亚国家GDP与夜间灯光数据之间存在显著相关性；从东南亚经济发展方向特征来看，东南亚经济重心整体向北迁移，总体经济体量增大，经济发展向区域内聚集，东南亚经济发展方向性愈发明显；从东南亚经济发展空间聚集性特征来看，高高聚集和低低聚集是东南亚经济发展最显著的两种空间聚集特征。高高聚集地区起到了很好的辐射作用，带动周边地区的经济发展，低高聚集区的发展潜力较大。研究时间段内，东南亚北部低低聚集区大幅度减少。
摘要：
针对长短期记忆网络(LSTM)在粮食产能预测上存在超参数众多、长时序列信息丢失以及难以区分主次特征的问题,提出一种数据驱动的粮食产能组合预测模型。在超参数部分,通过引入动态权重和拉普拉斯变异的秃鹰算法(WLBES)对LSTM进行超参数寻优,避免了手动调参的过程。在预测部分,利用岭回归(RR)对预测结果进行残差修正,弥补LSTM数据丢失的缺陷；同时加入注意力机制,以权重大小区分主次特征,提升粮食产能相关性较大特征的重要性。研究结果表明,WLBES-LSTM-RR组合模型与LSTM模型和WLBES-LSTM模型相比,均方根误差(RMSE)分别下降了75%、19%,相较于其他优化LSTM的组合模型,RMSE大幅下降,该组合模型在粮食产能预测上具有更高的预测精度。
针对长短期记忆网络(LSTM)在粮食产能预测上存在超参数众多、长时序列信息丢失以及难以区分主次特征的问题,提出一种数据驱动的粮食产能组合预测模型。在超参数部分,通过引入动态权重和拉普拉斯变异的秃鹰算法(WLBES)对LSTM进行超参数寻优,避免了手动调参的过程。在预测部分,利用岭回归(RR)对预测结果进行残差修正,弥补LSTM数据丢失的缺陷；同时加入注意力机制,以权重大小区分主次特征,提升粮食产能相关性较大特征的重要性。研究结果表明,WLBES-LSTM-RR组合模型与LSTM模型和WLBES-LSTM模型相比,均方根误差(RMSE)分别下降了75%、19%,相较于其他优化LSTM的组合模型,RMSE大幅下降,该组合模型在粮食产能预测上具有更高的预测精度。
摘要：
大气污染严重危害居民的出行安全和身体健康，空气质量指数（AQI）是一种用于测量空气质量状况的综合指标，对AQI的预测可以提醒公众空气质量信息，使人们做出更明智的出行决策。通过提前预测空气质量的变化，政府和环保部门可以采取应急措施以减轻空气污染。本文提出基于卷积神经网络和门控循环单元的集成深度学习模型（CNN-GRU）对AQI进行预测。其中，卷积神经网络（CNN）提取污染气体浓度和AQI的时空特征并完成特征映射，门控循环单元（GRU）建模时序关系并高效完成计算。选取2014—2022年北京市和广州市的6种主要污染气体（PM2.5、PM10、SO2、CO、NO2、O3）日平均质量浓度和AQI进行实例研究，使用CNN-GRU模型对AQI进行预测，与多元宇宙优化的广义回归神经网络模型（MVO-GRNN）、遗传算法优化的BP神经网络模型（GA-BP）对AQI的预测进行对比分析。实验结果表明，本文提出的CNN-GRU模型对AQI的预测误差最小。
大气污染严重危害居民的出行安全和身体健康，空气质量指数（AQI）是一种用于测量空气质量状况的综合指标，对AQI的预测可以提醒公众空气质量信息，使人们做出更明智的出行决策。通过提前预测空气质量的变化，政府和环保部门可以采取应急措施以减轻空气污染。本文提出基于卷积神经网络和门控循环单元的集成深度学习模型（CNN-GRU）对AQI进行预测。其中，卷积神经网络（CNN）提取污染气体浓度和AQI的时空特征并完成特征映射，门控循环单元（GRU）建模时序关系并高效完成计算。选取2014—2022年北京市和广州市的6种主要污染气体（PM2.5、PM10、SO2、CO、NO2、O3）日平均质量浓度和AQI进行实例研究，使用CNN-GRU模型对AQI进行预测，与多元宇宙优化的广义回归神经网络模型（MVO-GRNN）、遗传算法优化的BP神经网络模型（GA-BP）对AQI的预测进行对比分析。实验结果表明，本文提出的CNN-GRU模型对AQI的预测误差最小。
摘要：
精准的风速预测是将风能大规模应用到电力系统中的关键，而风速序列的随机性和波动性等特点使得风速预测难度增加。为增强风速序列的可预测性，采用Logistic混沌映射策略、自适应参数调整策略以及引入变异策略对食肉植物算法(CPA)进行改进，并提出了基于误差修正和VMD-ICPA-LSSVM的短期风速预测模型。首先将气象因子作为最小二乘支持向量机(LSSVM)的输入对风速进行预测，获得误差序列。再利用K-L散度自适应地确定变分模态分解(VMD)的参数，并对误差序列进行分解。结合改进食肉植物算法(ICPA)优化LSSVM可调参数的方法来预测分解的子序列。叠加各子序列预测结果后对原始预测序列进行误差修正，进而得到最终风速预测值。实验结果表明，与其他模型相比，该模型有着更好的预测精度和泛化性能。
精准的风速预测是将风能大规模应用到电力系统中的关键，而风速序列的随机性和波动性等特点使得风速预测难度增加。为增强风速序列的可预测性，采用Logistic混沌映射策略、自适应参数调整策略以及引入变异策略对食肉植物算法(CPA)进行改进，并提出了基于误差修正和VMD-ICPA-LSSVM的短期风速预测模型。首先将气象因子作为最小二乘支持向量机(LSSVM)的输入对风速进行预测，获得误差序列。再利用K-L散度自适应地确定变分模态分解(VMD)的参数，并对误差序列进行分解。结合改进食肉植物算法(ICPA)优化LSSVM可调参数的方法来预测分解的子序列。叠加各子序列预测结果后对原始预测序列进行误差修正，进而得到最终风速预测值。实验结果表明，与其他模型相比，该模型有着更好的预测精度和泛化性能。
摘要：
针对传统腕部康复训练方法训练内容枯燥、用户参与训练的积极性低导致训练效率低的问题，设计了一种肌电控制虚拟现实游戏的训练系统。采集腕部运动时的表面肌电信号，并通过肌肉协同原理解码出腕关节运动意图，用于虚拟现实游戏的控制；在虚拟现实游戏中引入随机干扰力，通过阻抗控制的方式实现与虚拟现实环境的交互，使得用户探索不同的运动控制方式。通过模型标定实验，验证了系统的可行性，并且开展了训练实验，通过评估任务的完成时间以及路径效率评估训练效果。实验结果表明，任务的完成时间减少了58%；路径效率提升了49%，所设计的训练系统可以使得用户以更高效方法进行运动控制，提高了训练的效率。
针对传统腕部康复训练方法训练内容枯燥、用户参与训练的积极性低导致训练效率低的问题，设计了一种肌电控制虚拟现实游戏的训练系统。采集腕部运动时的表面肌电信号，并通过肌肉协同原理解码出腕关节运动意图，用于虚拟现实游戏的控制；在虚拟现实游戏中引入随机干扰力，通过阻抗控制的方式实现与虚拟现实环境的交互，使得用户探索不同的运动控制方式。通过模型标定实验，验证了系统的可行性，并且开展了训练实验，通过评估任务的完成时间以及路径效率评估训练效果。实验结果表明，任务的完成时间减少了58%；路径效率提升了49%，所设计的训练系统可以使得用户以更高效方法进行运动控制，提高了训练的效率。
摘要：
面对大规模环境建图要求时，通过使用轻便的机器人群去感知环境，采用多机器人协同SLAM（同步定位与地图构建）方案可以解决在单个机器人SLAM方案下面临的个体成本高昂、全局误差累积、计算量和风险过于集中的问题，有着极强的鲁棒性与稳定性。本文回顾了多机器人协同SLAM的发展历史，介绍了相关的融合算法与融合架构，并从机器学习分类的角度梳理了现有的协同SLAM算法；同时还介绍了未来多机器人SLAM发展的重要方向：深度学习、语义地图与多机器人VSLAM的结合问题，并对未来发展做出了展望。
面对大规模环境建图要求时，通过使用轻便的机器人群去感知环境，采用多机器人协同SLAM（同步定位与地图构建）方案可以解决在单个机器人SLAM方案下面临的个体成本高昂、全局误差累积、计算量和风险过于集中的问题，有着极强的鲁棒性与稳定性。本文回顾了多机器人协同SLAM的发展历史，介绍了相关的融合算法与融合架构，并从机器学习分类的角度梳理了现有的协同SLAM算法；同时还介绍了未来多机器人SLAM发展的重要方向：深度学习、语义地图与多机器人VSLAM的结合问题，并对未来发展做出了展望。
摘要：
针对目前电气化铁路沿线复杂背景下铁路安全区域划分均需采用实际固定标准件为参照物且区域划分范围小等问题，提出一种无需参照物的高速铁路安全区域划分算法。首先基于无人机所采集图像中的相关参数计算出相应的GSD（地面采样间距）参数，然后利用加入ECA-Net模块的DeepLabv3+模型对图像中的轨道进行精确分割。通过边缘检测、开运算、概率霍夫变换等一系列图像处理操作，提取出构成轨道的关键像素点，并运用最小二乘法进行轨道拟合，得出轨道数学表达式。最后，结合数学算法和GSD参数以及轨道数学表达式，完成安全区域的划分。实验结果表明，所提算法测量精度高达90%以上，无需选取固定参照物，适应性强、鲁棒性高，具有较高的实用性和可靠性，为电气化铁路沿线安全管理提供了有效技术支持。
针对目前电气化铁路沿线复杂背景下铁路安全区域划分均需采用实际固定标准件为参照物且区域划分范围小等问题，提出一种无需参照物的高速铁路安全区域划分算法。首先基于无人机所采集图像中的相关参数计算出相应的GSD（地面采样间距）参数，然后利用加入ECA-Net模块的DeepLabv3+模型对图像中的轨道进行精确分割。通过边缘检测、开运算、概率霍夫变换等一系列图像处理操作，提取出构成轨道的关键像素点，并运用最小二乘法进行轨道拟合，得出轨道数学表达式。最后，结合数学算法和GSD参数以及轨道数学表达式，完成安全区域的划分。实验结果表明，所提算法测量精度高达90%以上，无需选取固定参照物，适应性强、鲁棒性高，具有较高的实用性和可靠性，为电气化铁路沿线安全管理提供了有效技术支持。
摘要：
车辆违法停车将会降低道路通行效率,引发交通拥堵和交通事故。传统的车辆违停检测方法参数量大且准确度低。为此,本文提出了一种使用改进的YOLOv5模型和射线法的车辆违停检测方法。首先设计了轻量化的特征提取模块,减少模型参数量；其次在模型中加入注意力机制,从通道维度和空间维度增强模型的特征提取能力,保证模型精度；接着使用混合数据增强丰富数据集样本,提升复杂背景下的检测效果；然后选用EIoU作为损失函数提高模型定位能力。实验表明,改进后的模型均值平均精度达到91.35%,比原始YOLOv5s提升1.01%,并且参数量减少35.79%。最后将改进后模型与射线法结合,在Jetson Xavier NX嵌入式平台的检测速度可以达到约28帧/秒,能够实现实时检测。
车辆违法停车将会降低道路通行效率,引发交通拥堵和交通事故。传统的车辆违停检测方法参数量大且准确度低。为此,本文提出了一种使用改进的YOLOv5模型和射线法的车辆违停检测方法。首先设计了轻量化的特征提取模块,减少模型参数量；其次在模型中加入注意力机制,从通道维度和空间维度增强模型的特征提取能力,保证模型精度；接着使用混合数据增强丰富数据集样本,提升复杂背景下的检测效果；然后选用EIoU作为损失函数提高模型定位能力。实验表明,改进后的模型均值平均精度达到91.35%,比原始YOLOv5s提升1.01%,并且参数量减少35.79%。最后将改进后模型与射线法结合,在Jetson Xavier NX嵌入式平台的检测速度可以达到约28帧/秒,能够实现实时检测。
摘要：
二维材料具有低损耗、超快载流子响应以及宽波段的非线性吸收等特性，并且其层状结构更适合与光电器件结合，在超快光子学和光电器件领域产生了一系列的创新应用。类石墨烯材料已成功在可见、近红外和中远红外波段产生超短脉冲激光。本文综述了基于二维材料的可饱和吸收体在固态激光器中实现调Q以及锁模操作的最新研究进展。首先，介绍了基于二维材料的可饱和吸收体制备方法、可饱和吸收体的吸收机理及非线性吸收特性的测量手段，并总结了基于二维可饱和吸收体的固态激光器在工作波长、输出功率、脉冲宽度等方面的性能，最后对二维材料在先进激光器领域的发展趋势进行了展望。
二维材料具有低损耗、超快载流子响应以及宽波段的非线性吸收等特性，并且其层状结构更适合与光电器件结合，在超快光子学和光电器件领域产生了一系列的创新应用。类石墨烯材料已成功在可见、近红外和中远红外波段产生超短脉冲激光。本文综述了基于二维材料的可饱和吸收体在固态激光器中实现调Q以及锁模操作的最新研究进展。首先，介绍了基于二维材料的可饱和吸收体制备方法、可饱和吸收体的吸收机理及非线性吸收特性的测量手段，并总结了基于二维可饱和吸收体的固态激光器在工作波长、输出功率、脉冲宽度等方面的性能，最后对二维材料在先进激光器领域的发展趋势进行了展望。
摘要：
声呐图像易产生对比度低、分辨率低、边缘失真等问题，所以在去除声呐图像噪声时难以将有效信号与噪声准确分离，从而导致去噪后图像对比度降低，边缘轮廓不清晰，细节丢失严重等问题，对此本文提出一种基于自适应维纳滤波和2D-VMD的声呐图像去噪算法。首先通过二维变分模态分解对含噪图像进行分解，得到一系列不同中心频率的模态分量，利用相关系数和结构相似度筛选出有效的模态分量，并使用自适应维纳滤波处理有效的模态分量，最后将滤波后的模态分量进行重构，从而去除图像中的噪声。实验结果表明: 所提图像去噪算法在相关系数、结构相似度这两项客观数据上为最优结果，峰值信噪比略低于NSST域去噪，综合客观数据与视觉效果，本文所提算法去除噪声后的图像细节和边缘保持能力效果最佳。
声呐图像易产生对比度低、分辨率低、边缘失真等问题，所以在去除声呐图像噪声时难以将有效信号与噪声准确分离，从而导致去噪后图像对比度降低，边缘轮廓不清晰，细节丢失严重等问题，对此本文提出一种基于自适应维纳滤波和2D-VMD的声呐图像去噪算法。首先通过二维变分模态分解对含噪图像进行分解，得到一系列不同中心频率的模态分量，利用相关系数和结构相似度筛选出有效的模态分量，并使用自适应维纳滤波处理有效的模态分量，最后将滤波后的模态分量进行重构，从而去除图像中的噪声。实验结果表明: 所提图像去噪算法在相关系数、结构相似度这两项客观数据上为最优结果，峰值信噪比略低于NSST域去噪，综合客观数据与视觉效果，本文所提算法去除噪声后的图像细节和边缘保持能力效果最佳。
摘要：
针对交通标识在图像中占比小、检测精度低且周围环境复杂等问题，提出一种基于改进YOLOv5s的算法。首先，在主干网络部分添加注意力机制ECA（Efficient Channel Attention，高效通道注意力），增强网络的特征提取能力，有效解决了周围环境复杂的问题；其次，提出HASPP（Hybrid Atrous Spatial Pyramid Pooling,混合空洞空间金字塔池化），增强了网络结合上下文的能力；最后，修改网络中的Neck结构，使高层特征与底层特征有效融合，同时避免了跨卷积层造成的信息丢失。实验结果表明，改进后的算法在交通标识数据集上取得了94.4%的平均检测精度、74.1%的召回率以及94.0%的精确率，较原始算法分别提升了3.6、2.8、3.4个百分点 。
针对交通标识在图像中占比小、检测精度低且周围环境复杂等问题，提出一种基于改进YOLOv5s的算法。首先，在主干网络部分添加注意力机制ECA（Efficient Channel Attention，高效通道注意力），增强网络的特征提取能力，有效解决了周围环境复杂的问题；其次，提出HASPP（Hybrid Atrous Spatial Pyramid Pooling,混合空洞空间金字塔池化），增强了网络结合上下文的能力；最后，修改网络中的Neck结构，使高层特征与底层特征有效融合，同时避免了跨卷积层造成的信息丢失。实验结果表明，改进后的算法在交通标识数据集上取得了94.4%的平均检测精度、74.1%的召回率以及94.0%的精确率，较原始算法分别提升了3.6、2.8、3.4个百分点 。
摘要：
从外卖配送员的角度出发，为解决外卖配送员合理且高效规划外卖配送路径的问题，提出了一种改进蚁群算法。首先通过蚁群算法求解得到初始规划路径，然后通过大规模领域搜索算法优化初始规划路径，将蚁群算法和大规模领域搜索算法结合，提高求解质量。为了验证方法的有效性，对外卖配送过程进行仿真，并且选用不同订单数量场景进行对照分析。根据最优配送方案路线图和目标罚函数的最优值可以得出，改进蚁群算法是有效的，从而证明所提出的改进蚁群算法可以提高外卖配送员外卖配送的效率。本文所提出的方法，不但能够提升配送的智能化水平，还从外卖骑手的角度提出一种更为人性化的配送方法，支持了网络互联外卖平台派送系统的可持续化发展。
从外卖配送员的角度出发，为解决外卖配送员合理且高效规划外卖配送路径的问题，提出了一种改进蚁群算法。首先通过蚁群算法求解得到初始规划路径，然后通过大规模领域搜索算法优化初始规划路径，将蚁群算法和大规模领域搜索算法结合，提高求解质量。为了验证方法的有效性，对外卖配送过程进行仿真，并且选用不同订单数量场景进行对照分析。根据最优配送方案路线图和目标罚函数的最优值可以得出，改进蚁群算法是有效的，从而证明所提出的改进蚁群算法可以提高外卖配送员外卖配送的效率。本文所提出的方法，不但能够提升配送的智能化水平，还从外卖骑手的角度提出一种更为人性化的配送方法，支持了网络互联外卖平台派送系统的可持续化发展。
摘要：
采用GNSS定位的轨道几何状态测量仪在隧道、地铁等GNSS拒止环境中无法工作。由于即使铁路轨道发生变形，其仍然接近设计线形，实际轨道位置与其设计值的差异始终保持在一定范围内。为此，本文结合铁路设计参数与惯导/里程计信息，提出了一种考虑设计姿态辅助IMU/ODO的轨道不平顺检测算法，该方法将设计姿态与惯导解算姿态相结合进行卡尔曼滤波，并使用里程计速度进行航位推算。通过计算实验，分析了轨道设计姿态信息对轨道不平顺检测精度的提升作用。实验结果表明：铁路设计姿态信息能够显著提高轨道不平顺检测精度，所提方法较基于全站仪辅助的动态检测方法，在30m弦轨道不平顺检测精度相当，且整体检测效率较高，满足日常轨道检测的需要。
采用GNSS定位的轨道几何状态测量仪在隧道、地铁等GNSS拒止环境中无法工作。由于即使铁路轨道发生变形，其仍然接近设计线形，实际轨道位置与其设计值的差异始终保持在一定范围内。为此，本文结合铁路设计参数与惯导/里程计信息，提出了一种考虑设计姿态辅助IMU/ODO的轨道不平顺检测算法，该方法将设计姿态与惯导解算姿态相结合进行卡尔曼滤波，并使用里程计速度进行航位推算。通过计算实验，分析了轨道设计姿态信息对轨道不平顺检测精度的提升作用。实验结果表明：铁路设计姿态信息能够显著提高轨道不平顺检测精度，所提方法较基于全站仪辅助的动态检测方法，在30m弦轨道不平顺检测精度相当，且整体检测效率较高，满足日常轨道检测的需要。
摘要：
全球导航卫星系统(Global Navigation Satellite System, GNSS)、捷联惯性导航系统(Strapdown Inertial Navigation System, SINS)和视觉传感器优势互补,三者信息融合可获得高精度、无漂移的导航定位信息。针对GNSS/SINS/视觉融合导航易受运动速度、光照变化、遮挡等影响导致定位精度和鲁棒性降低问题,本文在图优化框架的代价函数中加入SoftLOne鲁棒核函数,设置量测值粗差检验程序,降低离群点带来的负面影响。进一步,对量测值计算残差进行卡方检验,对超限残差降权处理,提高系统精度和鲁棒性。实验结果表明,本文算法较不施加鲁棒核函数、不采用异常值剔除策略和卡方检验的传统算法、以及加入其他鲁棒核函数的算法精度更高、鲁棒性更好。能够较大程度提升GNSS/SINS/视觉导航定位精度和鲁棒性,在大尺度环境下,未出现较大漂移误差,绝对位姿误差最大值1.71m。绝对位姿误差标准差0.336m,定位精度较高。
全球导航卫星系统(Global Navigation Satellite System, GNSS)、捷联惯性导航系统(Strapdown Inertial Navigation System, SINS)和视觉传感器优势互补,三者信息融合可获得高精度、无漂移的导航定位信息。针对GNSS/SINS/视觉融合导航易受运动速度、光照变化、遮挡等影响导致定位精度和鲁棒性降低问题,本文在图优化框架的代价函数中加入SoftLOne鲁棒核函数,设置量测值粗差检验程序,降低离群点带来的负面影响。进一步,对量测值计算残差进行卡方检验,对超限残差降权处理,提高系统精度和鲁棒性。实验结果表明,本文算法较不施加鲁棒核函数、不采用异常值剔除策略和卡方检验的传统算法、以及加入其他鲁棒核函数的算法精度更高、鲁棒性更好。能够较大程度提升GNSS/SINS/视觉导航定位精度和鲁棒性,在大尺度环境下,未出现较大漂移误差,绝对位姿误差最大值1.71m。绝对位姿误差标准差0.336m,定位精度较高。
摘要：
随着全球气候变化的不断加剧和城市化的快速发展，极端降雨过程导致的城市积涝灾害愈演愈烈，已成为世界各地许多城市面临的严重挑战. 基于2021年5-8月浙江省诸暨市75个国家自动气象观测站的降雨量数据和典型积水点的积水深度数据，使用深度学习模型长短时记忆网络LSTM（Long Short Term Memory，LSTM）构建降雨量与积水深度的关系模型，提供未来间隔15min的2h内城市积涝水位预报，并与随机森林RF（Random Forest，RF）和人工神经网络ANN（Artificial Neural Network，ANN）模型预报结果进行对比. 预报结果表明，LSTM使用前4h的积水与降雨量资料进行未来2h积水预报的结果最优，均方根误差（RMSE）小于5.6cm，相关系数（CC）在 0.93以上，纳什效率系数（NSE）值在0.86以上，预报效果优于RF和ANN，表明所构建的积水预报人工智能模型具有较好的预报效果.
随着全球气候变化的不断加剧和城市化的快速发展，极端降雨过程导致的城市积涝灾害愈演愈烈，已成为世界各地许多城市面临的严重挑战. 基于2021年5-8月浙江省诸暨市75个国家自动气象观测站的降雨量数据和典型积水点的积水深度数据，使用深度学习模型长短时记忆网络LSTM（Long Short Term Memory，LSTM）构建降雨量与积水深度的关系模型，提供未来间隔15min的2h内城市积涝水位预报，并与随机森林RF（Random Forest，RF）和人工神经网络ANN（Artificial Neural Network，ANN）模型预报结果进行对比. 预报结果表明，LSTM使用前4h的积水与降雨量资料进行未来2h积水预报的结果最优，均方根误差（RMSE）小于5.6cm，相关系数（CC）在 0.93以上，纳什效率系数（NSE）值在0.86以上，预报效果优于RF和ANN，表明所构建的积水预报人工智能模型具有较好的预报效果.
摘要：
复垦土地是重要的后备土地资源,但通常土壤结构差、有机质和养分含量低；增施有机肥是快速提升地力的关键途径,但会造成温室气体如氧化亚氮(N2O)的大量排放。接种具有N2O还原功能的植物根际促生菌(PGPR)不仅能够减少温室气体排放,还能促进作物生长。本研究以一株具有N2O还原功能的PGPR反硝化无色杆菌(Achromobacter denitrificans YSQ030)为供试菌株,明确接种YSQ030对施用有机肥的复垦土壤N2O排放和氮循环关键功能基因的影响。通过设置施用商品有机肥和羊粪有机肥的土壤微宇宙试验,利用气相色谱仪分析接种YSQ030后土壤N2O排放通量,进一步计算累积排放量；在试验结束后分析土壤pH、EC、硝态氮和铵态氮含量,并利用实时荧光定量PRC分析土壤硝化功能基因(AOA amoA和AOB amoA)和反硝化功能基因(nirS、nirK、nosZ I和nosZ II)的丰度。结果显示,施用商品有机肥和羊粪有机肥的土壤中接种YSQ030明显减少复垦土壤N2O排放,减少N2O排放量最大分别达90％和30％。施用商品有机肥处理的N2O排放量远高于施用羊粪有机肥处理,这可能是由于施用商品有机肥的土壤中编码反硝化细菌N2O还原酶基因nosZ I 和非典型反硝化细菌N2O还原酶基因nosZ II基因丰度,相对于施用羊粪有机肥的土壤明显较低。施用商品有机肥均显著降低土壤硝化和反硝化功能基因丰度,而施用羊粪有机肥对土壤硝化和反硝化功能基因丰度大多没有明显影响。本研究表明,接种YSQ030能够减少施用有机肥土壤的N2O排放,将为复垦土壤地力提升和N2O减排提供科学依据,也将为研发新型微生物肥料或生物有机肥提供核心菌种资源。
复垦土地是重要的后备土地资源,但通常土壤结构差、有机质和养分含量低；增施有机肥是快速提升地力的关键途径,但会造成温室气体如氧化亚氮(N2O)的大量排放。接种具有N2O还原功能的植物根际促生菌(PGPR)不仅能够减少温室气体排放,还能促进作物生长。本研究以一株具有N2O还原功能的PGPR反硝化无色杆菌(Achromobacter denitrificans YSQ030)为供试菌株,明确接种YSQ030对施用有机肥的复垦土壤N2O排放和氮循环关键功能基因的影响。通过设置施用商品有机肥和羊粪有机肥的土壤微宇宙试验,利用气相色谱仪分析接种YSQ030后土壤N2O排放通量,进一步计算累积排放量；在试验结束后分析土壤pH、EC、硝态氮和铵态氮含量,并利用实时荧光定量PRC分析土壤硝化功能基因(AOA amoA和AOB amoA)和反硝化功能基因(nirS、nirK、nosZ I和nosZ II)的丰度。结果显示,施用商品有机肥和羊粪有机肥的土壤中接种YSQ030明显减少复垦土壤N2O排放,减少N2O排放量最大分别达90％和30％。施用商品有机肥处理的N2O排放量远高于施用羊粪有机肥处理,这可能是由于施用商品有机肥的土壤中编码反硝化细菌N2O还原酶基因nosZ I 和非典型反硝化细菌N2O还原酶基因nosZ II基因丰度,相对于施用羊粪有机肥的土壤明显较低。施用商品有机肥均显著降低土壤硝化和反硝化功能基因丰度,而施用羊粪有机肥对土壤硝化和反硝化功能基因丰度大多没有明显影响。本研究表明,接种YSQ030能够减少施用有机肥土壤的N2O排放,将为复垦土壤地力提升和N2O减排提供科学依据,也将为研发新型微生物肥料或生物有机肥提供核心菌种资源。
摘要：
跳闸是输电和配电电力系统中普遍存在的故障。近年来为了应对这种故障学术界提出了基于继电保护动作和电气元件动作的保护方法。然而，这些面向电气保护的方法在在跳闸故障处理方面存在滞后性。因此，提前预测跳闸故障对处理隐藏问题和电力恢复起着至关重要的作用。本文提出一种基于多源时序数据的电力系统跳闸故障预测方法，使用LSTM提取多元数据的时间特征，缓解了RNN在长时间序列上的梯度消失问题。模型在三层栅极上添加窥孔连接结构使得单个单元能够查看上一阶段的LSTM单元状态以此强化了网络时序记忆能力。其次，我们使用参数归一化等L2正则措施缓解故障预测中的过拟合问题对结果的影响。最后本文引入支持向量机分类器提高总体模型的泛化能力和鲁棒性。实验数据从中国国家电网的相关机构获得。实验证明与现有的数据挖掘方法相比，本文提出的方法具有分类准确性高的优点。本文在最后部分对实际应用进行了讨论，以证明其在实际场景中的可行性。
跳闸是输电和配电电力系统中普遍存在的故障。近年来为了应对这种故障学术界提出了基于继电保护动作和电气元件动作的保护方法。然而，这些面向电气保护的方法在在跳闸故障处理方面存在滞后性。因此，提前预测跳闸故障对处理隐藏问题和电力恢复起着至关重要的作用。本文提出一种基于多源时序数据的电力系统跳闸故障预测方法，使用LSTM提取多元数据的时间特征，缓解了RNN在长时间序列上的梯度消失问题。模型在三层栅极上添加窥孔连接结构使得单个单元能够查看上一阶段的LSTM单元状态以此强化了网络时序记忆能力。其次，我们使用参数归一化等L2正则措施缓解故障预测中的过拟合问题对结果的影响。最后本文引入支持向量机分类器提高总体模型的泛化能力和鲁棒性。实验数据从中国国家电网的相关机构获得。实验证明与现有的数据挖掘方法相比，本文提出的方法具有分类准确性高的优点。本文在最后部分对实际应用进行了讨论，以证明其在实际场景中的可行性。
摘要：
摘要：传统的干旱监测指数主要考虑单一影响因子，往往无法全面综合反映干旱状况。基于MODIS数据和CLDAS数据，选取多个影响因子和能够直接反映干旱程度的干旱指数作为自变量，以综合气象干旱指数(CI)为因变量，通过梯度提升机(GBM)机器学习算法建立日尺度综合干旱监测模型，并以2015—2018年华北地区干旱为例进行了研究。结果表明模型监测结果与站点CI计算值具有显著的相关性，训练集和测试集决定系数分别达到0.945和0.655，均方根误差(RMSE)分别为0.033和0.082，综合干旱监测模型具有较高的精度。且模型监测与CI监测各月等级一致率均在65%以上，并与标准化降水蒸散指数(SPEI)和土壤相对湿度(RSM)相关系数分别为0.68和0.60，能较好地反映气象干旱和农业干旱状况。典型干旱情况监测表明，综合干旱监测模型综合考虑多种干旱影响因素，能较准确地识别出干旱的发生，表征综合干旱发生状况。
摘要：传统的干旱监测指数主要考虑单一影响因子，往往无法全面综合反映干旱状况。基于MODIS数据和CLDAS数据，选取多个影响因子和能够直接反映干旱程度的干旱指数作为自变量，以综合气象干旱指数(CI)为因变量，通过梯度提升机(GBM)机器学习算法建立日尺度综合干旱监测模型，并以2015—2018年华北地区干旱为例进行了研究。结果表明模型监测结果与站点CI计算值具有显著的相关性，训练集和测试集决定系数分别达到0.945和0.655，均方根误差(RMSE)分别为0.033和0.082，综合干旱监测模型具有较高的精度。且模型监测与CI监测各月等级一致率均在65%以上，并与标准化降水蒸散指数(SPEI)和土壤相对湿度(RSM)相关系数分别为0.68和0.60，能较好地反映气象干旱和农业干旱状况。典型干旱情况监测表明，综合干旱监测模型综合考虑多种干旱影响因素，能较准确地识别出干旱的发生，表征综合干旱发生状况。
摘要：
针对A*算法求解路径轨迹耗时长、内存占用大等问题，本文提出了一种基于自适应步长策略改进A*算法。首先，根据当前点与终点的位置关系，设定寻路方向的优先级顺序，减少不合理方向上的冗余规划计算量。其次，修改到达终点的判断条件，可在轨迹规划时实现路径的跳跃。再次，针对A*算法轨迹规划效率低的问题，提出自适应步长策略。最后，针对内存占用大，以及面对大地图时可能出现的内存溢出问题，提出了八方向搜索法。实验结果表明，相较于原始的A*算法，改进的A*算法在轨迹规划效率上获得了极大的提升，同时内存占用大的问题也得到了很好的解决。
针对A*算法求解路径轨迹耗时长、内存占用大等问题，本文提出了一种基于自适应步长策略改进A*算法。首先，根据当前点与终点的位置关系，设定寻路方向的优先级顺序，减少不合理方向上的冗余规划计算量。其次，修改到达终点的判断条件，可在轨迹规划时实现路径的跳跃。再次，针对A*算法轨迹规划效率低的问题，提出自适应步长策略。最后，针对内存占用大，以及面对大地图时可能出现的内存溢出问题，提出了八方向搜索法。实验结果表明，相较于原始的A*算法，改进的A*算法在轨迹规划效率上获得了极大的提升，同时内存占用大的问题也得到了很好的解决。
摘要：
针对股票预测模型存在时效性和预测功能单一化的问题，本文在长短期记忆网络（Long Short Term Memory，LSTM）的基础上，提出了融合自注意力机制(Self-Attention, SA)和时间卷积网络(Temporal Convolution Network, TCN)的双向长短期记忆(Bi-directional LSTM, BiLSTM)神经网络（BiLSTM-SA-TCN）股票预测模型。BiLSTM-SA-TCN模型中的学习单元和预测单元可以有效学习重要的股票数据，同时能够抓取长时间的依赖信息，输出次日股票收盘价预测值。实验结果表明，BiLSTM-SA-TCN模型在多个股票数据集上均方根误差最小，平均绝对误差最小，拟合度最优，在不同模型的对比实验中BiLSTM-SA-TCN模型泛化能力更高，模型训练效率较高。
针对股票预测模型存在时效性和预测功能单一化的问题，本文在长短期记忆网络（Long Short Term Memory，LSTM）的基础上，提出了融合自注意力机制(Self-Attention, SA)和时间卷积网络(Temporal Convolution Network, TCN)的双向长短期记忆(Bi-directional LSTM, BiLSTM)神经网络（BiLSTM-SA-TCN）股票预测模型。BiLSTM-SA-TCN模型中的学习单元和预测单元可以有效学习重要的股票数据，同时能够抓取长时间的依赖信息，输出次日股票收盘价预测值。实验结果表明，BiLSTM-SA-TCN模型在多个股票数据集上均方根误差最小，平均绝对误差最小，拟合度最优，在不同模型的对比实验中BiLSTM-SA-TCN模型泛化能力更高，模型训练效率较高。
摘要：
风景区是中国最具特色的自然保护地之一,也是旅游资源的主要载体。研究基于全国风景区POI(point of interest)数据和城市建设统计年鉴,综合运用ArcGIS空间分析和 SPSS多元回归统计分析等方法,深度挖掘中国地级以上城市风景旅游资源空间分布特征及其主要影响因素,以期为将来国家公园体系构建、新型城镇化建设和旅游资源优化配置提供参考依据。研究发现：①中国旅游资源呈现出东南强、西北弱的宏观格局,表现出了以主要城市群为核心集中连片分布、A级以上景区带状分布、国家级景区点状分布的空间结构；②旅游资源形成了“山西-湖北-广东”、“内蒙-青海-西藏”和东南沿海三条低质率分布带,而“内蒙-青海-西藏”和东南沿海两条低质率聚集带也表现出了较强的建设优势地位,也从侧面反映出这两条带状集聚区具有较大的风景质量提升潜力。③城市建设规模、城市人口规模、地方政府财政支出、三产发展状况和城市经济发展水平等因素都是城市旅游资源空间差异分布的主要影响因素。
风景区是中国最具特色的自然保护地之一,也是旅游资源的主要载体。研究基于全国风景区POI(point of interest)数据和城市建设统计年鉴,综合运用ArcGIS空间分析和 SPSS多元回归统计分析等方法,深度挖掘中国地级以上城市风景旅游资源空间分布特征及其主要影响因素,以期为将来国家公园体系构建、新型城镇化建设和旅游资源优化配置提供参考依据。研究发现：①中国旅游资源呈现出东南强、西北弱的宏观格局,表现出了以主要城市群为核心集中连片分布、A级以上景区带状分布、国家级景区点状分布的空间结构；②旅游资源形成了“山西-湖北-广东”、“内蒙-青海-西藏”和东南沿海三条低质率分布带,而“内蒙-青海-西藏”和东南沿海两条低质率聚集带也表现出了较强的建设优势地位,也从侧面反映出这两条带状集聚区具有较大的风景质量提升潜力。③城市建设规模、城市人口规模、地方政府财政支出、三产发展状况和城市经济发展水平等因素都是城市旅游资源空间差异分布的主要影响因素。
摘要：
为提高光伏电站辐照度预测的准确性和可靠性，该文提出一种基于改进Stacking集成学习与误差修正的短期辐照度预测模型。首先，利用梯度提升决策树（gradient boosting decision tree，GBDT）对原始数据集进行特征筛选，清除冗余特征，提高预测精度和运算效率；然后建立改进Stacking辐照度预测模型，根据K折交叉验证下初级层不同预测模型所表现出预测准确度的差异性，对预测结果进行赋权，并对Stacking第一层输入第二层的训练集数据采用Box-Cox变换处理，以提高预测的正态性和同方差性。最后提取历史预测误差数据，采用随机森林（random forest，RF）构造误差模型，进一步提高预测精度。实验结果表明，该模型相比传统模型和经典Stacking模型其预测性能有了较大的提升。
为提高光伏电站辐照度预测的准确性和可靠性，该文提出一种基于改进Stacking集成学习与误差修正的短期辐照度预测模型。首先，利用梯度提升决策树（gradient boosting decision tree，GBDT）对原始数据集进行特征筛选，清除冗余特征，提高预测精度和运算效率；然后建立改进Stacking辐照度预测模型，根据K折交叉验证下初级层不同预测模型所表现出预测准确度的差异性，对预测结果进行赋权，并对Stacking第一层输入第二层的训练集数据采用Box-Cox变换处理，以提高预测的正态性和同方差性。最后提取历史预测误差数据，采用随机森林（random forest，RF）构造误差模型，进一步提高预测精度。实验结果表明，该模型相比传统模型和经典Stacking模型其预测性能有了较大的提升。
摘要：
普适边缘计算允许对等设备之间建立独立通信连接，能帮助用户以较低的时延处理海量的计算任务。然而，分散的设备中不能实时获取到网络的全局系统状态，无法保证设备资源利用的公平性。针对该问题，提出了一种基于生成对抗网络（Generative Adversarial Network，GAN）的普适边缘计算资源分配方案。该方案首先基于最小化时延与能耗建立多目标优化问题，然后根据随机博弈理论将优化问题转化为最大奖励问题，接着提出一种基于多代理模仿学习的计算卸载算法，该算法将多代理生成对抗模仿学习（GAIL）和马尔可夫策略（Markov Cecision Process，MDP）相结合以逼近专家性能，实现了算法的在线执行，最后结合非支配排序遗传算法II（Non-dominated Sorting Genetic Algorithm II, NSGA-II）多目标优化算法，对时延和能耗进行了联合优化。仿真结果表明，所提出解决方案与其他边缘计算资源分配方案相比，时延缩短了30.8%，能耗降低了34.3%。
普适边缘计算允许对等设备之间建立独立通信连接，能帮助用户以较低的时延处理海量的计算任务。然而，分散的设备中不能实时获取到网络的全局系统状态，无法保证设备资源利用的公平性。针对该问题，提出了一种基于生成对抗网络（Generative Adversarial Network，GAN）的普适边缘计算资源分配方案。该方案首先基于最小化时延与能耗建立多目标优化问题，然后根据随机博弈理论将优化问题转化为最大奖励问题，接着提出一种基于多代理模仿学习的计算卸载算法，该算法将多代理生成对抗模仿学习（GAIL）和马尔可夫策略（Markov Cecision Process，MDP）相结合以逼近专家性能，实现了算法的在线执行，最后结合非支配排序遗传算法II（Non-dominated Sorting Genetic Algorithm II, NSGA-II）多目标优化算法，对时延和能耗进行了联合优化。仿真结果表明，所提出解决方案与其他边缘计算资源分配方案相比，时延缩短了30.8%，能耗降低了34.3%。
摘要：
本文通过水热法合成Ni2P/g-C3N4/ZnIn2S4三元复合材料(CNZ)，并通过光还原CO2性能测试来评价其催化性能。采用XRD、SEM、TEM、XPS、UV-vis、EIS、PL等表征手段对所有复合比例样品的形貌、晶体结构、表面元素化学态、能带结构和光电性能进行分析，结果表明通过晶面工程成功构建了界面紧密接触的异质结结构，同时Ni2P和g-C3N4的引入可有效改善复合材料的能带结构，缩短电荷传输距离并有效抑制光生载流子的复合率。因此，相较于g-C3N4和g-C3N4/ZnIn2S4复合材料（CZ），三元CNZ复合材料呈现出更高的催化性能，其中CNZ5（Ni2P:g-C3N4:ZnIn2S4=1:5:7）具有最佳的光催化还原CO2活性，其甲烷、甲醇和甲酸的产率分别达到114.72 μmol·h?1·g?1、17.38 μmol·h?1·g?1和20.15 μmol·h?1·g?1。此外，采用in-situ DRIFTS测试推导出光还原CO2机理，反应过程中的还原中间体为HCO3-与HCOOH。
本文通过水热法合成Ni2P/g-C3N4/ZnIn2S4三元复合材料(CNZ)，并通过光还原CO2性能测试来评价其催化性能。采用XRD、SEM、TEM、XPS、UV-vis、EIS、PL等表征手段对所有复合比例样品的形貌、晶体结构、表面元素化学态、能带结构和光电性能进行分析，结果表明通过晶面工程成功构建了界面紧密接触的异质结结构，同时Ni2P和g-C3N4的引入可有效改善复合材料的能带结构，缩短电荷传输距离并有效抑制光生载流子的复合率。因此，相较于g-C3N4和g-C3N4/ZnIn2S4复合材料（CZ），三元CNZ复合材料呈现出更高的催化性能，其中CNZ5（Ni2P:g-C3N4:ZnIn2S4=1:5:7）具有最佳的光催化还原CO2活性，其甲烷、甲醇和甲酸的产率分别达到114.72 μmol·h?1·g?1、17.38 μmol·h?1·g?1和20.15 μmol·h?1·g?1。此外，采用in-situ DRIFTS测试推导出光还原CO2机理，反应过程中的还原中间体为HCO3-与HCOOH。
摘要：
本文采用简单的水热法制备m-Bi2O4.采用XRD、XPS、SEM、TEM、UV-vis DRS、PFM等表征手段对样品结构、形貌、表面价态以及压电光催化性能进行分析.以磺胺甲基嘧啶(SM)为模拟污染物,测试了材料的压电光催化活性.结果表明,与BaTiO3和BiOCl相比,m-Bi2O4表现出了较高的催化性能.在压电光协同作用60 min后,对SM的降解效率高达96.46%.通过改变光的波长条件,证实m-Bi2O4在光能减弱条件下仍具有较高的催化活性.此外通过活性自由基捕获实验证实反应体系中产生了高氧化活性的超氧自由基以及少量羟基自由基和单线态氧,并提出了一种可能的压电光催化机理.
本文采用简单的水热法制备m-Bi2O4.采用XRD、XPS、SEM、TEM、UV-vis DRS、PFM等表征手段对样品结构、形貌、表面价态以及压电光催化性能进行分析.以磺胺甲基嘧啶(SM)为模拟污染物,测试了材料的压电光催化活性.结果表明,与BaTiO3和BiOCl相比,m-Bi2O4表现出了较高的催化性能.在压电光协同作用60 min后,对SM的降解效率高达96.46%.通过改变光的波长条件,证实m-Bi2O4在光能减弱条件下仍具有较高的催化活性.此外通过活性自由基捕获实验证实反应体系中产生了高氧化活性的超氧自由基以及少量羟基自由基和单线态氧,并提出了一种可能的压电光催化机理.
摘要：
为改善樽海鞘群算法（SSA）收敛性能差，容易陷入局部最优的问题，提出了多策略融合的黄金正弦樽海鞘群算法（MGSSA）。首先，采用选择反向学习策略对种群中完全偏离最优个体寻优方向的个体计算选择反向解，改善种群质量。之后在跟随者位置更新阶段加入最优个体和精英均值个体引导，以加快算法收敛速度。最后根据概率选择黄金正弦算法变异策略，进一步改善解的质量，同时便于算法后期跳出局部最优。本研究在14个基准测试函数上进行实验，与其他群智能优化算法和新进改进樽海鞘群算法对比，将其应用于拉压弹簧设计问题测试解决工程优化问题的性能。结果表明：MGSSA具有较高的收敛精度和稳定性，在求解工程问题时性能良好。
为改善樽海鞘群算法（SSA）收敛性能差，容易陷入局部最优的问题，提出了多策略融合的黄金正弦樽海鞘群算法（MGSSA）。首先，采用选择反向学习策略对种群中完全偏离最优个体寻优方向的个体计算选择反向解，改善种群质量。之后在跟随者位置更新阶段加入最优个体和精英均值个体引导，以加快算法收敛速度。最后根据概率选择黄金正弦算法变异策略，进一步改善解的质量，同时便于算法后期跳出局部最优。本研究在14个基准测试函数上进行实验，与其他群智能优化算法和新进改进樽海鞘群算法对比，将其应用于拉压弹簧设计问题测试解决工程优化问题的性能。结果表明：MGSSA具有较高的收敛精度和稳定性，在求解工程问题时性能良好。
摘要：
针对智能制造工程专业多学科交叉融合特点,开展了基于3D视觉的工业机器人分拣实验系统研究与设计。采用Kinect相机、工业机器人、PC机、末端执行器搭建了系统硬件实验平台,研究了采用支持向量机算法识别目标物体,针对待识别物体是否重叠相互遮挡设计了基于霍夫变换计算物体中心点位置及基于点云配准的位姿估计定位策略,在上位机交互界面引导下完成机器人分拣系列实验。实验结果表明：该系统能够准确识别快速稳定分拣出特定形状和颜色的目标物体,实验内容涉及机器人、机器学习、图像处理、软硬件设计等多门课程知识与技术,综合性强、开放性好,为智能制造工程专业实验室建设提供了一种综合性创新型实践平台。
针对智能制造工程专业多学科交叉融合特点,开展了基于3D视觉的工业机器人分拣实验系统研究与设计。采用Kinect相机、工业机器人、PC机、末端执行器搭建了系统硬件实验平台,研究了采用支持向量机算法识别目标物体,针对待识别物体是否重叠相互遮挡设计了基于霍夫变换计算物体中心点位置及基于点云配准的位姿估计定位策略,在上位机交互界面引导下完成机器人分拣系列实验。实验结果表明：该系统能够准确识别快速稳定分拣出特定形状和颜色的目标物体,实验内容涉及机器人、机器学习、图像处理、软硬件设计等多门课程知识与技术,综合性强、开放性好,为智能制造工程专业实验室建设提供了一种综合性创新型实践平台。
摘要：
车辆高速转向时，车身向弯道外侧倾斜，严重时会导致侧翻事故。针对此问题，开展了提高车辆转向稳定性的车身主动侧倾控制研究。建立了考虑横摆和侧倾运动的六自由度车辆动力学模型；确定了车辆在转向运动时的期望侧倾角，并以此为控制目标设计主动侧倾控制器，使车身实际侧倾角逼近期望侧倾角；在不同行驶工况下，仿真研究了车身侧倾角、乘员感知加速度和横向载荷转移率，并考察了实现主动侧倾控制所需的主动悬架功耗和由主动侧倾引起的悬架动挠度变化。研究表明，主动侧倾控制能实现车辆转向时实际侧倾角迅速逼近期望侧倾角，且在复杂行驶工况下依然能使车辆具有良好的行驶稳定性；主动侧倾控制减小了悬架的动挠度峰值，使乘员感知侧向加速度和横向载荷转移率都能快速接近零值，且实现主动侧倾的主动悬架功耗较小，保证了车辆的经济性能。
车辆高速转向时，车身向弯道外侧倾斜，严重时会导致侧翻事故。针对此问题，开展了提高车辆转向稳定性的车身主动侧倾控制研究。建立了考虑横摆和侧倾运动的六自由度车辆动力学模型；确定了车辆在转向运动时的期望侧倾角，并以此为控制目标设计主动侧倾控制器，使车身实际侧倾角逼近期望侧倾角；在不同行驶工况下，仿真研究了车身侧倾角、乘员感知加速度和横向载荷转移率，并考察了实现主动侧倾控制所需的主动悬架功耗和由主动侧倾引起的悬架动挠度变化。研究表明，主动侧倾控制能实现车辆转向时实际侧倾角迅速逼近期望侧倾角，且在复杂行驶工况下依然能使车辆具有良好的行驶稳定性；主动侧倾控制减小了悬架的动挠度峰值，使乘员感知侧向加速度和横向载荷转移率都能快速接近零值，且实现主动侧倾的主动悬架功耗较小，保证了车辆的经济性能。
摘要：
为了准确分析云计算集群日常监控中KPI数据的动态和变化趋势,并预测后续发展,达到提高云计算集群高可用性的目标,本文提出三分频的基于组合注意力模型的EAAT云KPI数据预测方法。首先基于经验小波变换(简称EWT)得到云KPI数据低中高频的内在模态变量(简称IMFs)降低数据预测的复杂程度。其次,根据分解得到的低中高频IMFs信息特征,分别运用ARIMA、Autoformer,、TPA-BiLSTM模型对每类IMFs进行预测。最后,将分类预测后结果,经过逆变换IEWT加以合并得出预测结果。本文预测方法在谷歌和亚马逊的4个数据集上得到了验证,无论数据是否具有周期性或者稳定性,本文预测方法都有较好的结果,综合效果比单个模型有较大提升,比已有的EWT-IF-LSTM模型在谷歌数据集上的均方根误差最大降低了11.26%。
为了准确分析云计算集群日常监控中KPI数据的动态和变化趋势,并预测后续发展,达到提高云计算集群高可用性的目标,本文提出三分频的基于组合注意力模型的EAAT云KPI数据预测方法。首先基于经验小波变换(简称EWT)得到云KPI数据低中高频的内在模态变量(简称IMFs)降低数据预测的复杂程度。其次,根据分解得到的低中高频IMFs信息特征,分别运用ARIMA、Autoformer,、TPA-BiLSTM模型对每类IMFs进行预测。最后,将分类预测后结果,经过逆变换IEWT加以合并得出预测结果。本文预测方法在谷歌和亚马逊的4个数据集上得到了验证,无论数据是否具有周期性或者稳定性,本文预测方法都有较好的结果,综合效果比单个模型有较大提升,比已有的EWT-IF-LSTM模型在谷歌数据集上的均方根误差最大降低了11.26%。
摘要：
过氧化氢（H2O2）是一种环境友好的高效氧化剂，被广泛应用于医疗、半导体芯片等行业。利用氧还原法（ORR）电化学合成过氧化氢替代传统蒽醌法极具潜力。为了实现这一工艺的商业化，开发具有高活性、高选择性和长期稳定性的2e- ORR电催化剂迫在眉睫。本文系统的介绍了目前已有金属与非金属类催化剂的研究历程，特别强调表面基团调控策略，并解析了其对还原过程中间体键位结合强度及电子转移路径的影响。重点阐述电子和几何效应、配位杂原子掺杂和非金属基材料活性位点等关键问题，突出了适当的介观结构工程和动力学策略可进一步优化现有催化剂的催化活性和H2O2选择性。最后，指出了非金属催化剂活性中心的探索、电解质环境对催化剂的影响及较大输出功率工业设备的设计等方面的挑战，并对电催化合成过氧化氢领域的发展方向提出了展望。
过氧化氢（H2O2）是一种环境友好的高效氧化剂，被广泛应用于医疗、半导体芯片等行业。利用氧还原法（ORR）电化学合成过氧化氢替代传统蒽醌法极具潜力。为了实现这一工艺的商业化，开发具有高活性、高选择性和长期稳定性的2e- ORR电催化剂迫在眉睫。本文系统的介绍了目前已有金属与非金属类催化剂的研究历程，特别强调表面基团调控策略，并解析了其对还原过程中间体键位结合强度及电子转移路径的影响。重点阐述电子和几何效应、配位杂原子掺杂和非金属基材料活性位点等关键问题，突出了适当的介观结构工程和动力学策略可进一步优化现有催化剂的催化活性和H2O2选择性。最后，指出了非金属催化剂活性中心的探索、电解质环境对催化剂的影响及较大输出功率工业设备的设计等方面的挑战，并对电催化合成过氧化氢领域的发展方向提出了展望。
摘要：
针对多智能体系统中的分布式凸优化问题，本文提出了一种基于自适应事件触发机制的零梯度和优化算法。基于虚拟时钟设计了一种自适应事件触发条件，当每个智能体的虚拟时钟满足该条件时才触发条件，有效的降低了控制器的更新次数和系统的通信负担。通过构造李雅普诺夫函数证明了在该算法下，所有智能体的状态能渐进收敛到全局最优解。此外，所设计的事件触发条件使得最小事件触发间隔时间可设计，有效的排除Zeno行为。最后，通过仿真结果验证了该算法的有效性。
针对多智能体系统中的分布式凸优化问题，本文提出了一种基于自适应事件触发机制的零梯度和优化算法。基于虚拟时钟设计了一种自适应事件触发条件，当每个智能体的虚拟时钟满足该条件时才触发条件，有效的降低了控制器的更新次数和系统的通信负担。通过构造李雅普诺夫函数证明了在该算法下，所有智能体的状态能渐进收敛到全局最优解。此外，所设计的事件触发条件使得最小事件触发间隔时间可设计，有效的排除Zeno行为。最后，通过仿真结果验证了该算法的有效性。
摘要：
为有效指导农业温室气体减排政策的制定，本研究分别采用CH4MOD模型和排放因子法估算了2018年长三角地区农作物甲烷（CH4）和氧化亚氮（N2O）排放，并分析其时空分布规律，最终建立了2018年长三角地区农作物1km×1km网格化温室气体排放清单。研究结果表明：长三角稻田CH4排放因子为348.54 kg/hm2，农作物N2O排放因子为0.95 kg/hm2，与前人研究结果具有一致性。长三角地区稻田CH4排放为176.9万吨（折合约3714.9万吨二氧化碳（CO2）当量），最主要排放源为单季稻稻田；农作物N2O排放为15114.9吨（折合约450.4万吨CO2当量），小麦是主要贡献源。CH4和N2O排放均主要来源于江苏和安徽省，且集中在4-8月份。建议加强对农业温室气体排放的管控，从源头上减少农田碳氮源的输入。
为有效指导农业温室气体减排政策的制定，本研究分别采用CH4MOD模型和排放因子法估算了2018年长三角地区农作物甲烷（CH4）和氧化亚氮（N2O）排放，并分析其时空分布规律，最终建立了2018年长三角地区农作物1km×1km网格化温室气体排放清单。研究结果表明：长三角稻田CH4排放因子为348.54 kg/hm2，农作物N2O排放因子为0.95 kg/hm2，与前人研究结果具有一致性。长三角地区稻田CH4排放为176.9万吨（折合约3714.9万吨二氧化碳（CO2）当量），最主要排放源为单季稻稻田；农作物N2O排放为15114.9吨（折合约450.4万吨CO2当量），小麦是主要贡献源。CH4和N2O排放均主要来源于江苏和安徽省，且集中在4-8月份。建议加强对农业温室气体排放的管控，从源头上减少农田碳氮源的输入。
摘要：
精确地预测极端天气下的风速能为配电网防灾抗灾提供重要的指导作用。本文提出基于时间卷积网络（Temporal Convolutional Networks,TCN）与双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)和误差修正的组合模型对极端天气下的风速进行预测。首先对天气数据进行预处理，用TCN提取多特征数据的时间序列特性，将提取信息输入到BiLSTM中进行风速预测。为进一步提高预测精度，引入变分模态分解(Variational Mode Decomposition,VMD)对误差序列进行分解，分别对分解后的误差子序列构建BiLSTM模型进行误差预测，用误差预测值对风速预测值进行误差修正。结合河南省某地实测天气数据进行实验，仿真结果验证了所提方法能有效预测风速，并在极端天气发生时，对风速具有较高的预测精度。
精确地预测极端天气下的风速能为配电网防灾抗灾提供重要的指导作用。本文提出基于时间卷积网络（Temporal Convolutional Networks,TCN）与双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)和误差修正的组合模型对极端天气下的风速进行预测。首先对天气数据进行预处理，用TCN提取多特征数据的时间序列特性，将提取信息输入到BiLSTM中进行风速预测。为进一步提高预测精度，引入变分模态分解(Variational Mode Decomposition,VMD)对误差序列进行分解，分别对分解后的误差子序列构建BiLSTM模型进行误差预测，用误差预测值对风速预测值进行误差修正。结合河南省某地实测天气数据进行实验，仿真结果验证了所提方法能有效预测风速，并在极端天气发生时，对风速具有较高的预测精度。
摘要：
微表情是人们试图隐藏自己真实情绪时不由自主泄露出来的面部表情，是近年来情感计算领域的热点研究领域。但由于微表情的持续时间短、强度低，使得微表情识别是一项具有挑战性的任务。基于CrossViT在图像分类领域的优异性能，本文将CrossViT作为主干网络，对网络中的交叉注意力机制进行改进，提出了DA模块(Dual Attention)以扩展传统交叉注意力机制，确定注意力结果之间的相关性，从而提升了微表情识别精度。本网络从三个光流特征(即光学应变、水平和垂直光流场)中学习，这些特征是由每个微表情序列的起始帧和峰值帧计算得出，最后通过Softmax进行微表情分类。在微表情融合数据集上，UF1和UAR分别达到了0.7275和0.7272，识别精度优于微表情领域的主流算法，表明本文所提出网络的有效性。
微表情是人们试图隐藏自己真实情绪时不由自主泄露出来的面部表情，是近年来情感计算领域的热点研究领域。但由于微表情的持续时间短、强度低，使得微表情识别是一项具有挑战性的任务。基于CrossViT在图像分类领域的优异性能，本文将CrossViT作为主干网络，对网络中的交叉注意力机制进行改进，提出了DA模块(Dual Attention)以扩展传统交叉注意力机制，确定注意力结果之间的相关性，从而提升了微表情识别精度。本网络从三个光流特征(即光学应变、水平和垂直光流场)中学习，这些特征是由每个微表情序列的起始帧和峰值帧计算得出，最后通过Softmax进行微表情分类。在微表情融合数据集上，UF1和UAR分别达到了0.7275和0.7272，识别精度优于微表情领域的主流算法，表明本文所提出网络的有效性。
摘要：
针对小区接入充电桩无序充放电加大负荷峰谷差率和用户成本的问题,提出一种储能式充电桩有序充放电优化运行策略。该优化策略在降低峰谷差率的前提下,以用户充电成本最低和充电桩利润最高为优化目标。选取典型日建立充电桩优化充放电调度模型,通过改进多目标粒子群优化算法进行求解,结合分时电价调整储能式充电桩的充放电功率。实验数据结果表明,该改进方法可有效提高算法收敛速度,更好地处理多目标问题,在储能调度上降低典型负荷峰谷差率55%,比原有算法优化了36%,能合理分配充电桩在谷时段储存电力资源,降低用户充电费用20%-30%,提高充电桩收益,实现电网、用户和充电桩三方共赢的目的。
针对小区接入充电桩无序充放电加大负荷峰谷差率和用户成本的问题,提出一种储能式充电桩有序充放电优化运行策略。该优化策略在降低峰谷差率的前提下,以用户充电成本最低和充电桩利润最高为优化目标。选取典型日建立充电桩优化充放电调度模型,通过改进多目标粒子群优化算法进行求解,结合分时电价调整储能式充电桩的充放电功率。实验数据结果表明,该改进方法可有效提高算法收敛速度,更好地处理多目标问题,在储能调度上降低典型负荷峰谷差率55%,比原有算法优化了36%,能合理分配充电桩在谷时段储存电力资源,降低用户充电费用20%-30%,提高充电桩收益,实现电网、用户和充电桩三方共赢的目的。
摘要：
电动车上路必须佩戴安全头盔已成为交管部门的强制性规定，为了能自动检测出电动车骑行者的头盔佩戴情况，提出了一种基于改进的YOLOv5m模型的头盔与车牌检测方法，在检测出骑行者未佩戴头盔的同时还能检测出电动车车牌，用于对违规者进行追责。模型使用自建电动车骑行者头盔与车牌检测数据集进行训练，用DIOU损失函数代替GIOU损失函数，DIOU_NMS代替加权NMS，增强模型对密集骑行场景的识别能力，同时在Backone部位与预测中小目标的Neck部位加入ECA注意力机制，使得模型对中小目标的识别率有所提高,接着，用Kmeans算法对锚框尺寸重新进行聚类，最后，改进Mosaic数据增强方式。实验结果表明：改进的 YOLOv5m 电动车骑行者头盔与车牌检测模型的 mAP 为 92.7%，较原 YOLOv5m 模型提高 2.15%，较 YOLOv4-tiny、Faster RCNN 模型分别提高 5.7%与 6.9%。改进后的 YOLOv5m 模型能有效提高对头盔与车牌的识别率。
电动车上路必须佩戴安全头盔已成为交管部门的强制性规定，为了能自动检测出电动车骑行者的头盔佩戴情况，提出了一种基于改进的YOLOv5m模型的头盔与车牌检测方法，在检测出骑行者未佩戴头盔的同时还能检测出电动车车牌，用于对违规者进行追责。模型使用自建电动车骑行者头盔与车牌检测数据集进行训练，用DIOU损失函数代替GIOU损失函数，DIOU_NMS代替加权NMS，增强模型对密集骑行场景的识别能力，同时在Backone部位与预测中小目标的Neck部位加入ECA注意力机制，使得模型对中小目标的识别率有所提高,接着，用Kmeans算法对锚框尺寸重新进行聚类，最后，改进Mosaic数据增强方式。实验结果表明：改进的 YOLOv5m 电动车骑行者头盔与车牌检测模型的 mAP 为 92.7%，较原 YOLOv5m 模型提高 2.15%，较 YOLOv4-tiny、Faster RCNN 模型分别提高 5.7%与 6.9%。改进后的 YOLOv5m 模型能有效提高对头盔与车牌的识别率。
摘要：
影响股价的因素错综复杂，因此本文在考虑多变量情形下，对时间序列中常用的长短期记忆网络（LSTM）进行修正，并选取股票价格进行预测。首先，采用方差膨胀因子（VIF）进行变量的筛选，再结合自适应提升法（Adaboost）模型查看特征变量的重要程度。其次，用爬虫对投资者情绪进行文本分析，计算情绪指数等指标并揭示其与股价的关系。然后，对格力电器、飞科电器、美的集团三种不同股价进行预测，对比多层感知器（MPL）模型、LSTM模型，并选择适当的模型作为基准模型，在基准模型的基础上加上情绪指数、投资者关注度等指标构建了LSTM-EM模型。进一步，在考虑了投资者情绪后对残差项使用GM（1,1）模型进行修正。实证结果表明，该模型能对股价进行较为精确的预测。
影响股价的因素错综复杂，因此本文在考虑多变量情形下，对时间序列中常用的长短期记忆网络（LSTM）进行修正，并选取股票价格进行预测。首先，采用方差膨胀因子（VIF）进行变量的筛选，再结合自适应提升法（Adaboost）模型查看特征变量的重要程度。其次，用爬虫对投资者情绪进行文本分析，计算情绪指数等指标并揭示其与股价的关系。然后，对格力电器、飞科电器、美的集团三种不同股价进行预测，对比多层感知器（MPL）模型、LSTM模型，并选择适当的模型作为基准模型，在基准模型的基础上加上情绪指数、投资者关注度等指标构建了LSTM-EM模型。进一步，在考虑了投资者情绪后对残差项使用GM（1,1）模型进行修正。实证结果表明，该模型能对股价进行较为精确的预测。
摘要：
为了提高短期风向的预测精度，提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)、卷积神经网络(Convolutional Neural Network，CNN)和门控循环单元网络(Gated Recurrent Unit，GRU)的混合模型：EEMD-CNN-GRU。针对风向序列的随机性和不平稳性等特点，先利用EEMD将数据分解成多个分量；再运用CNN的局部连接和权值共享来提取分量中的潜在特征；最后，使用GRU对CNN所提取的潜在特征进一步构建特征，叠加各分量的预测值，得到最终预测结果。实验结果表明：相对于BP神经网络和长短期记忆网络（Long Short-Term Memory，LSTM）等其它模型，所提出的预测方法取得了良好的性能。
为了提高短期风向的预测精度，提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)、卷积神经网络(Convolutional Neural Network，CNN)和门控循环单元网络(Gated Recurrent Unit，GRU)的混合模型：EEMD-CNN-GRU。针对风向序列的随机性和不平稳性等特点，先利用EEMD将数据分解成多个分量；再运用CNN的局部连接和权值共享来提取分量中的潜在特征；最后，使用GRU对CNN所提取的潜在特征进一步构建特征，叠加各分量的预测值，得到最终预测结果。实验结果表明：相对于BP神经网络和长短期记忆网络（Long Short-Term Memory，LSTM）等其它模型，所提出的预测方法取得了良好的性能。
摘要：
针对超级电容传统静态参数等效电路模型不能有效反映其动态工作特性问题,提出一种包含动态充放电内阻和电容参数的二阶梯形等效电路模型,利用递推最小二乘法对二阶梯形等效电路模型参数进行初步离线辨识。进一步,考虑超级电容参数的动态变化,将离线辨识模型参数作为初值,引入带遗忘因子的递推最小二乘法对动态参数进行实时辨识。搭建超级电容仿真模型和实验测试平台,通过仿真和实验结果对比验证动态参数二阶梯形等效电路模型和实时辨识方法的有效性和准确性。结果表明：动态参数二阶梯形等效电路模型可以有效反映超级电容的动态充放电工作特性,与传统静态参数的三分支等效电路模型和二阶梯形等效电路模型相比,模型的精度分别提高2.08%和3.56%以上。
针对超级电容传统静态参数等效电路模型不能有效反映其动态工作特性问题,提出一种包含动态充放电内阻和电容参数的二阶梯形等效电路模型,利用递推最小二乘法对二阶梯形等效电路模型参数进行初步离线辨识。进一步,考虑超级电容参数的动态变化,将离线辨识模型参数作为初值,引入带遗忘因子的递推最小二乘法对动态参数进行实时辨识。搭建超级电容仿真模型和实验测试平台,通过仿真和实验结果对比验证动态参数二阶梯形等效电路模型和实时辨识方法的有效性和准确性。结果表明：动态参数二阶梯形等效电路模型可以有效反映超级电容的动态充放电工作特性,与传统静态参数的三分支等效电路模型和二阶梯形等效电路模型相比,模型的精度分别提高2.08%和3.56%以上。
摘要：
为了降低2m气温传统数值预报模型（GRAPES_GFS）的预测值和观测值之间的高偏差，提高预测精度。本文结合气象数值模式（GRAPES_GFS）格点资料以及对应的观测资料，提出了一种基于卷积长短时记忆网络（ConvLSTM）并结合注意力机制的2m气温预报订正模型。该模型主要包括以下步骤：首先，由局部特征提取模块提取输入数据的局部浅层特征。其次，将提取到的特征图输入特征注意力模块，对数据的不同通道维度与不同空间维度赋予不同的权重，抑制与2m气温相关性低的气象要素的权重，实现对2m气温数据中高温地区的局部增强。最后，采用ConvLSTM网络捕获数据时间维度特征，同时输出预报订正结果。实验结果表明：该模型在时效为12-36小时的2m气温预报中，与GRAPES_GFS模式预报结果相比，各项数值评价指标均有改善，皮尔森相关系数从0.5左右提升到0.88左右，均方根误差从1.74-2.06℃降低到0.9-1.1℃，平均绝对误差从1.36-1.64℃降低到0.7-0.84℃；同时与主流订正模型相比，该模型也取得了较好的订正效果。
为了降低2m气温传统数值预报模型（GRAPES_GFS）的预测值和观测值之间的高偏差，提高预测精度。本文结合气象数值模式（GRAPES_GFS）格点资料以及对应的观测资料，提出了一种基于卷积长短时记忆网络（ConvLSTM）并结合注意力机制的2m气温预报订正模型。该模型主要包括以下步骤：首先，由局部特征提取模块提取输入数据的局部浅层特征。其次，将提取到的特征图输入特征注意力模块，对数据的不同通道维度与不同空间维度赋予不同的权重，抑制与2m气温相关性低的气象要素的权重，实现对2m气温数据中高温地区的局部增强。最后，采用ConvLSTM网络捕获数据时间维度特征，同时输出预报订正结果。实验结果表明：该模型在时效为12-36小时的2m气温预报中，与GRAPES_GFS模式预报结果相比，各项数值评价指标均有改善，皮尔森相关系数从0.5左右提升到0.88左右，均方根误差从1.74-2.06℃降低到0.9-1.1℃，平均绝对误差从1.36-1.64℃降低到0.7-0.84℃；同时与主流订正模型相比，该模型也取得了较好的订正效果。
摘要：
针对卷积神经网络在图像修复过程中难以兼顾修复结果的局部细节和全局语义一致性问题，以生成对抗网络为基础，提出一种多尺度语义学习的编解码人脸图像修复模型。首先，将人脸图像用门控卷积分解为具有不同大小的感受野和特征分辨率的分量，用不同尺寸的卷积核提取多尺度特征，通过提取合适的局部特征来提升修复结果的细节；其次，将提取的多尺度特征输入至语义学习模块，从通道和空间两个角度学习特征之间的语义关系，从而增强修复结果的全局一致性；最后，引入跳跃连接将编码端的特征补充到解码端中减少采样造成的细节信息损失，改善修复结果的纹理细节。在CelebA-HQ人脸数据集上进行实验，结果表明提出的模型在峰值信噪比、结构相似性、\ell_1三个性能指标上均有显著提升，修复的结果在视觉上局部细节和全局语义更合理。
针对卷积神经网络在图像修复过程中难以兼顾修复结果的局部细节和全局语义一致性问题，以生成对抗网络为基础，提出一种多尺度语义学习的编解码人脸图像修复模型。首先，将人脸图像用门控卷积分解为具有不同大小的感受野和特征分辨率的分量，用不同尺寸的卷积核提取多尺度特征，通过提取合适的局部特征来提升修复结果的细节；其次，将提取的多尺度特征输入至语义学习模块，从通道和空间两个角度学习特征之间的语义关系，从而增强修复结果的全局一致性；最后，引入跳跃连接将编码端的特征补充到解码端中减少采样造成的细节信息损失，改善修复结果的纹理细节。在CelebA-HQ人脸数据集上进行实验，结果表明提出的模型在峰值信噪比、结构相似性、\ell_1三个性能指标上均有显著提升，修复的结果在视觉上局部细节和全局语义更合理。
摘要：
利用全球导航卫星系统反射(Global Navigation Satellite System Reflectometry, GNSS-R)信号进行潮位反演时,需要对多路径频率进行估计。常规反演方法仅对主频率估计,因此存在数据利用率低,反演结果时间分辨率不足的问题。为解决该问题,本文利用Savitzky-Golay(SG)平滑滤波优化GNSS-R潮位反演。首先,利用Lomb-Scargle周期图(Lomb-Scargle periodigraph, LSP)法提取信号功率的前四个频率f1~f4,并反演它们对应的潮位值；然后,利用SG平滑滤波方法提取最佳反演结果；最后,以法国BRST站和MAYG站30天的数据验证算法的有效性。通过与LSP法和窗口LSP(WINLSP)法进行对比,结果表明：相比LSP法,滤波后BRST站和MAYG站的日均反演值数量分别达到19.30个/天和15.23个/天,提升了34.3%和19.6%；反演值的最大时间间隔分别为6.63h和7.07h,减少了43.2%和29.4%；RMSE值分别为0.3211m和0.2209m,与之相当。相比于WINLSP法,滤波后BRST站和MAYG站的日均反演值数量分别为60.03个/天和71.17个/天,提升了24.2%和45.9%；反演值最大时间间隔达到3.08h和4.50h,减少了25.4%和28.6%；RMSE值分别为0.5222m和0.3147m,均减少了7cm。总体而言,该方法能够在保证精度的前提下,提高反演结果的数量,提高了数据的利用率和潮位反演的时间分辨率。
利用全球导航卫星系统反射(Global Navigation Satellite System Reflectometry, GNSS-R)信号进行潮位反演时,需要对多路径频率进行估计。常规反演方法仅对主频率估计,因此存在数据利用率低,反演结果时间分辨率不足的问题。为解决该问题,本文利用Savitzky-Golay(SG)平滑滤波优化GNSS-R潮位反演。首先,利用Lomb-Scargle周期图(Lomb-Scargle periodigraph, LSP)法提取信号功率的前四个频率f1~f4,并反演它们对应的潮位值；然后,利用SG平滑滤波方法提取最佳反演结果；最后,以法国BRST站和MAYG站30天的数据验证算法的有效性。通过与LSP法和窗口LSP(WINLSP)法进行对比,结果表明：相比LSP法,滤波后BRST站和MAYG站的日均反演值数量分别达到19.30个/天和15.23个/天,提升了34.3%和19.6%；反演值的最大时间间隔分别为6.63h和7.07h,减少了43.2%和29.4%；RMSE值分别为0.3211m和0.2209m,与之相当。相比于WINLSP法,滤波后BRST站和MAYG站的日均反演值数量分别为60.03个/天和71.17个/天,提升了24.2%和45.9%；反演值最大时间间隔达到3.08h和4.50h,减少了25.4%和28.6%；RMSE值分别为0.5222m和0.3147m,均减少了7cm。总体而言,该方法能够在保证精度的前提下,提高反演结果的数量,提高了数据的利用率和潮位反演的时间分辨率。
摘要：
生成对抗网络(Generative adversarial network, GAN)可以生成和真实图像较接近的生成图像，作为深度学习中较新的一种图像生成模型，在图像风格迁移中发挥着重要作用。针对当前生成对抗网络模型中存在的生成图像质量较低、模型较难训练等问题，提出了新的风格迁移方法。本文有效改进BicycleGAN模型实现图像风格迁移。首先为了解决GAN在训练中容易出现的退化现象，将残差模块引入GAN的生成器,并引入自注意力机制，获得更多的图像特征，提高生成器的生成质量。为了解决GAN在训练过程中的梯度爆炸现象，在判别器每一个卷积层后面加入谱归一化。为了解决训练不够稳定，生成图像质量低的现象，引入感知损失。在Facades和AerialPhoto&Map数据集上的实验结果表明该方法的生成图像的PSNR值和SSIM值高于同类比较方法。
生成对抗网络(Generative adversarial network, GAN)可以生成和真实图像较接近的生成图像，作为深度学习中较新的一种图像生成模型，在图像风格迁移中发挥着重要作用。针对当前生成对抗网络模型中存在的生成图像质量较低、模型较难训练等问题，提出了新的风格迁移方法。本文有效改进BicycleGAN模型实现图像风格迁移。首先为了解决GAN在训练中容易出现的退化现象，将残差模块引入GAN的生成器,并引入自注意力机制，获得更多的图像特征，提高生成器的生成质量。为了解决GAN在训练过程中的梯度爆炸现象，在判别器每一个卷积层后面加入谱归一化。为了解决训练不够稳定，生成图像质量低的现象，引入感知损失。在Facades和AerialPhoto&Map数据集上的实验结果表明该方法的生成图像的PSNR值和SSIM值高于同类比较方法。
摘要：
自动气象站能见度检测仪多采用光学装置采样，一些雨雪、粉尘等天气因素对部分仪器镜头造成污染，导致能见度要素数据缺测。针对能见度数据缺失问题，本文选用部分安徽气象站的历年数据，首先运用灰色关联分析方法筛选出与能见度密切相关的其他气象要素，通过支持向量机和BP 神经网络单一预估方法预估不同地形的能见度缺失值，然后采用最优权重组合将两种方法预估的能见度值进行组合，并与单一预估方法进行对比。结果表明组合预估方法的结果误差均值小，整体准确度高，可以保证台站观测资料的完备性，为短时天气预报、实况分析和气象公共服务工作提供有效依据。
自动气象站能见度检测仪多采用光学装置采样，一些雨雪、粉尘等天气因素对部分仪器镜头造成污染，导致能见度要素数据缺测。针对能见度数据缺失问题，本文选用部分安徽气象站的历年数据，首先运用灰色关联分析方法筛选出与能见度密切相关的其他气象要素，通过支持向量机和BP 神经网络单一预估方法预估不同地形的能见度缺失值，然后采用最优权重组合将两种方法预估的能见度值进行组合，并与单一预估方法进行对比。结果表明组合预估方法的结果误差均值小，整体准确度高，可以保证台站观测资料的完备性，为短时天气预报、实况分析和气象公共服务工作提供有效依据。
摘要：
网络技术、人机交互和人工智能等技术的飞速发展催生了元宇宙，并进一步促进人们物质生活各个方面的数字化转型。2021年是元宇宙元年，元宇宙作为一个新兴的概念受到产业界、学术界、媒体界及公众的广泛关注。本文尝试从技术维度和应用角度深度剖析元宇宙。首先，从定义、起源与发展、特征和关键技术（网络及运算技术、物联网技术、人机交互技术、电子游戏技术、区块链技术、数字孪生技术和其他技术）等多方面对元宇宙的概念及内涵进行论述；然后，讨论了当下布局元宇宙的企业和应用实例；最后，剖析了目前元宇宙发展存在的问题和机遇，并对未来研究与应用进行了展望。通过对元宇宙当前的发展状况、研究趋势进行归纳分析以及科学地评估元宇宙的落地应用，为元宇宙研究人员提供有益的参考和借鉴。
网络技术、人机交互和人工智能等技术的飞速发展催生了元宇宙，并进一步促进人们物质生活各个方面的数字化转型。2021年是元宇宙元年，元宇宙作为一个新兴的概念受到产业界、学术界、媒体界及公众的广泛关注。本文尝试从技术维度和应用角度深度剖析元宇宙。首先，从定义、起源与发展、特征和关键技术（网络及运算技术、物联网技术、人机交互技术、电子游戏技术、区块链技术、数字孪生技术和其他技术）等多方面对元宇宙的概念及内涵进行论述；然后，讨论了当下布局元宇宙的企业和应用实例；最后，剖析了目前元宇宙发展存在的问题和机遇，并对未来研究与应用进行了展望。通过对元宇宙当前的发展状况、研究趋势进行归纳分析以及科学地评估元宇宙的落地应用，为元宇宙研究人员提供有益的参考和借鉴。
摘要：
为提高低压配电台区中分布式光伏(DPV)的接入容量，促进光伏消纳,本文提出一种计及源荷时序特性的低压台区DPV接入分布鲁棒优化方法。首先，针对低压台区中分布式光伏出力和负荷需求的不确定性，提出一种基于优化聚类的源-荷联合时序场景生成方法；其次，计及电压约束、线路容量约束、逆变器无功补偿约束及光伏消纳约束等，构建低压台区分布式光伏接入分布鲁棒优化模型，在保证各典型场景最恶劣概率分布下的弃光率期望值符合要求的情况下，最大化低压台区中分布式光伏接入容量；然后，建立低压台区分布式储能接入的数学模型，以研究储能接入及其充放电机制对低压台区分布式光伏接入的影响。最后，以实际配电台区为例进行仿真计算，验证了本文模型的有效性。
为提高低压配电台区中分布式光伏(DPV)的接入容量，促进光伏消纳,本文提出一种计及源荷时序特性的低压台区DPV接入分布鲁棒优化方法。首先，针对低压台区中分布式光伏出力和负荷需求的不确定性，提出一种基于优化聚类的源-荷联合时序场景生成方法；其次，计及电压约束、线路容量约束、逆变器无功补偿约束及光伏消纳约束等，构建低压台区分布式光伏接入分布鲁棒优化模型，在保证各典型场景最恶劣概率分布下的弃光率期望值符合要求的情况下，最大化低压台区中分布式光伏接入容量；然后，建立低压台区分布式储能接入的数学模型，以研究储能接入及其充放电机制对低压台区分布式光伏接入的影响。最后，以实际配电台区为例进行仿真计算，验证了本文模型的有效性。
摘要：
为适应开放场景下说话人识别短时语音的应用需要，本文将优化说话人识别模型，提升模型的准确率和鲁棒性。为了实现对重要频率特征的筛选，提出基于重加权的特征增强层及网络，起到增强特征表达的作用。将人脸识别领域的误分类样本损失函数首次引入到说话人识别领域，提高对困难样本的挖掘能力。提出基于误分类样本挖掘的分类损失与基于小样本学习框架的余弦角度原型损失的组合损失函数，解决了分类损失函数与说话人识别实际评测需求不匹配和度量函数对采样策略依赖性强的问题。实验结果显示，与基准模型相比，性能指标等误率(EER)降低12.45%，最小检测代价函数(minDCF)降低14.09%，取得现有说话人识别领域的优异效果。
为适应开放场景下说话人识别短时语音的应用需要，本文将优化说话人识别模型，提升模型的准确率和鲁棒性。为了实现对重要频率特征的筛选，提出基于重加权的特征增强层及网络，起到增强特征表达的作用。将人脸识别领域的误分类样本损失函数首次引入到说话人识别领域，提高对困难样本的挖掘能力。提出基于误分类样本挖掘的分类损失与基于小样本学习框架的余弦角度原型损失的组合损失函数，解决了分类损失函数与说话人识别实际评测需求不匹配和度量函数对采样策略依赖性强的问题。实验结果显示，与基准模型相比，性能指标等误率(EER)降低12.45%，最小检测代价函数(minDCF)降低14.09%，取得现有说话人识别领域的优异效果。
摘要：
无人机倾斜摄影三维模型的精度是衡量模型质量好坏的重要指标。常规的倾斜摄影三维建模需要先布设像控点,作业效率低且维护成本高。无像控建模不需要布设像控点,航测效率高,但精度较低。本文以南京信息工程大学东苑为实验区,研究了一种像控后处理倾斜摄影三维建模方法。结果表明：1)基于像控后处理建立的三维模型与常规方法建立的三维模型精度基本相同,平面中误差、高程中误差均小于0.05m,满足高效率、高精度、低成本的建模要求；2)像控后处理建模避免了制作和维护像控点的过程,同时基于已有高精度三维模型选择像控点并提取坐标,提升了像控点选择的科学性和降低了外业测点的工作量；3)该方法在城市、城镇、道路丰富等地区高精度三维实景模型定期更新上具有很好的普适性。
无人机倾斜摄影三维模型的精度是衡量模型质量好坏的重要指标。常规的倾斜摄影三维建模需要先布设像控点,作业效率低且维护成本高。无像控建模不需要布设像控点,航测效率高,但精度较低。本文以南京信息工程大学东苑为实验区,研究了一种像控后处理倾斜摄影三维建模方法。结果表明：1)基于像控后处理建立的三维模型与常规方法建立的三维模型精度基本相同,平面中误差、高程中误差均小于0.05m,满足高效率、高精度、低成本的建模要求；2)像控后处理建模避免了制作和维护像控点的过程,同时基于已有高精度三维模型选择像控点并提取坐标,提升了像控点选择的科学性和降低了外业测点的工作量；3)该方法在城市、城镇、道路丰富等地区高精度三维实景模型定期更新上具有很好的普适性。
摘要：
为解决复杂体型建筑物存在拍摄盲区较多,影像采集分辨率差异较大而导致建模效果差的问题,本文提出了一种无人机立体环绕式摄影与精细化建模方法,选用单镜头小型多旋翼无人机,根据复杂建筑物外观形态,设计出立体环绕式的影像采集航线,再将获取影像导入Context Capture软件进行分析和处理并完成模型建立,最后针对三维模型存在纹理缺失及模糊拉花等信息缺失问题,使用DP-Modeler和3ds Max对模型进行联动修饰。以某公园内两相邻建筑物为研究对象,分别采用新方法与传统无人机倾斜摄影方法,从建模效率、模型精度和纹理细节三方面进行对比实验。结果表明,新方法具有建模效率高、精度高和纹理丰富的优点,提升了复杂体型建筑物建模的质量和效率,联动修饰解决了影像采集过程中信息缺失的问题,显著提升模型细节质量。
为解决复杂体型建筑物存在拍摄盲区较多,影像采集分辨率差异较大而导致建模效果差的问题,本文提出了一种无人机立体环绕式摄影与精细化建模方法,选用单镜头小型多旋翼无人机,根据复杂建筑物外观形态,设计出立体环绕式的影像采集航线,再将获取影像导入Context Capture软件进行分析和处理并完成模型建立,最后针对三维模型存在纹理缺失及模糊拉花等信息缺失问题,使用DP-Modeler和3ds Max对模型进行联动修饰。以某公园内两相邻建筑物为研究对象,分别采用新方法与传统无人机倾斜摄影方法,从建模效率、模型精度和纹理细节三方面进行对比实验。结果表明,新方法具有建模效率高、精度高和纹理丰富的优点,提升了复杂体型建筑物建模的质量和效率,联动修饰解决了影像采集过程中信息缺失的问题,显著提升模型细节质量。
摘要：
研究了碳税政策下考虑三重底线的低碳供应链优化协调问题.首先研究集中式供应链模型的决策问题，其次考虑批发价格契约下四种不同的分散式供应链模型：模型I，模型II，模型III和模型IV.然后考虑两部定价契约下四种不同的分散式低碳供应链模型：模型I-LTT，模型II-LTT，模型III-LTT和模型IV-LTT.研究结果表明：两部定价契约可以完美协调模型I-LTT和模型III-LTT下的低碳供应链；同时可以在模型II-LTT和模型IV-LTT中实现低碳供应链的帕累托改进.最后进行数值分析，分析碳税和碳减排投资系数对契约协调前后供应链的总利润的影响.本文为低碳企业的减排策略和契约选择提供了可靠的理论依据.
研究了碳税政策下考虑三重底线的低碳供应链优化协调问题.首先研究集中式供应链模型的决策问题，其次考虑批发价格契约下四种不同的分散式供应链模型：模型I，模型II，模型III和模型IV.然后考虑两部定价契约下四种不同的分散式低碳供应链模型：模型I-LTT，模型II-LTT，模型III-LTT和模型IV-LTT.研究结果表明：两部定价契约可以完美协调模型I-LTT和模型III-LTT下的低碳供应链；同时可以在模型II-LTT和模型IV-LTT中实现低碳供应链的帕累托改进.最后进行数值分析，分析碳税和碳减排投资系数对契约协调前后供应链的总利润的影响.本文为低碳企业的减排策略和契约选择提供了可靠的理论依据.
摘要：
日降水量变化呈现显著的非线性特征,对其进行精准预测难度很大。近年来,长短时记忆网络(Long-Short Term Memory, LSTM)在降水量预测中优势明显。然而,LSTM的深层结构造成了其存在过拟合、时滞等缺点,从而影响预测精度。注意到宽度学习系统(Broad Learning System, BLS)是直接计算权重,其无需多次迭代的特点可以帮助解决LSTM存在的缺点。但噪声和异常值对建模依旧有着不良影响。基于此,提出改进的加权宽度学习系统(Weighted Broad Learning System, WBLS)。利用加权惩罚因子约束每个样本,分别为正常和异常样本分配高和低权重来增加和减少它们的影响。本文结合了LSTM和WBLS的优点提出LSTM-WBLS日降水量预测模型。选取湖北省巴东站近20年日降水量实测数据进行实证研究,且考虑气压、气温、湿度、风速和日照等因素。结果表明,与现有的预测模型相比,LSTM-BLS模型在所有评价指标上均预测精度最高。特别地,WBLS模块加入解决了LSTM的时滞性问题。而且在不同时间步长下,新模型预测精度亦表现最佳,证明了其稳定性。在运算效率上,LSTM-WBLS和LSTM相比,并未降低。
日降水量变化呈现显著的非线性特征,对其进行精准预测难度很大。近年来,长短时记忆网络(Long-Short Term Memory, LSTM)在降水量预测中优势明显。然而,LSTM的深层结构造成了其存在过拟合、时滞等缺点,从而影响预测精度。注意到宽度学习系统(Broad Learning System, BLS)是直接计算权重,其无需多次迭代的特点可以帮助解决LSTM存在的缺点。但噪声和异常值对建模依旧有着不良影响。基于此,提出改进的加权宽度学习系统(Weighted Broad Learning System, WBLS)。利用加权惩罚因子约束每个样本,分别为正常和异常样本分配高和低权重来增加和减少它们的影响。本文结合了LSTM和WBLS的优点提出LSTM-WBLS日降水量预测模型。选取湖北省巴东站近20年日降水量实测数据进行实证研究,且考虑气压、气温、湿度、风速和日照等因素。结果表明,与现有的预测模型相比,LSTM-BLS模型在所有评价指标上均预测精度最高。特别地,WBLS模块加入解决了LSTM的时滞性问题。而且在不同时间步长下,新模型预测精度亦表现最佳,证明了其稳定性。在运算效率上,LSTM-WBLS和LSTM相比,并未降低。
摘要：
针对DDoS(Distributed denial of service)网络流量攻击检测效率低及误报率高的问题，本文提出了一种基于离散小波变换(Discrete Wavelet Transform DWT)和自适应知识蒸馏(Adaptive Knowledge Distillation AKD)自编码器神经网络的DDoS攻击检测方法。该方法利用离散小波变换提取频率特征，由自动编码器神经网络进行特征编码并实现分类，通过自适应知识蒸馏压缩模型，以实现高效检测DDoS攻击流量。研究结果表明，该方法对代理服务器攻击、数据库漏洞和TCP洪水攻击、UDP洪水攻击具有较高的检测效率，并且具有较低的误报率。
针对DDoS(Distributed denial of service)网络流量攻击检测效率低及误报率高的问题，本文提出了一种基于离散小波变换(Discrete Wavelet Transform DWT)和自适应知识蒸馏(Adaptive Knowledge Distillation AKD)自编码器神经网络的DDoS攻击检测方法。该方法利用离散小波变换提取频率特征，由自动编码器神经网络进行特征编码并实现分类，通过自适应知识蒸馏压缩模型，以实现高效检测DDoS攻击流量。研究结果表明，该方法对代理服务器攻击、数据库漏洞和TCP洪水攻击、UDP洪水攻击具有较高的检测效率，并且具有较低的误报率。
摘要：
本文利用BRST港口和英国塞文大桥监测系统GNSS双频观测数据,分别在静态和高动态环境下进行GPS-IR水位反演。探究传统GNSS监测系统在静态、高动态场景下进行水位反演的可行性与精度。结果表明：L1波段反演精度高于L2波段；在静态场景下,GPS-IR水位反演结果与验潮站数据相关系数均达到0.98以上；在高动态场景下,桥梁GPS水位反演精度稍低。利用经验模态分解(Empirical Mode Decomposition,EMD)方法对算法进行改进,提高了在桥梁复杂环境下GPS-IR水位反演结果的精度,均方根误差(Root Mean Squared Error, RMSE)相比经典方法降低了约50%。提高了GPS-IR技术在不同水域环境下的适用性,结果证明GPS-IR技术在水位监测中具有很好的应用前景。
本文利用BRST港口和英国塞文大桥监测系统GNSS双频观测数据,分别在静态和高动态环境下进行GPS-IR水位反演。探究传统GNSS监测系统在静态、高动态场景下进行水位反演的可行性与精度。结果表明：L1波段反演精度高于L2波段；在静态场景下,GPS-IR水位反演结果与验潮站数据相关系数均达到0.98以上；在高动态场景下,桥梁GPS水位反演精度稍低。利用经验模态分解(Empirical Mode Decomposition,EMD)方法对算法进行改进,提高了在桥梁复杂环境下GPS-IR水位反演结果的精度,均方根误差(Root Mean Squared Error, RMSE)相比经典方法降低了约50%。提高了GPS-IR技术在不同水域环境下的适用性,结果证明GPS-IR技术在水位监测中具有很好的应用前景。
摘要：
在方面级情感文本中存在着相当一部分不含情感词的评论句,对其情感的研究被称为方面级隐式情感分析。现有模型存在着在预训练过程中可能会丢失与方面词相关的上下文信息,并且不能准确提取上下文中深层特征的问题。针对第一个问题,本文构造了方面词感知BERT预训练模型,通过将方面词引入到基础BERT的输入嵌入结构中,生成与方面词信息相关的词向量。针对第二个问题,本文构造了语境感知注意力机制,对由编码层得到的深层隐藏向量,将其中的语义和句法信息引入到注意力权重计算过程,使注意力机制能更加准确地分配权重到与方面词相关的上下文。在对比实验上的结果表明,本文模型的效果是优于基线模型的。
在方面级情感文本中存在着相当一部分不含情感词的评论句,对其情感的研究被称为方面级隐式情感分析。现有模型存在着在预训练过程中可能会丢失与方面词相关的上下文信息,并且不能准确提取上下文中深层特征的问题。针对第一个问题,本文构造了方面词感知BERT预训练模型,通过将方面词引入到基础BERT的输入嵌入结构中,生成与方面词信息相关的词向量。针对第二个问题,本文构造了语境感知注意力机制,对由编码层得到的深层隐藏向量,将其中的语义和句法信息引入到注意力权重计算过程,使注意力机制能更加准确地分配权重到与方面词相关的上下文。在对比实验上的结果表明,本文模型的效果是优于基线模型的。
摘要：
水库水位预测为其运营、防洪、水资源调度管理提供了重要决策支持。准确可靠的预测对水资源的最优管理起着至关重要的作用。水动力学预测方法对输入边界条件要求较高，预测误差较大，难以满足水位实时调度的要求。针对水库水位数据的非线性、不稳定性以及复杂的时空特性，提出了一种融合了自适应变分模态分解(VMD)、卷积神经网络(CNN)和门控循环单元(GRU)的混合水库水位预测模型。其中，VMD通过对水位序列进行分解消除噪声，CNN用于有效提取水位数据的局部特征，GRU用于提取水位数据的深层时间特征。以葠窝水库日水位预测进行实例分析，与多个相关模型对比，分析结果表明，新模型在选取的评价指标上均表现最佳。其中，均方根误差为0.1500、平均绝对误差为0.1063、平均绝对百分比误差为0.1145，而纳什系数高达0.9953。特别地，本文选择的GRU与长短时记忆网络(LSTM)相比，运算效率提高显著。因此，新模型预测的高精度、高运算效率，更适合实际水库水位实时调度的需求。
水库水位预测为其运营、防洪、水资源调度管理提供了重要决策支持。准确可靠的预测对水资源的最优管理起着至关重要的作用。水动力学预测方法对输入边界条件要求较高，预测误差较大，难以满足水位实时调度的要求。针对水库水位数据的非线性、不稳定性以及复杂的时空特性，提出了一种融合了自适应变分模态分解(VMD)、卷积神经网络(CNN)和门控循环单元(GRU)的混合水库水位预测模型。其中，VMD通过对水位序列进行分解消除噪声，CNN用于有效提取水位数据的局部特征，GRU用于提取水位数据的深层时间特征。以葠窝水库日水位预测进行实例分析，与多个相关模型对比，分析结果表明，新模型在选取的评价指标上均表现最佳。其中，均方根误差为0.1500、平均绝对误差为0.1063、平均绝对百分比误差为0.1145，而纳什系数高达0.9953。特别地，本文选择的GRU与长短时记忆网络(LSTM)相比，运算效率提高显著。因此，新模型预测的高精度、高运算效率，更适合实际水库水位实时调度的需求。
摘要：
随着通信技术在智能电网中的广泛应用，信息攻击对电网安全运行的威胁也随之而来。电力系统中基于相量测量技术状态估计的攻击方式难以被成功检测到。针对该问题，本文提出了一种面向电力系统基于相量测量数据状态估计的攻击智能检测方法。该方法先采用自编码器对电网测量数据进行特征提取，通过多次提取特征，逐渐降低特征维度。最终的提取信息通过softmax层进行有监督学习，从而得到基于堆叠自编码器的攻击检测算法。针对自编码器的过度拟合问题，由进一步提出基于降噪自编码的攻击检测方法。采用IEEE-118节点测试系统对所提出的方法进行仿真验证，结果表明所提出的攻击检测方法计算精度和效率高于其它方法。
随着通信技术在智能电网中的广泛应用，信息攻击对电网安全运行的威胁也随之而来。电力系统中基于相量测量技术状态估计的攻击方式难以被成功检测到。针对该问题，本文提出了一种面向电力系统基于相量测量数据状态估计的攻击智能检测方法。该方法先采用自编码器对电网测量数据进行特征提取，通过多次提取特征，逐渐降低特征维度。最终的提取信息通过softmax层进行有监督学习，从而得到基于堆叠自编码器的攻击检测算法。针对自编码器的过度拟合问题，由进一步提出基于降噪自编码的攻击检测方法。采用IEEE-118节点测试系统对所提出的方法进行仿真验证，结果表明所提出的攻击检测方法计算精度和效率高于其它方法。
摘要：
海面小目标一直是海洋雷达探测的重难点对象。针对传统检测器检测概率低的问题，本文提出了一种基于相对样本熵的特征检测器(Feature Detector via Relative Sample Entropy, FD-RSE)。首先，定义了白化频谱，实现对主杂波带的抑制，从而增大了海杂波序列的不规则性。其次，通过引入样本熵描述序列的复杂度，提取了白化频谱的相对样本熵，并将之作为特征。在检测时，该特征能够充分利用海杂波和含目标回波在频谱上的几何差异性。最后，IPIX实测数据验证表明：与传统检测器相比，FD-RSE检测器能有效改善检测性能。
海面小目标一直是海洋雷达探测的重难点对象。针对传统检测器检测概率低的问题，本文提出了一种基于相对样本熵的特征检测器(Feature Detector via Relative Sample Entropy, FD-RSE)。首先，定义了白化频谱，实现对主杂波带的抑制，从而增大了海杂波序列的不规则性。其次，通过引入样本熵描述序列的复杂度，提取了白化频谱的相对样本熵，并将之作为特征。在检测时，该特征能够充分利用海杂波和含目标回波在频谱上的几何差异性。最后，IPIX实测数据验证表明：与传统检测器相比，FD-RSE检测器能有效改善检测性能。
摘要：
由于雨纹的分布和形状具有多样性，现有的去雨算法在去雨的同时也会产生图像背景模糊，泛化性能差等问题。针对这些问题，提出一种基于注意力机制的多尺度特征融合图像去雨方法。特征提取阶段由多个包含两个多尺度注意力残差块的残差组构成，多尺度注意力残差块利用多尺度特征提取模块提取及聚合不同尺度的特征信息，并通过坐标注意力进一步提高网络的特征提取能力。在组内进行局部特征融合，组间利用全局特征融合注意力模块更好的融合不同层次的特征，通过像素注意力使网络重点关注于雨纹区域。在仿真和真实雨像数据集上与其他现有的图像去雨算法相比，所提方法的定量指标有着明显提高，去雨后的图像视觉效果较好且具有良好的泛化性。
由于雨纹的分布和形状具有多样性，现有的去雨算法在去雨的同时也会产生图像背景模糊，泛化性能差等问题。针对这些问题，提出一种基于注意力机制的多尺度特征融合图像去雨方法。特征提取阶段由多个包含两个多尺度注意力残差块的残差组构成，多尺度注意力残差块利用多尺度特征提取模块提取及聚合不同尺度的特征信息，并通过坐标注意力进一步提高网络的特征提取能力。在组内进行局部特征融合，组间利用全局特征融合注意力模块更好的融合不同层次的特征，通过像素注意力使网络重点关注于雨纹区域。在仿真和真实雨像数据集上与其他现有的图像去雨算法相比，所提方法的定量指标有着明显提高，去雨后的图像视觉效果较好且具有良好的泛化性。
摘要：
降水云系的发展过程及其特征分析，是云降水物理学中的一个重要问题.本文选取一次云发展过程中的700 hPa云水含量(Cloud Water Content, CWC)和大气垂直方向上气流速度(Omega, OMG)的1h值，以信息熵来度量CWC空间分布的混沌程度，辅以OMG的时间变化来判断云的发展，并提出了一种基于多尺度分解、Holt模型、自回归滑动平均模型 (Autoregressive Integrated Moving Average Model, ARIMA)和Lagrange Multiplier的组合预测方法.结果表明：1）CWC熵具有非线性和非平稳性；2）在云的不同发展阶段，北方CWC熵序列的均值都小于南方，方差普遍大于南方；3）OMG区域均值与CWC熵的小波低频重构的极值点在时间上有很好的对应关系，相近的极值点在南方中占50%，在北方中占83.3%，说明CWC熵可以在一定程度上反映云系的发展；4）CWC熵序列往往具有多种时间尺度特征，故进行多尺度分解之后再组合建模的Holt-ARIMA-Lagrange Multiplier模型比单一预测方法、单层分解的预测模型更优，准确率提高了3%以上.
降水云系的发展过程及其特征分析，是云降水物理学中的一个重要问题.本文选取一次云发展过程中的700 hPa云水含量(Cloud Water Content, CWC)和大气垂直方向上气流速度(Omega, OMG)的1h值，以信息熵来度量CWC空间分布的混沌程度，辅以OMG的时间变化来判断云的发展，并提出了一种基于多尺度分解、Holt模型、自回归滑动平均模型 (Autoregressive Integrated Moving Average Model, ARIMA)和Lagrange Multiplier的组合预测方法.结果表明：1）CWC熵具有非线性和非平稳性；2）在云的不同发展阶段，北方CWC熵序列的均值都小于南方，方差普遍大于南方；3）OMG区域均值与CWC熵的小波低频重构的极值点在时间上有很好的对应关系，相近的极值点在南方中占50%，在北方中占83.3%，说明CWC熵可以在一定程度上反映云系的发展；4）CWC熵序列往往具有多种时间尺度特征，故进行多尺度分解之后再组合建模的Holt-ARIMA-Lagrange Multiplier模型比单一预测方法、单层分解的预测模型更优，准确率提高了3%以上.
摘要：
为研究大气CO2浓度缓增对冬小麦（Triticum aestivum）土壤呼吸的影响，基于开顶式气室组成的CO2浓度自动调控平台，在2017?2019年开展了两季冬小麦CO2浓度缓增试验。每季试验在背景大气CO2浓度基础上（CK，对照），均设置了CO2浓度缓增处理（C80和C120，即从2016年起逐年增加40 μmol·mol?1，至2017?2018年和2018?2019年冬小麦生长季CO2浓度分别为CK+80 μmol·mol?1和CK+120 μmol·mol?1）。采用静态暗箱?气相色谱法测定土壤呼吸速率。结果表明：CO2浓度缓增没有显著改变土壤呼吸的季节变化规律，但是会显著影响冬小麦旺盛生长期的土壤呼吸速率。在2018?2019年冬小麦抽穗?扬花期，C120处理使土壤呼吸速率显著增加50.2%（P=0.008），且使得整个生育期土壤碳排放显著增加25.9%（P=0.044），而在2017?2018年冬小麦生长季，与CK相比，C80处理对土壤呼吸没有显著影响。土壤呼吸与土壤温湿度分别存在指数正相关和线性负相关关系。与CK相比，CO2浓度缓增降低了土壤呼吸温度敏感性系数Q10值。研究表明，CO2浓度缓增到120 μmol·mol?1增加了冬小麦生长季土壤碳排放。
为研究大气CO2浓度缓增对冬小麦（Triticum aestivum）土壤呼吸的影响，基于开顶式气室组成的CO2浓度自动调控平台，在2017?2019年开展了两季冬小麦CO2浓度缓增试验。每季试验在背景大气CO2浓度基础上（CK，对照），均设置了CO2浓度缓增处理（C80和C120，即从2016年起逐年增加40 μmol·mol?1，至2017?2018年和2018?2019年冬小麦生长季CO2浓度分别为CK+80 μmol·mol?1和CK+120 μmol·mol?1）。采用静态暗箱?气相色谱法测定土壤呼吸速率。结果表明：CO2浓度缓增没有显著改变土壤呼吸的季节变化规律，但是会显著影响冬小麦旺盛生长期的土壤呼吸速率。在2018?2019年冬小麦抽穗?扬花期，C120处理使土壤呼吸速率显著增加50.2%（P=0.008），且使得整个生育期土壤碳排放显著增加25.9%（P=0.044），而在2017?2018年冬小麦生长季，与CK相比，C80处理对土壤呼吸没有显著影响。土壤呼吸与土壤温湿度分别存在指数正相关和线性负相关关系。与CK相比，CO2浓度缓增降低了土壤呼吸温度敏感性系数Q10值。研究表明，CO2浓度缓增到120 μmol·mol?1增加了冬小麦生长季土壤碳排放。
摘要：
近年来我国中部地区臭氧（O3）污染问题日益凸显，挥发性有机物（VOCs）是O3生成的重要前体物，对其开展研究对于臭氧污染防控具有重要意义。为了解我国中部地区VOCs污染特征及对臭氧生成的影响，本研究于2021年5~10月在湖南省长沙市主城区开展了VOCs在线监测，共计监测117种组分。测量结果显示，观测期间总VOCs平均体积分数为(23.09±9.97)×10-9，VOCs月均浓度呈“U”型变化，7月份最低，10月份最高；而VOCs日变化呈典型双峰型，受人为源活动影响显著。长沙市VOCs化学组成以含氧挥发性有机物（OVOCs）为主，其次是烷烃和卤代烃，然而对臭氧生成潜势有较大贡献的主要是OVOCs和芳香烃，二者合计占比达到68.3%，其中丙醛、乙醛、间/对-二甲苯、乙烯和甲苯是关键活性物种。OBM模拟结果显示：长沙市5月、8月和9月臭氧生成属于协同控制区，6-7月属于VOCs控制区，而10月处于NOx控制区。人为源VOCs中削减高碳醛类、烯烃类、烷烃类对臭氧防控最为有效。
近年来我国中部地区臭氧（O3）污染问题日益凸显，挥发性有机物（VOCs）是O3生成的重要前体物，对其开展研究对于臭氧污染防控具有重要意义。为了解我国中部地区VOCs污染特征及对臭氧生成的影响，本研究于2021年5~10月在湖南省长沙市主城区开展了VOCs在线监测，共计监测117种组分。测量结果显示，观测期间总VOCs平均体积分数为(23.09±9.97)×10-9，VOCs月均浓度呈“U”型变化，7月份最低，10月份最高；而VOCs日变化呈典型双峰型，受人为源活动影响显著。长沙市VOCs化学组成以含氧挥发性有机物（OVOCs）为主，其次是烷烃和卤代烃，然而对臭氧生成潜势有较大贡献的主要是OVOCs和芳香烃，二者合计占比达到68.3%，其中丙醛、乙醛、间/对-二甲苯、乙烯和甲苯是关键活性物种。OBM模拟结果显示：长沙市5月、8月和9月臭氧生成属于协同控制区，6-7月属于VOCs控制区，而10月处于NOx控制区。人为源VOCs中削减高碳醛类、烯烃类、烷烃类对臭氧防控最为有效。
摘要：
近年来，越来越多的科研工作者试图将催化活性与催化剂中氧空位的酸碱性联系起来，通过结合路易斯酸碱活性位点对氧空位缺陷在确定催化特性和电荷载流子动力学中所起作用的深入理解，可以为合理开发更有效的催化剂提供有价值的见解。氧空位是过渡金属氧化物中最常见的缺陷，含氧空位的催化剂与表面酸碱性如何影响反应物、中间体和固体表面产物的吸附、反应和解吸过程密切相关。为此，氧空位位置和氧空位的酸碱性在多相催化的历史中一直起着核心作用，多相催化剂的表面性质将在很大程度上决定表面活性位点的电子结构，从而显著影响其相应的催化效率、稳定性和化学选择性，研究基于氧空位缺陷构建路易斯酸碱位点的催化剂，对于各类分子活化、催化转化反应的性能提升具有重要意义。本文以含氧空位的固体催化剂为研究对象，对关于氧空位构筑路易斯酸碱位点的研究进行综述，并总结了其在光催化领域中的相关应用。
近年来，越来越多的科研工作者试图将催化活性与催化剂中氧空位的酸碱性联系起来，通过结合路易斯酸碱活性位点对氧空位缺陷在确定催化特性和电荷载流子动力学中所起作用的深入理解，可以为合理开发更有效的催化剂提供有价值的见解。氧空位是过渡金属氧化物中最常见的缺陷，含氧空位的催化剂与表面酸碱性如何影响反应物、中间体和固体表面产物的吸附、反应和解吸过程密切相关。为此，氧空位位置和氧空位的酸碱性在多相催化的历史中一直起着核心作用，多相催化剂的表面性质将在很大程度上决定表面活性位点的电子结构，从而显著影响其相应的催化效率、稳定性和化学选择性，研究基于氧空位缺陷构建路易斯酸碱位点的催化剂，对于各类分子活化、催化转化反应的性能提升具有重要意义。本文以含氧空位的固体催化剂为研究对象，对关于氧空位构筑路易斯酸碱位点的研究进行综述，并总结了其在光催化领域中的相关应用。
摘要：
传统视觉SLAM虽取得了令人惊叹的成就，但在具有挑战性的环境中难以取得想要的效果。深度学习推动了计算机视觉领域的快速发展，将深度学习与基于视觉的SLAM结合是一个热门话题。本文从深度学习经典的神经网络入手，介绍了深度学习与传统基于视觉的SLAM算法的结合，概述了卷积神经网CNN(Convolutional Neural Network)与循环神经网络RNN（Recurrent Neural Network)在深度估计、位姿估计、闭环检测等方面的成就。并指出神经网络在语义信息提取方面的优点，为未来自主移动机器人真正自主化提供了帮助，并对未来VSLAM发展做出展望。
传统视觉SLAM虽取得了令人惊叹的成就，但在具有挑战性的环境中难以取得想要的效果。深度学习推动了计算机视觉领域的快速发展，将深度学习与基于视觉的SLAM结合是一个热门话题。本文从深度学习经典的神经网络入手，介绍了深度学习与传统基于视觉的SLAM算法的结合，概述了卷积神经网CNN(Convolutional Neural Network)与循环神经网络RNN（Recurrent Neural Network)在深度估计、位姿估计、闭环检测等方面的成就。并指出神经网络在语义信息提取方面的优点，为未来自主移动机器人真正自主化提供了帮助，并对未来VSLAM发展做出展望。
摘要：
为抑制永磁同步电机齿槽转矩,减少电机振动与噪声,提出一种定子齿顶开辅助槽与转子外圆偏心的结构来抑制齿槽转矩,提升电机的输出性能。建立了定子齿顶开槽前后与主气隙分布函数解析式,分析定子开槽与电机主磁场分布及齿槽转矩的关系,同时分析了转子外圆偏心后对齿槽转矩的影响。以内置3相8极48槽V型永磁同步电机为例,利用有限元法对定子齿顶辅助槽个数、槽宽、槽深、槽位置以及转子外圆偏心距等参数进行优化对比分析,获得最优的参数匹配。结果表明：定子齿顶双矩形对称开槽以及转子外圆偏心的方式能有效改善主气隙磁场分布,抑制电机齿槽转矩,优化后的电机气隙磁密5,11,15,17谐波幅值下降明显,电机齿槽转矩峰值降低了59.6%,反电势波形正弦性增强,平均转矩提升,电机输出性能明显改善。
为抑制永磁同步电机齿槽转矩,减少电机振动与噪声,提出一种定子齿顶开辅助槽与转子外圆偏心的结构来抑制齿槽转矩,提升电机的输出性能。建立了定子齿顶开槽前后与主气隙分布函数解析式,分析定子开槽与电机主磁场分布及齿槽转矩的关系,同时分析了转子外圆偏心后对齿槽转矩的影响。以内置3相8极48槽V型永磁同步电机为例,利用有限元法对定子齿顶辅助槽个数、槽宽、槽深、槽位置以及转子外圆偏心距等参数进行优化对比分析,获得最优的参数匹配。结果表明：定子齿顶双矩形对称开槽以及转子外圆偏心的方式能有效改善主气隙磁场分布,抑制电机齿槽转矩,优化后的电机气隙磁密5,11,15,17谐波幅值下降明显,电机齿槽转矩峰值降低了59.6%,反电势波形正弦性增强,平均转矩提升,电机输出性能明显改善。
摘要：
严峻的雾霾污染已经成为当下长江经济带生态一体化发展重大阻碍之一。运用三阶段DEA模型对长三角27个城市2014～2019年雾霾治理效率进行研究。结果表明：(1)三阶段DEA模型可有效剔除环境因素和随机误差的影响,真实反映长三角雾霾治理效率水平,第一和第三阶段综合效率差异主要来源于环境因素和随机误差因素对纯技术效率的影响。(2)绝大数城市处于规模收益递增阶段,说明扩大雾霾治理投入规模有助于提升雾霾治理效率。(3)2014～2019年长三角城市雾霾治理效率整体偏高且呈现W型变化趋势,城际差异显著。(4)人均GDP和第二产业占比增加改善了雾霾治理效率,而人口规模与城镇化率则对雾霾治理效率有负效应。基于此,建议进一步提高长三角城市雾霾治理效率水平,推进长江生态一体化发展,应加大技术创新力度,创建多元化雾霾治理资金投入模式,强化长三角城市协同治理水平。
严峻的雾霾污染已经成为当下长江经济带生态一体化发展重大阻碍之一。运用三阶段DEA模型对长三角27个城市2014～2019年雾霾治理效率进行研究。结果表明：(1)三阶段DEA模型可有效剔除环境因素和随机误差的影响,真实反映长三角雾霾治理效率水平,第一和第三阶段综合效率差异主要来源于环境因素和随机误差因素对纯技术效率的影响。(2)绝大数城市处于规模收益递增阶段,说明扩大雾霾治理投入规模有助于提升雾霾治理效率。(3)2014～2019年长三角城市雾霾治理效率整体偏高且呈现W型变化趋势,城际差异显著。(4)人均GDP和第二产业占比增加改善了雾霾治理效率,而人口规模与城镇化率则对雾霾治理效率有负效应。基于此,建议进一步提高长三角城市雾霾治理效率水平,推进长江生态一体化发展,应加大技术创新力度,创建多元化雾霾治理资金投入模式,强化长三角城市协同治理水平。
摘要：
降雨侵蚀力(R)与降雨量、降雨历时、降雨强度、降雨动能有关，反映了降雨特性对土壤侵蚀的影响，是影响土壤侵蚀重要的因素之一。本文利用1961—2019年江西省25个气象站点的逐日降雨量数据，基于降雨侵蚀力模型，通过Mann-Kendall相关检验、小波分析和Kriging空间插值方法，分析江西省降雨侵蚀力空间分布及变化趋势。结果表明：江西省年均降雨量和降雨侵蚀力从赣南到赣北逐渐增加，同时降雨空间分布和降雨侵蚀力空间分布具有相似性；春季和夏季降雨侵蚀力在3000~6000 MJ·mm·hm-2·h-1·a-1，且春季降雨侵蚀力最大值高于夏季，而秋冬季降雨侵蚀力明显小于春夏季；江西省年降雨侵蚀力平均分布，平均最大值分布在赣北区域，其次赣中，赣南最小，侵蚀力由北向南逐渐递减。研究表明江西省因降雨产生侵蚀力不断增加，尤其以春夏季更为剧烈，其空间分布存在明显差异。
降雨侵蚀力(R)与降雨量、降雨历时、降雨强度、降雨动能有关，反映了降雨特性对土壤侵蚀的影响，是影响土壤侵蚀重要的因素之一。本文利用1961—2019年江西省25个气象站点的逐日降雨量数据，基于降雨侵蚀力模型，通过Mann-Kendall相关检验、小波分析和Kriging空间插值方法，分析江西省降雨侵蚀力空间分布及变化趋势。结果表明：江西省年均降雨量和降雨侵蚀力从赣南到赣北逐渐增加，同时降雨空间分布和降雨侵蚀力空间分布具有相似性；春季和夏季降雨侵蚀力在3000~6000 MJ·mm·hm-2·h-1·a-1，且春季降雨侵蚀力最大值高于夏季，而秋冬季降雨侵蚀力明显小于春夏季；江西省年降雨侵蚀力平均分布，平均最大值分布在赣北区域，其次赣中，赣南最小，侵蚀力由北向南逐渐递减。研究表明江西省因降雨产生侵蚀力不断增加，尤其以春夏季更为剧烈，其空间分布存在明显差异。
摘要：
因任务需求，无人艇通常以编队协同的方式进行作业，并通过自组网进行数据交换。因海浪等因素影响，海上自组网的信道传输损耗通常处于动态变化的状态，现有MAC协议的退避算法在动态海上环境下无法区分分组碰撞和分组丢失，会出现可靠性和稳定性下降的问题。为此，本文提出了一种基于信道监听的自适应最小竞争窗口退避算法，该算法通过感知邻近竞争节点数目来估计信道状态，降低信道冲突概率和重传次数，提升了网络整体的可靠性和稳定性。仿真结果表明，与经典BEB算法相比，改进算法的吞吐量和公平性分别最大提高了28.67%和62.00%，端到端延时和丢包率分别最大降低了2.84%和15.10%。
因任务需求，无人艇通常以编队协同的方式进行作业，并通过自组网进行数据交换。因海浪等因素影响，海上自组网的信道传输损耗通常处于动态变化的状态，现有MAC协议的退避算法在动态海上环境下无法区分分组碰撞和分组丢失，会出现可靠性和稳定性下降的问题。为此，本文提出了一种基于信道监听的自适应最小竞争窗口退避算法，该算法通过感知邻近竞争节点数目来估计信道状态，降低信道冲突概率和重传次数，提升了网络整体的可靠性和稳定性。仿真结果表明，与经典BEB算法相比，改进算法的吞吐量和公平性分别最大提高了28.67%和62.00%，端到端延时和丢包率分别最大降低了2.84%和15.10%。
摘要：
本文针对一个全双工（FD）双向通信系统提出了中继发射波束形成器的设计问题。该系统的两个源结点配备多根天线，附近的每个中继结点配备两根天线，一根用于传输，另一根用于接收。中继处在有限的发射功率和使用迫零调零技术下，设计了两种具有迭代线性复杂度的中继波束成形器: 最小化两个源结点加权均方误差和最大化较小源结点的信噪比。通过对加权总和传输速率和平均运行时间的仿真，数值实验验证了改进加权最小均方误差波束形成器的有效性和高效性。
本文针对一个全双工（FD）双向通信系统提出了中继发射波束形成器的设计问题。该系统的两个源结点配备多根天线，附近的每个中继结点配备两根天线，一根用于传输，另一根用于接收。中继处在有限的发射功率和使用迫零调零技术下，设计了两种具有迭代线性复杂度的中继波束成形器: 最小化两个源结点加权均方误差和最大化较小源结点的信噪比。通过对加权总和传输速率和平均运行时间的仿真，数值实验验证了改进加权最小均方误差波束形成器的有效性和高效性。
摘要：
由于人机交互的迅速发展,情感计算近年来越来越受到人们的关注。脑电信号容易记录且不易伪装,在情感识别方面发挥着重要作用。然而,由于人类情感的多样性和个体可变性,基于脑电信号的情感识别至今仍是情感计算领域的难题。针对这一问题,提出了种多源域领域适应字典学习和稀疏表示方法。为减少源领域和目标领域数据分布的差异,将所有领域的数据投影到共享子空间,并在子空间中学习一个共有字典,建立源领域和目标领域之间的桥梁。共有字典的学习准则是最小化类内稀疏重建误差和最大化类间稀疏重建误差,可以保证学习到的稀疏表示具有识别能力。此外,为避免负迁移的发生,每个源域对应一个领域适应权重,且可以在自适应学习中得到权重最佳值。模型参数的求解通过参数交替优化的方法,所有的参数可同时达到最优解。在脑电情感DEAP数据集的实验验证了本文方法的有效性。
由于人机交互的迅速发展,情感计算近年来越来越受到人们的关注。脑电信号容易记录且不易伪装,在情感识别方面发挥着重要作用。然而,由于人类情感的多样性和个体可变性,基于脑电信号的情感识别至今仍是情感计算领域的难题。针对这一问题,提出了种多源域领域适应字典学习和稀疏表示方法。为减少源领域和目标领域数据分布的差异,将所有领域的数据投影到共享子空间,并在子空间中学习一个共有字典,建立源领域和目标领域之间的桥梁。共有字典的学习准则是最小化类内稀疏重建误差和最大化类间稀疏重建误差,可以保证学习到的稀疏表示具有识别能力。此外,为避免负迁移的发生,每个源域对应一个领域适应权重,且可以在自适应学习中得到权重最佳值。模型参数的求解通过参数交替优化的方法,所有的参数可同时达到最优解。在脑电情感DEAP数据集的实验验证了本文方法的有效性。
摘要：
光伏（PV）阵列输出特性随运行环境及自身工况的变化而变化，为满足不同工况下最大功率点跟踪（MPPT）控制需求，在对光伏阵列各工况下输出特性进行分析的基础上，提出了一种改进量子粒子群算法（QPSO）与扰动观察法相结合的MPPT分段控制方法。在跟踪控制初期，采用非一致性自适应变异DCWQPSO算法进行最大功率点全局搜索，使功率点快速收敛至最大功率点附近，提高跟踪速度；在跟踪控制后期，采用闭环模糊控制扰动观察法进行最大功率点局部搜索，提高跟踪精度。Matlab仿真结果表明，该分段控制方法在光伏阵列各工况下仅需0.32s即可完成MPPT，并保持稳定，比其他控制方法具有更快的跟踪速度及更高的跟踪精度，可有效提高光伏发电效率。
光伏（PV）阵列输出特性随运行环境及自身工况的变化而变化，为满足不同工况下最大功率点跟踪（MPPT）控制需求，在对光伏阵列各工况下输出特性进行分析的基础上，提出了一种改进量子粒子群算法（QPSO）与扰动观察法相结合的MPPT分段控制方法。在跟踪控制初期，采用非一致性自适应变异DCWQPSO算法进行最大功率点全局搜索，使功率点快速收敛至最大功率点附近，提高跟踪速度；在跟踪控制后期，采用闭环模糊控制扰动观察法进行最大功率点局部搜索，提高跟踪精度。Matlab仿真结果表明，该分段控制方法在光伏阵列各工况下仅需0.32s即可完成MPPT，并保持稳定，比其他控制方法具有更快的跟踪速度及更高的跟踪精度，可有效提高光伏发电效率。
摘要：
用于自动驾驶(Autonomous driving, AD)的高精地图(High-definition maps, HDMs)是AD系统的重要组成部分。HDMs可为AD系统提供高精确的车道线及道路辅助设施的先验数据，而对HDMs的精度评估一直困扰着行业的发展，对其合理的精度评估是一项重要的任务。目前制图领域对普通地图相对精度评估的方法并不完全适用于HDMs。本研究采用基于点集配准和重采样的方法评估车道线的相对精度，并基于相关的真实HDM数据进行实验。即首先对待验证曲线上的点进行拟合采样，然后配准对齐点对，配准完成后再进行重采样，在此基础上完成相对精度计算。所验证的第一组车道线的相对极限误差为15.9cm，小于20cm，满足相对精度要求；其他三组车道线的相对极限误差也满足该要求。结果表明，基于该方法计算的车道线的相对精度比传统方法更准确、更可靠。这对HDM产品的质量控制有一定的影响，也为HDM的精度评估提供理论依据和借鉴。
用于自动驾驶(Autonomous driving, AD)的高精地图(High-definition maps, HDMs)是AD系统的重要组成部分。HDMs可为AD系统提供高精确的车道线及道路辅助设施的先验数据，而对HDMs的精度评估一直困扰着行业的发展，对其合理的精度评估是一项重要的任务。目前制图领域对普通地图相对精度评估的方法并不完全适用于HDMs。本研究采用基于点集配准和重采样的方法评估车道线的相对精度，并基于相关的真实HDM数据进行实验。即首先对待验证曲线上的点进行拟合采样，然后配准对齐点对，配准完成后再进行重采样，在此基础上完成相对精度计算。所验证的第一组车道线的相对极限误差为15.9cm，小于20cm，满足相对精度要求；其他三组车道线的相对极限误差也满足该要求。结果表明，基于该方法计算的车道线的相对精度比传统方法更准确、更可靠。这对HDM产品的质量控制有一定的影响，也为HDM的精度评估提供理论依据和借鉴。
摘要：
非侵入式负荷分解的本质是根据已知的总功率信号分解出单一的负荷设备的功率信号。目前基于深度学习模型大都存在网络模型负荷特征提取不充分、分解精度低、对使用频率较低的负荷设备分解误差大等问题。针对这些问题,本文提出了一种注意力时序网络模型(Attention Recurrent Neural Networks, ARNN)来实现非侵入式负荷分解,它将回归网络与分类网络相结合来解决非侵入式负荷分解问题。该模型通过RNN网络实现对序列信号特征的提取,同时利用注意力机制定位输入序列中重要信息的位置,提高神经网络的表征能力。在公开数据集Wiki-Energy以及UK-DALE上进行的实验表明,我们提出的深度神经网络在所有考虑的实验条件下都优于最先进的神经网络。我们还表明,通过注意力机制和辅助分类网络能够正确检测设备的开启或关闭,并定位高功耗的信号部分,提高了负荷分解的准确性。
非侵入式负荷分解的本质是根据已知的总功率信号分解出单一的负荷设备的功率信号。目前基于深度学习模型大都存在网络模型负荷特征提取不充分、分解精度低、对使用频率较低的负荷设备分解误差大等问题。针对这些问题,本文提出了一种注意力时序网络模型(Attention Recurrent Neural Networks, ARNN)来实现非侵入式负荷分解,它将回归网络与分类网络相结合来解决非侵入式负荷分解问题。该模型通过RNN网络实现对序列信号特征的提取,同时利用注意力机制定位输入序列中重要信息的位置,提高神经网络的表征能力。在公开数据集Wiki-Energy以及UK-DALE上进行的实验表明,我们提出的深度神经网络在所有考虑的实验条件下都优于最先进的神经网络。我们还表明,通过注意力机制和辅助分类网络能够正确检测设备的开启或关闭,并定位高功耗的信号部分,提高了负荷分解的准确性。
摘要：
针对虚假数据注入（false data injection,FDI）攻击下的信息物理系统（cyber physical system,CPS），研究了一种基于滑模和扩张观测器的控制方法。首先，本文对系统进行动态线性化，构造了扩张观测器并对观测误差的收敛条件进行了分析。其次，设计了积分滑模面，通过线性矩阵不等式的形式导出滑动模态系统的渐近稳定判据，求出了系统满足L2增益性能的滑模向量。接着，基于指数趋近律，提出了用来消除量化误差和广义干扰的自适应积分滑模控制器，以使系统能到达滑模面。该方法的优点是估计精度高，响应速度快，对FDI攻击和量化参数失配具有较强的鲁棒性。最后，数值仿真验证了该方法的有效性。
针对虚假数据注入（false data injection,FDI）攻击下的信息物理系统（cyber physical system,CPS），研究了一种基于滑模和扩张观测器的控制方法。首先，本文对系统进行动态线性化，构造了扩张观测器并对观测误差的收敛条件进行了分析。其次，设计了积分滑模面，通过线性矩阵不等式的形式导出滑动模态系统的渐近稳定判据，求出了系统满足L2增益性能的滑模向量。接着，基于指数趋近律，提出了用来消除量化误差和广义干扰的自适应积分滑模控制器，以使系统能到达滑模面。该方法的优点是估计精度高，响应速度快，对FDI攻击和量化参数失配具有较强的鲁棒性。最后，数值仿真验证了该方法的有效性。
摘要：
地面温度变化速度为每10年升高0.1 K，然而受太阳辐射的影响，在实际测量时传统防辐射罩会产生约1 K量级的太阳辐射误差。为提升地表温度测量精度，降低工作能耗，本文设计一种基于压电振片振动加速传感器探头辐射热量扩散的温度传感器。首先利用计算流体动力学(Computational Fluid Dynamics, CFD)方法计算温度传感器在多物理因素下的辐射误差，然后使用神经网络算法对数据进行拟合分析，最后搭建外场实验平台，将传感器放置在真实环境中来验证方案的可行性。实验结果表明，本文提出的地表温度传感器具有较高的温度测量精度，其修正值与基准值的绝对误差和均方根误差分别为0.041 K和0.055 K，也验证了神经网络算法修正效果的优越性。
地面温度变化速度为每10年升高0.1 K，然而受太阳辐射的影响，在实际测量时传统防辐射罩会产生约1 K量级的太阳辐射误差。为提升地表温度测量精度，降低工作能耗，本文设计一种基于压电振片振动加速传感器探头辐射热量扩散的温度传感器。首先利用计算流体动力学(Computational Fluid Dynamics, CFD)方法计算温度传感器在多物理因素下的辐射误差，然后使用神经网络算法对数据进行拟合分析，最后搭建外场实验平台，将传感器放置在真实环境中来验证方案的可行性。实验结果表明，本文提出的地表温度传感器具有较高的温度测量精度，其修正值与基准值的绝对误差和均方根误差分别为0.041 K和0.055 K，也验证了神经网络算法修正效果的优越性。
摘要：
为了提高固定翼无人机的飞行控制精度，减少系统动态耦合和外界干扰对固定翼无人机飞行控制系统的性能影响，建立固定翼无人机的奇异摄动模型，在此基础上提出基于干扰观测器的滑模控制方法。首先对固定翼无人机的速度和姿态进行动力学建模，将固定翼无人机的动力学模型转换为奇异摄动模型，再对奇异摄动模型进行快慢分解完成解耦，得到两个降阶非耦合子系统，即以角速度为快变量的快子系统和以速度、姿态为慢变量的慢子系统，分别对角速度回路和速度、姿态回路设计基于干扰观测器的滑模控制器。最后，用Simulink仿真验证了基于快、慢分解的固定翼无人机滑模控制方法的可行性和有效性。
为了提高固定翼无人机的飞行控制精度，减少系统动态耦合和外界干扰对固定翼无人机飞行控制系统的性能影响，建立固定翼无人机的奇异摄动模型，在此基础上提出基于干扰观测器的滑模控制方法。首先对固定翼无人机的速度和姿态进行动力学建模，将固定翼无人机的动力学模型转换为奇异摄动模型，再对奇异摄动模型进行快慢分解完成解耦，得到两个降阶非耦合子系统，即以角速度为快变量的快子系统和以速度、姿态为慢变量的慢子系统，分别对角速度回路和速度、姿态回路设计基于干扰观测器的滑模控制器。最后，用Simulink仿真验证了基于快、慢分解的固定翼无人机滑模控制方法的可行性和有效性。
摘要：
针对复杂环境下起火点目标尺寸较小、起火点特征易与实际场景混淆导致烟火检测效率及准确率低等问题，提出了一种基于改进YOLOv5的小尺度烟火目标检测方法。首先，在原始YOLOv5模型输出的第三个检测层上增加第四个检测层，以此获取更大的特征图对小目标进行检测，加强网络模型的特征提取能力。其次，为解决目标在被遮挡的场景中容易出现漏检的问题，将原网络中用于计算目标框损失函数的 GIOU_Loss 替换成 DIOU_Loss。最后，利用TensorRT对模型进行压缩和加速优化，并将其部署到Jetson TX2开发板上进行加速推理实验，通过复制增强方法扩充实际烟火场景数据，大量实验结果表明，提出方法用于复杂环境下的小尺度烟火目标检测不仅检测速度快而且精度高，适于推广应用。
针对复杂环境下起火点目标尺寸较小、起火点特征易与实际场景混淆导致烟火检测效率及准确率低等问题，提出了一种基于改进YOLOv5的小尺度烟火目标检测方法。首先，在原始YOLOv5模型输出的第三个检测层上增加第四个检测层，以此获取更大的特征图对小目标进行检测，加强网络模型的特征提取能力。其次，为解决目标在被遮挡的场景中容易出现漏检的问题，将原网络中用于计算目标框损失函数的 GIOU_Loss 替换成 DIOU_Loss。最后，利用TensorRT对模型进行压缩和加速优化，并将其部署到Jetson TX2开发板上进行加速推理实验，通过复制增强方法扩充实际烟火场景数据，大量实验结果表明，提出方法用于复杂环境下的小尺度烟火目标检测不仅检测速度快而且精度高，适于推广应用。
摘要：
本文对含有参数不确定性广义时变时滞马尔科夫跳变系统的鲁棒控制问题展开研究。通过构造时滞依赖的Lyapunov-Krasovskii泛函,结合不等式放缩引理,给出了系统随机容许并且满足性能的LMI条件,并利用变量替换等方法设计了满足条件的状态反馈控制器。
本文对含有参数不确定性广义时变时滞马尔科夫跳变系统的鲁棒控制问题展开研究。通过构造时滞依赖的Lyapunov-Krasovskii泛函,结合不等式放缩引理,给出了系统随机容许并且满足性能的LMI条件,并利用变量替换等方法设计了满足条件的状态反馈控制器。
摘要：
针对水下图像颜色失真、关键信息模糊和细节特征丢失的问题，提出一种基于SK注意力残差网络的水下图像增强方法。改进生成对抗网络中的生成器结构，引入残差模块，减少编码器和解码器之间的特征丢失，增强了图像细节和颜色。为了使网络能适应不同尺度的特征图提取图像关键信息，在残差模块后添加SK注意力机制。同时，采用参数修正线性单元来提高网络的拟合能力。将本文方法分别在真实和合成的水下图像数据集中进行验证，采用传统方法和深度学习的方法进行主客观评价。在主观效果分析中发现，本文方法增强后的图像颜色、关键信息和细节特征方面都有很大提升。在客观评价指标中发现，本文方法指标值均高于现有的水下图像增强算法，表明该算法的有效性。
针对水下图像颜色失真、关键信息模糊和细节特征丢失的问题，提出一种基于SK注意力残差网络的水下图像增强方法。改进生成对抗网络中的生成器结构，引入残差模块，减少编码器和解码器之间的特征丢失，增强了图像细节和颜色。为了使网络能适应不同尺度的特征图提取图像关键信息，在残差模块后添加SK注意力机制。同时，采用参数修正线性单元来提高网络的拟合能力。将本文方法分别在真实和合成的水下图像数据集中进行验证，采用传统方法和深度学习的方法进行主客观评价。在主观效果分析中发现，本文方法增强后的图像颜色、关键信息和细节特征方面都有很大提升。在客观评价指标中发现，本文方法指标值均高于现有的水下图像增强算法，表明该算法的有效性。
摘要：
为及时辨识海洋环境的变化趋势和降低长期累积的海洋环境数据对预测模型的影响，提出了一种基于循环在线顺序极限学习机（recurrent online sequential extreme learning machine R-OSELM）的海洋环境数据在线预测模型。采用完全在线的方法初始化海洋环境数据训练集，通过在线顺序极限学习机算法对已有的海洋环境数据进行逐块的输入，利用极限学习机的自动编码技术与一种归一化方法对输入权重循环处理，实现预测模型的在线更新。最后完成对海洋环境数据的在线预测。使用该模型对溶解氧、叶绿素a、浊度、蓝绿藻进行预测。结果表明R-OSELM模型的预测精度都强于对比模型，确定其具备海洋环境数据在线预测能力，可为海洋水域水体富营养化与海洋环境污染预警提供参考。
为及时辨识海洋环境的变化趋势和降低长期累积的海洋环境数据对预测模型的影响，提出了一种基于循环在线顺序极限学习机（recurrent online sequential extreme learning machine R-OSELM）的海洋环境数据在线预测模型。采用完全在线的方法初始化海洋环境数据训练集，通过在线顺序极限学习机算法对已有的海洋环境数据进行逐块的输入，利用极限学习机的自动编码技术与一种归一化方法对输入权重循环处理，实现预测模型的在线更新。最后完成对海洋环境数据的在线预测。使用该模型对溶解氧、叶绿素a、浊度、蓝绿藻进行预测。结果表明R-OSELM模型的预测精度都强于对比模型，确定其具备海洋环境数据在线预测能力，可为海洋水域水体富营养化与海洋环境污染预警提供参考。
摘要：
摘 要: 肿瘤细胞的密度、核质比和平均尺寸等指标都对癌症的分级和预后有重要的意义。因此在计算病理学中，细胞核分割是肿瘤微环境分析的基础。此外，通过对分割结果进行统计分析，对新的肿瘤标记物的探索有重大的意义。然而，病理图像图像背景下的细胞核形态不规则，细胞核染色不均匀，且细胞核边缘之间存在粘连的问题。现有的深度学习算法在细胞核主体分割正确的情况下，边缘的分割错误不会对总体的损失造成太大的影响，因此粘连的细胞核很容易被当作同一个分割目标。为了解决细胞核重叠问题，本文提出一种基于Transformer与距离图谱的分割模型，将Transformer中的核心多头自注意力机制与距离图谱引导算法相结合，重视细胞核内部，弱化细胞核边界，提升对图像局部和全局上下文信息的学习能力。本文方法在两个公开数据集上的平均Dice系数为0.7979、精度为0.7561、AJI系数为0.6672、Hausdorff距离为10.11。实验结果表明，相较其它分割算法，本文方法的性能更好，能够有效提高细胞核的分割精度，同时较好地解决了细胞核之间的粘连问题。
摘 要: 肿瘤细胞的密度、核质比和平均尺寸等指标都对癌症的分级和预后有重要的意义。因此在计算病理学中，细胞核分割是肿瘤微环境分析的基础。此外，通过对分割结果进行统计分析，对新的肿瘤标记物的探索有重大的意义。然而，病理图像图像背景下的细胞核形态不规则，细胞核染色不均匀，且细胞核边缘之间存在粘连的问题。现有的深度学习算法在细胞核主体分割正确的情况下，边缘的分割错误不会对总体的损失造成太大的影响，因此粘连的细胞核很容易被当作同一个分割目标。为了解决细胞核重叠问题，本文提出一种基于Transformer与距离图谱的分割模型，将Transformer中的核心多头自注意力机制与距离图谱引导算法相结合，重视细胞核内部，弱化细胞核边界，提升对图像局部和全局上下文信息的学习能力。本文方法在两个公开数据集上的平均Dice系数为0.7979、精度为0.7561、AJI系数为0.6672、Hausdorff距离为10.11。实验结果表明，相较其它分割算法，本文方法的性能更好，能够有效提高细胞核的分割精度，同时较好地解决了细胞核之间的粘连问题。
摘要：
为了提高移动机器人自主导航系统的智能化水平和安全性，设计了安全屏障机制下基于Soft Actor-Critic算法的自主导航系统，并构建了依赖于机器人与最近障碍物距离、与目标点距离以及偏航角的回报函数. 在Gazebo仿真平台中，搭建载有激光雷达的移动机器人以及周围环境. 实验证明，安全屏障机制一定程度上降低了机器人撞击障碍物的概率，提高了导航的成功率，并使得基于Soft Actor-Critic算法的移动机器人自主导航系统具有更高的泛化能力. 在更改起终点甚至将静态环境改为动态时，系统仍具有自主导航的能力.
为了提高移动机器人自主导航系统的智能化水平和安全性，设计了安全屏障机制下基于Soft Actor-Critic算法的自主导航系统，并构建了依赖于机器人与最近障碍物距离、与目标点距离以及偏航角的回报函数. 在Gazebo仿真平台中，搭建载有激光雷达的移动机器人以及周围环境. 实验证明，安全屏障机制一定程度上降低了机器人撞击障碍物的概率，提高了导航的成功率，并使得基于Soft Actor-Critic算法的移动机器人自主导航系统具有更高的泛化能力. 在更改起终点甚至将静态环境改为动态时，系统仍具有自主导航的能力.
摘要：
温室气体（GHGs）过量排放造成的全球气候变化问题受到广泛关注，农业活动是第二大温室气体排放源，减少农业温室气体排放刻不容缓。生物炭由生物质在高温限氧条件下热解炭化获得，其性质稳定、孔径丰富、富含芳香碳，因而减排增汇效果优异，具有参与农业自愿减排碳交易的显著潜力。然而生物炭固碳减排效果异质性大，影响因素复杂多样，因此有必要对其减排效应、影响因素和研究进展进行归纳总结。本文系统梳理了国内外与生物炭固碳减排相关的室内、大田研究和整合分析研究，同时采用CiteSpace软件进行可视化分析，探究了该领域的发展趋势和研究热点。基于国内外碳交易市场发展特点与程度以及相应配套政策总结了生物炭参与碳交易面临的机遇和挑战，并提出了相应的解决手段，为生物炭固碳减排研究的开展和生物炭农田应用项目参与碳交易提供了科学指导和建议。
温室气体（GHGs）过量排放造成的全球气候变化问题受到广泛关注，农业活动是第二大温室气体排放源，减少农业温室气体排放刻不容缓。生物炭由生物质在高温限氧条件下热解炭化获得，其性质稳定、孔径丰富、富含芳香碳，因而减排增汇效果优异，具有参与农业自愿减排碳交易的显著潜力。然而生物炭固碳减排效果异质性大，影响因素复杂多样，因此有必要对其减排效应、影响因素和研究进展进行归纳总结。本文系统梳理了国内外与生物炭固碳减排相关的室内、大田研究和整合分析研究，同时采用CiteSpace软件进行可视化分析，探究了该领域的发展趋势和研究热点。基于国内外碳交易市场发展特点与程度以及相应配套政策总结了生物炭参与碳交易面临的机遇和挑战，并提出了相应的解决手段，为生物炭固碳减排研究的开展和生物炭农田应用项目参与碳交易提供了科学指导和建议。
摘要：
为避免正射影像图在镶嵌时,镶嵌线穿过视觉显著地物,损害影像中地物的完整性。本文提出结合边缘信息优化LSC和改进A星算法的正射影像图镶嵌线提取方法。首先,将经典线性谱聚类(Linear spectral clustering algorithm ,LSC)的超像素分割理论引入正射影像图镶嵌线提取算法中,并提出边缘强度因子用以优化经典线性谱聚类算法,有效利用正射影像图中的光谱信息和边缘信息；然后,将优化后的线性谱聚类算法分别应用于两幅正射影像的重叠数据集,得到各类地物的边界特征图。通过数学形态学法去除边界特征图中的边缘不整齐现象和孤立噪点；最后改进传统A星算法,由曼哈顿距离函数替代原有基于欧式距离测度的启发函数,提升A星算法进行最短路径搜索的效率,在边界特征图中快速搜索出最短路径得到最优镶嵌线。利用真实无人机航拍正射影像图将本文方法与相关方法进行对比分析,实验结果表明本文所提方法可高效、高质量的提取到影像镶嵌线,有效地绕过了视觉显著地物,减少了镶嵌线穿过地物的像元点数,满足实际正射影像图制作的应用需求。
为避免正射影像图在镶嵌时,镶嵌线穿过视觉显著地物,损害影像中地物的完整性。本文提出结合边缘信息优化LSC和改进A星算法的正射影像图镶嵌线提取方法。首先,将经典线性谱聚类(Linear spectral clustering algorithm ,LSC)的超像素分割理论引入正射影像图镶嵌线提取算法中,并提出边缘强度因子用以优化经典线性谱聚类算法,有效利用正射影像图中的光谱信息和边缘信息；然后,将优化后的线性谱聚类算法分别应用于两幅正射影像的重叠数据集,得到各类地物的边界特征图。通过数学形态学法去除边界特征图中的边缘不整齐现象和孤立噪点；最后改进传统A星算法,由曼哈顿距离函数替代原有基于欧式距离测度的启发函数,提升A星算法进行最短路径搜索的效率,在边界特征图中快速搜索出最短路径得到最优镶嵌线。利用真实无人机航拍正射影像图将本文方法与相关方法进行对比分析,实验结果表明本文所提方法可高效、高质量的提取到影像镶嵌线,有效地绕过了视觉显著地物,减少了镶嵌线穿过地物的像元点数,满足实际正射影像图制作的应用需求。
摘要：
为探究不同SLAM算法在实际应用场景的光照适应性问题，在不同光照强度下进行基于激光雷达的激光SLAM和基于深度相机的视觉SLAM算法光照适应性评估实验。基于四轮差速机器人，搭载16线激光雷达和深度相机，结合LOAM(Lidar Odometry And Mapping)和RTAB_MAP(Real-Time Appearance-Based Mapping)算法，分别在明暗环境中分析验证SLAM系统的光照适应性。实验结果表明，在明亮环境下，基于视觉SLAM和激光SLAM系统偏差的中误差分别为0.203m，0.644m；在黑暗环境中两者偏差的中误差分别为±0.282m，±0.683m；深度相机在明、暗环境中的定位建图效果均优于激光雷达，深度相机的光照适应性更强。
为探究不同SLAM算法在实际应用场景的光照适应性问题，在不同光照强度下进行基于激光雷达的激光SLAM和基于深度相机的视觉SLAM算法光照适应性评估实验。基于四轮差速机器人，搭载16线激光雷达和深度相机，结合LOAM(Lidar Odometry And Mapping)和RTAB_MAP(Real-Time Appearance-Based Mapping)算法，分别在明暗环境中分析验证SLAM系统的光照适应性。实验结果表明，在明亮环境下，基于视觉SLAM和激光SLAM系统偏差的中误差分别为0.203m，0.644m；在黑暗环境中两者偏差的中误差分别为±0.282m，±0.683m；深度相机在明、暗环境中的定位建图效果均优于激光雷达，深度相机的光照适应性更强。
摘要：
为解决农村地区校车路网布局中校方运营成本过高和乘车站点分布散乱导致校车服务质量差的问题,建立混载与不混载场景下多目标校车路径规划问题(SBRP)模型。在不混载情景下,构建以学生出行成本和校方运营成本为优化目标的融合校车服务水平的SBRP数学模型；在混载情景下,建立考虑校车投入成本与运营成本的SBRP数学模型。通过对比多个启发式算法,确定基于模拟退火算法的求解流程。最后,在国际基准案例上进行了测试,引入不同搜索算子求解不同场景下构建的SBRP数学模型。研究表明证明了构建模型的有效性,能够提高农村地区校车服务质量和降低校车运营成本。
为解决农村地区校车路网布局中校方运营成本过高和乘车站点分布散乱导致校车服务质量差的问题,建立混载与不混载场景下多目标校车路径规划问题(SBRP)模型。在不混载情景下,构建以学生出行成本和校方运营成本为优化目标的融合校车服务水平的SBRP数学模型；在混载情景下,建立考虑校车投入成本与运营成本的SBRP数学模型。通过对比多个启发式算法,确定基于模拟退火算法的求解流程。最后,在国际基准案例上进行了测试,引入不同搜索算子求解不同场景下构建的SBRP数学模型。研究表明证明了构建模型的有效性,能够提高农村地区校车服务质量和降低校车运营成本。
摘要：
随着原有铁路的老化以及对运力需求的增加,需要对既有铁路线路进行改建,因此需要在不影响正常运营的情况下对既有线进行勘测。目前铁路既有线勘测的手段多为传统人工测量方法,存在测量效率低、任务重、工序繁琐、反复上线等不足。针对上述不足,本文基于轨道移动激光扫描系统获取的绝对三维点云数据,采用基于最小二乘的二维模板点云匹配算法,联合迭代计算出钢轨轨面中心点位置,获得轨道中心线和轨距等相关参数。通过轨道试验场地的试验和结果分析表明,本文算法可有效提取轨道中心线,为既有线勘测提供准确的中线数据。
随着原有铁路的老化以及对运力需求的增加,需要对既有铁路线路进行改建,因此需要在不影响正常运营的情况下对既有线进行勘测。目前铁路既有线勘测的手段多为传统人工测量方法,存在测量效率低、任务重、工序繁琐、反复上线等不足。针对上述不足,本文基于轨道移动激光扫描系统获取的绝对三维点云数据,采用基于最小二乘的二维模板点云匹配算法,联合迭代计算出钢轨轨面中心点位置,获得轨道中心线和轨距等相关参数。通过轨道试验场地的试验和结果分析表明,本文算法可有效提取轨道中心线,为既有线勘测提供准确的中线数据。
摘要：
为降低硫、烯烃含量及辛烷值损失,保证汽油清洁化生产。基于S Zorb装置运行积累的数据,首先利用Lasso初步筛选建模变量,并基于BP神经网络计算指标因子贡献度,进一步筛选出15个主要变量用于建立辛烷值损失预测模型。其次对比分析四种模型,得出BP神经网络预测精度更优,更适合作为辛烷值损失预测模型,并经过十折交叉验证得到MSE均值为0.027193,R2均值为0.90487,验证了该模型的可靠性。最后在控制油品硫含量不大于5μg/g的前提下,结合多元线性回归对主要变量进行优化调控。结果表明,需同时改变多个变量才能使辛烷值损失降幅大于30%,多元线性回归模型预测精度较好,能按照一定比例对主要变量进行正反向调控；并可视化展示了优化过程中辛烷值和硫含量的变化轨迹。
为降低硫、烯烃含量及辛烷值损失,保证汽油清洁化生产。基于S Zorb装置运行积累的数据,首先利用Lasso初步筛选建模变量,并基于BP神经网络计算指标因子贡献度,进一步筛选出15个主要变量用于建立辛烷值损失预测模型。其次对比分析四种模型,得出BP神经网络预测精度更优,更适合作为辛烷值损失预测模型,并经过十折交叉验证得到MSE均值为0.027193,R2均值为0.90487,验证了该模型的可靠性。最后在控制油品硫含量不大于5μg/g的前提下,结合多元线性回归对主要变量进行优化调控。结果表明,需同时改变多个变量才能使辛烷值损失降幅大于30%,多元线性回归模型预测精度较好,能按照一定比例对主要变量进行正反向调控；并可视化展示了优化过程中辛烷值和硫含量的变化轨迹。
摘要：
鄱阳湖水位变化复杂，传统的技术难以对鄱阳湖水位变化进行大范围高精度地动态监测。2018年9月，搭载了全球先进光子计数激光测高仪的冰、云和陆地高程2号卫星（ICESat-2）的成功发射，对内陆中大型湖泊水位动态变化监测成为可能。本研究利用ICESat-2卫星2018-2020年逐月的ATL13全球内陆水体数据估计和分析了鄱阳湖水位变化特征，利用鄱阳湖湖口、星子和康山水文站实测数据进行验证和误差修正，并结合各测站水位数据、降雨量数据分析鄱阳湖水位动态变化及其原因。结果表明：①鄱阳湖年内水位变化剧烈，具有明显的季节变化规律，总体水位呈上升趋势，6-10月为高水位期，其他月份为低水位期，水位高峰期出现在 7-9 月。②ICESat-2测高水位与实测水位具有较高的线性相关性，决定系数(R2)在0.846以上，经过误差修正以后决定系数高达0.974。均方根误差（RMSE）表现为湖口站1.660m，星子站1.073m，康山站0.836m，经过误差修正重新计算后，其测量精度提升近1m，均方根误差提高为湖口站0.663m，星子站0.659m，康山站为 0.440 m。③鄱阳湖水位变化与降雨量变化高度相关，主要受降雨量影响，表现为1-2 月和 10-12 月降雨量较少，为枯水期，水位下降；3-10 月降雨量增多，为丰水期，水位上涨；降雨主要集中出现在7-9月，对应水位高峰期。
鄱阳湖水位变化复杂，传统的技术难以对鄱阳湖水位变化进行大范围高精度地动态监测。2018年9月，搭载了全球先进光子计数激光测高仪的冰、云和陆地高程2号卫星（ICESat-2）的成功发射，对内陆中大型湖泊水位动态变化监测成为可能。本研究利用ICESat-2卫星2018-2020年逐月的ATL13全球内陆水体数据估计和分析了鄱阳湖水位变化特征，利用鄱阳湖湖口、星子和康山水文站实测数据进行验证和误差修正，并结合各测站水位数据、降雨量数据分析鄱阳湖水位动态变化及其原因。结果表明：①鄱阳湖年内水位变化剧烈，具有明显的季节变化规律，总体水位呈上升趋势，6-10月为高水位期，其他月份为低水位期，水位高峰期出现在 7-9 月。②ICESat-2测高水位与实测水位具有较高的线性相关性，决定系数(R2)在0.846以上，经过误差修正以后决定系数高达0.974。均方根误差（RMSE）表现为湖口站1.660m，星子站1.073m，康山站0.836m，经过误差修正重新计算后，其测量精度提升近1m，均方根误差提高为湖口站0.663m，星子站0.659m，康山站为 0.440 m。③鄱阳湖水位变化与降雨量变化高度相关，主要受降雨量影响，表现为1-2 月和 10-12 月降雨量较少，为枯水期，水位下降；3-10 月降雨量增多，为丰水期，水位上涨；降雨主要集中出现在7-9月，对应水位高峰期。
摘要：
为了提高高光谱图像在有限训练样本下的分类性能，提出了一种基于双池化注意力机制的高光谱图像分类网络（DPAMN）。首先，DPAMN采用三维卷积提取高光谱图像的空间和光谱浅层信息。其次，为了增强网络的特征提取能力，在DPAMN中引入了一种双池化注意力机制。最后，在网络的深层引入三维卷积密集连接模块，该模块不仅能够充分提取高光谱图像的空间和光谱特征，同时还能提高特征的判别能力。实验证明，在Indian Pines、University of Pavia、Salinas以及Houston2013数据集上能够取得95.45%、97.11%、95.30%以及93.71%的整体平均精度，与目前主流的已有先进方法相比，所提出的方法在四个数据集上均有较大提升，这表明所提出方法具有较强的泛化能力。
为了提高高光谱图像在有限训练样本下的分类性能，提出了一种基于双池化注意力机制的高光谱图像分类网络（DPAMN）。首先，DPAMN采用三维卷积提取高光谱图像的空间和光谱浅层信息。其次，为了增强网络的特征提取能力，在DPAMN中引入了一种双池化注意力机制。最后，在网络的深层引入三维卷积密集连接模块，该模块不仅能够充分提取高光谱图像的空间和光谱特征，同时还能提高特征的判别能力。实验证明，在Indian Pines、University of Pavia、Salinas以及Houston2013数据集上能够取得95.45%、97.11%、95.30%以及93.71%的整体平均精度，与目前主流的已有先进方法相比，所提出的方法在四个数据集上均有较大提升，这表明所提出方法具有较强的泛化能力。
摘要：
前负荷预测是电力调度中心制定调度计划的重要工作，对于制定合理的调度计划，保证电力系统运行的安全可靠性具有重要意义。电力负荷时间序列通常存在随机误差，并且基于智能算法的预测模型为了充分提取负荷信息，结构复杂，计算量大。针对该问题，本文利用台区配电网的历史电力负荷时间序列，提出一种基于重复小波变换-支持向量机（Repeated wavelet transform-support vector machine，RWT-SVM）混合模型的日前电力负荷预测方法。该方法利用小波变换技术将台区配电网电力负荷时间序列分解为多个子序列；利用平均绝对值误差计算每个子序列的预报误差贡献度；对平均绝对值误差最大的序列进行进一步分解，从而提升模型的预测能力，得到精度更高的预测结果。仿真结果表明所提出的RWT-SVM混合模型的预测方法与其它3种方法相比精度更高。
前负荷预测是电力调度中心制定调度计划的重要工作，对于制定合理的调度计划，保证电力系统运行的安全可靠性具有重要意义。电力负荷时间序列通常存在随机误差，并且基于智能算法的预测模型为了充分提取负荷信息，结构复杂，计算量大。针对该问题，本文利用台区配电网的历史电力负荷时间序列，提出一种基于重复小波变换-支持向量机（Repeated wavelet transform-support vector machine，RWT-SVM）混合模型的日前电力负荷预测方法。该方法利用小波变换技术将台区配电网电力负荷时间序列分解为多个子序列；利用平均绝对值误差计算每个子序列的预报误差贡献度；对平均绝对值误差最大的序列进行进一步分解，从而提升模型的预测能力，得到精度更高的预测结果。仿真结果表明所提出的RWT-SVM混合模型的预测方法与其它3种方法相比精度更高。
摘要：
针对输入负荷特征对分解结果的重要程度不同，以及长短时记忆网络（LSTM）在捕捉长时间用电信息的时间依赖性方面受限导致分解误差高的问题，提出一种基于多注意力机制集成的非侵入式负荷分解算法。首先，利用概率自注意力机制对一维空洞卷积提取到的负荷特征进行优化处理，实现重要负荷特征的遴选；其次，采用时间模式注意力机制对LSTM的隐状态赋予权重，从而增强网络对长时间用电信息之间的时间依赖性的学习能力；最后，利用公开数据集UKDALE和REDD对所提分解模型的有效性和创新性进行验证。实验结果表明，与其他多种现有分解算法相比，基于多注意力机制集成的分解算法不仅具备更好的负荷特征遴选能力，而且能正确建立特征之间的时间依赖关系，有效降低了分解误差。
针对输入负荷特征对分解结果的重要程度不同，以及长短时记忆网络（LSTM）在捕捉长时间用电信息的时间依赖性方面受限导致分解误差高的问题，提出一种基于多注意力机制集成的非侵入式负荷分解算法。首先，利用概率自注意力机制对一维空洞卷积提取到的负荷特征进行优化处理，实现重要负荷特征的遴选；其次，采用时间模式注意力机制对LSTM的隐状态赋予权重，从而增强网络对长时间用电信息之间的时间依赖性的学习能力；最后，利用公开数据集UKDALE和REDD对所提分解模型的有效性和创新性进行验证。实验结果表明，与其他多种现有分解算法相比，基于多注意力机制集成的分解算法不仅具备更好的负荷特征遴选能力，而且能正确建立特征之间的时间依赖关系，有效降低了分解误差。
摘要：
过去几年中,机器人已经成为变电站巡检的一种重要手段,为了能够更加灵活的执行巡检任务,非固定线路的机器人巡检技术越来越受到关注。如何在复杂的变电站环境中实现高精度的定位是其中需要解决的核心问题。单一传感器难以满足变电站可靠定位的要求,因此,本文设计了多传感器融合的LINS-GNSS定位方法。其前端基于迭代误差状态卡尔曼滤波框架将激光雷达和惯性导航进行紧耦合,在每次迭代中生成新的特征对应关系递归地校正估计状态。后端使用因子图优化的方法将卫星导航的定位结果与LiDAR-SLAM后端输出的定位结果松耦合。优化过程中先将局部坐标系与全局坐标系对齐,再将卫星导航的位置约束作为先验边添加到后端的因子图中,最后将定位结果在全局坐标系下输出。为了评估LINS-GNSS系统在变电站环境中的性能,本文其进行了实际场景的外场测试。实验结果表明,LINS-GNSS系统在变电站环境中可以达到优于1m的定位精度。
过去几年中,机器人已经成为变电站巡检的一种重要手段,为了能够更加灵活的执行巡检任务,非固定线路的机器人巡检技术越来越受到关注。如何在复杂的变电站环境中实现高精度的定位是其中需要解决的核心问题。单一传感器难以满足变电站可靠定位的要求,因此,本文设计了多传感器融合的LINS-GNSS定位方法。其前端基于迭代误差状态卡尔曼滤波框架将激光雷达和惯性导航进行紧耦合,在每次迭代中生成新的特征对应关系递归地校正估计状态。后端使用因子图优化的方法将卫星导航的定位结果与LiDAR-SLAM后端输出的定位结果松耦合。优化过程中先将局部坐标系与全局坐标系对齐,再将卫星导航的位置约束作为先验边添加到后端的因子图中,最后将定位结果在全局坐标系下输出。为了评估LINS-GNSS系统在变电站环境中的性能,本文其进行了实际场景的外场测试。实验结果表明,LINS-GNSS系统在变电站环境中可以达到优于1m的定位精度。
摘要：
传统大数据隐匿性特征安全提取技术忽略了大数据密文的公钥及密钥封装，且大数据隐匿性特征类别混乱，导致该技术的提取精度偏低，冗余度较高。为此，提出基于混合密码体制的大数据隐匿性特征安全提取方法。通过混合密码体制中的公钥封装以及密钥封装机制生成大数据密文。根据密文内容设计对称加密方法和非对称加密方法，基于此分类隐匿性特征。利用不同类的隐匿性特征构建大数据隐秘性特征相空间，计算大数据间的关联维值，实现大数据隐匿特征的安全提取。实验结果表明，与传统方法相比，所提出的大数据隐匿特征提取方法冗余度低，大数据隐匿特征平均正确分类率高达95%，且特征安全提取误差低，验证了所提方法具有更好的应用性能。
传统大数据隐匿性特征安全提取技术忽略了大数据密文的公钥及密钥封装，且大数据隐匿性特征类别混乱，导致该技术的提取精度偏低，冗余度较高。为此，提出基于混合密码体制的大数据隐匿性特征安全提取方法。通过混合密码体制中的公钥封装以及密钥封装机制生成大数据密文。根据密文内容设计对称加密方法和非对称加密方法，基于此分类隐匿性特征。利用不同类的隐匿性特征构建大数据隐秘性特征相空间，计算大数据间的关联维值，实现大数据隐匿特征的安全提取。实验结果表明，与传统方法相比，所提出的大数据隐匿特征提取方法冗余度低，大数据隐匿特征平均正确分类率高达95%，且特征安全提取误差低，验证了所提方法具有更好的应用性能。
摘要：
针对基于传统手工设计的电缆敷设存在误差大和效率低等问题，将蚁群算法优化的计算机辅助设计应用到电缆敷设路径规划中。利用蚁群算法在复杂线路中多端点的线路计算优势，解决电缆敷设的最短路径问题。同时，本文将电缆敷设路径平面化，进一步利用Gompertz函数从信息素限定和挥发因子自适应调整两方面进行优化，提高了蚁群算法的收敛速度和全局性。仿真试验表明，优化的蚁群算法在变电站数字化三维电缆敷设过程能够快速得出最短电缆敷设路径，节省人力物资成本，提高了设计精度。
针对基于传统手工设计的电缆敷设存在误差大和效率低等问题，将蚁群算法优化的计算机辅助设计应用到电缆敷设路径规划中。利用蚁群算法在复杂线路中多端点的线路计算优势，解决电缆敷设的最短路径问题。同时，本文将电缆敷设路径平面化，进一步利用Gompertz函数从信息素限定和挥发因子自适应调整两方面进行优化，提高了蚁群算法的收敛速度和全局性。仿真试验表明，优化的蚁群算法在变电站数字化三维电缆敷设过程能够快速得出最短电缆敷设路径，节省人力物资成本，提高了设计精度。
摘要：
包含风电、光伏等新能源的综合能源系统以实现电、热、冷等多能互补供能而备受关注。当多个投资者作为独立主体参与综合能源系统运营时，如何对各设备进行合理的容量配置，以更好地消纳新能源和实现各投资主体的利益最大化，是值得关注的问题。本文基于博弈论的纳什均衡原理，针对由风电设备、光伏设备以及冷热电联供设备3个投资者组成的综合能源系统，构建容量配置博弈模型，并采用粒子群算法进行求解。在非博弈、非合作博弈以及合作博弈3种不同场景的对比分析表明，在合作博弈场景下，各方投资者收益相对最大、容量配置相对最小，系统具有最大的整体收益，各参与者有明显的合作可能性。这为多方参与供能市场提供了解决思路。
包含风电、光伏等新能源的综合能源系统以实现电、热、冷等多能互补供能而备受关注。当多个投资者作为独立主体参与综合能源系统运营时，如何对各设备进行合理的容量配置，以更好地消纳新能源和实现各投资主体的利益最大化，是值得关注的问题。本文基于博弈论的纳什均衡原理，针对由风电设备、光伏设备以及冷热电联供设备3个投资者组成的综合能源系统，构建容量配置博弈模型，并采用粒子群算法进行求解。在非博弈、非合作博弈以及合作博弈3种不同场景的对比分析表明，在合作博弈场景下，各方投资者收益相对最大、容量配置相对最小，系统具有最大的整体收益，各参与者有明显的合作可能性。这为多方参与供能市场提供了解决思路。
摘要：
针对传统手工特征方法无法有效提取整体图像深层信息，提出基于深度学习特征融合的场景分类新方法。首先利用灰度共生矩阵（GLCM）和局部二值模式（LBP）提取具有相关空间特性的纹理特征和局部纹理特征的浅层信息；其次通过基于AlexNet迁移学习网络提取图像的深层信息，在去除最后一层全连接层的同时加入一层256维的全连接层作为特征输出；将两种特征进行自适应融合；最终输入到网格搜索算法优化的支持向量机（GS-SVM）中对遥感图像进行场景分类识别。在公开数据集UC Merced的21类目标数据和RSSCN7的7类目标数据的实验结果表明，五次实验的平均准确率分别达94.77%和93.79%。实验结果与参考文献其它方法对分类精度进行对比，表明该方法有效提升遥感图像场景的分类精度。
针对传统手工特征方法无法有效提取整体图像深层信息，提出基于深度学习特征融合的场景分类新方法。首先利用灰度共生矩阵（GLCM）和局部二值模式（LBP）提取具有相关空间特性的纹理特征和局部纹理特征的浅层信息；其次通过基于AlexNet迁移学习网络提取图像的深层信息，在去除最后一层全连接层的同时加入一层256维的全连接层作为特征输出；将两种特征进行自适应融合；最终输入到网格搜索算法优化的支持向量机（GS-SVM）中对遥感图像进行场景分类识别。在公开数据集UC Merced的21类目标数据和RSSCN7的7类目标数据的实验结果表明，五次实验的平均准确率分别达94.77%和93.79%。实验结果与参考文献其它方法对分类精度进行对比，表明该方法有效提升遥感图像场景的分类精度。
摘要：
以往关于第四方物流(4PL)路径问题的研究对客户的风险偏好考虑较少。本文考虑了客户的风险偏好,采用前景理论中的价值函数衡量客户对配送成本和配送工期的风险态度,建立最大化客户心理评价效用的数学模型。根据物流网络路径优化的问题特点,设计了嵌入Dijkstra算法的自适应遗传算法对问题进行求解,设计多个不同规模的数值算例,在仿真实验的基础上说明了建立模型和算法的可行性和有效性。本研究从行为对决策结果影响的视角为第四方物流路径优化问题的解决提供了一套新的决策模型和优化方法。
以往关于第四方物流(4PL)路径问题的研究对客户的风险偏好考虑较少。本文考虑了客户的风险偏好,采用前景理论中的价值函数衡量客户对配送成本和配送工期的风险态度,建立最大化客户心理评价效用的数学模型。根据物流网络路径优化的问题特点,设计了嵌入Dijkstra算法的自适应遗传算法对问题进行求解,设计多个不同规模的数值算例,在仿真实验的基础上说明了建立模型和算法的可行性和有效性。本研究从行为对决策结果影响的视角为第四方物流路径优化问题的解决提供了一套新的决策模型和优化方法。
摘要：
双凸极电机(doubly salient electro-magnetic machine, DSEM)输出转矩大小与提前角度的选取有关,由于DSEM的非线性特征,通常采用多组有限元仿真和实验来选取合适的提前角度,并且工况变化后需要重新选取。为了简化提前角度的选取,文中提出了双凸极电机驱动系统提前角自寻优控制方法。首先,分析了DSEM电枢电流包围面积同输出转矩的关系,在此基础上建立了电机输出转矩估算模型。进一步,提出了提前角自寻优控制方法,对DSEM驱动系统提前角进行扰动,基于转矩估算模型比较不同提前角下电机输出转矩的大小,自动寻优得到DSEM最大输出转矩对应的提前角。最后,通过对12/8极DSEM进行场路联合仿真和实验验证了所提方法的有效性和可行性。
双凸极电机(doubly salient electro-magnetic machine, DSEM)输出转矩大小与提前角度的选取有关,由于DSEM的非线性特征,通常采用多组有限元仿真和实验来选取合适的提前角度,并且工况变化后需要重新选取。为了简化提前角度的选取,文中提出了双凸极电机驱动系统提前角自寻优控制方法。首先,分析了DSEM电枢电流包围面积同输出转矩的关系,在此基础上建立了电机输出转矩估算模型。进一步,提出了提前角自寻优控制方法,对DSEM驱动系统提前角进行扰动,基于转矩估算模型比较不同提前角下电机输出转矩的大小,自动寻优得到DSEM最大输出转矩对应的提前角。最后,通过对12/8极DSEM进行场路联合仿真和实验验证了所提方法的有效性和可行性。
摘要：
在对化工领域类文本进行分类任务时，由于文本的专业性以及复杂多样性，仅仅依靠现有的词向量表征方式，很难对其中的专业术语以及其他化工领域内相关字词的语义进行充分表征，从而导致分类任务的准确率不高。本文提出一种融合多粒度动态语义表征的文本分类模型，首先在词嵌入层使用动态词向量表征语义信息并引入对抗扰动，使得词向量具有更好的表征能力，然后利用多头注意力机制进行词向量权重分配，获得带有关键语义信息的文本表示，最后使用提出的多尺度残差收缩深层金字塔形的卷积神经网络与混合注意力胶囊双向LSTM网络模型分别提取不同粒度的文本表示，融合后对得到的最终文本表示进行分类。实验结果表明，相比于现有模型，所提出的模型使用不同词向量表示时，在化工领域文本数据集上F1-score最高可达84.62%，提升了0.38～5.58个百分点；在公开中文数据集THUCNews和谭松波酒店评论数据集ChnSentiCorp上进行模型泛化性能评估，模型也有较好表现。
在对化工领域类文本进行分类任务时，由于文本的专业性以及复杂多样性，仅仅依靠现有的词向量表征方式，很难对其中的专业术语以及其他化工领域内相关字词的语义进行充分表征，从而导致分类任务的准确率不高。本文提出一种融合多粒度动态语义表征的文本分类模型，首先在词嵌入层使用动态词向量表征语义信息并引入对抗扰动，使得词向量具有更好的表征能力，然后利用多头注意力机制进行词向量权重分配，获得带有关键语义信息的文本表示，最后使用提出的多尺度残差收缩深层金字塔形的卷积神经网络与混合注意力胶囊双向LSTM网络模型分别提取不同粒度的文本表示，融合后对得到的最终文本表示进行分类。实验结果表明，相比于现有模型，所提出的模型使用不同词向量表示时，在化工领域文本数据集上F1-score最高可达84.62%，提升了0.38～5.58个百分点；在公开中文数据集THUCNews和谭松波酒店评论数据集ChnSentiCorp上进行模型泛化性能评估，模型也有较好表现。
摘要：
科学评判城镇化质量对于衡量城市发展水平和促进城市可持续发展具有重要意义。研究基于城镇发展和城镇环境质量两个维度构建了辽宁省城镇化质量评价指标体系，综合运用熵权法、标准差椭圆、地理探测器等方法探究辽宁省城镇化质量及空间分布规律、空间演变趋势及影响因子。研究结果表明：①2005-2019年间，全省总体城镇化质量指数呈现上升态势，由2.74提高到4.74，经济城镇化子系统质量上升最大，社会城镇化和环境治理子系统质量上升趋势明显，环境状态和环境压力子系统质量相对平稳。②各市城镇化质量指数在0.087~0.740之间，空间分布上主要呈现沈阳为“大核心”，大连为“小核心”的区域聚集发展的格局。③研究区城镇化质量标准差椭圆重心位于辽阳市，2005-2019年偏转轨迹是“东南-西北-西南”，且标准差椭圆重心移动距离和移动速度逐年增加。④影响辽宁省城镇化质量的子系统主要有经济城镇化、社会城镇化和环境治理因素，具体到指标层上，影响综合城镇化质量的主要有建成区面积、全社会固定资产投资、参加基本养老保险人数、每万人在校大学生数、生活垃圾清运量和城市污水日处理能力，并且指标影响力还在持续上升。
科学评判城镇化质量对于衡量城市发展水平和促进城市可持续发展具有重要意义。研究基于城镇发展和城镇环境质量两个维度构建了辽宁省城镇化质量评价指标体系，综合运用熵权法、标准差椭圆、地理探测器等方法探究辽宁省城镇化质量及空间分布规律、空间演变趋势及影响因子。研究结果表明：①2005-2019年间，全省总体城镇化质量指数呈现上升态势，由2.74提高到4.74，经济城镇化子系统质量上升最大，社会城镇化和环境治理子系统质量上升趋势明显，环境状态和环境压力子系统质量相对平稳。②各市城镇化质量指数在0.087~0.740之间，空间分布上主要呈现沈阳为“大核心”，大连为“小核心”的区域聚集发展的格局。③研究区城镇化质量标准差椭圆重心位于辽阳市，2005-2019年偏转轨迹是“东南-西北-西南”，且标准差椭圆重心移动距离和移动速度逐年增加。④影响辽宁省城镇化质量的子系统主要有经济城镇化、社会城镇化和环境治理因素，具体到指标层上，影响综合城镇化质量的主要有建成区面积、全社会固定资产投资、参加基本养老保险人数、每万人在校大学生数、生活垃圾清运量和城市污水日处理能力，并且指标影响力还在持续上升。
摘要：
以广西北部湾为研究区,针对潮位周期性变化导致稀疏低矮红树林难以被准确提取问题,基于多潮位Landsat8 OLI图像和DEM (Digital Elevation Model)数据,通过构建红树林识别决策树模型,并以支持向量机(support vector machine,SVM)为对照,评价结合潮位和DEM信息的决策树法提取红树林信息的可行性。研究结果表明：(1)不同高度、密度红树林之间光谱以及不同潮位时红树林光谱差异均较大,稀疏低矮红树林也与阴坡林地、水体-陆生植被混合像元光谱存在严重“异物同谱”效应；(2)无论是基于低潮位、高潮位图像,还是多潮位图像,在SVM中,将红树林按高度、密度差异细分为高密红树林和稀矮红树林,其总体精度(分为红树林和非红树林两类)可分别提高4.65%、4.41%和7.22%；(3)基于多潮位图像及DEM的决策树模型识别的总体精度和Kappa系数分别为98.80%和0.973,比SVM中最佳值分别高出1.62%和0.035。因此,通过同时考虑红树林高度密度、潮位和DEM等特征,可明显提高红树林遥感识别的精度。
以广西北部湾为研究区,针对潮位周期性变化导致稀疏低矮红树林难以被准确提取问题,基于多潮位Landsat8 OLI图像和DEM (Digital Elevation Model)数据,通过构建红树林识别决策树模型,并以支持向量机(support vector machine,SVM)为对照,评价结合潮位和DEM信息的决策树法提取红树林信息的可行性。研究结果表明：(1)不同高度、密度红树林之间光谱以及不同潮位时红树林光谱差异均较大,稀疏低矮红树林也与阴坡林地、水体-陆生植被混合像元光谱存在严重“异物同谱”效应；(2)无论是基于低潮位、高潮位图像,还是多潮位图像,在SVM中,将红树林按高度、密度差异细分为高密红树林和稀矮红树林,其总体精度(分为红树林和非红树林两类)可分别提高4.65%、4.41%和7.22%；(3)基于多潮位图像及DEM的决策树模型识别的总体精度和Kappa系数分别为98.80%和0.973,比SVM中最佳值分别高出1.62%和0.035。因此,通过同时考虑红树林高度密度、潮位和DEM等特征,可明显提高红树林遥感识别的精度。
摘要：
氨是大气中生成PM2.5的主要前驱物之一。为了用同位素方法更精确地识别大气中氨的来源,减轻城市大气PM2.5污染,对近年来国内外有关气态氨的采样与浓度分析方法、氮同位素比值测定和估算方法、不同来源氨的氮同位素组成及同位素分馏、大气中氨的氮同位素组成及分馏、大气颗粒物和降水中NH4+的氮同位素组成、以及大气中氨的源解析等研究现状进行了分析。据此为未来的研究工作提出了若干建议：被动采样法会引起NH3的氮同位素分馏,采样前应确定最低采样质量；需加强对生物质燃烧、天然土壤、海洋、污水处理厂、植物,及其他潜在排放源氨的氮同位素组成研究；要进一步研究不同排放源氨的氮同位素组成变化机理；应以更高的时间分辨率同时测定气态NH3和颗粒态NH4+的质量浓度和氮同位素组成,以探讨颗粒态NH4+生成过程中氮的同位素分馏机理；需更加深入地研究不同大气污染状况和气象条件下气态氨的氮同位素分馏机理。
氨是大气中生成PM2.5的主要前驱物之一。为了用同位素方法更精确地识别大气中氨的来源,减轻城市大气PM2.5污染,对近年来国内外有关气态氨的采样与浓度分析方法、氮同位素比值测定和估算方法、不同来源氨的氮同位素组成及同位素分馏、大气中氨的氮同位素组成及分馏、大气颗粒物和降水中NH4+的氮同位素组成、以及大气中氨的源解析等研究现状进行了分析。据此为未来的研究工作提出了若干建议：被动采样法会引起NH3的氮同位素分馏,采样前应确定最低采样质量；需加强对生物质燃烧、天然土壤、海洋、污水处理厂、植物,及其他潜在排放源氨的氮同位素组成研究；要进一步研究不同排放源氨的氮同位素组成变化机理；应以更高的时间分辨率同时测定气态NH3和颗粒态NH4+的质量浓度和氮同位素组成,以探讨颗粒态NH4+生成过程中氮的同位素分馏机理；需更加深入地研究不同大气污染状况和气象条件下气态氨的氮同位素分馏机理。
摘要：
随着ICV(智能网联汽车)产业的快速发展，车与人、车与车以及车与外部环境的数据交换成为常态，汽车安全受到严重威胁，研究汽车安全认证方法则显得至关重要。车载PEPS（无钥匙进入及启动系统）和EMS（发动机管理系统）的安全认证决定整车安全性能，是保证汽车安全运行的前提条件。目前业界广泛采用128bits AES算法实现PEPS和EMS的安全认证，由于AES密钥生成和密钥调度算法较国密算法SM4复杂，加解密时间较长，且算法实现的代码量较大，占用过多的MCU资源。因此，提出将国密SM4算法应用于车载PEPS和EMS的安全认证，缩短加解密时间，有效提高数传效率，同时采用高级语言实现该算法并移植到国产MCU GD32F103，实现产品国产化，降低成本。将国密算法SM4进行推广，为ICV安全认证提供研究基础。
随着ICV(智能网联汽车)产业的快速发展，车与人、车与车以及车与外部环境的数据交换成为常态，汽车安全受到严重威胁，研究汽车安全认证方法则显得至关重要。车载PEPS（无钥匙进入及启动系统）和EMS（发动机管理系统）的安全认证决定整车安全性能，是保证汽车安全运行的前提条件。目前业界广泛采用128bits AES算法实现PEPS和EMS的安全认证，由于AES密钥生成和密钥调度算法较国密算法SM4复杂，加解密时间较长，且算法实现的代码量较大，占用过多的MCU资源。因此，提出将国密SM4算法应用于车载PEPS和EMS的安全认证，缩短加解密时间，有效提高数传效率，同时采用高级语言实现该算法并移植到国产MCU GD32F103，实现产品国产化，降低成本。将国密算法SM4进行推广，为ICV安全认证提供研究基础。
摘要：
视频编码技术有效地解决了原始视频数据量过大的问题。然而，压缩效率的提升带来了视频质量下降。为了提高压缩视频的视觉质量，本文提出了一种基于细节还原卷积神经网络（Detail Recovery Convolutional Neural Network, DRCNN）的视频质量增强方法，该方法由一个主去噪分支和一个细节补偿分支组成。为了有效地提取和消除压缩失真，本文提出了一个主去噪分支，在此分支中提出了一个多尺度失真特征提取块（Multi-Scale Distortion Feature Extraction Block, MDFEB），使其更加关注压缩视频中的失真区域，并提高所提出的DRCNN的失真特征学习能力。此外，为了丰富压缩视频中的细节，本文提出了细节补偿分支。细节补偿分支首先采用预训练的ResNet-50组成的内容特征提取器，提供丰富的内容特征，如突出的物体、形状、细节等；然后通过设计的细节响应块（Detail Response Block, DRB）从内容特征中有效地提取细节特征。大量的实验结果表明，与最先进的方法相比，所提出的DRCNN实现了最佳的压缩视频质量增强性能。
视频编码技术有效地解决了原始视频数据量过大的问题。然而，压缩效率的提升带来了视频质量下降。为了提高压缩视频的视觉质量，本文提出了一种基于细节还原卷积神经网络（Detail Recovery Convolutional Neural Network, DRCNN）的视频质量增强方法，该方法由一个主去噪分支和一个细节补偿分支组成。为了有效地提取和消除压缩失真，本文提出了一个主去噪分支，在此分支中提出了一个多尺度失真特征提取块（Multi-Scale Distortion Feature Extraction Block, MDFEB），使其更加关注压缩视频中的失真区域，并提高所提出的DRCNN的失真特征学习能力。此外，为了丰富压缩视频中的细节，本文提出了细节补偿分支。细节补偿分支首先采用预训练的ResNet-50组成的内容特征提取器，提供丰富的内容特征，如突出的物体、形状、细节等；然后通过设计的细节响应块（Detail Response Block, DRB）从内容特征中有效地提取细节特征。大量的实验结果表明，与最先进的方法相比，所提出的DRCNN实现了最佳的压缩视频质量增强性能。
摘要：
传统的声回波消除(Acoustic Echo Cancellation, AEC)方法使用双端通话检测器判断单、双端通话场景，性能受限。盲源分离(Blind Source Separation, BSS)信号模型是一个远端和近端信号并存的全双工模型,因此基于BSS的AEC无需双端通话检测器。本文采用基于辅助函数的独立分量分析(Auxiliary Function Based Independent Component Analysis, Aux-ICA)算法在频域上实现声回波消除，以最小化互信息为目标函数，借助辅助函数技术进行优化。仿真实验结果表明，在连续的双端通话场景中，该方法具有较低的计算复杂度和较好的回波消除性能。
传统的声回波消除(Acoustic Echo Cancellation, AEC)方法使用双端通话检测器判断单、双端通话场景，性能受限。盲源分离(Blind Source Separation, BSS)信号模型是一个远端和近端信号并存的全双工模型,因此基于BSS的AEC无需双端通话检测器。本文采用基于辅助函数的独立分量分析(Auxiliary Function Based Independent Component Analysis, Aux-ICA)算法在频域上实现声回波消除，以最小化互信息为目标函数，借助辅助函数技术进行优化。仿真实验结果表明，在连续的双端通话场景中，该方法具有较低的计算复杂度和较好的回波消除性能。
摘要：
新冠疫情爆发至今，中小型服务企业受到的冲击尤为巨大。以地方政府和中小型服务企业联合发行消费券应对疫情为背景，构建地方政府、中小型服务企业和消费者的三方演化博弈模型，研究政府有偿补贴的影响因子、公信力的影响因子、消费券抵扣金额的影响因子等因素对各利益相关方策略的影响，以期实现地方政府与中小型服务企业良性合作，真正刺激消费，让利于民。结果表明：政府有偿扶持策略下补贴额较低、有偿扶持策略对公信力的影响较大，将促使政府选择对企业进行有偿扶持；企业积极自救策略下所获有偿补贴较高、对消费券抵扣金额较少，企业更愿意坚持积极自救策略；消费券对消费者实际消费额的影响程度较小、积极自救企业对消费券抵扣金额较多，将促使消费者选择持券消费；实施差异化的扶持政策、结合消费券精准发放，可促进经济复苏。
新冠疫情爆发至今，中小型服务企业受到的冲击尤为巨大。以地方政府和中小型服务企业联合发行消费券应对疫情为背景，构建地方政府、中小型服务企业和消费者的三方演化博弈模型，研究政府有偿补贴的影响因子、公信力的影响因子、消费券抵扣金额的影响因子等因素对各利益相关方策略的影响，以期实现地方政府与中小型服务企业良性合作，真正刺激消费，让利于民。结果表明：政府有偿扶持策略下补贴额较低、有偿扶持策略对公信力的影响较大，将促使政府选择对企业进行有偿扶持；企业积极自救策略下所获有偿补贴较高、对消费券抵扣金额较少，企业更愿意坚持积极自救策略；消费券对消费者实际消费额的影响程度较小、积极自救企业对消费券抵扣金额较多，将促使消费者选择持券消费；实施差异化的扶持政策、结合消费券精准发放，可促进经济复苏。
摘要：
针对多无人机对多个异构任务目标进行侦察和通信服务的协同优化问题，通过考虑不同目标的任务要求和价值，以及多机协同增益与任务行为制约关系，构建斯坦伯格博弈模型，将上层无人机建立为博弈领导者，下层无人机建立为博弈的跟随者，并提出一种分布式策略更新迭代算法，实现了多无人机任务分配方案的稳定收敛以及系统任务收益优化。仿真结果显示，所提方法能有效提升多无人机系统同时完成多个任务的效益，并能在不同环境下实现面向异构任务价值的高效协同。
针对多无人机对多个异构任务目标进行侦察和通信服务的协同优化问题，通过考虑不同目标的任务要求和价值，以及多机协同增益与任务行为制约关系，构建斯坦伯格博弈模型，将上层无人机建立为博弈领导者，下层无人机建立为博弈的跟随者，并提出一种分布式策略更新迭代算法，实现了多无人机任务分配方案的稳定收敛以及系统任务收益优化。仿真结果显示，所提方法能有效提升多无人机系统同时完成多个任务的效益，并能在不同环境下实现面向异构任务价值的高效协同。
摘要：
5G网络的发展促使工业互联网垂直行业战略转型升级,5G SA(Stand-Alone)网络将用户面功能(UPF)下沉到业务区,控制面留在大区中心,所有业务数据均通过5G边缘计算接口(MEC)访问业务应用服务器,用户访问自身服务器流量全部在内部完成,符合网络安全需求,业务路径时延最小。通过优化的粒子群算法(PSO),构造基于网络物理节点资源和链路资源的适值函数,并且引入贝叶斯评估方法计算物理节点隔离因子,将所有节点平均隔离因子设为阈值作为约束条件,保证网络切片的隔离性能,通过迭代求解来调整网络切片间的路径资源提升网络性能。经过智慧矿山实际5G网络测试,结果显示算法能够提升收益成本比10%,提高链路利用率19%,提高上行速率20%-50%,充分保障矿区网络的服务质量。
5G网络的发展促使工业互联网垂直行业战略转型升级,5G SA(Stand-Alone)网络将用户面功能(UPF)下沉到业务区,控制面留在大区中心,所有业务数据均通过5G边缘计算接口(MEC)访问业务应用服务器,用户访问自身服务器流量全部在内部完成,符合网络安全需求,业务路径时延最小。通过优化的粒子群算法(PSO),构造基于网络物理节点资源和链路资源的适值函数,并且引入贝叶斯评估方法计算物理节点隔离因子,将所有节点平均隔离因子设为阈值作为约束条件,保证网络切片的隔离性能,通过迭代求解来调整网络切片间的路径资源提升网络性能。经过智慧矿山实际5G网络测试,结果显示算法能够提升收益成本比10%,提高链路利用率19%,提高上行速率20%-50%,充分保障矿区网络的服务质量。
摘要：
本文采用牺牲模板法合成N掺杂Co3O4纳米片(N-Co NS),并通过透射电子显微镜(TEM),原子力显微镜(AFM)和光电子能谱(XPS)对制备材料的形貌结构,化学组成进行分析,此外还通过催化活化过一硫酸盐(PMS)降解水中双酚A(BPA)来探究催化剂的催化性能.实验结果表明与Co3O4纳米颗粒(Co NP)、Co3O4纳米片(Co NS)相比,N-Co NS表现出了较高的催化性能.在PMS浓度为2 mM,BPA初始浓度为50 mg L-1的反应条件下,N-Co NS在10分钟内完全降解水中的BPA,这说明N掺杂和二维纳米片结构有利于催化剂性能的提升.通过pH,离子影响实验证实N-Co NS在复杂水化学环境中仍具有较高的活性.此外结合自由基捕获实验和电子顺磁共振(EPR)测试证实反应体系中产生了高氧化活性的羟基自由基和硫酸根自由基.
本文采用牺牲模板法合成N掺杂Co3O4纳米片(N-Co NS),并通过透射电子显微镜(TEM),原子力显微镜(AFM)和光电子能谱(XPS)对制备材料的形貌结构,化学组成进行分析,此外还通过催化活化过一硫酸盐(PMS)降解水中双酚A(BPA)来探究催化剂的催化性能.实验结果表明与Co3O4纳米颗粒(Co NP)、Co3O4纳米片(Co NS)相比,N-Co NS表现出了较高的催化性能.在PMS浓度为2 mM,BPA初始浓度为50 mg L-1的反应条件下,N-Co NS在10分钟内完全降解水中的BPA,这说明N掺杂和二维纳米片结构有利于催化剂性能的提升.通过pH,离子影响实验证实N-Co NS在复杂水化学环境中仍具有较高的活性.此外结合自由基捕获实验和电子顺磁共振(EPR)测试证实反应体系中产生了高氧化活性的羟基自由基和硫酸根自由基.
摘要：
针对方面级情感分析任务不能充分兼顾句法全面性与语义关联性，且大多数研究中使用的图卷积仅考虑信息自上而下的传播，忽略了信息自下而上的聚合等问题，本文提出了基于注意力与双通道网络的情感分析模型。该模型在扩展依存表示的同时使用自注意力获取具有语义关联的信息矩阵，使用双通道网络结合全局句法与语义关联信息，双通道网络分别侧重于自上而下传播的语义特征与自下而上聚合的结构特征。通道内的图卷积输出会与信息矩阵进行交互注意力起到残差互补的作用，然后通过平均池化完成通道内的任务。最后将基于语义与基于结构的决策融合得到最终的情感分类特征。实验结果表明该模型在三个公开数据集上的准确率与F1值均有提升。
针对方面级情感分析任务不能充分兼顾句法全面性与语义关联性，且大多数研究中使用的图卷积仅考虑信息自上而下的传播，忽略了信息自下而上的聚合等问题，本文提出了基于注意力与双通道网络的情感分析模型。该模型在扩展依存表示的同时使用自注意力获取具有语义关联的信息矩阵，使用双通道网络结合全局句法与语义关联信息，双通道网络分别侧重于自上而下传播的语义特征与自下而上聚合的结构特征。通道内的图卷积输出会与信息矩阵进行交互注意力起到残差互补的作用，然后通过平均池化完成通道内的任务。最后将基于语义与基于结构的决策融合得到最终的情感分类特征。实验结果表明该模型在三个公开数据集上的准确率与F1值均有提升。
摘要：
为了探讨气候变化对高原湖色林错湖面面积变化的影响，本文基于1988-2020年Landsat卫星遥感影像资料，用最大似然法的方法提取色林错水体信息，采用线性回归及M-K检验法分析了色林错湖面面积及其流域内温度、降水和积雪深度等气候因子变化特征，并用皮尔逊相关分析（Person correlations）法探讨了湖面面积与气象因子之间的相关性。结果表明,近30年色林错湖面面积增加了650.70km2，增长速率为255.10km2/10a。色林错湖面扩张存在着明显的空间差异，湖面向南、向北扩展比较明显；色林错流域年平均气温及降水量呈显著上升趋势（p＜0.05），而积雪深度呈显著下降的趋势（p＜0.05），其中增温速率为0.50℃/10a，降水量增加速率为17.32mm/10a，积雪深度递减率为0.65cm/10a；色林错湖面面积的变化与该流域气温的升高以及冷季积雪深度的降低具有极显著相关性（p<0.001)，气温升高使得色林错上游的冰雪融水增加是色林错湖面面积增大的主要原因。
为了探讨气候变化对高原湖色林错湖面面积变化的影响，本文基于1988-2020年Landsat卫星遥感影像资料，用最大似然法的方法提取色林错水体信息，采用线性回归及M-K检验法分析了色林错湖面面积及其流域内温度、降水和积雪深度等气候因子变化特征，并用皮尔逊相关分析（Person correlations）法探讨了湖面面积与气象因子之间的相关性。结果表明,近30年色林错湖面面积增加了650.70km2，增长速率为255.10km2/10a。色林错湖面扩张存在着明显的空间差异，湖面向南、向北扩展比较明显；色林错流域年平均气温及降水量呈显著上升趋势（p＜0.05），而积雪深度呈显著下降的趋势（p＜0.05），其中增温速率为0.50℃/10a，降水量增加速率为17.32mm/10a，积雪深度递减率为0.65cm/10a；色林错湖面面积的变化与该流域气温的升高以及冷季积雪深度的降低具有极显著相关性（p<0.001)，气温升高使得色林错上游的冰雪融水增加是色林错湖面面积增大的主要原因。
摘要：
本文提出一种贝叶斯框架下的分层自回归时空模型，用于解决PM2.5的多站点同步预测问题。将PM2.5日均浓度真实值视为潜在时空过程，利用一阶自回归过程刻画时间相关性，并基于Matérn过程捕获空间相关性，极大程度地提高了降维和同步预测的效率；此外，还将日最高温度、相对湿度和风速等气象因素作为解释变量，用于提升PM2.5的预测效果；借助于模型的分层结构，通过贝叶斯方法结合MCMC实现参数估计和预测过程。对北京市日均PM2.5浓度的实证分析表明，模型在空间和时间维度上均有良好的插值或预测效果。
本文提出一种贝叶斯框架下的分层自回归时空模型，用于解决PM2.5的多站点同步预测问题。将PM2.5日均浓度真实值视为潜在时空过程，利用一阶自回归过程刻画时间相关性，并基于Matérn过程捕获空间相关性，极大程度地提高了降维和同步预测的效率；此外，还将日最高温度、相对湿度和风速等气象因素作为解释变量，用于提升PM2.5的预测效果；借助于模型的分层结构，通过贝叶斯方法结合MCMC实现参数估计和预测过程。对北京市日均PM2.5浓度的实证分析表明，模型在空间和时间维度上均有良好的插值或预测效果。
摘要：
日益频繁的鸟类活动给输电线路的安全运行带来了极大威胁，而现有拟声驱鸟装置由于缺乏智能性，无法长期有效驱鸟。为了解决上述问题，本文提出基于改进Q-learning算法的拟声驱鸟策略。首先，为了评价各音频的驱鸟效果，结合模糊理论，将鸟类听到音频后的动作行为量化为不同鸟类反应类型。然后，设计单一音频驱鸟实验，统计各音频驱鸟效果数据，得到各音频的初始权重值，为拟声驱鸟装置的音频选择提供实验依据。为了使计算所得的音频权重值更符合实际实验情况，对CRITIC方法(Criteria Importance Though Intercrieria Correlation)的权重计算公式进行了优化。最后，使用实验所得音频权重值对Q-learning算法进行改进，并设计与其他拟声驱鸟策略的对比实验，实验数据显示改进Q-learning算法的拟声驱鸟策略驱鸟效果优于其他三种驱鸟策略，收敛速度快，驱鸟效果稳定，能够降低鸟类的适应性。
日益频繁的鸟类活动给输电线路的安全运行带来了极大威胁，而现有拟声驱鸟装置由于缺乏智能性，无法长期有效驱鸟。为了解决上述问题，本文提出基于改进Q-learning算法的拟声驱鸟策略。首先，为了评价各音频的驱鸟效果，结合模糊理论，将鸟类听到音频后的动作行为量化为不同鸟类反应类型。然后，设计单一音频驱鸟实验，统计各音频驱鸟效果数据，得到各音频的初始权重值，为拟声驱鸟装置的音频选择提供实验依据。为了使计算所得的音频权重值更符合实际实验情况，对CRITIC方法(Criteria Importance Though Intercrieria Correlation)的权重计算公式进行了优化。最后，使用实验所得音频权重值对Q-learning算法进行改进，并设计与其他拟声驱鸟策略的对比实验，实验数据显示改进Q-learning算法的拟声驱鸟策略驱鸟效果优于其他三种驱鸟策略，收敛速度快，驱鸟效果稳定，能够降低鸟类的适应性。
摘要：
运行经验表明，直流接地极造成电网大范围直流偏磁危害其根源在不均匀地表电位分布。针对广域深度分层的复杂大地模型关于地表电位分布求解方面的难题，利用切比雪夫多项式拟合地表电位的汉克尔变换核函数。通过切比雪夫多项式的移位运算、系数展开和截断误差判定，得到了核函数的切比雪夫多项式自适应阶数拟合方法，从而大幅降低了直流接地极造成广大区域地表电位分布的计算难度。与标准接地计算软件CDEGS的水平8层结构大地算例对比表明，直流接地极入地电流5000A的情况下，方法在1km~100km地表范围内的地表电位偏差小于1V。进一步分析了切比雪夫多项式阶数对结果的影响，证实了20阶切比雪夫多项式的精度就可以满足一般的直流偏磁风险评估的应用需求。基于移位切比雪夫多项式的地表电位快速评估方法为直流偏磁风险评估提供了一种基础的技术手段，有助于降低电网直流偏磁风险评估的难度。
运行经验表明，直流接地极造成电网大范围直流偏磁危害其根源在不均匀地表电位分布。针对广域深度分层的复杂大地模型关于地表电位分布求解方面的难题，利用切比雪夫多项式拟合地表电位的汉克尔变换核函数。通过切比雪夫多项式的移位运算、系数展开和截断误差判定，得到了核函数的切比雪夫多项式自适应阶数拟合方法，从而大幅降低了直流接地极造成广大区域地表电位分布的计算难度。与标准接地计算软件CDEGS的水平8层结构大地算例对比表明，直流接地极入地电流5000A的情况下，方法在1km~100km地表范围内的地表电位偏差小于1V。进一步分析了切比雪夫多项式阶数对结果的影响，证实了20阶切比雪夫多项式的精度就可以满足一般的直流偏磁风险评估的应用需求。基于移位切比雪夫多项式的地表电位快速评估方法为直流偏磁风险评估提供了一种基础的技术手段，有助于降低电网直流偏磁风险评估的难度。
摘要：
针对目前储能成本过高、缺乏交易平台导致的利用效率低下、收益较低等问题,设计基于区块链技术的非合作博弈交易模型。以微网作为节点引出共享储能的概念,利用数字签名技术,进行节点身份验证,有效提高交易的安全性。基于智能合约自我驱动、自我执行的特征,建立共享储能交易机制。通过建立非合作博弈模型,实现各节点利益最大化,提高储能收益,提高节点用户参与交易的积极性,推动产业结构进一步优化。算例分析表明,本文所提出基于区块链技术的共享储能非合作博弈交易模型可以有效实现储能参与市场交易,提高储能利用效率,增加储能项目收益来源,为储能行业的进一步发展提供有效的技术支持和理论支撑。
针对目前储能成本过高、缺乏交易平台导致的利用效率低下、收益较低等问题,设计基于区块链技术的非合作博弈交易模型。以微网作为节点引出共享储能的概念,利用数字签名技术,进行节点身份验证,有效提高交易的安全性。基于智能合约自我驱动、自我执行的特征,建立共享储能交易机制。通过建立非合作博弈模型,实现各节点利益最大化,提高储能收益,提高节点用户参与交易的积极性,推动产业结构进一步优化。算例分析表明,本文所提出基于区块链技术的共享储能非合作博弈交易模型可以有效实现储能参与市场交易,提高储能利用效率,增加储能项目收益来源,为储能行业的进一步发展提供有效的技术支持和理论支撑。
摘要：
根据多普勒天气雷达基数据空间呈锥状分布的特点，提出了基于基数据的移动梯状多面体三维建模算法（MTPD）。该方法采用梯状多面体作为体积单元；根据雷达三维建模空间范围选择六面体索引和四面体索引两种不同模式构建三维等值面，以平衡算法效率和建模结果精度。在该算法基础上利用WebGL技术开发了多普勒天气雷达三维可视化平台。结果表明：与传统三维建模算法相比，MTPD在保证建模精度的条件下明显提升了算法效率，六面体索引模式和四面体索引模式计算效率分别提高62.5%和23.0%；四面体索引模式得到的回波三维结构更连续；基于WebGL的多普勒天气雷达三维可视化平台提供了跨平台的雷达三维展示，能够直观反映对流云的三维结构。
根据多普勒天气雷达基数据空间呈锥状分布的特点，提出了基于基数据的移动梯状多面体三维建模算法（MTPD）。该方法采用梯状多面体作为体积单元；根据雷达三维建模空间范围选择六面体索引和四面体索引两种不同模式构建三维等值面，以平衡算法效率和建模结果精度。在该算法基础上利用WebGL技术开发了多普勒天气雷达三维可视化平台。结果表明：与传统三维建模算法相比，MTPD在保证建模精度的条件下明显提升了算法效率，六面体索引模式和四面体索引模式计算效率分别提高62.5%和23.0%；四面体索引模式得到的回波三维结构更连续；基于WebGL的多普勒天气雷达三维可视化平台提供了跨平台的雷达三维展示，能够直观反映对流云的三维结构。
摘要：
为探讨不同植物群落对大气颗粒物浓度的影响，以郑州市金水区为例，在2020年冬季（2020年12月-2021年2月）对园林绿化区（数码公园）、居住区（正弘.蓝堡湾）、文教区（河南农业大学）内植物群落的PM2.5和PM10浓度及气象因子（温度、相对湿度和风速）进行监测。结果表明，每个功能区中不同样地之间的 PM2.5、PM10浓度日变化趋势基本一致，一般呈早高晚低；不同植物群落之间PM2.5和PM10浓度存在显著差异性，其中广场样地与其他样地的差异性最显著；3个功能区中各样地对PM2.5和 PM10的阻滞率均表现为乔灌草结构最高，乔草结构和乔灌结构次之，且多表现为乔灌样地大于乔草样地，灌草结构和草坪最低；研究区域PM2.5、PM10浓度与温度呈负相关，与相对湿度呈正相关，与风速呈负相关。
为探讨不同植物群落对大气颗粒物浓度的影响，以郑州市金水区为例，在2020年冬季（2020年12月-2021年2月）对园林绿化区（数码公园）、居住区（正弘.蓝堡湾）、文教区（河南农业大学）内植物群落的PM2.5和PM10浓度及气象因子（温度、相对湿度和风速）进行监测。结果表明，每个功能区中不同样地之间的 PM2.5、PM10浓度日变化趋势基本一致，一般呈早高晚低；不同植物群落之间PM2.5和PM10浓度存在显著差异性，其中广场样地与其他样地的差异性最显著；3个功能区中各样地对PM2.5和 PM10的阻滞率均表现为乔灌草结构最高，乔草结构和乔灌结构次之，且多表现为乔灌样地大于乔草样地，灌草结构和草坪最低；研究区域PM2.5、PM10浓度与温度呈负相关，与相对湿度呈正相关，与风速呈负相关。
摘要：
生态安全的本质集中在生态风险与生态脆弱性等方面，生态安全研究是低碳绿色发展的热点方向，对于优化景观生态空间结构与维护生态可持续性具有重要理论价值与现实意义。应用地理学、生态学以及遥感、GIS等多学科交叉与融合的原理与方法，研究气候变化与景观格局的特征与规律,气候变化与生态过程的耦合关系,景观格局与功能特征；分析景观格局、气候要素与生态系统中土壤、水文过程及植被过程的关系，气候变化对碳储量、NPP以及生态系统服务功能的影响，揭示气候变化对生态过程的影响规律。综合分析表明，气候要素影响生态安全的表现特征及其变化，景观格局是制约区域生态安全的基础，气候变化与景观格局对生态安全机制的影响具有复杂性。
生态安全的本质集中在生态风险与生态脆弱性等方面，生态安全研究是低碳绿色发展的热点方向，对于优化景观生态空间结构与维护生态可持续性具有重要理论价值与现实意义。应用地理学、生态学以及遥感、GIS等多学科交叉与融合的原理与方法，研究气候变化与景观格局的特征与规律,气候变化与生态过程的耦合关系,景观格局与功能特征；分析景观格局、气候要素与生态系统中土壤、水文过程及植被过程的关系，气候变化对碳储量、NPP以及生态系统服务功能的影响，揭示气候变化对生态过程的影响规律。综合分析表明，气候要素影响生态安全的表现特征及其变化，景观格局是制约区域生态安全的基础，气候变化与景观格局对生态安全机制的影响具有复杂性。
摘要：
针对现阶段卷积神经网络模型,在复杂地物背景下水体提取精度低,多尺度特征捕获能力差,模型复杂的问题,基于LinkNet模型提出一种结合RFB(Receptive Field Block)模块和通道注意力机制(Channel Attention Block)的FRA-LinkNet(Receptive Field Attention LinkNet)高分辨率光学遥感影像水体提取模型。首先,将RFB模块用于获取高阶水体语义信息与多尺度特征；其次,利用通道注意力机制,对特征编码和解码的特征进行加权融合,抑制背景特征,增强水体语义。与现有卷积神经网络模型相比,提出方法不仅具有高效的性能和鲁棒性,而且能实现高精度的水体提取。
针对现阶段卷积神经网络模型,在复杂地物背景下水体提取精度低,多尺度特征捕获能力差,模型复杂的问题,基于LinkNet模型提出一种结合RFB(Receptive Field Block)模块和通道注意力机制(Channel Attention Block)的FRA-LinkNet(Receptive Field Attention LinkNet)高分辨率光学遥感影像水体提取模型。首先,将RFB模块用于获取高阶水体语义信息与多尺度特征；其次,利用通道注意力机制,对特征编码和解码的特征进行加权融合,抑制背景特征,增强水体语义。与现有卷积神经网络模型相比,提出方法不仅具有高效的性能和鲁棒性,而且能实现高精度的水体提取。
摘要：
通过实验筛选研发新药的过程非常缓慢且需耗费大量的人力物力，而利用计算机辅助预测药物的分子性质可极大地节省药物研发时间和成本。因此，为了能够使抗乳腺癌候选药物对抑制ERα具有良好的生物活性和ADMET性质，针对收集到的1974种化合物，首先利用随机森林分类器筛选出前20个对生物活性最具显著影响的分子描述符，并以此和pIC50值作为特征数据建立QSAR模型。其次，基于PSO优化BP神经网络对50个新化合物的生物活性值进行预测，模型拟合度为0.8337，根均方误差为0.7315，比优化前的BP神经网络预测值更贴合实际。随后为提高药物研发的成功率，依据已有的ADMET性质数据利用PSO优化SVM构建ADMET分类预测模型，算法交叉验证CV准确率达到94.0767%，5个指标模型的预测准确率均在79%以上。结果表明，所建立的模型比基准模型的预测性能更好，采用的预测策略是有效的，可为抗乳腺癌药物的研发提供借鉴。
通过实验筛选研发新药的过程非常缓慢且需耗费大量的人力物力，而利用计算机辅助预测药物的分子性质可极大地节省药物研发时间和成本。因此，为了能够使抗乳腺癌候选药物对抑制ERα具有良好的生物活性和ADMET性质，针对收集到的1974种化合物，首先利用随机森林分类器筛选出前20个对生物活性最具显著影响的分子描述符，并以此和pIC50值作为特征数据建立QSAR模型。其次，基于PSO优化BP神经网络对50个新化合物的生物活性值进行预测，模型拟合度为0.8337，根均方误差为0.7315，比优化前的BP神经网络预测值更贴合实际。随后为提高药物研发的成功率，依据已有的ADMET性质数据利用PSO优化SVM构建ADMET分类预测模型，算法交叉验证CV准确率达到94.0767%，5个指标模型的预测准确率均在79%以上。结果表明，所建立的模型比基准模型的预测性能更好，采用的预测策略是有效的，可为抗乳腺癌药物的研发提供借鉴。
摘要：
前置滤波结构的锁相环（PLL）是研究电网同步技术的强有力工具。然而，该类常用PLL（如二阶广义积分器型PLL、复数滤波器型PLL）的动态性能因前级结构的截止频率偏低而受到了制约。为此，提出一种基于分数阶广义积分器的三相PLL技术。该PLL的前级滤波结构由分数阶积分器构成，能够生成两个相位差为45?的斜交信号，经过相关线性运算，可从该对斜交信号中提取出电网电压的正负序分量。结合后级的同步旋转坐标系PLL，建立了整个PLL系统的数学模型，并利用三阶最佳设计法对系统进行了校正，确定了相关控制参数。研究发现，分数阶广义积分器的截止频率明显高于二阶广义积分器，有利于改善PLL系统的动态品质。仿真和实验验证表明，相比多重二阶广义积分器型PLL，所提PLL的动态性能更佳。
前置滤波结构的锁相环（PLL）是研究电网同步技术的强有力工具。然而，该类常用PLL（如二阶广义积分器型PLL、复数滤波器型PLL）的动态性能因前级结构的截止频率偏低而受到了制约。为此，提出一种基于分数阶广义积分器的三相PLL技术。该PLL的前级滤波结构由分数阶积分器构成，能够生成两个相位差为45?的斜交信号，经过相关线性运算，可从该对斜交信号中提取出电网电压的正负序分量。结合后级的同步旋转坐标系PLL，建立了整个PLL系统的数学模型，并利用三阶最佳设计法对系统进行了校正，确定了相关控制参数。研究发现，分数阶广义积分器的截止频率明显高于二阶广义积分器，有利于改善PLL系统的动态品质。仿真和实验验证表明，相比多重二阶广义积分器型PLL，所提PLL的动态性能更佳。
摘要：
模型的效率在计算机视觉中变得越来越重要。本文通过研究用于火焰检测的神经网络结构，提出了几个关键的优化方案，以提高模型效率和检测效果。第一，提出一种由多卷积组合结构构建的主干网络（FIRE-Net），它能高效的从多个尺度上提取丰富的火焰特征；第二，提出一种改进的加权双向特征金字塔网络(BiFPN-mini)以快速地实现多尺度特征融合；第三，提出一种新的注意力机制（FIRE-Attention），让检测器对火焰特征更敏感。基于上述优化，本文开发出了一种全新的火焰检测器FIRE-DET，它在硬件资源有限的条件下能够取得比现有基于深度学习的火焰检测方法更快的检测效率。FIRE-DET模型在自建数据集上进行训练后，最终对火焰检测的准确率和帧率分别达到97%和85FPS。实验结果表明，与主流算法相比，本文火焰检测模型检测性能更优。本文为解决火焰探测问题提供了一个更通用的解决方案．
模型的效率在计算机视觉中变得越来越重要。本文通过研究用于火焰检测的神经网络结构，提出了几个关键的优化方案，以提高模型效率和检测效果。第一，提出一种由多卷积组合结构构建的主干网络（FIRE-Net），它能高效的从多个尺度上提取丰富的火焰特征；第二，提出一种改进的加权双向特征金字塔网络(BiFPN-mini)以快速地实现多尺度特征融合；第三，提出一种新的注意力机制（FIRE-Attention），让检测器对火焰特征更敏感。基于上述优化，本文开发出了一种全新的火焰检测器FIRE-DET，它在硬件资源有限的条件下能够取得比现有基于深度学习的火焰检测方法更快的检测效率。FIRE-DET模型在自建数据集上进行训练后，最终对火焰检测的准确率和帧率分别达到97%和85FPS。实验结果表明，与主流算法相比，本文火焰检测模型检测性能更优。本文为解决火焰探测问题提供了一个更通用的解决方案．
摘要：
大气加权平均温度（Tm）在GNSS大气水汽反演过程中扮演着关键角色。本文针对现有的Tm模型在青藏高原地区的适用性较差等情况，利用2014-2017年青藏高原地区13个探空站观测数据建立了一种顾及地面温度、高度、纬度及季节变化的青藏高原地区Tm模型（简称为TPTm模型）。以2018年的探空资料为参考值，对TPTm模型进行精度检验，并与常用的Bevis模型、局域精化后的Bevis模型（简称为Bevis-TP模型）和GPT2w模型进行比较分析，结果表明：TPTm模型具有相对较好的精度，其年均偏差和均方根误差（RMS）分别为0.07 K和2.76 K，相比Bevis、Bevis-TP、GPT2w-5（5°分辨率）和GPT2w-1（1°分辨率）模型其精度（RMS值）分别提高了54.5%、30.8%、36.3%和27.6%；此外，将TPTm模型用于GNSS水汽计算，其导致的水汽计算理论RMS误差和相对误差分别为0.10 mm和1.02 %。因此，TPTm模型在青藏高原地区的GNSS水汽反演中具有重要应用。
大气加权平均温度（Tm）在GNSS大气水汽反演过程中扮演着关键角色。本文针对现有的Tm模型在青藏高原地区的适用性较差等情况，利用2014-2017年青藏高原地区13个探空站观测数据建立了一种顾及地面温度、高度、纬度及季节变化的青藏高原地区Tm模型（简称为TPTm模型）。以2018年的探空资料为参考值，对TPTm模型进行精度检验，并与常用的Bevis模型、局域精化后的Bevis模型（简称为Bevis-TP模型）和GPT2w模型进行比较分析，结果表明：TPTm模型具有相对较好的精度，其年均偏差和均方根误差（RMS）分别为0.07 K和2.76 K，相比Bevis、Bevis-TP、GPT2w-5（5°分辨率）和GPT2w-1（1°分辨率）模型其精度（RMS值）分别提高了54.5%、30.8%、36.3%和27.6%；此外，将TPTm模型用于GNSS水汽计算，其导致的水汽计算理论RMS误差和相对误差分别为0.10 mm和1.02 %。因此，TPTm模型在青藏高原地区的GNSS水汽反演中具有重要应用。
摘要：
预测居民用电相当于预测一个多元时间序列。针对多个传感器信号的特定窗口能够利用预测模型提取不同的特征来预测用电量。然而，由于时间序列内部特征存在着不规则的模式，包括电力属性之间隐藏的相关性，使得负荷预测准确率不高。为了提取复杂的不规则电力模式，选择性地学习时空特征以减少电力属性间的平移方差，我们提出了一种基于多头注意力的卷积循环神经网络深度学习模型。相较于单纯的时间序列模型，该模型利用卷积和加权机制对电力属性和有功功率间的局部相关性进行建模。它利用softmax函数和点积运算的注意力分数来模拟电力需求的瞬态和脉冲特性，有效地对瞬时脉冲功耗进行预测。在美国加州大学欧文分校(University of California，Irvine，UCI)家庭用电数据集共2075259个时间序列上的实验表明，所提出的模型与目前最先进的深度学习模型相比，预测误差降低了31.01%。其中，多头注意力的预测性能比单头注意力提高了27.91%。
预测居民用电相当于预测一个多元时间序列。针对多个传感器信号的特定窗口能够利用预测模型提取不同的特征来预测用电量。然而，由于时间序列内部特征存在着不规则的模式，包括电力属性之间隐藏的相关性，使得负荷预测准确率不高。为了提取复杂的不规则电力模式，选择性地学习时空特征以减少电力属性间的平移方差，我们提出了一种基于多头注意力的卷积循环神经网络深度学习模型。相较于单纯的时间序列模型，该模型利用卷积和加权机制对电力属性和有功功率间的局部相关性进行建模。它利用softmax函数和点积运算的注意力分数来模拟电力需求的瞬态和脉冲特性，有效地对瞬时脉冲功耗进行预测。在美国加州大学欧文分校(University of California，Irvine，UCI)家庭用电数据集共2075259个时间序列上的实验表明，所提出的模型与目前最先进的深度学习模型相比，预测误差降低了31.01%。其中，多头注意力的预测性能比单头注意力提高了27.91%。
摘要：
恶意应用的快速增长给移动智能终端带来了巨大的安全威胁，实现恶意应用高精度检测对移动网络信息安全具有重要意义。本文提出一种基于改进深度残差收缩网络的恶意应用检测方法。首先将流量特征预处理成卷积神经网络输入，接着引入通道注意力机制和空间注意力机制，从通道和空间两个维度对样本特征进行加权。然后再引入深度残差收缩网络，自适应滤除样本冗余特征并通过恒等连接优化参数反向传播，减小模型训练和分类的难度，最终实现安卓恶意应用高精度识别。所提方法可避免手工提取特征，能实现高精度分类并且具有一定泛化能力。实验结果表明，所提方法在恶意应用的2分类、4分类和42分类中准确率分别为99.40%、99.95%和97.33%，与现有方法相比，具有较高的分类性能与泛化能力。
恶意应用的快速增长给移动智能终端带来了巨大的安全威胁，实现恶意应用高精度检测对移动网络信息安全具有重要意义。本文提出一种基于改进深度残差收缩网络的恶意应用检测方法。首先将流量特征预处理成卷积神经网络输入，接着引入通道注意力机制和空间注意力机制，从通道和空间两个维度对样本特征进行加权。然后再引入深度残差收缩网络，自适应滤除样本冗余特征并通过恒等连接优化参数反向传播，减小模型训练和分类的难度，最终实现安卓恶意应用高精度识别。所提方法可避免手工提取特征，能实现高精度分类并且具有一定泛化能力。实验结果表明，所提方法在恶意应用的2分类、4分类和42分类中准确率分别为99.40%、99.95%和97.33%，与现有方法相比，具有较高的分类性能与泛化能力。
摘要：
基于可持续发展的城市更新生态效益评价研究正获得越来越多的关注。本文立足于中国城市更新实践，构建城市更新生态效益市民满意度结构方程模型，采用空气质量、热岛效应、植被绿化、资源节约、城市交通、城市空间六个指标测度市民对城市更新生态效益的评价，选取西安市幸福林带城市更新项目为案例，通过问卷调查获取研究数据，并对模型进行拟合修正，评价市民对西安幸福林带城市更新项目生态效益的满意度。研究发现，市民的生态期望与整体期望达成率分别为94.3%和97.4%，市民预期得到较好满足；市民期望对生态效益市民感知具有正向影响，路径系数为0.381；生态效益市民感知对市民满意度有显著正向影响，路径系数为0.903；市民满意度对市民信任有显著正向影响，路径系数为0.955。基于研究结论，未来的城市更新应持续提升生态服务质量以改善居民生态环境体验，推动建立城市更新的生态、经济、社会、人文效益协同的发展机制，建立城市更新的政府、居民、开发商多元主体协同的建设治理机制。
基于可持续发展的城市更新生态效益评价研究正获得越来越多的关注。本文立足于中国城市更新实践，构建城市更新生态效益市民满意度结构方程模型，采用空气质量、热岛效应、植被绿化、资源节约、城市交通、城市空间六个指标测度市民对城市更新生态效益的评价，选取西安市幸福林带城市更新项目为案例，通过问卷调查获取研究数据，并对模型进行拟合修正，评价市民对西安幸福林带城市更新项目生态效益的满意度。研究发现，市民的生态期望与整体期望达成率分别为94.3%和97.4%，市民预期得到较好满足；市民期望对生态效益市民感知具有正向影响，路径系数为0.381；生态效益市民感知对市民满意度有显著正向影响，路径系数为0.903；市民满意度对市民信任有显著正向影响，路径系数为0.955。基于研究结论，未来的城市更新应持续提升生态服务质量以改善居民生态环境体验，推动建立城市更新的生态、经济、社会、人文效益协同的发展机制，建立城市更新的政府、居民、开发商多元主体协同的建设治理机制。
摘要：
虚拟现实力触觉再现对于图像纹理特征提取的要求越来越高，纹理因素复杂且无规律，单一的纹理提取算法并不能准确的描述图像纹理的特点。因此提出了基于GLCM和Tamura融合特征的纹理材质分类算法。此外，本文对传统灰度共生矩阵GLCM进行优化，提出了T-GLCM算子，提升了传统灰度共生矩阵(GLCM)对的旋转不变性并减少了大量的冗余信息。本文利用 Tamura纹理特征对图像进行量化，然后将各特征区域量化后级联成一组特征向量，融合T-GLCM的纹理特征，通过支持向量机(SVM)对纹理材质进行分类，实验结果表明，该算法具有更高的分类精度，且较传统纹理特征提取算法更加优秀。
虚拟现实力触觉再现对于图像纹理特征提取的要求越来越高，纹理因素复杂且无规律，单一的纹理提取算法并不能准确的描述图像纹理的特点。因此提出了基于GLCM和Tamura融合特征的纹理材质分类算法。此外，本文对传统灰度共生矩阵GLCM进行优化，提出了T-GLCM算子，提升了传统灰度共生矩阵(GLCM)对的旋转不变性并减少了大量的冗余信息。本文利用 Tamura纹理特征对图像进行量化，然后将各特征区域量化后级联成一组特征向量，融合T-GLCM的纹理特征，通过支持向量机(SVM)对纹理材质进行分类，实验结果表明，该算法具有更高的分类精度，且较传统纹理特征提取算法更加优秀。
摘要：
车道线检测在智能交通领域占有重要地位，其检测的准确度和速度对于辅助驾驶以及自动驾驶有重要影响。针对目前深度学习方法识别车道线精度差、速度慢的问题，提出了一种高效的车道线分割方法LaneSegNet。首先基于编码和解码网络原理构建主干网络Lane-Net，用于提取车道线特征信息并分割出车道线；然后使用多尺度空洞卷积特征融合网络(Multi-scale dilated convolution feature fusion network, MDFN)，可以极大扩充模型的感受野，提取全局特征信息；最后使用混合注意力网络(Hybrid attention network, HAN)获取丰富的车道线特征，并增强与当前任务相关的信息。实验结果表明，在TuSimple数据集，该方法检测车道线的准确率为97.6%；在CULane数据集上，该方法在标准路面的检测准确率达到92.5%，多种路面综合检测准确率为75.2%。本文提出的LaneSegNet车道线检测方法分割精确度和推理速度均优于其他模型，且具有更强的适应性和鲁棒性。
车道线检测在智能交通领域占有重要地位，其检测的准确度和速度对于辅助驾驶以及自动驾驶有重要影响。针对目前深度学习方法识别车道线精度差、速度慢的问题，提出了一种高效的车道线分割方法LaneSegNet。首先基于编码和解码网络原理构建主干网络Lane-Net，用于提取车道线特征信息并分割出车道线；然后使用多尺度空洞卷积特征融合网络(Multi-scale dilated convolution feature fusion network, MDFN)，可以极大扩充模型的感受野，提取全局特征信息；最后使用混合注意力网络(Hybrid attention network, HAN)获取丰富的车道线特征，并增强与当前任务相关的信息。实验结果表明，在TuSimple数据集，该方法检测车道线的准确率为97.6%；在CULane数据集上，该方法在标准路面的检测准确率达到92.5%，多种路面综合检测准确率为75.2%。本文提出的LaneSegNet车道线检测方法分割精确度和推理速度均优于其他模型，且具有更强的适应性和鲁棒性。
摘要：
目标跟踪中，在基于相关滤波器的跟踪算法中引入正则化后有效提高了跟踪效率，但是却花费大量精力调整预定义参数，此外还有目标响应发生在非目标区域会导致跟踪漂移等问题，因此提出了一种基于时间和自动空间正则化的上下文感知相关滤波器算法。首先，在跟踪过程中，利用目标局部响应变化实现自动空间正则化，将自动空间正则化模块加入目标函数，使滤波器专注于目标对象的学习；其次，跟踪器利用目标的全局上下文信息，与自动空间正则化相结合，使滤波器能及时学习到更多与目标有关信息，减少背景对跟踪性能影响；接着，在滤波器中加入时间正则化项，来充分学习目标在相邻帧之间的变化，从而获得更准确的模型样本。实验结果表明，与其他跟踪算法相比，提出的算法在距离精度和成功率方面具备更好的跟踪效果。
目标跟踪中，在基于相关滤波器的跟踪算法中引入正则化后有效提高了跟踪效率，但是却花费大量精力调整预定义参数，此外还有目标响应发生在非目标区域会导致跟踪漂移等问题，因此提出了一种基于时间和自动空间正则化的上下文感知相关滤波器算法。首先，在跟踪过程中，利用目标局部响应变化实现自动空间正则化，将自动空间正则化模块加入目标函数，使滤波器专注于目标对象的学习；其次，跟踪器利用目标的全局上下文信息，与自动空间正则化相结合，使滤波器能及时学习到更多与目标有关信息，减少背景对跟踪性能影响；接着，在滤波器中加入时间正则化项，来充分学习目标在相邻帧之间的变化，从而获得更准确的模型样本。实验结果表明，与其他跟踪算法相比，提出的算法在距离精度和成功率方面具备更好的跟踪效果。
摘要：
利用旋转坐标系中的基本方程推导得到动能方程，通过动能的局地变化率定义刻画台风强度变化率的能量泛函，对泛函作变分得到Euler-Lagrange方程。分析方程可知，当台风强度变化率达到最大时，摩擦力、气压梯度力、重力和动能梯度满足四力平衡关系。因此，这四个力确定的向量可以作为台风强度的预报因子，更准确地确定台风系统强度变化率达到最大的时间点。进一步通过风场变分分解提取到有旋场中的最大涡旋，得到台风强度变化最快时涡度和流场的解析解，对研究台风发展过程中速度的变化趋势和台风的空间结构具有一定的实用价值，为台风路径和强度预报提供了一定的理论指引。
利用旋转坐标系中的基本方程推导得到动能方程，通过动能的局地变化率定义刻画台风强度变化率的能量泛函，对泛函作变分得到Euler-Lagrange方程。分析方程可知，当台风强度变化率达到最大时，摩擦力、气压梯度力、重力和动能梯度满足四力平衡关系。因此，这四个力确定的向量可以作为台风强度的预报因子，更准确地确定台风系统强度变化率达到最大的时间点。进一步通过风场变分分解提取到有旋场中的最大涡旋，得到台风强度变化最快时涡度和流场的解析解，对研究台风发展过程中速度的变化趋势和台风的空间结构具有一定的实用价值，为台风路径和强度预报提供了一定的理论指引。
摘要：
城市增长与收缩都是快速城镇化的必然结果，过度的增长或收缩都会带来资源错配、生态环境恶化等问题。研究基于1992―2019年中国各区县夜间灯光数据，深度挖掘中国城市增长与收缩的时空动态特征及其成因，以期为未来新型城镇化建设、资源均衡配置和国家发展政策制定提供借鉴依据。研究发现：①中国城市增长与收缩现象交替发生，城市增长与收缩两极分化特征越来越明显；②形成了较稳定的增长轨迹，城市增长的重心一直在南阳市内移动；并呈现出带状为主、点状为辅的增长结构；其中带状增长结构包括沿海城市带和近期形成的“北京―郑州―南昌”城市带，点状结构是指以内陆省会城市为核心的集聚增长现象。③形成了由东北转向华中、再转向华西的城市收缩轨迹，收缩重心由邢台市转移到安康市，收缩重心出现了明显的变动；收缩结构由分散的点状收缩逐渐转变成了“北京―西安―成都―昆明”方向的带状收缩结构；④全球化的金融周期变化、产业结构转型、国家政策等因素都是中国城市增长、收缩的主要动因。
城市增长与收缩都是快速城镇化的必然结果，过度的增长或收缩都会带来资源错配、生态环境恶化等问题。研究基于1992―2019年中国各区县夜间灯光数据，深度挖掘中国城市增长与收缩的时空动态特征及其成因，以期为未来新型城镇化建设、资源均衡配置和国家发展政策制定提供借鉴依据。研究发现：①中国城市增长与收缩现象交替发生，城市增长与收缩两极分化特征越来越明显；②形成了较稳定的增长轨迹，城市增长的重心一直在南阳市内移动；并呈现出带状为主、点状为辅的增长结构；其中带状增长结构包括沿海城市带和近期形成的“北京―郑州―南昌”城市带，点状结构是指以内陆省会城市为核心的集聚增长现象。③形成了由东北转向华中、再转向华西的城市收缩轨迹，收缩重心由邢台市转移到安康市，收缩重心出现了明显的变动；收缩结构由分散的点状收缩逐渐转变成了“北京―西安―成都―昆明”方向的带状收缩结构；④全球化的金融周期变化、产业结构转型、国家政策等因素都是中国城市增长、收缩的主要动因。
摘要：
三维变形模型(3DMM)作为人脸建模的重要方式，在三维建模、图像合成等领域有着广泛的应用。由于受训练数据类型、数量以及线性基等因素影响，3DMM存在过约束的现象，不能提供足够的灵活性来表示高频变形。为了进一步改善这一问题，本文将三维变形基函数嵌入到深度神经网络中，并为提升模型的表示能力提供了新的思路。为了提升网络学习效率，本文构设了一种双通路神经网络，实现了在全局路径和局部路径之间的平衡；通过在学习目标和网络结构两方面改进非线性3DMM，提出了一种比线性或以往的非线性模型更能捕捉到更高层次细节的模型。算法对比与仿真实验表明，该算法在三维人脸建模上的归一化平均误差更低，所生成的三维人脸模型鲁棒性好，重构准确，实现了较好的三维人脸重建性能。
三维变形模型(3DMM)作为人脸建模的重要方式，在三维建模、图像合成等领域有着广泛的应用。由于受训练数据类型、数量以及线性基等因素影响，3DMM存在过约束的现象，不能提供足够的灵活性来表示高频变形。为了进一步改善这一问题，本文将三维变形基函数嵌入到深度神经网络中，并为提升模型的表示能力提供了新的思路。为了提升网络学习效率，本文构设了一种双通路神经网络，实现了在全局路径和局部路径之间的平衡；通过在学习目标和网络结构两方面改进非线性3DMM，提出了一种比线性或以往的非线性模型更能捕捉到更高层次细节的模型。算法对比与仿真实验表明，该算法在三维人脸建模上的归一化平均误差更低，所生成的三维人脸模型鲁棒性好，重构准确，实现了较好的三维人脸重建性能。
摘要：
海风锋是海风环流前缘形成的锋面,具有类似于冷锋的特征。海风锋能触发强对流,造成沿海地区雷暴等灾害性天气,是沿海地区气象研究的重点对象。随着数值模式和计算机技术的发展,数值模拟已成为气象研究中的重要方法。因此,海风(锋)的数值模拟受到越来越多的关注。过去的40年中,中国地区海风(锋)的数值研究不断开展,取得了不少研究成果。为了加深对海风(锋)数值模拟的认识,了解最新研究成果,本文对中国地区海风(锋)数值模拟进行了概述,重点讨论了海风三维结构与演变以及背景风、地形、城市热岛和大气稳定度对海风(锋)的影响。此外,本文也归纳总结了模式物理过程参数化对海风(锋)模拟的影响以及海风(锋)的大涡模拟研究。最后,对一些需要进一步研究的问题提出了建议。
海风锋是海风环流前缘形成的锋面,具有类似于冷锋的特征。海风锋能触发强对流,造成沿海地区雷暴等灾害性天气,是沿海地区气象研究的重点对象。随着数值模式和计算机技术的发展,数值模拟已成为气象研究中的重要方法。因此,海风(锋)的数值模拟受到越来越多的关注。过去的40年中,中国地区海风(锋)的数值研究不断开展,取得了不少研究成果。为了加深对海风(锋)数值模拟的认识,了解最新研究成果,本文对中国地区海风(锋)数值模拟进行了概述,重点讨论了海风三维结构与演变以及背景风、地形、城市热岛和大气稳定度对海风(锋)的影响。此外,本文也归纳总结了模式物理过程参数化对海风(锋)模拟的影响以及海风(锋)的大涡模拟研究。最后,对一些需要进一步研究的问题提出了建议。
摘要：
联邦学习这一类分布式机器学习技术旨在保证使用大数据进行机器学习训练时保护本地数据不泄露。然而一系列机器学习隐私攻击表明，即使不直接暴露本地数据，仅仅通过获取机器学习模型的参数就可以进行数据隐私的窃取。从训练时参与者和聚合端之间传递的中间模型到最后发布的聚合模型，联邦学习的模型发布过程存在着诸多的隐私威胁。由此也出现了大量相关的保护技术，包括基于差分隐私以及基于密码学的联邦学习隐私保护技术。本文针对联邦学习本地模型和聚合模型发布过程中可能出现的各种隐私威胁和敌手模型进行了简要介绍，并且对相关的防御技术和研究成果进行系统性综述。同时也对相关技术在联邦学习隐私保护中的发展趋势进行了展望。
联邦学习这一类分布式机器学习技术旨在保证使用大数据进行机器学习训练时保护本地数据不泄露。然而一系列机器学习隐私攻击表明，即使不直接暴露本地数据，仅仅通过获取机器学习模型的参数就可以进行数据隐私的窃取。从训练时参与者和聚合端之间传递的中间模型到最后发布的聚合模型，联邦学习的模型发布过程存在着诸多的隐私威胁。由此也出现了大量相关的保护技术，包括基于差分隐私以及基于密码学的联邦学习隐私保护技术。本文针对联邦学习本地模型和聚合模型发布过程中可能出现的各种隐私威胁和敌手模型进行了简要介绍，并且对相关的防御技术和研究成果进行系统性综述。同时也对相关技术在联邦学习隐私保护中的发展趋势进行了展望。
摘要：
传统导航方法只能检测出路径上存在的静止障碍物，无法检测出运动障碍物，为此提出基于深度学习的盲人避撞路径导航方法。收集语音信号，利用语音识别模型获取语音特征参数，根据语音特征参数识别出盲人输入的语音序列内容，确定盲人所要到达的目的地。构建障碍物检测模型，检测盲人所在位置与其目的地路径上障碍物的形状特征及其运动方向、速度，并计算初始位置与到达位置的距离。利用深度学习中的卷积神经网络规划出最优避撞路径，实现盲人避撞路径导航。实验结果显示，该方法检测出来的障碍物在x轴和y轴上的径向运动速度相差无几，可以实时跟踪监测障碍物的移动方向及运动速度。本研究方法所得速度与障碍物的实际运动速度基本一致，误差在0.2～0.4cm/s之间，且在测试时间为50min时，避障精准度达到了96.5%，能够实现最优避撞路径规划及导航。
传统导航方法只能检测出路径上存在的静止障碍物，无法检测出运动障碍物，为此提出基于深度学习的盲人避撞路径导航方法。收集语音信号，利用语音识别模型获取语音特征参数，根据语音特征参数识别出盲人输入的语音序列内容，确定盲人所要到达的目的地。构建障碍物检测模型，检测盲人所在位置与其目的地路径上障碍物的形状特征及其运动方向、速度，并计算初始位置与到达位置的距离。利用深度学习中的卷积神经网络规划出最优避撞路径，实现盲人避撞路径导航。实验结果显示，该方法检测出来的障碍物在x轴和y轴上的径向运动速度相差无几，可以实时跟踪监测障碍物的移动方向及运动速度。本研究方法所得速度与障碍物的实际运动速度基本一致，误差在0.2～0.4cm/s之间，且在测试时间为50min时，避障精准度达到了96.5%，能够实现最优避撞路径规划及导航。
全选反选导出
显示模式：
摘要：
随着物联网、云计算、移动互联网的迅猛发展,大数据(Big Data)吸引了越来越多的关注,正成为信息社会的重要财富,同时也给数据的处理与管理带来了巨大挑战.首先从大数据概念入手,阐述了大数据的来源、主要挑战、关键技术、大数据处理工具和应用实例等,并对比了大数据与云计算、物联网、移动互联网等技术之间关系,然后剖析了大数据核心技术、大数据企业解决方案,讨论了目前大数据应用实例,最后归纳总结了大数据发展趋势.旨在为了解大数据当前发展状况、关键技术以及科学地进行大数据分析与处理提供参考.
随着物联网、云计算、移动互联网的迅猛发展,大数据(Big Data)吸引了越来越多的关注,正成为信息社会的重要财富,同时也给数据的处理与管理带来了巨大挑战.首先从大数据概念入手,阐述了大数据的来源、主要挑战、关键技术、大数据处理工具和应用实例等,并对比了大数据与云计算、物联网、移动互联网等技术之间关系,然后剖析了大数据核心技术、大数据企业解决方案,讨论了目前大数据应用实例,最后归纳总结了大数据发展趋势.旨在为了解大数据当前发展状况、关键技术以及科学地进行大数据分析与处理提供参考.
摘要：
根据个人学习研究稳定性的心得体会，首先介绍了前苏联伟大的数学力学家Ｌｙａｐｕｎｏｖ院士的博士论文《运动稳定性的一般问题》在全世界产生的超过１个世纪的巨大影响．叙述了由该博士论文首创的几个巨大成就何以能奠定１门学科的基础，从而开创了１个新的重要的研究方向，以及留给后人很多很多研究的课题的理由．特别地，用事实和科学断语回答了“Ｌｙａｐｕｎｏｖ稳定性已领风骚１００多年，余晖还几何”的问题．明确表明１个观点：稳定性将是１个“永恒的主题”，不老的科学，定将永恒地给人启迪，洞察力，智慧和思想．
根据个人学习研究稳定性的心得体会，首先介绍了前苏联伟大的数学力学家Ｌｙａｐｕｎｏｖ院士的博士论文《运动稳定性的一般问题》在全世界产生的超过１个世纪的巨大影响．叙述了由该博士论文首创的几个巨大成就何以能奠定１门学科的基础，从而开创了１个新的重要的研究方向，以及留给后人很多很多研究的课题的理由．特别地，用事实和科学断语回答了“Ｌｙａｐｕｎｏｖ稳定性已领风骚１００多年，余晖还几何”的问题．明确表明１个观点：稳定性将是１个“永恒的主题”，不老的科学，定将永恒地给人启迪，洞察力，智慧和思想．
摘要：
系统辨识是研究建立系统数学模型的理论与方法.虽然数学建模有很长的研究历史,但是形成系统辨识学科的历史才几十年.在这短暂的几十年里,系统辨识得到了长足的发展,一些新的辨识方法相继问世$其理论与应用成果覆盖了自然科学和社会科学的各个领域,包括物理学、生物学、地球科学、气象学、计算机科学、经济学、心理学、政治学等。在这样的背景下，回过头来深思系统辨识的一些基本问题，对系统辨识的发展不无裨益。作为系统辨识的导引论文，简单介绍了辨识的定义，系统模型与辨识模型，辨识的基本步骤与辨识目的，包括辨识试验设计与数据预理，以及辨识方法的类别，包括最小二乘辨识方法、梯度辨识方法、辅助模型辨识方法、多新息辨识方法、递阶辨识方法等。
系统辨识是研究建立系统数学模型的理论与方法.虽然数学建模有很长的研究历史,但是形成系统辨识学科的历史才几十年.在这短暂的几十年里,系统辨识得到了长足的发展,一些新的辨识方法相继问世$其理论与应用成果覆盖了自然科学和社会科学的各个领域,包括物理学、生物学、地球科学、气象学、计算机科学、经济学、心理学、政治学等。在这样的背景下，回过头来深思系统辨识的一些基本问题，对系统辨识的发展不无裨益。作为系统辨识的导引论文，简单介绍了辨识的定义，系统模型与辨识模型，辨识的基本步骤与辨识目的，包括辨识试验设计与数据预理，以及辨识方法的类别，包括最小二乘辨识方法、梯度辨识方法、辅助模型辨识方法、多新息辨识方法、递阶辨识方法等。
摘要：
近年来,云计算作为一种新的服务模式已成为计算机科学领域的一个研究热点.首先从定义、部署模式、特征和关键技术等方面对云计算进行了综述,然后剖析了当前主流云计算参与企业和应用实例,最后讨论了目前云计算发展存在问题与机遇,旨在为了解云计算当前发展状况、研究趋势以及科学地评估云计算的运营和使用提供参考.
近年来,云计算作为一种新的服务模式已成为计算机科学领域的一个研究热点.首先从定义、部署模式、特征和关键技术等方面对云计算进行了综述,然后剖析了当前主流云计算参与企业和应用实例,最后讨论了目前云计算发展存在问题与机遇,旨在为了解云计算当前发展状况、研究趋势以及科学地评估云计算的运营和使用提供参考.
摘要：
近年来,多智能体系统的协调控制在多机器人合作控制、交通车辆控制、无人飞机编队和网络的资源分配等领域有着广泛的应用,成为当前控制学科的一个热点问题.首先介绍了多智能体系统的研究背景、智能体的概念和相关的图论知识;然后从多智能体系统协调控制包含的几个问题入手,即群集问题、编队控制问题、一致性问题和网络优化问题等,对其国内外的发展现状进行了总结和分析;最后,给出了多智能体系统有待解决的一些问题,以促进对多智能体系统协调控制理论与应用的进一步研究.
近年来,多智能体系统的协调控制在多机器人合作控制、交通车辆控制、无人飞机编队和网络的资源分配等领域有着广泛的应用,成为当前控制学科的一个热点问题.首先介绍了多智能体系统的研究背景、智能体的概念和相关的图论知识;然后从多智能体系统协调控制包含的几个问题入手,即群集问题、编队控制问题、一致性问题和网络优化问题等,对其国内外的发展现状进行了总结和分析;最后,给出了多智能体系统有待解决的一些问题,以促进对多智能体系统协调控制理论与应用的进一步研究.
摘要：
设计了一个三维声源定位系统，提出了一个新的系统模型，并对传统的基于声波到达时间差TDOA的算法进行了优化。通过检测麦克风接收到信号的时间差，结合已知的阵列元的空间位置确定声源的位置。该系统声源采集部分由4个阵列成正四面体的麦克风组成。算法的硬件实现由TMS320C5416DSP芯片完成'整个系统实现了声源定位的功能。
设计了一个三维声源定位系统，提出了一个新的系统模型，并对传统的基于声波到达时间差TDOA的算法进行了优化。通过检测麦克风接收到信号的时间差，结合已知的阵列元的空间位置确定声源的位置。该系统声源采集部分由4个阵列成正四面体的麦克风组成。算法的硬件实现由TMS320C5416DSP芯片完成'整个系统实现了声源定位的功能。
2017,9(2):159-167, DOI: 10.13878/j.cnki.jnuist.2017.02.006
摘要：
室内定位由于在工业生产和日常生活中存在重要的应用价值而成为研究的热点，传统的Wi-Fi、蓝牙等无线定位技术由于电磁干扰和多径效应等原因很难实现高精度的室内定位.经过调制的白光LED在满足照明需求的同时能够传送位置信息，实现室内的高精度定位.首先介绍了可见光定位系统中常用的几种调制方式，对不同调制方式的特点做出比较，提出了一种适用于可见光定位的调制方式；然后，介绍并讨论了可见光定位系统的两种解调方法；之后介绍了几种可见光定位的算法，并对每一种算法的性能进行详细的分析；最后对于可见光定位中存在的问题进行了讨论与展望.
室内定位由于在工业生产和日常生活中存在重要的应用价值而成为研究的热点，传统的Wi-Fi、蓝牙等无线定位技术由于电磁干扰和多径效应等原因很难实现高精度的室内定位.经过调制的白光LED在满足照明需求的同时能够传送位置信息，实现室内的高精度定位.首先介绍了可见光定位系统中常用的几种调制方式，对不同调制方式的特点做出比较，提出了一种适用于可见光定位的调制方式；然后，介绍并讨论了可见光定位系统的两种解调方法；之后介绍了几种可见光定位的算法，并对每一种算法的性能进行详细的分析；最后对于可见光定位中存在的问题进行了讨论与展望.
2017,9(2):174-178, DOI: 10.13878/j.cnki.jnuist.2017.02.008
摘要：
随着对光纤中非线性效应研究的不断深入，光纤分布式传感器得到了广泛的研究和应用.本文介绍了光纤传感的应用领域，综述了基于布里渊散射、拉曼散射及瑞利散射3种散射光实现不同类型光纤分布式传感的原理，最后从光纤分布式传感优势方面对其未来发展方向进行了展望.
随着对光纤中非线性效应研究的不断深入，光纤分布式传感器得到了广泛的研究和应用.本文介绍了光纤传感的应用领域，综述了基于布里渊散射、拉曼散射及瑞利散射3种散射光实现不同类型光纤分布式传感的原理，最后从光纤分布式传感优势方面对其未来发展方向进行了展望.
摘要：
提出了一种实验上可行的,通过光学谐振腔内多通道参量下转换过程直接产生多色连续变量对纠缠频率梳的方案,腔内增益介质为周期极化的准相位匹配的钽酸锂(LiTaO3)一维光学超晶格.通过连续变量纠缠判据证明了每个通道中产生的每对参量光之间是相互纠缠的.讨论了对纠缠频率梳的纠缠特性随系统参数的变化.此方案在量子通信网络中有着一定的应用前景.
提出了一种实验上可行的,通过光学谐振腔内多通道参量下转换过程直接产生多色连续变量对纠缠频率梳的方案,腔内增益介质为周期极化的准相位匹配的钽酸锂(LiTaO3)一维光学超晶格.通过连续变量纠缠判据证明了每个通道中产生的每对参量光之间是相互纠缠的.讨论了对纠缠频率梳的纠缠特性随系统参数的变化.此方案在量子通信网络中有着一定的应用前景.
摘要：
针对稳定状态下的电能质量信号，采用一种组合余弦窗的汉宁窗，将该窗函数与快速傅里叶变换相结合进行电能质量中的谐波分析，并利用Matlab7.0进行仿真验证，发现将窗函数与快速傅里叶变换相结合，在很大程度上能减少谐波泄漏，有效减弱谐波之间的干扰，有利于测量到较为精确的电能信号的幅值和相位.
针对稳定状态下的电能质量信号，采用一种组合余弦窗的汉宁窗，将该窗函数与快速傅里叶变换相结合进行电能质量中的谐波分析，并利用Matlab7.0进行仿真验证，发现将窗函数与快速傅里叶变换相结合，在很大程度上能减少谐波泄漏，有效减弱谐波之间的干扰，有利于测量到较为精确的电能信号的幅值和相位.
摘要：
QPSK作为一种抑制载波的抗干扰能力较强的四相移键控调制方式，被广泛应用于无线卫星通信中.同步（载波同步和符号同步）是解调过程中最核心的问题之一.采用基于软件无线电的思想，把尽可能多的通信功能用可升级、可替换的软件来实现.载波同步采用数字Costas环的方式，符号同步采用模平方谱线估计法来完成，并通过Matlab仿真验证结果的可行性.将仿真获得的参数结合硬件平台，最终在工程上实现了一款基于FPGA（现场可编程逻辑门阵列）的气象卫星解调器的设计.
QPSK作为一种抑制载波的抗干扰能力较强的四相移键控调制方式，被广泛应用于无线卫星通信中.同步（载波同步和符号同步）是解调过程中最核心的问题之一.采用基于软件无线电的思想，把尽可能多的通信功能用可升级、可替换的软件来实现.载波同步采用数字Costas环的方式，符号同步采用模平方谱线估计法来完成，并通过Matlab仿真验证结果的可行性.将仿真获得的参数结合硬件平台，最终在工程上实现了一款基于FPGA（现场可编程逻辑门阵列）的气象卫星解调器的设计.
2020,12(3):384-389, DOI: 10.13878/j.cnki.jnuist.2020.03.018
摘要：
为解决传统自平衡平台响应速度慢、控制精度低的问题，本文提出了基于EtherCAT总线的六自由度自平衡平台设计方法，由6台支持EtherCAT通信的伺服驱动器带动6条电动缸做伸缩运动，平台的倾角数据由陀螺仪读取并通过EtherCAT传输到主站，并利用自抗扰控制算法对平台进行精确控制.实验结果表明，所设计平台具有低延时和较高的抗干扰能力等优点.
为解决传统自平衡平台响应速度慢、控制精度低的问题，本文提出了基于EtherCAT总线的六自由度自平衡平台设计方法，由6台支持EtherCAT通信的伺服驱动器带动6条电动缸做伸缩运动，平台的倾角数据由陀螺仪读取并通过EtherCAT传输到主站，并利用自抗扰控制算法对平台进行精确控制.实验结果表明，所设计平台具有低延时和较高的抗干扰能力等优点.
摘要：
为了更好地求解数独问题,提出一种新的求解方法:采用实数编码去除整数约束,同时采用0范数作为目标函数来保证解的稀疏性．在此基础上,根据RIP（Restricted Isometry Property）与KGG(Kashin Garnaev Gluskin)条件,用1范数近似0范数．最后引入松弛矢量,使1范数转换为一个凸线性规划问题．采用主对偶内点法求解该线性规划问题．实验表明：该方法对简单、中等、困难、恶魔级别的数独,可达到100％成功率;对最小提示数目的17数独,达到864％的成功率．另外,该算法耗时短,且与数独的难度无关．因此,该算法在成功率与运行时间上均优于约束规划与Sinkhorn算法
为了更好地求解数独问题,提出一种新的求解方法:采用实数编码去除整数约束,同时采用0范数作为目标函数来保证解的稀疏性．在此基础上,根据RIP（Restricted Isometry Property）与KGG(Kashin Garnaev Gluskin)条件,用1范数近似0范数．最后引入松弛矢量,使1范数转换为一个凸线性规划问题．采用主对偶内点法求解该线性规划问题．实验表明：该方法对简单、中等、困难、恶魔级别的数独,可达到100％成功率;对最小提示数目的17数独,达到864％的成功率．另外,该算法耗时短,且与数独的难度无关．因此,该算法在成功率与运行时间上均优于约束规划与Sinkhorn算法
摘要：
针对多变量时间序列(MTS)的异常点的探测问题,提出了采用由粗到细的二次探测方案.基于滑动窗口数据的置信区间,构造了变化趋势值特征和相对变化趋势值特征分别用于二次探测,同时研究了特征的快速提取算法.通过对OPEN3000数据监测系统采集的事故发生前后某市城南变电站各设备表的数据集进行异常点探测,结果表明提出的算法能够快速准确地探测出异常点的位置.
针对多变量时间序列(MTS)的异常点的探测问题,提出了采用由粗到细的二次探测方案.基于滑动窗口数据的置信区间,构造了变化趋势值特征和相对变化趋势值特征分别用于二次探测,同时研究了特征的快速提取算法.通过对OPEN3000数据监测系统采集的事故发生前后某市城南变电站各设备表的数据集进行异常点探测,结果表明提出的算法能够快速准确地探测出异常点的位置.
2017,9(6):575-582, DOI: 10.13878/j.cnki.jnuist.2017.06.002
摘要：
近年来知识图谱技术引起了广泛的关注和研究，本文介绍了近期知识图谱的发展、构建方法、详细的构建过程，并对知识图谱在交叉学科领域的应用和未来的研究方向做了总结.本文详细介绍了构建文本知识图谱、视觉知识图谱、多模态知识图谱的关键技术，比如信息提取、知识融合、知识表示等.作为知识工程的重要组成部分，知识图谱，尤其是多模态知识图谱的发展对大数据时代的高效知识管理、知识获取、知识共享有着重要的意义.
近年来知识图谱技术引起了广泛的关注和研究，本文介绍了近期知识图谱的发展、构建方法、详细的构建过程，并对知识图谱在交叉学科领域的应用和未来的研究方向做了总结.本文详细介绍了构建文本知识图谱、视觉知识图谱、多模态知识图谱的关键技术，比如信息提取、知识融合、知识表示等.作为知识工程的重要组成部分，知识图谱，尤其是多模态知识图谱的发展对大数据时代的高效知识管理、知识获取、知识共享有着重要的意义.
摘要：
随着道路车量不断增多,由交通异常事件造成的非正常拥堵情况严重影响了出行者的出行效率和路网的整体运行水平.因此,需要准确及时地检测出非正常拥堵情况,通过诱导、疏通等方式改善拥堵状况.对车流量的准确预测是检测非正常拥堵的有效方法.根据交通流量的不确定性和非线性的特点,将改进的BP神经网络模型和ARIMA模型进行组合,建立组合预测模型.实验结果表明,组合模型的预测结果比单个模型的预测结果理想,且达到较高的预测精度.
随着道路车量不断增多,由交通异常事件造成的非正常拥堵情况严重影响了出行者的出行效率和路网的整体运行水平.因此,需要准确及时地检测出非正常拥堵情况,通过诱导、疏通等方式改善拥堵状况.对车流量的准确预测是检测非正常拥堵的有效方法.根据交通流量的不确定性和非线性的特点,将改进的BP神经网络模型和ARIMA模型进行组合,建立组合预测模型.实验结果表明,组合模型的预测结果比单个模型的预测结果理想,且达到较高的预测精度.
摘要：
基于NCEP 1°×1°再分析资料GDAS和NCEP2.5°×2.5°再分析资料GBL,利用美国NOAA 空气资源实验室ARL研发的一种用于计算和分析大气污染物输送、扩散轨迹的混合单粒子拉格朗日综合轨迹模式HYSPLIT,对2010年3月12日12时和田站距地100 m高度空气质点的3 d前向轨迹进行了模拟,分析了轨迹计算中的积分误差和分辨率误差.此次轨迹模拟试验中,积分误差对轨迹计算误差的贡献很小.随着积分时间的延长,积分误差略有增大.积分误差并未随着驱动数据分辨率的提高而减小.分辨率误差在积分的各个时刻并不相同,它与地形高度与天气系统有关.在轨迹模式中,轨迹计算基于风速在时间和空间上的线性插值,轨迹模拟的不确定性也与插值有关.使用不同分辨率的驱动数据对轨迹计算结果影响显著,分辨率误差对轨迹计算误差的贡献远大于积分过程中截断近似等带来的积分误差.
基于NCEP 1°×1°再分析资料GDAS和NCEP2.5°×2.5°再分析资料GBL,利用美国NOAA 空气资源实验室ARL研发的一种用于计算和分析大气污染物输送、扩散轨迹的混合单粒子拉格朗日综合轨迹模式HYSPLIT,对2010年3月12日12时和田站距地100 m高度空气质点的3 d前向轨迹进行了模拟,分析了轨迹计算中的积分误差和分辨率误差.此次轨迹模拟试验中,积分误差对轨迹计算误差的贡献很小.随着积分时间的延长,积分误差略有增大.积分误差并未随着驱动数据分辨率的提高而减小.分辨率误差在积分的各个时刻并不相同,它与地形高度与天气系统有关.在轨迹模式中,轨迹计算基于风速在时间和空间上的线性插值,轨迹模拟的不确定性也与插值有关.使用不同分辨率的驱动数据对轨迹计算结果影响显著,分辨率误差对轨迹计算误差的贡献远大于积分过程中截断近似等带来的积分误差.
摘要：
介绍了北京空气质量多模式集成预报系统（ＥＭＳ Ｂｅｉｊｉｎｇ）．系统中区域空气质量模式包括中国科学院大气物理所自主开发的嵌套网格空气质量模式系统（ＮＡＱＰＭＳ）模式、美国环保署（ＥＰＡ）开发的Ｍｏｄｅｌｓ ３／ＣＭＡＱ模式及美国Ｅｎｖｉ ｒｏｎ公司开发的ＣＡＭｘ模式等，均使用ＳＭＯＫＥ排放模型统一处理大气污染排放清单．此系统各模式采用统一的模拟区域和网格分辨率，采用中尺度气象模式ＭＭ５提供统一的气象场，并采用算术平均、权重集成等方法集成各空气质量模式结果，并投入北京空气质量业务预报，有效支持了北京奥运会空气质量数值预报．业务预报结果表明：１）采用ＳＭＯＫＥ处理的奥运排放清单较接近实际，２００８年８月各空气质量模式可吸入颗粒物（ＰＭ１０）日均值预报结果相对偏差为－３％ ～１７％，与观测数据相关系数在０７以上；２）在排放清单较接近实际的情况下，ＰＭ１０日均值多模式算术平均优于单个空气质量模式；３）分析２００８年４—１１月业务预报表明，采用权重集成方法预报的ＰＭ１０日均值优于算术平均方法，达６１％．总体上，权重集成方法优于算术平均结果．
介绍了北京空气质量多模式集成预报系统（ＥＭＳ Ｂｅｉｊｉｎｇ）．系统中区域空气质量模式包括中国科学院大气物理所自主开发的嵌套网格空气质量模式系统（ＮＡＱＰＭＳ）模式、美国环保署（ＥＰＡ）开发的Ｍｏｄｅｌｓ ３／ＣＭＡＱ模式及美国Ｅｎｖｉ ｒｏｎ公司开发的ＣＡＭｘ模式等，均使用ＳＭＯＫＥ排放模型统一处理大气污染排放清单．此系统各模式采用统一的模拟区域和网格分辨率，采用中尺度气象模式ＭＭ５提供统一的气象场，并采用算术平均、权重集成等方法集成各空气质量模式结果，并投入北京空气质量业务预报，有效支持了北京奥运会空气质量数值预报．业务预报结果表明：１）采用ＳＭＯＫＥ处理的奥运排放清单较接近实际，２００８年８月各空气质量模式可吸入颗粒物（ＰＭ１０）日均值预报结果相对偏差为－３％ ～１７％，与观测数据相关系数在０７以上；２）在排放清单较接近实际的情况下，ＰＭ１０日均值多模式算术平均优于单个空气质量模式；３）分析２００８年４—１１月业务预报表明，采用权重集成方法预报的ＰＭ１０日均值优于算术平均方法，达６１％．总体上，权重集成方法优于算术平均结果．
摘要：
我国钢铁产量连续11 a位居世界第一,同时也消耗了大量的化石燃料,排放出大量的温室气体．根据联合国政府间气候变化专门委员会(IPCC)的通用方法计算我国钢铁工业的碳排放情况并进行研究分析．结果显示:1994—2006年内钢铁工业碳排放量平均占碳总排放的14％,煤炭类能源产生的CO2平均占钢铁工业碳排放量的97％,钢铁年产量的增长伴随着CO2排放量的增加且两者的相互依赖性有加强的趋势,但1994—2006年内吨钢CO2排放量呈降低的趋势．因此,钢铁工业是我国碳减排的重点行业,其碳减排工作应该尽快展开,而优化能源消费结构是最有效的减排路径,此外也要加强技术创新或是引进国外先进技术以提高能源利用效率．
我国钢铁产量连续11 a位居世界第一,同时也消耗了大量的化石燃料,排放出大量的温室气体．根据联合国政府间气候变化专门委员会(IPCC)的通用方法计算我国钢铁工业的碳排放情况并进行研究分析．结果显示:1994—2006年内钢铁工业碳排放量平均占碳总排放的14％,煤炭类能源产生的CO2平均占钢铁工业碳排放量的97％,钢铁年产量的增长伴随着CO2排放量的增加且两者的相互依赖性有加强的趋势,但1994—2006年内吨钢CO2排放量呈降低的趋势．因此,钢铁工业是我国碳减排的重点行业,其碳减排工作应该尽快展开,而优化能源消费结构是最有效的减排路径,此外也要加强技术创新或是引进国外先进技术以提高能源利用效率．
摘要：
提出了一种量化水汽输送路径的方法，基于ＮＣＥＰ／ＮＣＡＲ再分析资料研究了南海强、弱夏季风年水汽输送路径的特征．结果表明：南海强夏季风年水汽输送路径偏东偏南；弱夏季风年水汽输送路径偏西偏北，且弱夏季风年水汽输送路径呈抛物线型．南海夏季风活动和夏季风槽的异常必然引起水汽输送的异常，而南海地区水汽输送强度与前期黑潮区域海温异常存在密切联系．
提出了一种量化水汽输送路径的方法，基于ＮＣＥＰ／ＮＣＡＲ再分析资料研究了南海强、弱夏季风年水汽输送路径的特征．结果表明：南海强夏季风年水汽输送路径偏东偏南；弱夏季风年水汽输送路径偏西偏北，且弱夏季风年水汽输送路径呈抛物线型．南海夏季风活动和夏季风槽的异常必然引起水汽输送的异常，而南海地区水汽输送强度与前期黑潮区域海温异常存在密切联系．
地址：江苏省南京市宁六路219号 邮编：210044
联系电话：025-58731025 E-mail：nxdxb@nuist.edu.cn
南京信息工程大学学报 ® 2026 版权所有 技术支持：北京勤云科技发展有限公司
