基于残差卷积自注意力神经网络的铝电解过热度识别方法

过热度是反映铝电解槽当前生产效率的重要指标,由于过热度难以在线实时测量,本文提出一种基于残差卷积自注意力神经网络的过热度识别方法.针对铝电解生产过程数据为时间序列数据且具有多源异构特性,设计异构数据的同构表示方法.在此基础上建立残差卷积自注意力神经网络模型以提取同构时间序列数据的全局与局部特征.针对过热度数据标签少且类别分布不均匀问题,采用基于自动编码器的无监督预训练方法与加权交叉熵损失函数以提高过热度识别任务的性能.在基准数据集上进行仿真对比实验以验证本文所提方法的有效性,然后在只包含少量不平衡标签的铝电解过热度数据集上进行实验验证,结果表明本文构建的过热度识别模型相较与其他现有模型不仅提高了过热度识别准确率,而且在训练样本较少时保证了模型的泛化能力.     

低真空对电渣重熔工艺和铸锭质量的影响

脱氧和夹杂物控制是电渣重熔钢锭质量提升的关键.分别在氩气保护的常压和低真空(10 kPa)条件下重熔H13电极,结合热力学计算,分析了低真空对电渣重熔工艺过程和铸锭质量的影响.结果表明,相比常压,低真空条件下渣池含气率升高,熔速波动更剧烈,所得电渣锭表面质量较差.常压和低真空条件制得电渣锭中总w_O分别为24×10^-6和18×10^-6,碳脱氧反应随压力降低而加强,并逐渐取代铝脱氧.相比Al-O平衡,10 kPa条件下与电极中w_C平衡的溶解w_O更低,因而能够进一步降低钢锭中w_O.碳脱氧产物是CO气体,不会引入新的夹杂物.常压和低真空条件制得电渣锭中夹杂物的类型没有明显区别,最大夹杂物尺寸从14.9μm分别减小到10.5μm和8.3μm,等效直径小于3μm的夹杂物检出比分别为63.85%和75.91%.低真空条件能够进一步细化夹杂物,提高钢锭洁净度.     

联合实体边界检测的命名实体识别方法

针对传统命名实体识别方法无法有效利用实体边界信息的问题,提出一种联合实体边界检测的命名实体识别方法,即将实体边界检测作为辅助任务,增强模型对实体边界的判断能力,进而提升模型对实体的识别效果。首先,利用Bert预训练语言模型对原始文本进行特征嵌入获取词向量,并引入自注意力机制增强词对上下文信息的利用;其次,在命名实体识别任务的基础上,添加实体边界检测辅助任务,增强模型对实体边界的识别能力;再次,对比联合实体边界检测的命名实体识别方法与基线方法的有效性,并对测试结果进行消融实验;最后,进行样例分析,分析损失权重β对实体边界检测的影响。实验结果表明,在英文社交媒体数据集Twitter-2015上,联合实体边界检测的命名实体识别方法相较于基线模型取得了更高的精准率、召回率和F1值,其中F1值达到了73.57%;并且,边界检测辅助任务提升了基线方法的检测效果。所提方法能有效利用实体边界信息,从而获得更好的实体识别效果,促进了人机交互系统的发展,对自然语言处理下游任务有重要意义。     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...     

刚体机构的鲁棒变结构控制

本文针对仅装备位置传感器的刚体机构,提出了一种新的鲁棒变结构控制算法。该算法克服了传统的变结构算法中由于过大的开关项系数而激发系统的未建模模态所引起的系统振动现象。重新定义的状态变量实现了观测器和控制器的解耦。在控制器中,对滑动误差的收敛速度进行控制的新概念被首次提出。在我校自行研制的“JTR-1”教学机器人上的实验,证明了这种算法良好的性能。     

基于压缩感知的在线多示例学习目标追踪

近年来提出的多示例学习算法在一定程度上能够克服模板漂移问题。然而,在线学习需要获取足够多的有用数据才能达到稳定的追踪效果,但是这却增加了算法的复杂度。为了解决这一问题,在压缩感知理论的基础上,运用随机观测的方法对多尺度图像特征进行降维,提取的这些低维特征中包含大量的有用信息。因此,我们提出的算法是先利用压缩感知理论提取目标特征之后,再使用在线多示例学习算法分类器对这些特征进行分类从而实现目标的稳定跟踪。通过对不同的图像序列进行实验,结果表明基于压缩感知的在线多示例学习算法对实时的目标追踪有很好的适应性。     

Critical slope gradient for compulsory abandonment of farmland on the hilly Loess Plateau

Scientific evidence for the upper limit of farmland is proposed. Shallow gully erosion is one of erosion types distributed extensively on sloping farmland in the hilly regions of the Loess Plateau. Field observation and aerial photos interpretation, as well as laboratory experiments show that the shallow gully erosion occurring on the steeper farmland in the hilly regions of the Loess Plateau is an important factor leading to intensive erosion on slope, because of its extensive distribution and intensive runoff collection. The data on the formation, development and distribution of shallow gullies on sloping farmland indicate that critical slope gradient for shallow gully initiation ranges from 15 to 20 degrees with an average of 18.2 degrees. Therefore, it is suggested that critical slope gradient for compulsory abandonment of farmland on the hilly Loess Plateau should be kept within the critical slope gradient for shallow gully initiation to prevent shallow gully formation in order to control soil loss more effectively. But as the first step, the cultivation on the slopes with slope larger than 25 degrees where the maximum erosion occurs should be strictly forbidden.     

一种基于空间域和频谱域特征的图象分割方法

提出了一种基于空间域和频谱域特征的神经网络的医学图像分割方法．本方法不需要教师监督,能自动生成最优的网络输出节点,即分类数．对ＣＴ,ＭＲＩ和超声图像的分割表明本方法有效方便．     

机器人多指手的位置一力混合控制

分析了一类机器人多指手的动力学模型的特点,针对这类机器人多指手在运动和抓握２个过程中动力学特性有根大差异的特点,提出了１种切实可行的位置─力混合控制方案,并成功的应用于北京科技大学双拇指手控制系统。     

时变不确定非线性系统的鲁棒输出跟踪

该文研究了一为具有时变参数或扰动的非线性系统的鲁棒轨迹跟踪控制问题,假定系统的标称模型是可以反馈线性化的,通过递推构造壮环系统地的Ｌｙａｐｕｎｏｖ函数,给出了该类不确定系统鲁棒输出跟踪控制器设计方案。该控制器能保证闭环系统的状态是一致有界的,且通过对控制器参数的适当选择,可使闭环系统的输出跟踪达到指定的精度要求,最后由一机器人控制系统的仿真研究表明,该文提出了控制方案具有很强的鲁棒性,控制效果是令