一种基于战争网络的级联失效模型

通过研究复杂网络的级联失效问题,提出一种基于战争网络的级联失效模型:在已知攻击策略的前提下,如何分配防御兵力,使得最终未失守的阵地尽可能多;定义了基于度的全局攻击策略,给出一种可行的防御策略;通过在四种典型的复杂网络上进行模拟仿真,验证该模型的可行性与合理性,得到抗毁性能与网络拓扑结构之间的关系,为研究攻击防御网络和资产负债网络等提供一种有效方法.     

脉冲型阵列量子级联激光器驱动电源

设计并研制了一种高精度的可调节阵列量子级联(QC: Quantum Cascale)激光器驱动电源, 以用于中红外多气体检测系统。该系统运用时分复用的思想, 利用并联加串联的方式, 同时驱动多个QC激光器。在硬件方面, 以DSP F28335为主处理器, 采用压控恒流源的原理, 通过大功率半导体器件, 实现脉冲频率(1~10 kHz, 步进0.5 kHz)、 占空比(0.5%~40%, 步进0.5%)、 电流幅值(0~4 A, 步进0.1 A)连续可调的脉冲恒流源。在控制方案上, 采用模拟PI(Proportion Integral)控制算法, 通过两级模拟PI环节的双重反馈方式, 提高了驱动电流的准确性和稳定性。同时, 该系统还设计了电源滤波慢启动电路、 过流保护电路、 过压保护电路、 静电防护电路等, 防止QC激光器被瞬间大电流损坏, 以确保激光器的正常工作。经实验测试, 当设定脉冲电流幅值为2.0 A, 脉冲频率为5 kHz, 脉冲宽度为2 μs时, 输出脉冲电流幅值稳定度优于1.7×10^-3 A, 脉冲宽度稳定度优于2.4×10^-2μs, 脉冲上升时间小于11.9 ns, 脉冲下降时间小于9.6 ns。在同时驱动多个QC激光器长时间测试过程中, 驱动电流稳定, QC激光器发光稳定, 测试指标达到要求。     

多电平逆变器空间矢量控制算法的研究

针对60°坐标系空间矢量脉宽调制算法在求解合成矢量对应开关状态时存在较大计算量的问题,提出了一种优化算法,该算法按照开关频率优化原则设计参考电压在(0,π/3)范围内对应的开关状态,然后通过交替相序和取反的方法获取参考电压在整个电压周期内对应的开关状态.优化算法不仅提高了效率,而且还有利于增强输出波形的正弦对称性.利用Matlab搭建了五电平逆变器模型,对提出的简化算法进行仿真,仿真结果验证了算法的正确性和有效性.     

基于网络的过热蒸汽温度可靠性控制

研究了在考虑执行器故障情况下,以及过热汽温的控制信号通过网络进行传输的情况下,过热汽温的温度控制系统的可靠性控制问题。建立了执行器随机故障模型,以串级控制为基本控制策略,利用Lyapunov稳定性理论和线性矩阵不等式(linear matrix inequities,LMIs)技术,给出了系统随机均分稳定条件,提出了考虑执行器具有随机故障的过热蒸汽控制系统的控制器设计方法。通过仿真实验证明了提出的控制器设计方案的有效性。     

基于贝叶斯分类器的实时图像目标识别实验研究简

基于对不完全朴素贝叶斯分类器的分析,提出一种离线训练在线识别的目标图像识别与跟踪实验方法.实验将模板图像与目标实时图像之间的特征匹配问题转换为特征分类问题,并在成像自寻的导引系统上运行.实验结果表明,该方法在保持很高鲁棒性的同时,大幅减少在线目标识别的计算量,具有较强的实时性.     

带有加性时变时滞的级联切换系统的指数稳定性

讨论了带有加性时滞的级联切换系统的指数稳定性.将网络控制系统中的网络诱导时延和数据丢包问题归结为切换系统的各子系统中的两个加性时滞,并构造相应的Lyapunov-Krasovskii泛函.设计满足平均驻留时间条件的切换规则,并结合Jensen积分不等式,以线性矩阵不等式的形式给出确保带有加性时滞的级联切换系统指数稳定的充分条件,所得结果具有更小的保守性.最后用数值例子验证了该方法的有效性.     

基于稀疏表示的快速三维人脸识别方法

随着计算机技术和三维成像技术的发展,三维人脸识别因不易受光照、装扮变化的影响成为人脸识别和身份验证的新趋势,但是对于表情、姿态变化其识别率还是有待于改善,时间开销较长.本文提出基于稀疏表示原理,对人脸重要的特征鼻尖点进行提取,采用最近邻分类器进行分类识别.实验结果表明,对表情变化等具有较高的鲁棒性和识别效果,且时间开销极小,优于传统的三维人脸识别方法.     

一种最大化样本可分性半监督Boosting算法

针对数据实际分布与假设不匹配时半监督学习算法难以改善分类器性能的问题,该文提出一种最大化样本可分性半监督Boosting算法,通过引入"高密度区域局部散度最小、样本空间全局散度最大"准则来学习未标注的样本。该准则使用两种半监督假设(聚类假设和流形假设),减少了因半监督假设与数据不匹配造成的准确率下降问题。实验结果表明,该文算法有效提高了Boosting算法在符合聚类假设数据集和符合流形假设数据集上的准确性,提高了分类器噪声数据的稳定性。     

一种改进的CIR法用于单历元模糊度解算

针对级联整周模糊度解算（CIR）法在载波相位和伪距观测噪声很大的场合,模糊度固定成功率很低这一问题,提出了一种改进的CIR法,该算法以CIR法为基础,利用排序和连续（逆）乔里斯基降相关法对每步最小二乘法求得的模糊度浮点解和协方差矩阵进行降相关,最后采用改进的最近点搜索（MAEVZ）法固定整周模糊度.仿真实验表明,在伪距观测噪声为2.0 m,载波相位观测噪声为0.03周的短基线环境下,CIR法单历元整周模糊度解算成功率已经低于5%,无法正确固定整周模糊度,而改进的CIR法单历元整周模糊度解算成功率仍能达到90%以上.      

数据流滑动窗口方式下的自适应集成分类算法

针对基于数据块的集成算法,存在数据块大小影响分类效果,且不能及时应对完整式概念漂移的问题,提出了一种考虑数据流局部特征的和能应对多种类型概念漂移的集成分类算法.用滑动窗口作为概念漂移检测器,当检测到概念漂移时,则建立新的分类器并加入到集成分类器中.本文提出的算法在人工合成和真实数据集上与经典算法进行了广泛的对比实验.结果表明:提出的算法在分类准确率上具有明显优势,消耗更少的内存,更适合多种类型概念漂移的环境.