基于改进主观贝叶斯方法识别电熔镁炉异常工况

电熔镁炉熔炼过程信息包含大量的不确定性，基于大数据分析的方法难以应用.为准确识别电熔镁炉熔炼过程的异常工况，提出一种基于改进的主观贝叶斯在线规则推理方法.传统的主观贝叶斯方法参数赋值范围过大，针对这一问题，使用映射函数将参数赋值范围缩小到有限区间，以提高方法的实用性.在规则推理时，使用模糊隶属度函数对观察和证据进行模糊匹配，以提高工况识别的鲁棒性和准确率.仿真分析表明该方法可以有效描述规则中的不确定性信息，准确识别电熔镁炉熔炼过程的异常工况.     

面向非合作目标的柔性捕获器设计与动力学建模

为更好地实现对动态非合作目标的捕获,设计开发了一种多臂式柔性捕获器.这种捕获器的原理类似海葵等生物捕猎的方式,不依赖单个柔性臂的精准夹持而是靠多根臂所构成的臂群实现聚拢、挤压等动作,以完成对目标物体的捕获.基于能量守恒和动量守恒原理对非合作目标物体与柔性臂的碰撞问题进行分析,给出了发生碰撞后柔性臂与目标物体各自的运动参数.为进一步分析柔性臂的动态变形过程,采用多个线性关节和扭转关节的组合对单根柔性臂进行描述,并基于牛顿法对各离散关节进行受力分析,建立了柔性臂的动力学模型.将柔性臂整个变形过程离散为多个微小时间段运动的集合,通过动力学分析得到当前时刻的动力学参量,经过一个微小时间内的运动后即可得到下一时刻各质点的位置,迭代进行上述步骤便得到了柔性臂的动态变形过程.而后,通过实验确定单臂动力学模型的最优参数,并将参数优化后的动力学模型在不同加载情况下与单臂样机进行对比,验证了动力学模型的准确性.最后,在单臂动力学模型的基础上建立包括多根柔性臂的捕获器三维模型,进行非合作目标捕获的仿真与样机实验.结果表明:所设计的臂群式柔性捕获器能够很好地完成动态非合作目标捕获任务,所建立的捕获器三维仿真模...     

水文时间序列周期分析的RICp准则

为准确识别与提取水文时间序列中的显著周期成分,本文借鉴AIC准则的思想,提出了一种以相关系数作为拟合精度指标、以信息熵形式的函数式作为不确定性度量指标的周期显著性评价准则——RIC_p.以包含多个周期成分的模拟序列进行统计实验,对比不加入RIC_p准则的MCCP（moving correlation coefficient-based method for periodicity）方法、仅基于假设检验的HAM（harmonic analysis method）方法与通过熵谱峰值点选取显著周期的MESA（maximum entropy spectral analysis method）方法,从周期规律的完整性以及周期结果的准确性两个方面进行评价.分析结果表明, HAM方法和MCCP方法会给出较多的伪周期成分, MESA方法的识别结果会忽略位于峰值附近的次显著周期,基于RIC_p准则的周期分析方法在4种方法中表现最好.基于RIC_p准则的周期分析方法的优势在于,可以同时满足显著周期判断、周期显著性分级与周期成分...     

基于深度学习的牙刷姿态识别方法

针对牙刷分拣中的定位问题,在确定牙刷位置的基础上采用深度学习实现牙刷姿态识别.对牙刷图像进行去噪增强,通过阈值分割提取感兴趣区域,计算图像的几何矩获得牙刷的方向角和外接矩形,以外接矩形的中心作为牙刷位置.用矩形框内的牙刷图像训练残差网络模型,当模型正确率达到要求时保存该模型,用于判断图像中牙刷的姿态.测试结果表明,该方法可以快速准确地实现牙刷的位置确定与姿态识别,为机器人分拣提供牙刷位姿信息.     

多维度深海鱼类识别算法

针对深海光线分布不均匀导致鱼类识别检测困难的问题,提出了符合视觉认知的多维度深海鱼类识别算法.该方法从时间维度优化传统的高斯混合模型(GMM)初步确定变化区域,从空间维度构建目标特征,完整提取运动目标,从时空关联维度建立深度学习的鱼类识别框架,试验结果表明:本算法可在多种复杂条件下准确提取运动目标,面积交迭度(AOM)达到80％以上,优于当前主流算法.     

基于多目标的民用航空发动机典型部件维修间隔确定

发动机部件维修间隔制定得合理与否对民机运行的安全性与维修成本有着至关重要的影响，而MSG-3逻辑思想对维修间隔确定的方法没有提及。为此，本文通过建立数学模型，之后采用遗传算法对模型进行求解来确定发动机上典型部件的维修间隔，从而得到部件的维修间隔理论值。文章选取反推同步锁进行案例分析，将求得的维修间隔值和737NG维修计划文件（MPD）中的维修间隔值对比，发现误差为6.9%，表明了模型和算法的可行性。因此本文方法可以为国内发动机制造商确定部件维修间隔提供参考。     

基于完备集合经验模态分解-归一化希尔伯特变换的神经网络储层流体识别

地震资料的瞬时属性包含丰富的地质信息,可用于储层流体的识别。希尔伯特-黄变换目前在地震资料的瞬时属性提取中呈现出了很大的优势,但是该方法中存在模态混叠、频率误差等问题,限制了其应用。基于此,引入了基于完备集合经验模态分解和归一化希尔伯特变换的改进方法有效提取地震资料更具物理意义的瞬时属性。同时,为了提高储层含气性检测的准确性和精度,选取瞬时频率和瞬时振幅构建分频剖面模型,对目标区域的储层特性和含气特征进行描述。再结合测井资料,运用有监督的神经网络实现对储层含气性的自适应高精度识别。实例研究表明,基于完备集合经验模态分解-归一化希尔伯特变换的前向反馈神经网络方法能够根据某一区域地震数据有效预测该区域储层的含气状况。     

关于一类多目标半无限规划的最优性条件

本文在(C,α,ρ,d)-凸函数的基础上,提出广义(C,α,ρ,d)_(K,θ)-凸函数的概念,并讨论涉及这类新广义凸性的一类多目标半无限规划的最优性条件。