自动驾驶汽车车底边框的优化算法

为了对通过YOLO框架所提取出的汽车底边框进行优化,首先对于道路上的每一辆汽车底部部分像素块建立改进后的高斯混合模型,通过该模型来刻画道路灰度值以及车底阴影灰度值的正态分布规律,然后通过对每辆检测到的汽车进行自上而下的扫描算法以确定汽车边框的实际高度,最后通过进行路测实验来说明算法的可行性与准确性.     

基于差异信息量的多源数据融合方法

D-S证据理论可应用于多源数据融合领域，但在处理高度冲突的证据时，可能会出现反直觉的结果.为解决这一问题，本文提出了差异信息量的概念及融合方法.首先，通过信息熵表明证据的相对重要性，采用散度获取证据可信度.然后利用证据可信度优化证据差异度以得到差异信息量，经过计算获取数据的最终权重，并将其作为D-S证据理论中的基本概率分配进行决策.在处理冲突证据、一致证据及不同数量证据等方面的数据融合问题时与其他方法对比，所提方法收敛更快，准确度更高.故障诊断的应用实例表明，所提方法的不确定性更小，优于现存的其他方法.     

考虑保障装备可用度的舰载机作业调度优化

为了在保证较高水平的保障可用度前提下提高舰载机出动效率, 提出一种支持可用度约束的统计优化模型及其对应的启发式求解算法。能够同时生成舰载机的保障作业调度方案和保障装备计划性维护的时间安排, 并通过基于仿真的优化方式, 在启发算法的适应度评价中增加对视情维修和事后维修的仿真, 提高了舰载机作业调度方案的鲁棒性。仿真结果表明，所提算法能够提供一个稳定可靠的基准调度方案, 避免不必要的重调度。     

双向认知网络物理层安全策略建模及仿真研究

为提高移动通信系统的性能,构建了一个存在主网络干扰和窃听者的双向认知中继网络的物理层安全传输模型,设计了一种中继选择和功率分配的联合优化策略,用于对抗窃听者,保护收发节点的信息传输。通过仿真分析得出,此非凸优化问题限制条件较多,难以保证粒子群优化算法随机生成的初始解的可行性,从而造成求解困难。提出了一种基于可变网格优化和粒子群优化算法的混合优化算法。仿真结果表明此算法提高了次级网络的保密速率,提升了次级网络的安全性能。     

可重构智能面辅助的低精度量化大规模MIMO系统的信道估计

针对可重构智能面辅助的低精度量化的大规模多输入多输出(multiple input multiple output, MIMO)系统中信道估计问题进行了研究。该系统的信道估计难点在于可重构智能面由近无源反射天线构成, 没有基带信号处理能力。系统观测值通过低精度的模数转换器量化使信道估计问题变得更富挑战性。本文基于基站-可重构智能面-用户的级联信道推导出等效信道, 并证明在虚拟角域上，该有效信道是结构稀疏信号。提出了基于期望最大化的近邻学习广义近似消息传递算法，从低精度量化的观测值中恢复等效信道。仿真结果表明所提出算法比传统算法具有更好的性能表现。     

拟常曲率黎曼流形中卷积子流形的一些不等式（英文）

用最优化方法，研究了拟常曲率黎曼流形中的卷积子流形，讨论了广义标准δ-Casorati曲率，建立了内在不变量和外在不变量之间的两个不等式，推广了实空间形式中子流形的最优不等式。     

基于不平衡数据的公司破产预测研究

整合创新数据预处理技术与集成算法利用不平衡数据探讨了公司破产预测问题。首先，运用冗余信息处理方法、不同抽样方法等对不平衡数据进行预处理。其次，以5.0分类器（Classifier 5.0,C5.0）决策树和单隐层前馈神经网络作为基分类器，分别与三类重抽样数据预处理技术结合，择出最优抽样法。再次，结合自助汇聚法提升分类效果，并运用十折交叉验证的受试者操作特征曲线的下方面积进行评价，对比了两基分类器的集成模型。最后，运用加利福尼亚大学尔湾分校数据库中一万多家波兰制造业公司的实际数据进行实验验证。实验结果表明：欠抽样或人工少数类过采样法与神经网络结合的集成模型分类效果最优，为企业实施破产预测提供积极支撑。     

多弧离子镀制备的耐事故燃料包壳铬涂层晶粒结构研究

本文通过从几十微米到几埃的多尺度表征展示了多弧离子镀制备铬涂层的详细结构.经XRD, SEM, FIB, TEM和HRTEM表征，结果显示该涂层是一种多重结构，包括表面上的微米级颗粒、缺陷带钉扎的微米或次微米级液滴、以堆垛层错为晶界的柱状晶、以刃位错和螺型位错为区分的微晶、位错末端的原子畸变以及原子排列无序化的区域.这些结构通过改变涂层的结晶度，影响了晶格常数、表面粗化和FIB溅射裂纹.此外，通过分析HTEM照片，确定了这些堆垛层错和位错的类型.最后，讨论了沉积参数对这些晶粒结构的影响.     

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...     

基于多阶段退化建模的谐波减速器实时可靠性评估与寿命预测

谐波减速器是工业机器人的关键核心部件,其可靠性的实时评估和剩余寿命预测对于提升工业机器人的工作性能和健康监管具有重要意义.作为一种复杂的高精度机械部件,其退化过程表现出明显的多阶段性特点.因此,针对谐波减速器的退化特性,提出基于Gamma过程的多阶段退化模型对谐波减速器性能退化过程进行精确描述.首先,根据谐波减速器退化趋势的变化,进行多阶段退化过程的划分;然后采用历史性能指标数据,基于最大皮尔逊相关系数准则估计模型先验分布的超参数,建立基于Gamma过程的多阶段退化模型.在此基础上,针对在役设备的实际运行特点和工程现场中性能指标数据获取困难的问题,提出采用振动特征来建立高斯过程回归模型,对性能指标值进行精准预测以实现对退化模型后验分布参数的实时更新.最后在此基础上对谐波减速器进行实时可靠性评估和剩余寿命预测.通过对谐波减速器可靠性实验数据的分析表明,所提出的方法能够实现可靠性的实时评估,并且与单一阶段退化模型相比,该方法对剩余寿命的预测精度更高.