基于动态矩阵的永磁同步直线电机速度控制

为了改善直线电机的动态响应性能,提高电机控制系统的鲁棒性,使电机稳定运行,基于预测控制理论,设计了适用于直线电机速度环控制的动态矩阵控制器,将传统的直线电机三闭环控制系统中的速度环PID控制器替换为动态矩阵控制器,并分别搭建基于PID速度控制器和动态矩阵速度控制器的永磁同步直线电机三闭环仿真模型,在此基础上给控制系统施加阶跃信号,并进行突加负载和突减负载的仿真,将2种控制器控制下的系统响应结果进行对比。仿真结果表明,当速度环采用动态矩阵控制后电机的响应速度更快,超调更小,使电机速度更快达到稳定。改进后的速度环控制器提高了直线电机控制系统的鲁棒性,改善了直线电机的动态响应性能,提高了控制系统的抗扰动能力,有利于电机在负载变化较大的情况下运行。     

基于双路奇异值分解的信号降噪方法

针对常规奇异值分解对强噪声抑制效果不佳的问题,提出了一种基于双路奇异值分解的信号降噪方法。首先采用奇异熵定阶的方法对高阶噪声进行预处理,然后从双路奇异向量的相关性出发确定低阶噪声奇异向量的位置,最后将剩余的奇异值与奇异向量重构得到优化估计的降噪信号。仿真实验表明：双路SVD相比常规SVD的降噪方法在低信噪比、白噪声的环境下信噪比增益提升4.07 dB,与纯净信号波形相关系数增量提升0.11。以一段受到座舱噪声污染的语音信号为实验对象,文中方法与双通道自适应噪声抵消的降噪方法对比,信噪比增益提升4.83 dB,运算耗时缩短1.5 s。此外,文中方法不受噪声类型的限制,对于有色噪声和单频干扰甚至混合噪声同样具有良好的适应性,有广泛的应用前景。     

基于像素值排序最值阶跃响应的可逆信息隐藏

针对现有明文域可逆信息隐藏方案对于单个像素值修改过程中仅嵌入单比特秘密信息,提出一个基于像素排序值(pixel value ordering,PVO)阶跃响应的可逆信息隐藏方案。PVO对像素块排序后的最值进行预测和修改实现秘密信息的可逆嵌入,具有高保真的特性。利用PVO后的参考像素来确定高保真阶跃修改量,然后通过阶跃处理进行块内冗余像素的选择,最终通过排序序列与像素位置的映射关系来实现信息的嵌入。方案每修改单个像素值信息能够实现多比特秘密信息的嵌入,并且由像素排序确定得到的阶跃修改量能够保证信息提取后图像的无损恢复。经仿真实验验证,在达到同样嵌入容量要求条件下,研究结果较先前基于预测扩展处理的像素值排序方案能够大幅减少像素修改的数量,并且低负载条件下峰值信噪比性能指标得到显著提升。     

利用单检波器数据估计高铁列车运行速度

在列车结构基本上固定的前提下, 仅利用高铁线路隔离区外单个检波器采集的地震数据来估计高铁的运行速度。通过给出列车经过铁路上一点时该点的受力函数振幅谱与列车运行速度的关系, 提出一种基于速度扫描的列车速度估计方法。首先根据列车结构参数及预设列车运行速度生成一系列受力函数振幅谱, 然后计算各种速度下的受力函数振幅谱与单个检波器所接收到信号振幅谱的互相关函数, 最终选取互相关函数值最大时对应的速度作为列车运行速度的估计值。合成数据及实测数据的结果均证明所提方法的合理性, 有望将此方法推广到其他道路交通中具有固定结构交通工具的速度估计中。     

ASIFT与SVD相结合的Contourlet域的抗几何攻击视频双水印算法

为平衡数字水印技术中的鲁棒性与透明性,提出基于仿射尺度不变特征变换(ASIFT)与奇异值分解(SVD)结合的Contourlet域视频双水印算法。首先,利用卡尔曼滤波器将视频帧内的运动物体进行分离获取运动宏块,对运动宏块进行Contourlet变换;其次,利用奇异值分解对图像的信号攻击存在较高的稳定性和低频子带系数直方图在旋转、缩放等几何攻击具有较强的鲁棒性,自适应地将混沌水印序列分别嵌入到高频子带奇异值矩阵和低频子带系数中;最后,以ASIFT的尺度和方向不变性作为触发器,用于判断嵌有水印的视频遭受的攻击类型。本文算法能保证嵌入水印的视频帧的峰值信噪比值(PSNR)在70 dB以上,水印的嵌入量达到240×360 bit。实验结果表明本文的算法能够保证水印的不可见性的同时针对几何攻击和信号攻击都具有较强的鲁棒性。     

波流环境下多孔射流运动和稀释特性试验

采用PIV和PLIF技术对波流环境下多孔垂向射流近区的速度场和浓度场进行测量,对比分析不同波浪条件下射流运动轨迹、速度场、浓度场及涡量场特性,重点探讨波流和纯流环境下射流运动特性的差异以及波浪作用对多孔射流发展的影响。结果表明:波流流场中射流时均轨迹发生扭曲,产生"污染物云团"现象,与纯流环境下射流差异明显;波浪对波流环境下的多孔射流运动影响显著,具体表现在波浪强度的增大能够增加射流与环境水体的接触面积、加快射流垂向动量衰减、增强前方射流对后方射流的遮掩作用、降低多孔射流汇合点高度等方面。当前组次下,波浪的存在使得各断面污染物浓度峰值减小,因此对波流环境下多孔射流的稀释有积极的作用。     

一种结合Dropblock和Dropout的正则化策略

为了能够全面且高效加快卷积分类网络的收敛速度和提升稳定性,提出了一种新的正则化策略,将Dropblock算法和Dropout算法相结合,从而实现对整个卷积分类网络的浅层、中层和深层网络进行正则化.其中,Dropblock通过隐藏部分特征图实现卷积层正则化,Dropout通过隐藏部分权重参数实现全连接层正则化,从而实现对整个卷积分类网络进行全面正则化.通过Kaggle猫狗分类大赛提供的数据集进行训练和测试实验表明,提出的新的正则化策略可有效加快分类网络的收敛速度和提升稳定性,此外,能有效提高深度卷积分类网络的分类准确率.     

对多元函数最值问题的思考与教学探讨

多元函数的最值问题是高等数学课程的教学难点之一,众多教材重点讲解了如何计算多元函数的最值,而没有深入探究计算函数最值的前提:函数最值的存在性.深入分析了经典教材中的几个实例,证明了这些问题的最小值(或最大值)是存在的,从而打消学生在学习过程中的疑虑,让学生更深刻地理解多元函数最值的存在性.     

Banach空间中集值隐函数的类Lipschitz性质及其应用

利用变分分析和广义微分的相关工具,在Banach空间中研究集值隐函数的稳定性,给出集值隐函数在给定点具有类Lipschitz性质的Clarke上导数充分条件.作为应用,讨论参数向量优化问题有效解映射的稳定性,给出有效解映射在给定点具有类Lipschitz性质的Clarke上导数充分条件.所得结果改进了相关文献中的结果.     

基于点权的混合K-shell关键节点识别方法

复杂网络中,评估节点的重要性对于研究网络结构和传播过程有着重要意义.通过节点的位置,K-shell分解算法能够很好地识别关键节点,但是这种算法导致很多节点具有相同的K-shell (Ks)值.同时,现有的算法大都只考虑局部指标或者全局指标,导致评判节点重要性的因素单一.为了更好地识别关键节点,提出了EKSDN(Extended K-shell and Degree of Neighbors)算法,该算法综合考虑了节点的全局指标加权核值以及节点的局部指标度数.与SIR(Susceptible-Infectious-Recovered)模型在真实复杂网络中模拟结果相比,EKSDN算法能够更好地识别关键节点.