基于OBDD时序电路设计的验证

依据有序二叉判定图（OBDD）和计算树逻辑（或称分支时态逻辑）CTL（Computational Tree Logic)的基本原理，分析了基于OBDD和CTL的验证数据电路设计的基本原理，并在此基础上，给出了时序电路等价验证的方法。     

关于工程项目风险分析的模糊影响图方法

本文综合应用模糊集与影响图理论建立了模糊影响图方法，并以工程项目风险分析系统为背景进行了初步应用研究，取得一定成效。     

同步时序电路转换符设计法

本文通过应用转换符法，可以方便地设计中各种状态的同步时序电路。     

障碍可越路线规划的符号图方法

本文给出２—Ｄ路线规划问题在障碍可越情况下的启发式符号方法．这一方法利用推理规则在由图像信息导出的连通图知识结构上进行启发式符号Ａ搜索以对空间关系进行分析和分类，以符号描述形式给出两声间路线规划方案．     

An Improved S-Random Interleaver Design for Turbo Code Based on Chaos Model

A new method to design interleaver based on Henon chaos model is presented. The designed interleaver is with rather random behavior. Experimental results show that the proposed S-henon interleaver make a magnitude of im provement in bit error rate （BER） performance by 0.4 dB compared with the S-random interleaver for AWGN channel respectively. The S-henon interleaver may be adapted to 3G mobile communication systems.     

一类优美有向图的充要条件

研究了由恰有一个公共顶点的有向回路→／Ｃｍ和→／Ｃｎ（ｍ，ｎ≥３）组成的有向图→／Ｗｍ，ｎ的优美性，给出了→／Ｗｍ，ｎ是优美有向图的充要条件。     

模糊集合论在矿山控制网布设和图纸质量评定中的应用

应用模糊数学方法研究和处理矿山测量中存在的具有“模糊性”的问题。例如控制网布设方案及矿山测量图纸质量的综合评判。它能更准确地描述用精确数学模型难以描述的问题。     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

改进位姿估计环节的ORB-SLAM稠密建图算法

为了提高ORB-SLAM2系统的位姿估计精度并解决仅能生成稀疏地图的问题,提出了一种融合ICP算法与曼哈顿世界假说的位姿估计策略并在ORB-SLAM2系统中加入稠密建图线程来实现稠密建图。首先通过ORB特征点法、LSD算法和AHC方法进行点、线、面特征的提取,其中点、线特征跟上一帧匹配,面特征在全局地图中匹配。然后采用基于surfel的稠密建图策略将图像划分为非平面与平面区域,非平面采用ICP算法计算位姿,平面则通过面与面的正交关系确定曼哈顿世界从而使用不同的位姿估计策略,其中曼哈顿世界场景通过位姿解耦实现基于曼哈顿帧观测的无漂移旋转估计,而曼哈顿世界场景下的平移以及非曼哈顿世界场景位姿采用追踪的点、线、面特征进行估计和优化;最后根据关键帧和相应位姿实现稠密建图。采用TUM数据集对所提建图方法进行验证,实验结果与ORB-SLAM2算法比较,最终均方根误差RMSE平均减少0.24cm,平均定位精度提高7.17%,验证了所提方法进行稠密建图的可行性和有效性。