基于多模态共享网络的自监督语音-人脸跨模态关联学习方法

现有的语音-人脸跨模态关联学习方法在语义关联和监督信息方面仍然面临挑战,尚未充分考虑语音与人脸之间的语义信息交互。为解决这些问题,提出一种基于多模态共享网络的自监督关联学习方法。首先,将语音和人脸模态的特征映射到单位球面,构建一个公共的特征空间;接着,通过多模态共享网络的残差块来挖掘复杂的非线性数据关系,并利用其中权重共享的全连接层来增强语音与人脸特征向量之间的关联性;最后,使用K均值聚类算法生成的伪标签作为监督信号来指导度量学习,从而完成4种跨模态关联学习任务。实验结果表明,本文提出的方法在语音-人脸跨模态验证、匹配和检索任务上均取得了良好的效果,多项评价指标相较于现有基线方法提升1%～4%的准确率。     

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization, NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.     

基于改进I-Attention U-Net的锌浮选泡沫图像分割算法

针对泡沫图像的高度复杂性导致其难以被准确分割的难题,本文提出了一种新的I-Attention U-Net网络用于泡沫图像分割.该算法以U-Net网络作为主干网络,使用Inception模块替换第一卷积池化层来提取泡沫图像的多尺度、多层次浅层特征信息;引入金字塔池化模块,通过对不同尺度的特征图求和来提升分割效果;并对自注意力门控单元进行改进,使注意力单元更适合于浮选泡沫图像的分割,强化深层特征的重要性并对不同尺寸的泡沫边界进行强化学习.研究结果表明：本文所提出算法的Jaccard系数为91.73%,Dice系数为95.66%.与同类其他分割算法结果相比,Jaccard系数及Dice系数分别提高了1.59%、0.88%.该模型能够较好地对锌浮选泡沫图像进行分割,解决欠分割与过分割的问题,为后续的泡沫特征提取奠定基础.此外,该方法检测时间和模型参数少,具备可以部署在工业现场计算机的能力,有一定的实际应用价值.     

基于声压测量的结构模态参数识别研究

为克服接触式测量传感器附加质量的影响,本文采用非接触式声压测量获取结构近场的辐射声压信号,提出Hilbert-Huang变换二次滤波时频分析方法对非平稳的近场声压辐射信号进行分析,实现了在强噪声环境中对桥梁结构模态参数的识别。在实验室对一跨径为11.2m的H型简支钢梁开展试验,结果表明：该方法能准确识别钢梁的前3阶固有频率,平均误差在0.5%以内,并成功获取结构的模态振型。该方法为桥梁结构模态参数获取和结构健康监测提供新的手段。     

视网膜血管分割算法研究

针对现有的视网膜血管分割方法对微细血管分割精度低的问题, 在多尺度单通道线性追踪(MSLTA:Multi-Scale Single-Channel Linear Track)的图像分割方法基础上, 提出了一种新的、 有效的视网膜血管分割方法。采用 Gabor 滤波预处理以增强血管信息, 利用 MSLTA 算法获得最初的血管网络, 采用连通域标记的去噪方法,去除图像上的斑点噪声, 分割出最终的血管。 利用国际上公开的 DRIVE(Digital Retinal Images for VesselExtraction)数据库的视网膜图像进行实验, 并与现有的常规算法做了对比。 多组实验结果表明, 该方法的平均精确度达到 95. 37%, 能很好地保留微细血管。     

一种形态学梯度滑降算法的研究

滑降算法是一种重要的图像分割工具,然而基于滑降算法的图像分割在很大程度上依赖于待分割图像梯度的计算.提出了一种多尺度形态学梯度滑降分割算法.该算法首先利用多尺度形态学梯度,通过大小不同的结构元素提取图像梯度特征,获得梯度图像,然后利用滑降算法进行图像分割,为了减少滑降算法的过分割现象,提出了区域面积和区域相似性规则的区域合并的方法.实验结果表明,本方法具有较好的分割效果,同时分割中结构元形状、尺度可以灵活选取,使得该方法适用范围相对比较广泛.     

某商用车驾驶室轰鸣声控制

针对某商用车在排气制动工况下驾驶室存在轰鸣声的问题,进行原车摸底试验,对造成驾驶室内轰鸣声的原因进行分析,排查发现引气管的进气口噪声与乘客左耳噪声在100 Hz和315 Hz处存在峰值,进气口处振动加速度较大,该处振动是造成驾驶室内轰鸣声的主要原因。结合引气管有限元仿真分析,发现进气口处变形严重,对此采用消声器的原理,设计了并联谐振腔消声器。改进后的引气管试验表明,在引气管中设计谐振腔后,进气噪声和振动明显降低,使驾驶室内噪声降低5.9 dB,轰鸣声得到有效控制,证明了该方法的有效性。     

北半球环状模异常时温度场异常的成因再探讨

关注1~3月的北半球环形模态正异常时, 相应的温度异常的原因, 对北半球环形模态正异常时纬向和经向风的异常、由风场异常带来的温度平流异常进行了详细分析. 分析结果表明: 北半球环形模态正异常时, 纬向风和经向风都伴随有强烈异常, 由二者共同带来的温度平流异常是伴随着北半球环形模态异常时温度异常的主要原因. 纬向风异常带来的纬向温度平流异常是北大西洋和白令海降温趋势的主要原因, 而经向风异常带来的经向温度平流异常则是对美国的升温趋势, 加拿大和欧洲南部的降温趋势的主要贡献因素. 以上两者都会造成欧亚大陆北部的增温, 二者共同作用使得这个区域成为北半球环形模态正异常时增温最为明显的区域.     

改进的NExT-ERA时域模态识别法的误差分析

为进行结构损伤识别,用时域模态识别的NExT-ERA法,从脉动激励和测量噪声下有限时长和时间间隔的结构反应中提取高精度模态参数。改进的相关函数估计公式可消除传统相关估计引起的模态参数误差;利用稳定图对不同系统的阶进行识别,以减小系统定阶误差并选择高精度模态;根据Hankel阵奇异向量、奇值和模态参数的对应关系,分析时域模态识别误差的规律和影响因素。用某三自由度框架和主跨1 650 m的西堠门悬索桥模型验证有效。     

采用时分割乘法器的电能测量系统

针对当前电能参数测量系统精度低、受器件和温度影响较大的现状,采用时分割乘法器设计了电能参数测量系统。该系统主要由时分割乘法器、低通滤波器、电压频率转换器组成,能够完成电流、电压真有效值以及无功功率、有功功率、视在功率、功率因数等的测量和显示。误差分析表明：该系统对有功功率的测量精度可达0．1级,其测量范围广且设计灵活,适合于设计高精确度、高准确度的电能测量仪器。