数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...     

利用早停可微架构搜索的三维点云模型分类

针对现有三维点云分类网络采用人工设计费时费力的问题,提出早停可微架构搜索(early-stopping differentiable architecture search,ES-DARTS)算法。利用从人工设计网络架构中提取到的先验知识,预定义一个包含高效候选操作的搜索空间,可快速搜索出适用于三维模型分类任务的高性能网络模型;通过追踪网络搜索阶段各候选操作的权重变化,找出跳跃连接操作在双重优化过程中发挥不公平竞争作用的临界点并在此处停止搜索,以保证各候选操作之间的稳定性,解决DARTS算法搜索过程中易出现性能崩溃的问题。提出的算法在ModelNet40数据集上达到了93.2%的识别准确率,比当前人工设计的主流网络具有更高的识别准确率。     

变压器绕组短路故障多特征融合诊断

绕组匝间短路是变压器最常见的初期故障类型之一.为了提高轻度故障的诊断准确率,考虑绕组短路电流、绕组温度、电流密度和磁通偏移特征,提出了变压器绕组短路故障的多特征融合诊断方法.首先建立了变压器绕组短路的COMSOL空间模型,将仿真结果和理论计算结果进行对比,证明空间模型的正确性.然后,对变压器轻度故障时进行了故障模拟和故障特征分析,提取其电流特征参量、温度特征参量、电流密度偏移率和磁通偏移率作为故障特征.采用BP网络进行故障识别.变压器的工程诊断实例验证了本文方法的有效性.     

基于多级频谱分析和能熵比的应答器系统设计

为解决传统应答器系统在模拟不同距离水下目标时易受强噪声干扰及转发时延精度不高的问题,提出一种粗-细两级波达时刻估计方法并开发一套高精度时延的可靠应答器系统.该系统主要由以信号采集、信号处理为主的上位机和以功率放大器、换能器为主的下位机组成.其中上位机利用多级频谱分析及其峰均比大于设定门限进行粗估计,初步获取信号的波头;再利用基于能熵比的双门限检测算法进行细估计,获得更精准的波达时刻,进而解决了时延不准的问题;最后,系统下位机通过 TCP 接收上位机传输的应答信号并在预定时刻应答回波信号.湖试结果显示,该系统的时延误差小于 40 ms,具有高精度的转发时延优势,并且在强噪声干扰下具有良好的鲁棒性.     

印度黄脊蝗核型和C－带的研究

本文研究了印度黄脊蝗（ｐａｔａｎｇａＳｕｃｃｉｎｃｔａＪｏｈａｎｓｓｏｎ）的染色体组型和Ｃ－带。结果表明：印度黄脊蝗的染色体数目：２ｎ（）＝２２＋ｘ０＝２３,全部为端着丝粒染色体,ＮＦ＝２３;核型公式：２ｎ（）＝２ｘ＝２３ｔ;中期染色体绝对长度总和为７１．４７±０．６３μｍ;所有染色体都具有着丝粒Ｃ－带,异染色质总量为１８．７６±０．１１％;染色体组中最长与最短染色体之比为４．４：１,臂比大于２：１的染色体比例为零,印度黄脊蝗的核型属“ＩＣ”核型。     

含信号调制噪声和频率波动的时滞分数阶振子的随机共振

本文研究了含信号调制噪声和频率波动的小时滞线性分数阶振子的随机共振. 利用分数阶Shapiro-Loginov公式和Laplace变换技巧,本文首先推导了系统响应的一阶稳态矩和稳态响应振幅增益（Output Amplitude Gain, OAG）的解析表达式,然后讨论了分数阶、时滞及噪声参数对OAG的影响. 结果显示,各参数对OAG的影响均呈现出非单调变化的特点,表明系统出现广义随机共振. 特别地,分数阶与时滞的协同作用可能诱导随机共振的多样化,这就为在一定范围内调控随机共振提供了可能.     

光伏模组积灰与阴影特性分析及识别方法

针对光伏模组积灰与阴影特性识别问题,详细分析了积灰和阴影的光伏特性曲线差异,揭示了阴影光伏曲线的拐点时变特性。提出由特性曲线的拐点数量及电流电压特性条件共同构成训练模型的输入特征量,基于CatBoost算法训练积灰和阴影识别模型。最后,利用光伏模组实测数据对CatBoost算法、ID3和GA-BP算法训练出的识别模型进行性能分析和对比测试,结果表明基于CatBoost训练出的识别模型输入量区分性强、诊断精度高,极具工程应用价值。     

雷达辐射源信号双谱二次特征提取方法

现有的双谱特征提取方法可以满足信号分类识别，但是出现了交叉项、平凡双谱以及特征维数过高等一些问题。针对以上问题，提出一种双谱二次特征提取方法，将双谱转化为灰度图像，以灰度值表示双谱幅度；再利用图像处理技术提取双谱二次特征，提取出能够表征辐射源信号双谱图像纹理信息的灰度共生矩阵特征集；将该特征集与Hu-不变矩特征集进行对比实验。仿真结果表明：该方法具有更好的分类识别性能，对于CW、LFM和NLFM信号的平均识别率均达90%以上。     

超低空目标的广义布儒斯特效应

超低空预警是当今研究的热点,而多径干扰是影响超低空目标探测的主要因素。针对多径干扰的问题,从电磁散射的角度出发,提出"广义布儒斯特效应",以降低多径干扰的影响。运用小面元高频近似方法(PO+MEC)快速计算目标散射场并生成回波信号;在物理光学法的基础上推导了复反射系数公式;根据"四路径"建立多径回波信号模型。以此为基础,研究了多径信号的广义布儒斯特效应的产生机理,找出多径干扰最小的入射角,并研究其存在的条件。通过改变环境类型及相关参数和入射频率,得出广义布儒斯特效应的内在规律,为超低空对抗打下基础。     

由单片机AT89C51构成的定时控制系统

介绍了单片机ＡＴ８９Ｃ５１,给出了由ＡＴ８９Ｃ５１构成的定时控制系统,并将此系统与ＣＰＵ８０３１构成的单片机系统比较,具有结构简单、可靠性高的特点．