一类奇摄动初值问题解的渐近展开

用边界函数法研究了一类奇摄动初值问题解的渐近展开问题,证明了解的存在惟一性,并给出该解的渐近分析.     

含未知输入非线性系统的扩展平方根容积卡尔曼滤波算法

针对工程实际应用中存在的未知输入会导致经典的非线性滤波器状态估计精度下降甚至滤波发散的问题,提出了一种基于最小方差无偏估计(minimum variance unbiased estimation, MVUE)准则的扩展平方根容积卡尔曼滤波(extended square-root cubature Kalman filter, ESRCKF)算法。首先,结合上一时刻未知输入估计值对状态一步预测值进行修正,得到含未知输入条件下的状态预测值。其次,设计新息并采用加权最小二乘(weighted least squares, WLS)法获取当前时刻未知输入的无偏估计。最后,通过最小化协方差矩阵的迹,同时采用拉格朗日乘子法和舒尔补引理得到系统状态的最小方差无偏估计。仿真结果表明,相比于现有的非线性滤波算法,ESRCKF算法提高了在处理含未知输入非线性系统时的状态估计精度,并能同时实现系统状态和未知输入的最优估计,验证了该算法的有效性。     

利用优化方法推算室内固结系数

利用最小二乘原理把固结系数确定问题转化为非线性优化问题,再用单纯形法对固结试验数据进行拟合计算,直接求出固结系数。计算结果表明:单纯形法可消除常规作图法中人为因素影响,有效地减少误差;且方法收敛速度较快,计算精度较高,通用、可靠。     

概化峡谷地形风场特性风洞试验

为研究峡谷地形的风场特性,首先对比了4类规范对峡谷地形风压或风速修正的规定;其次,以某V形对称坡度概化峡谷地形为研究对象,通过风洞试验,研究了其横断面方向和沿峡谷走向地形风速分布规律,并讨论了风向角对于峡谷地形风速分布的影响。结果表明：国外规范对峡谷地形风速修正规定较少,国内规范规定的峡谷风速修正系数在1.07~1.22之间;0°风向角下,风速地形修正系数沿峡谷中轴线基本对称;在测试高度范围内,沿峡谷走向加速区逐渐缩小,减速区逐渐变大,风速地形修正系数极大值逐渐减小,其极值均出现在“H1ZX”横断面,数值分别为1.34 5和0.45 6;0°和15°风向角下,沿峡谷走向,风速地形修正系数分别呈“旋涡状”和“山丘状”,减速区位置也不相同;谷底位置处的风速加速效应很有限,仅在峡谷风速入口位置附近存在加速效应,且风速修正系数值最大值小于规范规定最大值1.22。     

加速型 IGV 对高负荷轴流风扇性能影响研究

目的 为了进一步提升小型高负荷轴流风扇在微小空间的高通流及高负荷能力,提出一种加速型进口导叶(IGV)结构设计方案。方法 采用三维设计软件Pro/E设计不同加速型IGV,通过数值模拟方法研究其对风扇不同流量系数下的压力系数、全压效率以及流道损失的影响。结果 采用加速型IGV使得风扇流道内通流能力增强,叶片尾缘气流延缓分离,下游流动更加均匀;随着进口气流加速程度的提高,设计工况点全压效率基本呈单调递增的趋势;相比无加速IGV风扇,当IGV加速程度为1.1、1.2时,在设计工况点,风扇压力系数提升百分比为1.61%,1.24%,效率分别提升了3.49%,5.05%;IGV的加速程度从1.0增至1.5时,风扇效率提高6.69%。结论 在小型高负荷轴流风扇中,加速型IGV与无加速IGV相比,加速型IGV对风扇压力系数以及效率的提升具有更优的效果,并且IGV加速程度也并非越大越好,当加速程度为1.1、1.2时风性能表现最优,为小型高负荷轴流风扇的研究提供相关设计参考。     

基于多尺度特征混合注意力的连续帧深度估计

目的 估计获取拍摄物体到相机之间距离的深度信息是单目视觉 SLAM 中获取深度信息的方法,针对无监督单目深度估计算法出现精度不足以及误差较大的问题,提出基于多尺度特征融合的混合注意力机制的连续帧深度估计网络。 方法 通过深度估计和位姿估计的两种编码器解码器结构分别得到深度信息和 6 自由度的位姿信息,深度信息和位姿信息进行图像重建与原图损失计算输出深度信息,深度估计解码器编码器结构构成 U 型网络,位姿估计网络和深度估计网络使用同一个编码器,通过位姿估计解码器输出位姿信息;在编码器中使用混合注意力机制 CBAM 网络结合 ResNet 网络提取四个不同尺度的特征图,为了提升估计的深度信息轮廓细节在提取的每个不同尺度的特征中再进行分配可学习权重系数提取局部和全局特征再和原始特征进行融合。 结果 在 KITTI 数据集上进行训练同时进行误差以及精度评估,最后还进行了测试,与经典的 monodepth2 单目方法相比误差评估指标相对误差、均方根误差和对数均方根误差分别降低 0. 034、0. 129 和 0. 002,自制测试图片证明了网络的泛化性。 结论使用混合注意力机制结合的 ResNet 网络提取多尺度特征,同时在提取的特征上进行多尺度特征融合提升了深度估计效果,改善了轮廓细节。     

数字普惠金融与经济均衡发展——来自长三角县域夜间灯光的证据

采用夜间灯光数据测算基尼系数反映长三角地区231个区县的经济平衡发展水平,并实证检验数字普惠金融促进区县经济平衡发展的作用与影响机制。结果表明：数字普惠金融能够显著促进长三角地区区县经济平衡发展;机制分析表明,创新驱动和产业结构转型是数字普惠金融促进经济平衡发展的两大重要途径。进一步基于高德地图POI兴趣点的数据分析发现,数字普惠金融能够促使长三角部分业态向落后地区迁移,从而弥合地区差距,促进县域平衡发展。     

基于改进粒子滤波算法的车速估计

针对基于粒子滤波算法设计的车速估计器因提议分布与实际分布不一致导致粒子退化使估计误差变大的问题,提出了一种通过修正提议分布减弱粒子退化影响的改进粒子滤波车速估计器。首先,基于车辆运动学模型和传感器特性建立系统的状态转移方程和观测方程。然后,利用传感器测量值与粒子状态值的差值设计提议分布修正项对状态转移方程进行修正,并对过程噪声做自适应处理。最后,利用CarSim-Simulink联合仿真平台在双移线工况和正弦转角输入工况下进行仿真验证。与自适应粒子滤波器相比,双移线工况下改进粒子滤波估计器产生的纵向速度估计值和侧向速度估计值的平均绝对误差分别减小了40.25%和55.71%;正弦转角输入工况下,改进粒子滤波估计器产生的纵向速度估计值和侧向速度估计值的平均绝对误差分别减小了47.00%和41.21%。     

Yolov7-pose识别运动员姿态时关键点异常的消除方法

本研究首先构建了深度聚合网络（deep layer aggregation,DLA）,用于替换Yolov7-pose算法中原有的特征融合网络,增强了特征的表达;其次,将高效聚合网络（efficient layer aggregation Net, ELAN）和尺度感知注意力网络（scale-aware attention Net, SAAN）融合在一起,引入到Yolov7-pose算法中;然后,引入尺度因子到Yolov7-pose算法的损失函数中,并通过实验确定尺度因子最佳值。实验结果表明,经过本法改进的方法识别篮球比赛视频流中的多名运动员姿态时,不再出现关键点异常现象,姿态识别的精度达到95%以上,运行效率达到24 FPS以上,综合性能显著优于原始Yolov7-pose算法等算法。