Data association based on target signal classification information

In most of the passive tracking systems, only the target kinematical information is used in the measurement-to-track association, which results in error tracking in a multitarget environment, where the targets are too close to each other. To enhance the tracking accuracy, the target signal classification information （TSCI） should be used to improve the data association. The TSCI is integrated in the data association process using the JPDA （joint probabilistic data association）. The use of the TSCI in the data association can improve discrimination by yielding a purer track and preserving continuity. To verify the validity of the application of TSCI, two simulation experiments are done on an air target-tracing problem, that is, one using the TSCI and the other not using the TSCI. The final comparison shows that the use of the TSCI can effectively improve tracking accuracy.     

寒冷地区钢箱组合梁桥温度梯度模式

为研究寒冷地区钢箱组合梁桥温度梯度模式,选取山东枣木高速公路某钢箱组合梁桥开展温度监测,共获取12个月的温度监测数据,基于概率统计方法确定了寒冷地区钢箱组合梁桥温度梯度模式标准值。研究结果表明:钢箱组合梁桥正、负温度梯度模式的双折线模型能够合理反映截面温度分布情况,其中负温度梯度在混凝土层内沿竖向方向先减小、后增大,在钢主梁上先增大、后保持不变;荷载重现期50年时,正、负温度梯度模式的标准值分别为15.4、6.1、-1.9、-9.2℃;荷载重现期100年时,正、负温度梯度模式的标准值分别为15.8、6.2、-2.1、-9.5℃;提出的寒冷地区温度梯度模式标准值高于现行规范中取值,在设计计算时应根据当地气象资料及结构类型等因素进一步确定。     

基于EEMD-Renyi熵和PCA-PNN的滚动轴承故障诊断

针对滚动轴承故障特征提取与状态监测问题,提出一种基于集合经验模式分解(EEMD)、Renyi熵、主元分析(PCA)和概率神经网络(PNN)的新方法.首先,将轴承振动信号通过EEMD分解成一组本征模态函数(IMF),计算每个IMF分量的Renyi熵值作为表征故障特征的向量,采用主元分析(PCA)对特征降维,提取主元输入概...     

电力系统安全域方法研究述评

简明地综述了天津大学关于电力系统安全域方法学研究的成果．首先给出了电力系统安全域研究的推动力以及各种安全域的定义和概念．进而给出了3种实用的安全域,分别是：事故前系统注入功率空间上保证暂态稳定的实用动态安全域（PDSR）、割集功率空间上保证静态电压稳定的安全域（CVSR）和注入功率空间上保证不出现Hopf分岔的实用小扰动稳定安全域．它们是基于如下事实提出的：在工程关心的范围内,其稳定边界可用一个或少数几个超平面近似描述．这种形式的数学描述具有如下优点：便于开发计算安全域的快速方法,便于实现安全域的可视化,大大降低了计及节电注入功率不确定性时电力系统概率安全性评估的计算量,同时可使一大类电力系统最优化问题中稳定约束处理难的问题变得十分简易．基于PDSR和CVSR的研究成果,天津大学已成功地开发了综合安全域的可视化系统和电力系统概率安全监视系统,并在基于安全域的电力系统优化潮流、安全性综合控制、风险评估与优化、以及安全性定价等方面取得了令人鼓舞的成果．     

单向变异S-粗集的概率特征

利用单向变异S-粗集的结构,给出元素迁移的概率特征:属性集α的下近似概率特征,属性集α的上近似概率特征,利用这些结果,给出单向变异S-粗集的概率特征,提出单向变异S-粗集的随机结构与随机定理.单向变异S-粗集的结构是单向变异S-粗集的随机结构的特例,单向变异S-粗集的随机结构是单向变异S-粗集结构的一般形式.     

虚拟维修中的虚拟人移动仿真

虚拟维修是近年来提出的一个新概念,并在维修性分析、维修训练等领域得到广泛的应用。为了解决维修过程仿真中的维修人员仿真问题,提出了一个分阶段的虚拟人移动仿真方法,采用随机运动规划方法生成虚拟人躯干及头部的无碰撞路径,利用运动捕获数据和运动变形来实现对四肢运动的仿真。在运动规划中引入了姿态转移图的概念,实现了虚拟人移动过程中多种姿势之间的自然转化。采用基于运动变形的方法消除了虚拟人上肢和环境中其他物体的碰撞现象,提高了仿真真实性。

Abstract：

Virtual maintenance is a new concept introduced in the last few years,and has been broadly used in maintainability analysis and maintenance training.In order to solve the virtual human simulation in maintenance process simulation,a multi-stage virtual human locomotion simulation method was proposed.The free collision path of virtual human torso and head was planned by a probabilistic motion planner.And the motion of arms and legs was simulated using motion captured data and motion warping.A new concept of pose transition graph was introduced in order to implement natural pose transition in locomotion simulation.In motion optimization,a method based on motion warping was proposed to avoid the possible collision between virtual human arms and other objects in the environment.     

基于概率图模型技术的柱面全景图生成算法

为解决复杂场景下的全景图生成问题,应用了基于概率图模型的图像匹配技术,提出了一套完整的柱面全景图生成算法。采用动态阈值法对从图像中提取的H arris角点进行初步筛选,并结合图模型算法进行精确匹配,通过对匹配后特征点的迭代投影获得摄相机焦距,对原始图像进行柱面投影并融合。该算法具有对光照不敏感和全局最优化的特性,对图像噪声和特征点提取不准确有强健的承受能力,并有效地降低了计算复杂度,使算法更具有实用性。实验结果表明:能够对存在人车移动噪声和相机几何畸变的复杂场景正确合成360°全景图。     

基于节约覆盖集理论的电力变压器绝缘故障诊断模型

介绍了一种在节约覆盖集理论框架上集成概率推理的诊断模型,并在此基础上建立了用于电力设备绝缘故障诊断实用模型。该模型有利于对电力设备在多因素、多征兆,强干扰条件的绝缘故障进行诊断推理。由于该模型是以统计数据为依托,并在推理过程中考虑到征兆的不完备性,因此,具有较高的诊断可靠性和实用性。     

基于HHT和改进PNN的CSI人体动作识别研究

为了有效判别真实摔倒动作与疑似摔倒动作、提高动作识别准确度,提出基于希尔伯特黄变换(Hilbert-Huang transform, HHT)和改进概率神经网络(probabilistic neural networks, PNN)的信道状态信息(channel state information, CSI)人体动作识别算法。对CSI的幅度与相位融合信号进行数据预处理,利用HHT来提取区分人体动作信息的瞬时幅值和瞬时频率作为分类特征构建特征矩阵,在遗传算法(genetic algorithm, GA)优化的PNN神经网络中训练出能有效检测真实摔倒和疑似摔倒动作的GA-PNN人体动作识别模型;利用训练好的识别模型对输入的CSI数据进行摔倒动作的判别。仿真实验表明,提出的算法能有效地检测真实摔倒和疑似摔倒动作,其识别准确度可达到97.18%,且误报率较低。     

基于遗传算法和概率神经网络提高脑机接口中脑电信号识别率

针对脑机接口（BCI）研究中存在脑电信号（EEG）识别率低的问题,提出一种基于遗传算法（GA）和概率神经网络（PNN）的GA—PNN识别方法．用该方法对EEG提取时频特征,构成模式识别的初始特征．以训练样本识别正确率为适应度函数,采用GA对初始特征进行组合优化．基于优选后的特征,用PNN对测试样本进行分类．该方法使EEG识别正确率达到92．499／5,与2003年BCI国际竞赛最好的处理结果（88．7％）相比,提高近4％,为BCI中EEG的识别提供了有效的手段．