基于车载视觉的端到端驾驶员疲劳检测模型

营运驾驶员长时间疲劳驾驶是导致事故发生的重要原因,为此,企业在营运车辆上安装相机采集驾驶员面部视频,基于模型和算法自动识别驾驶员的疲劳状态,通过语音提醒甚至启用远程护航进行疲劳干预,以此提高驾驶安全。现有的疲劳检测研究大多数都是基于面部关键点检测的算法,该类算法对面部视频的质量要求严格。在真实的营运行车环境中,夜晚光线过差,相机位置安装不理想,驾驶员面部遮挡等均会造成关键点检测失效,从而影响模型的准确性。基于卷积神经网络(CNN)和长短时记忆神经网络(LSTM)设计了一种端到端营运驾驶员疲劳检测模型,该模型以相机采集的驾驶员面部视频作为输入,使用CNN网络提取视频单帧特征,在此基础上将时序单帧特征作为LSTM网络的输入来最终识别驾驶员的疲劳状态,实验表明,模型的接收者操作特征曲线下面积(AUC)为0.9,远优于现有的面部关键点模型。此外,为了提高该模型在实际行车环境中的鲁棒性,基于光线变化及相机变化的模拟操作在训练数据上进行了数据增强,通过模型重训练进一步提高了模型的精度及鲁棒性。实验结果表明,改进前,营运车辆行车环境下模型的AUC相比实验室模型下降37.3%,而改进后AUC仅下降9....     

Implementation of an efficient segregated algorithm-IDEAL on 3D collocated grid system

The segregated algorithm-IDEAL (inner doubly-iterative efficient algorithm for linked-equations) is an efficient and stable algorithm. In this algorithm, there exist inner doubly-iterative processes for pressure equation, which almost completely overcome two approximations in SIMPLE algorithm. Thus the coupling between velocity and pressure is fully guaranteed, greatly enhancing the convergence rate and stability of iteration process. In this paper, implementation of the IDEAL algorithm on a 3D collocated grid system is conducted. The interface velocity is calculated by the modified momentum interpolation method (MMIM), by which the converged result is independent of the under-relaxation factor. Finally, five three-dimensional incompressible fluid flow and heat transfer problems are provided to compare the convergence rate and robustness between the IDEAL and three other most widely-used algorithms (SIMPLER, SIMPLEC and PISO). By the comparison it can be concluded that the IDEAL algorithm is more robust and efficient than the three other algorithms. Supported by the Key Project of National Natural Science Foundation of China (Grant No. 50636050), Fundamental Projects of Research and Development in China (973) (Grant Nos. 2006CB601203 and 2007CB206902)     

级联失效模型下电力信息物理系统鲁棒性与能控性分析

电力网与信息网的深度融合在增强电力系统能控性的同时,也使得系统抵御外界干扰的能力下降。首先,根据提出的节点负载与容量的负载重分配分配概率建立电力信息物理系统级联失效模型,研究不同耦合策略下的电力信息物理系统级联失效过程中的鲁棒性与能控性变化。其次,利用幸存负荷百分比的概念来量化电力网抵御级联失效的能力,并分析不同耦合策略和容量参数对CPPS的鲁棒性和能控性的影响。基于网络能控性理论提出电力节点重要度的评估方法,并且在IEEE39系统中进行验证。研究结果表明,电力网高介数节点与信息网高介数节点耦合形成的电力信息物理网络抗干扰能力更强,电力网节点容量参数比信息网节点容量参数对系统影响更大。     

基于模糊干扰观测器的自适应反演滑模控制研究

摩擦等外界干扰,系统不确定性信息及参数变化对飞行仿真转台的运行造成不利影响。针对该问题,提出基于模糊干扰观测器（Fdo）的自适应反演滑模控制方案（ABSMC）,在对外界干扰和不确定信息进行补偿的基础上,从稳定性出发,对不确定上界进行自适应估计,并逐步反推出控制器。通过对某型仿真转台进行仿真,得知该方案与普通滑模控制（SMC）方案相比,具有更高的跟踪精度,并极大的提高了对外界干扰,系统不确定信息和参数变化的鲁棒性。     

凝聚度——描述与测度社会生态系统抗干扰能力的一种新特性

研究一个网络系统抵抗干扰的能力,系统科学里有＂鲁棒性＂的概念,社会—生态系统里用＂脆弱性＂、＂恢复性＂和＂适应性＂等概念.这些已有的概念是否已经全面地描述了系统抵抗干扰的能力呢？在综合灾害风险管理的实践中,整个社会凝心聚力,行动协调一致,往往发挥着至关重要的决定性作用.然而,现有学术研究中所用到的各种系统属性,都不能很好表述一个系统凝心聚力的能力或水平.鉴于此,本文提出一种全新的网络系统属性：网络凝聚度（consilience degree）,专门用以度量一个如社会—生态系统一样行为的网络系统凝心聚力,行动协调一致,以抵抗干扰的能力.网络凝聚度实际上是一种更具普遍意义的＂联结度＂.它可以象联结度一样,派生发展出一系列的系统新属性和网络新模型,从而形成一个研究复杂系统的新的理论体系.本文将重点阐述这个体系的雏型.理论分析和仿真研究都证明：本文所提出的网络凝聚度是现有各种系统属性所无法涵盖或替代的,是研究现实复杂系统所必需的新理论工具.     

离散多变量系统的一种实用MRAC方案

将连续系统从模型取状态方案推广到含有可测扰动的离散多变量系统 .算法对扰动具有鲁棒性 .将误差引入控制器 ,设计出的 MRAC系统可不必预知系统参数的变化范围 ,可选择的适应律有更多的自由度     

结构稳定性在非线性系统鲁棒性分析中的应用

探讨了非线性系统的结构稳定性、分叉点和鲁棒性之间的关系，提出了一种分析非线性系统鲁棒稳定性的方法，并给出了相应的计算实例．     

并联混合动力汽车控制策略比较研究

混合动力汽车整车控制中所采用的主要控制方法包括基线控制、模糊控制、实时适应控制等。根据不同控制方法的仿真控制效果和运行效率,分析了它们的优缺点,提出模糊控制方法具有适应性强、运行效率高、实时性好和鲁棒性强等优点,可作为并联混合动力汽车优先选择的控制策略。     

基于智能网业务控制点过载算法研究

研究了在不同队列长度、不同概率p（呼叫时到达间隔时间为0的概率）情况下令牌桶算法的健壮性，提出一种根据数据流速及波动性控制令牌速率的模糊控制算法．仿真结果表明该算法不仅具有简单令牌桶算法的良好健壮性，而且提高了过载数据的处理速度，有效减小了数据丢失，在一定程度上防止了过载引起的网络拥塞，缓解了业务控制点（SCP）的高负荷．     

模糊控制系统的解析结构与鲁棒性分析

根据实际工业过程对鲁棒性的要求,以解析形式分析说明了模糊控制器是一类变参数的比例积分（PI）控制器,并且由于其模糊特性,在工况发生变化时该控制器能够自调整PI的比例参数,得到较好的控制效果．将该模糊控制器与传统比例积分微分（PID）控制器进行比较,仿真结果验证了其有效性．