基于时空图注意力模型的动态软测量建模方法

近年来深度学习由于其特征提取和非线性拟合等方面的优势,在软测量建模中得到了广泛的研究.而深度学习模型是一种黑箱模型,其预测结果难以解释,而且很难将关于过程的先验知识引入模型,这些缺点阻碍了它在实际工业过程中的应用.另外,工业过程数据是具有高度非线性和动态性的时间序列,其本质上反映的是过程随机变量随时间不断变化的趋势,其包含了重要的流程信息,因此在软测量建模过程中引入过程的动态信息是十分必要的.本文提出了一种时空图注意力模型(temporal-spatial graph attention networks, TSGAT),并将其应用在复杂动态工业过程的软测量建模.该方法通过给定变量间结构图来为模型引入先验知识,利用图注意力网络构建变量间的显式的非线性关系,并利用图注意力网络信息聚合的能力对每个时间步的数据完成图上的特征提取,再使用长短期记忆人工神经网络提取时序特征,进而完成对质量变量的预测.为了验证所提方法的有效性和优越性,将该方法应用在实际工业案例合成氨过程中的高低温转换器单元一氧化碳含量的软测量建模,实验结果表明,该模型不仅能够引入先验知识,而且具有较高的预测精度.     

飞行器定位中的地形起伏影响及修正方法研究

针对地面高程起伏对机载雷达成像定位的影响,分别从景像匹配定位和飞行器定位两个方面探讨了地形起伏的影响,提出了一种基于雷达成像几何关系和野值剔除来实现飞行器精确定位的方法。该方法能够避免地形起伏对景像匹配的影响而产生的飞行器定位偏差,较好地修正地形起伏对飞行器定位影响而产生的偏移,并适于飞行器上实时处理。经实验验证,当飞行高度在6 km时,在经度和纬度方向飞行器定位中误差分别为13.70 m和28.04 m,保证了1个像素(32 m)内的定位精度。     

多通道相控阵自适应数字单脉冲合成方法

为了在有源干扰条件下对目标到达角精确估计,提出一种二维多通道平面相控阵雷达自适应单脉冲波束合成方法。利用平面相控阵方向图的正交性,沿阵列一个方向分别合成和子阵及差子阵,对子阵输出进行自适应处理,可以在其正交方向上形成零点,同时抑制旁瓣及主瓣干扰,并保证该方向上和、差波束不发生畸变,确保该方向的测角精度。仿真结果验证了算法的有效性。     

基于时序扩展的邻域保持嵌入算法及其在故障检测中的应用

针对动态自相关数据的特征提取和降维问题,提出了一种基于时序扩展的邻域保持嵌入(TNPE)的故障检测方法。针对邻域保持嵌入算法的不足,构建了新的优化目标,在构建局部空间结构特征的基础上,同时提取了数据随时间变化的动态特征。使得投影得到的低维空间不仅和原始变量空间具有相似的空间局部近邻结构,而且具有相似的时序动态结构,因而包含了更多的特征信息。在此基础上,利用TNPE算法将原始过程数据划分为特征空间和残差空间,并分别建立T2和SPE统计量实现工业过程监测。通过对Tennessee Eastman(TE)过程的仿真研究,验证了TNPE算法有效性可行性,并显示出了优越的故障检测能力。     

多采样率主元分析的过程故障检测

针对多采样率过程监测问题,提出了一种基于多采样率主元分析的故障检测方法.该方法构建了一种重新采样机制,直接利用多采样率数据计算模型中的协方差矩阵,充分利用了样本中的大量不完整数据信息,减小了多采样率数据带来的偏差,给出了离线建模和在线故障检测算法.分别在数值平台和Tennessee Eastman(TE)工业平台进行了仿真分析.仿真结果表明,所提出的方法更适合多采样率过程的故障检测,效果良好.     

固体等离子体频率可重构天线的实现方法

基于对横向PIN二极管的物理建模,分析了固体等离子体的形成机理,建立了复介电常数、电导率等固体等离子体参数与半导体中载流子浓度、横向PIN二极管的物理结构尺寸等参数的关系,并研究得到了电磁波在横向PIN二极管中的传输与损耗特性。以硅基横向PIN二极管为基础,提出了固体等离子体频率可重构天线的实现方法,通过控制横向PIN二极管的通断,可以获得不同的天线谐振工作频率。通过可重构振子天线的设计与加工测试,天线的频率重构范围超过一个倍频程。实验测试结果与仿真分析实现了良好吻合,验证了理论分析的正确性与天线实现方法的可行性。     

提高体育教学效果之我见

体育教师在教学过程中，应培养和提高自身素质，不仅要有较高的理论水平，还要有较好的道德修养以及科学的教学方法。形成独特的个人风格．