简介:摘要:研究工作的主要内容包括:1)通过自适应融合各层特征图,解决了特征融合中图像空间信息冲突和特征金字塔中的不一致性问题;2)使用高效倒置瓶颈块降低模型复杂性,同时提升模型的有效性,解决EfficientDet模型的骨干特征提取网络参数效率低的问题,减少网络运行时间;3)使用多尺度块提升有效感受野,对病灶区域特征进一步关注,解决部分体积偏小的肝脏肿瘤病灶难以检测问题;4)使用先验框聚类和数据增强方法,从模型和数据两方面加强模型对肝脏肿瘤数据集的检测能力和泛化能力,解决肝脏肿瘤的形状大小不一及位置各异的问题。本文主要分析多尺度自适应融合的肝脏肿瘤检测。
简介:采用理论分析和数值模拟相结合的方法,系统研究了尺度自适应模拟(scale-adaptivesimulation,SAS)和大涡模拟(large-eddysimulation,LES)的关联性问题.在理论分析方面,对比分析了系综平均和滤波的定义、Spalart-Allmaras(SA)湍流模型和动态亚格子(subgrid-scale,SGS)模型关于湍流黏性系数的求解方式.理论分析结果表明,系综平均等价于盒式直接滤波,SAS和LES的控制方程在数学形式上具有一致性;SAS存在过多的湍流耗散,主要来自于SA输运方程中的扩散项.在数值模拟方面,选取来流Mach数0.55,Reynolds数2×10-5的圆柱可压缩绕流为分析算例.计算结果表明,SAS和LES预测的大尺度平均流场信息几乎一致,SAS预测的湍流脉动信息略低于LES.SAS在圆柱近尾迹区的湍流耗散过大,而在稍远的尾迹区几乎能够完全等效于LES.
简介:针对行星齿轮传动故障诊断中的信号故障特征微弱、特征提取困难等问题,提出了基于自适应聚合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD)和样本熵(SampleEntropy,SE)的行星齿轮箱故障特征提取方法。首先,针对EEMD结果存在较大的盲目性和主观性等问题,提出自适应EEMD方法;然后,使用此方法将行星齿轮箱振动信号分解为若干个固有模态函数(IntrinsicModeFunctions,IMF)分量,通过相关性分析选取含有齿轮状态特征信息的IMF分量并对信号进行重构,计算重构信号样本熵值,以此判断行星齿轮箱的运行状态;最后,对行星齿轮箱故障模拟试验台采集的2种状态振动信号的自适应EEMD样本熵进行求解,并与直接样本熵、EEMD样本熵等特征提取方法对比,验证了自适应EEMD样本熵具有更好的分类能力。
简介:O439705348913单元双压电晶片变形反射镜主要性能参数的测试=Measurementofsomeimportantparametersof13—segmentbimorphdeformablemirror[刊,中]/曹根瑞,杨强(北京理工大学.北京(100081))∥光学技术.—1996,(4).—25—29介绍了自适应光学用13单元双压电晶片变形反射镜原始面形。δ—V曲线、频响特性曲线、静态影响函数矩阵等几个主要性能参数的测试方法和结果。从δ—V曲线得出了电压灵敏度和非线性滞后系数,从影响函数矩阵反演出了控制电压矩阵,利用这些结果校正了变形镜的原始面形,得出了一些重要的结论。图6参
简介:针对新型作战体系下以装甲车辆为主的地面目标的被动声识别问题,为实现不同车型在不同工况下的声识别,以常见的3种坦克和4种履带式装甲车为识别对象,提出了一种基于变分模态分解(VariationalModeDecomposition,VMD)和人工蜂群(ArtificialBeeColony,ABC)算法优化的支持向量机(SupportVectorMachine,SVM)相结合的装甲车辆声识别模型。首先,采集不同工况下的车辆噪声信号并进行频谱分析,证明了VMD分解的可行性;其次,对样本信号进行VMD分解,得到不同尺度的本征模态函数(IntrinsicModeFunction,IMF)并进行多尺度模糊熵(Multi-scaleFuzzyEntropy,MFE)的计算,得到多尺度模糊熵特征(VMD-MFE);然后,利用优化算法对SVM进行优化,得到最优参数优化的分类器模型;最后,对噪声信号进行特征提取和分类实验。结果表明:VMD的分解效果优于经验模态分解(EmpiricalMadeDecomposition,EMD)和集合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD);与引力搜索算法(GravitationalSearchAlgorithm,GSA)和布谷鸟搜索(CuckooSearch,CS)算法相比,ABC算法得到的优化模型ABC-SVM具有更高的识别率,可达94.14%以上。
简介:[篇名]Aselftuningpredictivecontrollerbasedoninstantaneouslinearizationusingneuralnetworks,[篇名]Discrete-timeneuro-fuzzyadaptivecontrolbasedondynamicinversionforroboticmanipulators,[篇名]Fuzzyadaptiveoutputtrackingcontrolofaclassofcompositesystems,[篇名]Modelreferencefuzzyadaptivecontrolofdissolvedoxygenconcentration,[篇名]Model-referencefuzzyadaptivecontrolasaframeworkfornonlinearsystemcontrol,[篇名]Multivariablefuzzyadaptivecontrolofnonlinearsystems。
简介:[篇名]ADirectAdaptiveControlDesignforNonlinearDiscrete-timeUncertainSystems,[篇名]Adirectadaptivecontrolstrategyformanagingdiabetesmellitus,[篇名]Adaptivecontrolofaerospacestructureswithpersistentdisturbances,[篇名]Adaptiveneural/fuzzycontrolforinterpolatednonlinearsystems,[篇名]Anadvancedneuralnetworktopologyandlearning,appliedforidentificationandcontrolofaD.C.Motor,[篇名]Designoffuzzylogiccontrollerforthefinetuningofweightingparametersofdirectadaptivecontrol,[篇名]DirectAdaptiveControlforNonlinearMatrixSecond-OrderSystemswithTime-VaryingandSign-IndefiniteDampingandStiffnessOperators,[篇名]Fuzzydirectadaptiveslidingmodecontrolofinterconnectedlarge-scalesystems。
简介:提出了一种基于期望模式修正(EMA)的改进交互式多模型(IMM)算法。该算法主要解决自主水下航行器(AUV)复杂工作环境下量测噪声统计特性未知或易发生变化时的状态估计问题,其核心思想是将期望模式修正机制和交互式多模型滤波算法相结合,利用状态估计过程中的获取的模型概率进行决策,得到更加接近与系统真实模式的期望模型集合,再通过期望模型集合滤波结果对固定模型集合滤波结果进行修正。与传统的交互式多模型算法相比,提出的基于期望模式修正的交互式多模型算法可以捕捉到系统模式更细微的变化。仿真结果表明,该算法可以大幅提高AUV组合导航系统的估计精度和稳定性。