课程文献中心 更多>>

关键词： 子全域(SED)基函数   区域连接模型(CRM)   快速偶极子方法(FDM)   大规模介质-金属复合周期结构  

摘要： 在计算大规模介质-金属复合周期结构的电磁散射时，传统积分方程方法存在未知量大、存储占用多和计算时间长等问题。本文采用广义Poggio-Miller-Chang-Harrington-Wu-Tsai (PMCHWT)-电场积分方程(electric field integral equation， EFIE)方法计算均匀介质金属复合结构的电磁响应。该方法通过在分界面处设置区域连接模型(contact-region modeling， CRM)来保证边界处的连续性。为加速子阵列阻抗矩阵填充，本文采用快速偶极子方法(fast dipole method， FDM)来提高计算效率并降低内存占用。结合子全域(sub-entire-domain， SED)基函数方法，子阵列的电流分布特征可被推广到大规模介质金属复合周期结构的电磁场计算中。数值算例表明，该方法能够在保证计算精度的同时大幅度降低计算代价，内存占用降低至商业软件Altair FEKO(使用快速多层多级子方法)的1/10，计算误差在2.6 dB以内。

关键词： 结构安全   结构可靠度   功能函数   随机变量   概率密度函数  

摘要： 功能函数的概率分布的计算是不确定性量化及可靠度设计中的核心问题，最近提出的等效期望法是解决该问题的有效途径。本文提出了一种改进的等效期望法。针对既有等效期望法中的辅助变量取值对其概率分布有重要影响的问题，提出了辅助随机变量标准差系数的合理计算公式，得到了更为精确的辅助函数的概率分布。同时，针对既有等效期望法中由两个辅助函数的概率分布计算功能函数的概率分布时存在的计算精度问题，本文仅用一个辅助函数推导了功能函数概率分布的计算公式，提出了一种由辅助函数到功能函数的概率分布精确理论变换，使得功能函数概率分布的计算更为精确。最后通过三个算例验证了该方法的有效性和准确性。结果表明，该方法适用于高维非线性或隐式功能函数的概率分布近似计算。

关键词： 多通道融合   故障诊断   胶囊图神经网络   对称点模式  

摘要： 针对传统电机故障诊断方法依赖专业知识和经验，且在处理复杂数据时精度不高的问题，提出了结合彩色图像融合的对称点模式与多通道融合残差图胶囊网络（multichannel residual fusion graph capsule network，MCFRes-CapsGNN）的电机故障诊断方法。通过对称极坐标变换技术构建雪花图，并结合彩色多通道融合技术整合多传感器信号，生成彩色融合图像，以优化信号特征的视觉表征。利用超像素分割技术将图像划分为超像素块，并依据其纹理、颜色和距离特征构建图结构数据。使用MCFRes-CapsGNN模型对图结构数据进行处理，通过构建胶囊提取图数据特征，有效捕捉数据中的层次结构和复杂空间关系，增强特征学习能力。实验结果表明，所提方法在常规故障类型的诊断上准确率达到98.12%，优于其他智能故障诊断算法。

关键词： 财务困境   函数型Logistic模型   风险预警   变量选择  

摘要： 财务困境是恶化的企业经营状况长期累积结果，基于离散数据的传统预警方法侧重于静态视角测度财务指标引致财务困境的平均作用，忽略了企业财务困境形成的连续演变过程。针对财务指标预警作用的连续时变本征，本文在财务指标函数化基础上，系统拓展融合变量选择的函数型Logistic模型，旨在从过程视角识别有效财务预警指标，并测度其引致企业财务困境形成的时变影响。基于中国A股上市公司的实证分析发现，困境预警的众多财务指标并不都具有显著的预警作用，不同财务指标的预警作用呈现出显著的时段差异。预警效果比较方面，融合变量选择的函数型Logistic模型相较传统预警方法具有显著优势。本文融合变量选择系统拓展了函数型Logistic模型，能够为时变视角预警企业财务困境提供方法支持。

关键词： 图神经网络   神经架构搜索   可微分方法   关系特征   点云   分类  

摘要： 针对现有图神经网络的设计严重依赖于专家知识、图节点之间隐藏的潜在高阶特征容易被忽略的问题，提出了一种基于关系特征的可微图神经架构搜索方法(differentiable graph neural architecture search based on relation feature， DGNAS-RF)。首先，为提高图搜索空间的表征能力，设计了关系特征提取操作，以引导图节点特征的学习。其次，为缓解各候选操作竞争过程中的不稳定因素，利用架构熵正则化策略交替优化可微图搜索空间中的架构参数与网络参数。所提方法在ZINC数据集的图分类任务中达到0.149的平均绝对误差，在CLUSTER数据集的节点分类任务中达到77.0%的平均分类精度，在TSP数据集的边分类任务中达到0.853的F1分数，且在ModelNet10与ModelNet40三维点云数据集上分别达到95.0%与92.8%的总分类精度。实验结果表明，DGNAS-RF方法搜索到的图神经网络明显优于人工设计的网络架构以及GNAS-MP、SGAS和ARGNP等自动搜索方法。

关键词： 谣言传播   有向谣言传播联合图   关键节点群组   谣言信息覆盖率   检测  

摘要： [目的/意义]网络谣言传播中关键节点的检测对维护网络空间清朗具有重要意义。针对已有研究忽略节点在多条谣言传播中的作用，从而导致误检或漏检的问题，提出引入有向联合图的谣言传播中关键节点群组检测方法。[方法/过程]首先，构建有向谣言传播联合图，获得涵盖多条谣言传播的网络图。其次，在该图中挖掘节点发布谣言数量、传播谣言数量及影响力，实现对图中节点重要性的量化。最后，通过计算谣言信息覆盖率，检测出谣言传播中的关键节点群组。[结果/结论]实证研究在公开数据集上展开，结果显示：与已有方法相比，所提方法在准确率、召回率和F1值上均有所提高。

关键词： 非对称积分障碍李雅普诺夫函数   导纳控制   力矩观测器   反演滑模控制   下肢康复外骨骼机器人  

摘要： 为保障下肢失能患者主动康复训练的效果和安全性,针对下肢康复外骨骼机器人设计一种基于非对称积分障碍李雅普诺夫函数的无力矩传感器导纳控制方法.首先,基于广义动量法设计一种滑模观测器,用以实时估计人机交互力矩,从而降低下肢外骨骼对力矩传感器的依赖;其次,面向下肢外骨骼构建一种导纳控制框架,利用饱和函数将外环导纳模型生成的参考轨迹约束在预定的安全区间内,以保证外骨骼的柔顺性与安全性;此外,针对内环步态轨迹跟踪设计一种基于非对称积分李雅普诺夫函数的反演滑模控制算法,保障系统的输出约束性能和步态轨迹跟踪精度;最后,基于李雅普诺夫稳定性判据证明控制系统的稳定性,并在下肢康复机器人实验平台上验证所提出控制算法的有效性和优越性.

关键词： 广东省   模糊聚类软划分法   降雨   Mann-Kendall趋势检验   设计雨型   气候变化   无资料地区暴雨雨型   洪水预报  

摘要： 【目的】设计雨型作为无资料地区计算设计洪水的重要组成部分之一，对设计洪水的洪峰流量和时程分配具有显著影响。随着气候变化的影响，原有的雨型可能发生变化，需要通过延长水文序列常来，来进一步研究雨型的变化情况。【方法】采用Mann-Kendall趋势检验法和模糊聚类软划分法，选取广东省内的4个典型流域，涉及12个雨量站点的年最大24h和72h的降雨过程作为研究对象。基于指标体系构建模糊等价矩阵，运用模糊聚类法计算得出不同历时下的设计雨型。【结果】结果表明：年最大24h和72h的降雨量在洞冠水流域呈现出增加的趋势，白芒站的年最大24h降雨量变化速率最大，为0.96mm/a；而在榕江北河流域则呈现出减小的趋势，富口站年最大72h降雨量变化速率为-1.25mm/a。同时，各典型流域的设计雨型均呈现出复合型雨峰的特点，且主雨峰在总降雨量中的占比没有明显差异，主要不同体现在降雨的时程分配上。【结论】与《广东省暴雨径流查算图表使用手册》中的设计雨型相比，主雨峰的控制时段发生了改变。研究结果不仅可为典型流域的设计洪水计算提供有价值的参考，同时也为无资料地区的暴雨雨型研究提供思路。

关键词： 复杂机动动作识别   轻量级混合神经网络   多尺度可分离卷积   双向线性自注意力   小波时频图  

摘要： 机动动作的快速准确识别是实现飞行员飞行训练质量自动评估的关键，针对目前不等长度飞行参数的复杂机动动作识别存在精度不足、效率低下以及识别类别有限的问题，提出一种基于小波时频图与轻量级CNN-Transformer混合神经网络的复杂机动动作识别方法。该方法有效结合了小波时频分析在处理非平稳信号方面的优势以及卷积神经网络（CNN）和Transformer在图像分类任务中的强大性能。首先，提出了一种机动动作分割方法以从单架次多维飞参数据中提取机动动作子序列，有效剔除了大量冗余背景动作序列。其次，利用连续小波变换将提取的子序列由多维飞参时序信号转换为包含时频特征的多维度小波时频图，有效解决了机动动作飞参数据长度不一致的问题。进一步，设计了一种用于特征提取的轻量级CNN-Transformer混合神经网络架构ConvBiFormer，通过多尺度可分离卷积和双向线性自注意力机制，有效地捕捉小波时频图中的局部与全局关键特征，并显著降低了模型的学习参数和计算量。在自建的24类真实复杂机动动作数据集上的实验结果表明，与对比方法相比，所提方法具有更高的识别准确率和稳定性，加权平均精确率、召回率和F1分数分别达到97.32%、97.28%和97.28%，同时在计算复杂度、模型推理时间和存储上具有优势。本文首次尝试将小波时频分析和Transformer用于复杂机动动作识别，为该领域研究提供了一种新的思路。相关代码已公开在https://***/bh0011/ConvBiformer。