关键词： 激光导航   点云预处理   点云配准   正态分布变换   列文伯格-马夸尔特法  

摘要： 随着科技的飞速发展,智能车的导航技术受到越来越广泛的关注。目前基于多线激光雷达的激光导航方案已经得到普遍的认同,而激光导航定位中的核心技术,点云数据处理算法性能的优劣直接影响了整个导航系统可靠性。本文从激光导航中的点云数据处理技术着手,针对点云数据预处理以及点云配准定位方法进行了一定程度的优化,然后针对大型工业厂区环境设计了激光导航AGV的整体架构与导航系统的总体方案,最终实现了实车上的稳定运行。本文主要研究工作如下:(1)针对点云预处理中的体素滤波下采样算法会丢失部分几何特征的缺点,提出了一种基于kd-tree最邻近搜索改进的体素滤波方法,利用k最邻近搜索寻找距离重心最近的点作为替代点,提高点云数据在下采样后的精度,最后基于点云存储、噪声处理、点云下采样算法,设计了点云数据预处理流程。(2)针对传统的正态分布变换配准算法处理位姿变换相差较大的两帧点云时,存在无法收敛或者陷入局部最小值的问题。为了提高算法的收敛性能,本文提出了一种基于列文伯格-马夸尔特(LM)方法改进的三维正态分布变换配准算法。在算法的迭代优化步骤中使用列文伯格-马夸尔特法,通过动态调节每次迭代过程的步长直到达到最优,避免无法收敛或陷入局部最小值的问题。实验数据表明:相比于传统的正态分布变换配准算法,该算法在位姿变换相差较大时,精度更高且鲁棒性较好。(3)采用研究的多线激光雷达点云数据预处理和定位优化算法,结合大型厂区AGV物流运输实际工程,进行了基于多线激光雷达的导航系统设计;实现了基于多线激光导航的AGV导航平台的总体方案设计,导航控制硬件设计,以及先验地图的构建、系统初始化与自检、实时定位、规划调度与实时监测等核心功能的软件设计。并进行了实车工程验证,达到了良好的运行效果。

关键词： 边缘计算   异常检测   数据压缩   能耗预测   工业物联网  

摘要： 能源在离散型制造企业中扮演着重要的角色,制造设备的能源数据对于企业生产效率的提升,以及生产成本的管控有着重要的参考价值。基于云计算模式下的设备能源管理系统在离散型制造车间得到广泛地应用,但是车间制造设备的迅速增加和秒级采集数据的方式情况存在,使得能源数据量呈现出海量增长的趋势,在这种情况下,基于云计算模式下的设备能源数据直接上云的处理方式,造成了网络传输拥堵、数据池存储压力增大等问题。同时,离散型制造车间生产任务是按照生产安排进行实施的,然而车间进行生产安排时并没有将设备能耗情况纳入考虑范围内,因此常常存在不合理的安排导致设备能耗量增加,进而提高了企业的生产成本。在实际生产过程中,设备能耗情况对于生产合理安排具有重要意义,但是设备能耗情况是滞后知晓的,于是对设备能耗情况进行提前预测,成为了企业能源管理的重大需求。因此,本文以广东省某汽车配件企业为研究对象,结合边缘计算、数据压缩以及时序预测方法来解决上述问题,保障制造车间能源管理和生产任务的健康运作,实现企业能源的合理利用以及生产效率的提升。论文的主要工作包括:第一,本文根据实际生产车间情况进行具体需求分析,设计并实现了基于边缘计算的能源数据采集系统。该系统由设备能源数据源层、边缘数据处理层以及云平台数据处理层组成,边缘数据处理层作为核心层,该层边缘网关完成了设备信息配置、数据通信以及数据处理功能需求,Kafka集群完成了数据传输功能。该系统实现了全部制造设备能源数据实时准确地采集,为边缘端数据处理提供稳定的数据来源。第二,针对海量能源数据传输与存储压力过大的问题,本文提出了一种基于异常检测的容差动态调整旋转门压缩算法。首先根据基于状态变化的滑动窗口异常检测算法选取的最优异常检测参数对能源数据进行异常检测,提高能源数据的准确性;其次根据基于容差动态调整旋转门压缩算法结合场景需求期望误差及数据实际波动性状态进行数据压缩处理,从而减少数据量来缓解传输与存储压力;最后使用企业实际重点能源监测设备数据进行测试验证,表明该算法具有一定的可行性。第三,针对企业需要使用设备能耗预测值进行生产任务安排的需求,本文先采用基于ARIMA模型能耗预测算法,结合能耗数据含有非线性部分的特点,继而采用基于ARIMA-SVR组合模型的能耗预测算法。两种算法对相同重点能源监测设备能耗数据进行验证,实验结果表明组合模型对于能耗预测拥有更好的效果,该模型基本能够满足短期生产任务的设备能耗预测需求。第四,为了验证算法的合理性和有效性,本文设计并实现了边缘数据处理层的能源管理边缘平台。将数据压缩算法和能耗预测算法部署在能源管理边缘平台,对能源数据进行边缘端实时地压缩与预测,满足实际应用场景下的实时业务需求,表明本文的方案在解决两大问题上具有一定的实用性。

关键词： 密集星场   天体自行   空间站望远镜   数据处理   观测精度  

摘要： 密集星场区天体自行的精确解算一直是天体测量领域的难题。中国空间站望远镜(CSST)的大视场、高分辨率特征使它在密集星场区的观测具有显著优势，有效弥补HST和Gaia在观测覆盖范围和星等方面不足。银河系核球区是一个典型的密集星场天区，本文以该区域为例，验证了我们的绝对自行处理方法，给CSST密集星场的观测策略提出建议，并估计了不同时间基线和恒星速度下视差对自行的影响。基于CSST核球区仿真观测图像，我们开展数据处理方法的研究和验证。本文使用两种定心方法并进行比较，在不考虑图像畸变的情况下，定心精度约为0.03到0.08像素。在对比了以10年为基线长度，不同观测策略下测量绝对自行的精度后，我们发现等间隔观测的策略最优，并得出结论:对于18-24等的恒星，通过六次观测，可以得到好于0.2mas/yr的绝对自行精度。

关键词： 脉冲星   化学奇异星   FAST望远镜   LAMOST望远镜  

摘要： 脉冲星(Pulsar)是世界上各大射电、高能望远镜主要观测和研究的重要天体之一。目前已有3000多颗脉冲星被发现和研究。但是脉冲星的辐射机制一直是个问题。对于一些化学奇异星(Chemically peculiar stars,CP),例如磁化学奇异星(magnetic chemically peculiar stars,缩写为CP2)的射电辐射表现出与脉冲星相似的观测特征。而这类恒星的射电辐射机制也是一个未解之谜。我国的500米球面射电望远镜(FAST)和郭守敬望远镜(LAMOST)等大科学工程的建设和投入使用为进一步研究这两类天体的辐射提供了历史机遇。本文针对这两类天体的辐射机制及搜寻问题开展了两个方面的研究:一是利用多波段观测数据去研究了脉冲星的辐射特性;二是基于机器学习的方法去从LAMOST发布的海量低分辨光谱中搜寻新的化学奇异星,为后续进一步深入地研究它们的辐射、自转等提供大样本的数据支持。主要研究内容具体如下:针对脉冲星内禀辐射可能引起的计时噪声问题,本文利用罗西(RXTE)、慧眼(HXMT)和中子星内部结构探测器(NICER)等X射线望远镜的观测数据研究了Crab脉冲星脉冲轮廓的长期变化,从而去讨论脉冲星的计时噪声问题。本文首先对Crab脉冲星的脉冲轮廓在2-6、6-15和15-60ke V的两峰间隔进行测量,并给出它们随时间的演化。接着基于环间隙模型对这三个能段上的脉冲轮廓进行了模拟,获得脉冲轮廓两峰的辐射来源于磁层中的位置以及位置随时间的变化。最后,基于脉冲星星风模型等将这种辐射位置随时间的变化解释为是由于脉冲星的磁倾角以每世纪变化约-1.6度造成的。并提出在未来的高精度计时工作中应该充分考虑脉冲轮廓随时间变化而导致的计时噪声问题,从而服务于未来的脉冲星钟及脉冲导航等相关工程及科学研究。针对脉冲星的射电辐射机制问题,本文利用上海天文台65米射电望远镜在5GHz波段对脉冲星J1848-0123进行观测,通过与国际上公开的观测数据相结合,获得610MHz到10550MHz超宽频率覆盖的脉冲轮廓。基于这些多波段的脉冲轮廓,脉冲星的辐射束形、射电辐射区和辐射在磁层中的位置及其随频率的演化被详细地研究。基于对脉冲星J1848-0123脉冲轮廓的频率演化的研究去对脉冲星的逆康普段散射模型进行了检验和约束。研究结果表明,逆康普段散射模型是脉冲星射电辐射的有效机制之一。针对脉冲星的单脉冲辐射特性问题,本文利用FAST射电望远镜在L波段对脉冲星J0815+0939进行了单脉冲观测和研究。为了去研究这颗脉冲星在多波段上的单脉冲辐射性质。本文首先将带宽为400MHz的FAST观测分成了以中心频率在1150和1350MHz、带宽为200MHz的两个波段数据。然后对这颗脉冲星的脉冲轮廓中的四个辐射成分的辐射强度调制和子脉冲漂移现象进行了细致的研究。研究表明,这颗脉冲星没有脉冲消零现象,成分之间的间隔随频率的增加而减小。在1150MHz波段,任意辐射成分的强度与第四个的强度之比都比1350MHz波段的要大。子脉冲成分I、II和III的辐射调制周期P3分别为10.56、10.57和10.59s。通过本研究,一方面这颗脉冲星的单脉冲辐射特性被延伸到了1.4GHz波段,从而丰富了对这脉冲星辐射特性的认识。另一方面,详细的辐射调制及子脉冲漂移研究为未来进一步研究脉冲星的辐射机制问题提供了高质量的观测支持。针对如何从海量光谱数据中搜寻CP星、光谱子型分类和大气参数参量测量等问题。本文首先基于特征提取的机器学习方法从LAMOST DR8中挑选出的30多万条高信噪比的低分辨光谱巡天数据中新搜寻出了6917个新的金属线星(CP1)和1652个新的CP2星。通过收集过去已发布的CP1和CP2样本,发布了一个含有20694个CP星的LAMOST星表。对于获得的星表,通过手动地将这些样本星的光谱与理论光谱进行匹配,重新计算了它们的有效温度、金属丰度、表面重力等大气参数,并给出了对应的参数统计结果。由于LAMOST星表给出的早型星光谱的分类不够准确,因此本文最后还对这些样本星的光谱型进行了重新分类,最终发布了一个含有精确大气参数和准确光谱子型分类的LAMOST的CP星星表。本文的研究为未来进一步对CP星辐射、自转等的统计及理论研究提供了大样本的支持。

关键词： 高光谱成像   化学计量学   XRF   VIS   NIR   PCA   correlation tools   MATLAB  

摘要： 纵观高光谱成像在文化遗产科学研究中的历史,该技术已被证明对复杂物质的识别和空间定位是可行的。然而,较高的光谱分辨率以及高维度的数据集增加了从高光谱数据中提取有效信息的困难程度。目前,许多结合化学计量学的数据处理工具已被提出和证明在文物的分析检测中是有效的。但是这些信息处理方案只是针对单一的变量,却始终缺乏一种直接有效的针对多变量的数据处理策略,特别是当我们同时考虑XRF、VIS和NIR的光谱信息时。为此,本文将采用两种数据处理的方式:单变量分析方法和多变量分析方法。数据是从具有不同颜料和粘合剂成分的油画样本中获取的XRF、VIS和NIR的高光谱图像。单变量方法使用单波段选择工具分别提取了XRF、VIS和NIR光谱并进行分析。多变量方法则包括由“Polibrush”软件执行的主成分分析法以及使用“Mask”操作的关联性分析法。所有的数据处理都是在MATLAB软件中进行的。最终,将两种分析方法提供的信息与样本的配方进行比较并判断提取后的信息的完整度以及可信度从而评估该数据处理方案的可行性。

关键词： 地震勘探   数据处理   远震接收函数   谱元法   地表地形  

摘要： 远震接收函数是研究地球内部结构的重要手段。然而地球内部速度间断面形态复杂，且地表地形具有明显起伏，这些因素会影响波场，从而对远震接收函数造成影响。为了探究地表地形对地下间断面接收函数成像的影响，本文计划建立相关模型，通过数值模拟方法来模拟合成对应的远震接收函数，对地表地形对其的影响分析对比。　　目前，谱元法作为一种能够精确刻画模型特征并且具有高计算精度的方法，被广泛应用到三维地震波的模拟当中。但是由于计算成本较高，谱元法难以拓展到远震尺度内。因此，基于谱元法的许多混合方法逐渐提出并且在实际工作中取得应用。混合方法将计算域分为背景区域和局部三维区域，在背景区域中采用一维近似简化算法，计算地震波在背景区域中的传播;在计算得到局部区域边界上的波场之后，将边界上的波场视为入射波场，利用谱元法模拟地震波在局部三维模型中的传播。在众多混合方法中，轴对称谱元法-谱元法(AxiSEM-SEM)混合方法具有精度高和在边界上匹配度好的显著优点。　　从合成的地震数据中可以提取接收函数，进而合成区域内间断面接收函数图像。本文中，通过建立不同的地表模型和地下间断面模型的组合，按照位置分布设置不同类别的震源，利用AxiSEM-SEM混合方法合成了对应模型下的地震记录。随后，采用时间域迭代反褶积法来提取接收函数，通过叠后偏移方法合成对应的间断面图像。通过观察对比不同组合的成像结果，系统地分析了震源位置和地表地形对不同间断面成像结果的影响。

关键词： 误差理论与数据处理   一流课程   教学改革   对分课堂  

摘要： “误差理论与数据处理”是测控或自动化等专业的核心课程。新的教育形势和学生需求对“误差理论与数据处理”的课程建设也提出了新的要求。一流课程建设作为教学改革探索与实践的重要内容之一，具有重要的意义。教师通过融入以学生为中心、以成果为导向（OBE）等现代教育理念，使用案例式教学、对分课堂等先进教学方法，让课堂学习氛围活跃起来，进而从根本上调动学生学习的积极性，提高教学效果，达到一流课程建设的目标。

关键词： 火电机组   短时出力预测   数据处理   长短时记忆神经网络   麻雀搜索算法  

摘要： 当前我国的发电形式仍然以火力发电为主,随着“双碳”目标的提出以及可再生能源发电面临的消纳问题,亟需通过火电机组的灵活性改造来达到节能减排和优化电力资源配置的目的。而由于机组运行环境、入炉煤质、辅机状态等的变化都会影响火电机组的出力范围,给电网调度带来困难。针对以上问题,为了提前掌握火电机组的发电负荷边界,本文以660MW超超临界燃煤发电机组为研究对象,利用电厂DCS系统中的历史数据,对锅炉短时可调控出力预测展开研究,包括锅炉侧数据处理、建立LSTM锅炉出力预测模型以及最大最小出力预测。首先,通过介绍直流锅炉总体结构以及设计参数,对锅炉侧多变量进行相关性分析,筛选出影响出力的参数,采用拉依达准则剔除电厂大数据中可能存在的异常值,并借助小波变换法进行降噪处理,再利用滑动窗口法进行稳态数据的筛选。其次,为了减少模型输入样本维度,进一步采用PCA降维,为建立出力预测模型奠定数据基础。接下来,以全工况数据和稳态数据分别作为模型训练样本,仿真结果表明稳态数据建模精度更高,并将LSTM和SSA-LSTM模型的性能进行对比测试,验证了SSA优化后的LSTM预测模型的优越性,结合稳态数据搭建锅炉出力预测模型。基于此,对稳态工况下高、中、低负荷测试样本进行仿真,发现均方根误差均在1.50%以内,证实了模型的可靠性。最后,考虑到煤质和辅机性能是影响锅炉出力的主要因素,根据当前稳态工况下的煤质系数和磨煤机组合方式进行数据库筛选,基于所建立的模型并结合电厂的智能预警系统所提供的锅炉侧参数边界,得到最大可调控出力值。同样地,基于模型得到最小出力值,与电厂低负荷稳燃试验数据对比,两者相对误差为1.20%。通过电厂实例分析,基于本文所建立的LSTM预测模型得到最大、最小出力值,进而确定该锅炉的可调控出力区间,为电网调度中心提供可靠的锅炉短时出力参考范围,实现锅炉的安全调度,以及指导机组合理备磨停磨,确保电网安全稳定运行的同时提高新能源消纳水平。

关键词： 深度学习   数据处理   密度反演   卷积神经网络   自注意力机制  

摘要： 深度学习理论可以建模观测数据与对应目标属性之间的关系,大量的实际应用表明其对于各个领域具有较大的应用潜力,深度学习建模位场模型数据,从而学习到位场数据的先验信息,具备插值、滤波与计算地下地质体密度的能力。常规网格化方法如克里金法、最小曲率法,由于其对待网格化异常作出统计假设,导致方法在异常区域以及边界区域的网格化精度较低,常见的滤波方法如中值滤波方法在去除随机噪声同时也对异常进行了运算,导致方法在异常区域精度较低,基于全卷积神经网络的密度反演方法由于无法较好建模地面观测异常与地下密度模型更精细的非线性对应关系,导致其对地质体的密度反演结果精度不高。引入可以提取全局异常信息的自注意力机制神经网络,基于自注意力机制神经网络的网格化方法利用在训练集中学习到的全局先验信息,可以有效提取异常的全局特征并将其变换至待网格化点位的异常信息,方法的误差不随不随异常改变,且精度更高。提出基于卷积神经网络的噪声类型识别方法,方法可以通过提取数据局部特征从而有效识别各类不属于地质体异常的局部干扰。基于卷积神经网络的去噪自编码器通过卷积层可以过滤数据的随机噪声并提取数据的局部特征,将特征重建为重磁异常数据,相对于传统中值滤波方法精度更高,且误差不随异常分布而改变。根据密度反演具有全局的特点,提出基于自注意力机制神经网络的密度反演方法,方法通过将全局异常信息纳入计算,相对于卷积神经网络可以更加准确计算密度剖分。使用基于深度学习的数据处理方法处理内蒙古呼突格实测磁异常数据显示方法可以有效去除条带状干扰,将基于自注意力机制神经网络预训练模型的密度反演用于文顿盐丘实测重力数据,试验结果显示方法可以有效计算地质体的分布范围及密度。将较为前沿的自注意力机制神经网络引入场数据处理领域,并根据不同神经网络的特性将其应用在数据处理与密度反演中,为深度学习在位场数据领域的下一步应用提供了一定的借鉴作用,在本文基础之上,下一步的研究方向将集中于深度学习理论在位场数据处理与密度反演的可解释研究中,确定深度学习在位场数据处理领域有效性的来源,从而在大数据背景下继续提升深度学习理论在重磁领域的应用优势。

关键词： 轴向柱塞泵   故障诊断   非均衡数据   机器学习   多分类   随机森林   平衡随机森林   SMOTE  

摘要： 随着科学技术与数据挖掘研究的不断深入,大数据时代已全面来临。顺应时代潮流,机器学习也成为了当下较为热门的研究方向。然而,传统的机器学习算法只能在数据分布均衡时发挥较好的作用,但实际操作中大部分的数据都是非均衡的,此时传统的机器学习算法就不太适用了。以轴向柱塞泵的故障诊断为例,在实际的故障诊断中,故障类样本数量与正常类样本数量相差巨大,此时常用的分类算法就难以取得好的效果。因此,将非均衡数据处理方法引入轴向柱塞泵故障诊断中就显得十分重要。本文主要研究非均衡数据处理方法与其在轴向柱塞泵故障诊断中的应用,主要内容为以下两部分:针对二类非均衡问题,本文提出了基于特征选择与空间聚类的SMOTE算法。此方法对SMOTE算法易产生噪声、边界模糊等问题进行了改进,为验证算法效果,将该算法与传统算法在UCI数据集上进行对比,结果表明改进算法有着更好的效果。针对轴向柱塞泵实际故障诊断中采集到的故障类数据远少于正常类数据的情况,为提升故障分类精确率,提出了一种基于平衡随机森林(BRF)的轴向柱塞泵故障诊断方法。BRF算法是随机森林(RF)的改进算法,它将欠采样方法与RF结合,强化了RF处理非均衡数据的能力。通过开源的UCI数据集对该算法的性能进行了测试,相较于RF以及SMOTE与RF的组合算法SMOTE-RF,BRF算法在少数类分类精确率方面有所提升。最后,将BRF算法应用于轴向柱塞泵的故障诊断中。结果表明,在类间数据不均衡的条件下,相较于RF及SMOTE-RF算法,BRF算法能够取得更高的故障分类精确率。