关键词： 地质雷达   图像解译   隧道衬砌检测   脱空缺陷   数据处理  

摘要： 本文基于地质雷达图像解译，针对隧道衬砌质量缺陷检测应用开展研究。详细分析地质雷达的工作原理、检测方法和数据处理，并针对脱空缺陷和钢信号拾取问题提出了改进措施。通过优化地质雷达资料判识和数据处理，能够有效提高解译精确度，为隧道工程质量检测和安全管理提供重要指导。

关键词： 无服务器计算   流数据处理   不确定性数据流量  

摘要： 流数据处理正在成为视频处理、医疗监控、数字孪生状态同步和元宇宙等多个领域中许多流行人工智能应用的关键功能。这些人工智能应用的用户通常会发出各种流数据请求,以便从数据流中获得持续的决策支持。鉴于此类连续流数据的动态性,在执行此类流数据数据请求时的任何中断都可能造成意想不到的后果,例如错过视频流中关键对象的识别。此外,有些流数据请求需要实时处理,以便迅速地获得有价值的结果。因此,处理此类数据流的服务需要具有高可用性,以保证其数据流处理请求的性能,并能抵御各种故障事件,不会中断请求。 作为下一代计算范式,无服务器边缘计算正在成为一种关键的解决方案,它通过功能即服务(FaaS)的新颖编程范式和对流数据请求资源的敏捷管理,保证了用户的高可用性和弹性要求。 在本文中,研究了高可用的流数据处理请求接纳的新问题,目的是在满足用户可靠性要求的同时最大限度地减少平均延迟。为此,首先为高可用的流数据处理请求接纳问题提出了一个优化框架,为每个数据流请求的功能找到合适的实例数。在此框架内,本文设计了一种高效算法,在满足可靠性要求的同时,最大限度地减少每个用户的平均延迟。在接收请求时,其数据传输速率可能会发生变化且不确定。因此,本文设计了基于多时间尺度机器学习的新型预测方法来预测数据速率,并设计了在线学习算法来动态调整备用实例,以吸收不确定的数据速率。基于真实世界数据集的实验表明,每个用户的平均延迟比其它对比算法平均延迟降低11.6%。

关键词： 车载称重   数据处理   卡尔曼滤波   径向基神经网络  

摘要： 尽管各地运管部门都明文规定,严禁各类车辆超载行驶,但是各地依然普遍存在公路车辆超载运输现象。车辆超载运输不仅对公共交通的基础设施造成巨大破坏,同时也对人民的财产与生命安全带来严重威胁。传统的车辆定点检测方法存在以下问题:首先,称重监测站点相对固定,容易出现车辆逃避监测的问题;其次,固定点检测会使得交通拥堵,导致车辆检测效率低下。因此,为了加强交通运输、应急安全、信息化运输等重要管理,开始对车辆动态称重系统进行深入研究。 在充分研究现有的车载称重设备后,设计了一套车载动态称重系统。其基本功能为:1.车辆载荷量检测功能,通过各种安装在车身上的传感器,对车辆载荷量进行实时检测;2.车辆超载报警功能,系统检测到车辆载荷量后进行判定,若为超载,称重系统发出报警提醒驾驶员;3.快速标定功能,对于首次安装称重系统的相同车型不同车辆进行快速标定,然后对称重算法所得数据进行误差补偿,实现称重系统快速安装调试,提高安装效率。 首先运用改进的卡尔曼滤波算法对称重信号进行降噪处理,取得了较好的降噪效果;然后利用RBF神经网络对倾角数据、温度数据和降噪后的称重数据进行数据训练,将预测值进行Polyfit函数拟合,得到车辆静态载荷函数与车辆动态载荷函数。 实验结果表明,所提方法的称重误差能够保持在4%以内,满足车载动态称重的精度要求,说明该方法具有较强的实用性和可靠性;通过快速标定后的称重误差保持在4%以内,说明通过快速标定进行误差补偿的方法,可以提高称重系统在同一类型车辆上的安装效率。

关键词： 无人机   协同导航   磁力计误差校正   UWB测距   质量控制   数据滤波  

摘要： 多机联动可优化无人机任务分配,提升任务执行效率,协同导航是保障多无人机协作效率、定位精度、安全性和可靠性的关键。协同导航应用场景常伴随以磁干扰和非视距环境为主的外部环境扰动和以系统观测噪声为主的内部环境扰动。扰动的时变性和不确定性导致系统性能降低,无法满足无人机协同导航在实际应用中对于高精度、高可靠性和高效率的要求。针对如上问题,论文围绕多无人机协同导航数据处理方法开展研究,主要工作内容与成果包括: (1)针对外部磁干扰影响协同导航系统姿态解算精度的问题,通过对惯性传感器中的磁力计建立基于刻度因子误差、非正交误差、零偏误差和软硬磁特性的磁力计误差模型,提出基于椭球拟合算法的磁干扰消除方案,采用最小二乘平差法估计椭球拟合算法中的椭球方程系数,得到校准后的磁场强度值;设计基于奇异值分解的双重自适应无迹卡尔曼滤波方案,引入多重渐消自适应因子调整误差协方差矩阵,通过改变滤波增益以降低磁力计噪声干扰,消除磁干扰对机载磁力计输出精度的影响,提高无人机协同导航系统姿态解算精度。 (2)针对非视距环境下的超宽带(Ultra Wide Band,UWB)接收信号产生非视距误差从而影响无人机协同导航相对定位精度的问题,通过分析UWB定位误差并对非视距信号进行识别,分别从测试与训练场景相同和异同两方面对比分析基于支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)和多层感知器(Multilayer Perceptron,MLP)三种机器学习分类器围绕非视距环境下的异常信号识别性能,通过融入遗传算法优化分类器参数,进一步提高机器学习方法识别异常信号的参数配置效率和模型分类性能;提出基于Sage-Husa的自适应扩展卡尔曼滤波方法,构建以惯性导航系统(Inertial Navigation System,INS)信息为状态量和以UWB测距信息为观测量的扩展卡尔曼滤波模型,简化滤波迭代过程,引入Sage-Husa自适应滤波,削弱非视距对无人机间相对测距精度的影响,提高无人机协同相对定位精度。 (3)针对无人机协同导航系统存在内部传感器有色噪声的问题,从传感器输出纠正与改进、数据融合方法两个角度入手,利用时间序列法将有色噪声转化为白噪声进行滤波,其次通过最小二乘和极大似然方法进行系统参数辨识,提出基于Huber M估计的鲁棒容积卡尔曼滤波算法。设计基于抗差理论的协同导航抗差质量控制策略,利用噪声白化方法将有色噪声转化为白噪声进行系统参数辨识;通过引入贝叶斯近似策略的容积法则对协同系统开展非线性量测更新;将系统量测方程转换为观测量和状态预测的线性回归问题后,采用M估计进行求解,引入Huber函数并融合L1、L2范数估计,提高无人机协同导航系统抗差能力。 (4)设计并搭建主从式无人机协同导航实验平台。无人机均搭载ADIS16460惯性导航系统、ublox ZED-F9P GNSS RTK解算模块、自主设计的UWB无线测距装置以及STM32F103ZET6导航解算计算机。通过无人机协同导航实验平台分别开展机载磁力计数据处理对比实验、UWB/INS数据融合对比实验、系统抗差质量控制对比实验以及无人机协同飞行实验。机载磁力计数据处理对比实验表明论文所提算法相较无迹卡尔曼滤波(Unscented Kalman Filter,UKF)和自适应无迹卡尔曼滤波算法(Adaptive Unscented Kalman Filter,AUKF)性能指标平均提升32.79%和25.76%,可有效提高机载磁力计输出精度。UWB/INS数据融合对比实验结果表明论文所提算法相较扩展卡尔曼滤波算法(Extended Kalman Filter,EKF)和UKF精度分别提高了41.01%和29.91%,可有效提高无人机协同相对定位精度。系统抗差质量控制实验结果表明论文所提算法相较EKF和容积卡尔曼滤波算法(Cubature Kalman Filter,CKF)精度分别提高了14.16%和25.38%,可有效提高无人机协同导航系统抗差能力。无人机协同飞行实验结果表明,将论文所提算法应用于无人机协同导航,解算得到三个从机精度分别为2.55m,4.73m和3.23m,满足协同导航米级精度要求,可有效提高无人机协同导航系统的环境适应性。 该论文有图73幅,表26个,参考文献151篇。

关键词： 数据库技术   智能家居   数据处理  

摘要： 5G时代，智能家居的功能越来越多样化。数据库技术能实现信息资源共享、信息实时推送、数据分析等功能，具有实现数据共享、减少数据冗余、保证数据一致性等优势，是现代智能化、信息化管理中不可或缺的重要支撑。根据智能家居对数据处理的需求，讨论了数据库技术在智能家居系统中的应用优势。

关键词： 企业破产   数据处理   企业数据财产权   破产财产   破产管理  

摘要： 在破产法领域，债务人所持有的数据资源具有市场认可的经济价值，欧美等国已经出现将“隐私协议”“用户协议”作为判断债务人能否变价出售客户个人信息的案例。我国现行立法没有对破产程序中如何处理债务人所持有的数据进行明确，既未明确这些数据能否构成破产法意义上的“破产财产”，也未明确管理人和债务人对这些数据承担何种法律义务。破产财产的认定依据应当以现行财产权规则为基础，结合《民法典》第127条以及企业会计准则等实务性操作要求来看，主营业务数据、系统安全数据、经营管理数据以及获得同意的客户个人信息、员工个人信息均能够被纳入破产财产范围。基于“数据属于新型财产”的理念，管理人“管理和处分债务人财产”的法定职责包含了保护债务人财产保值和增值，这也延伸出管理人应当承担的数据安全保障义务。此外，在企业数据变价出售前后，数据资产的评估和技术整理、变价方式的合理选择以及数据销毁同样属于破产程序中企业数据财产处理规则的重要内容。

关键词： 大数据技术   智慧城市   数据处理  

摘要： 智慧城市是创新与信息技术发展、成长于社会创新环境下的新兴城市形态，是传统城市文明与新知识、新技术创新融合的产物。建立在数字城市的基础框架上，通过无所不在的传感网与现实城市关联起来，将海量数据存储、计算、分析和决策交由云计算平台处理，并按照分析决策结果对各种设施进行自动化控制。基于如此庞大的数据量，智慧城市必然需要一种强大的数据处理技术，大数据技术的出现不仅能够实现对智慧城市数据的处理，同时也是连接智慧城管运行的纽带。文中通过对大数据技术在智慧城市中的应用进行探讨，并对其进行总结和分析，为智慧城市的发展积累相关经验。

关键词： 油浸式变压器   故障诊断   数据处理   AdaBoost算法   极限学习机   改进蜣螂算法  

摘要： 油浸式变压器作为当前电力系统中应用最为广泛的关键枢纽设备,一旦发生故障,将严重影响电网的安全稳定运行,威胁国民经济和人民安全。因此,通过先进的设备监测手段和故障诊断技术,对其运行状态和健康状况进行准确的评估判断,并采取相应修复措施,能够避免故障蔓延以及更严重的事故发生,延长设备使用寿命、降低设备维修成本,有助于保证电力系统的安全稳定性。本论文即是基于Ada Boost算法对油浸式变压器故障诊断方法进行研究,选题具有重要的理论意义及工程应用价值。 首先,针对变压器油中溶解气体数据质量不高,对故障诊断结果影响较大的问题,提出一种基于IF-CNN算法的数据处理方法。使用孤立森林算法对采集到的原始样本集进行异常检测,剔除离群点以达到数据清洗的目的,并通过卷积神经网络完成新数据集的特征提取工作,将原始气体特征映射到新的特征空间,提高不同故障类型样本的可区分度。通过特征可视化,对比分析数据处理前后气体样本的分布特性,验证该算法在提高油中溶解气体数据质量方面的有效性,为后续通过智能算法进行故障诊断提供可靠数据样本集。 其次,结合集成学习的思想,提出一种基于Ada Boost.M2-ELM算法的油浸式变压器故障诊断方法。使用极限学习机ELM作为基学习算法,生成集成学习框架下的基分类器;针对单一ELM分类器对易混淆样本诊断精度不高的问题,本文构建了基于Ada Boost.M2算法的集成学习模型,扩展基分类器的输出,并引入伪损失函数替代传统Ada Boost算法中的加权误差,以增强集成分类器综合表达能力,进一步提高模型识别精度;并基于数据处理后的变压器油色谱密度样本集,验证了所提基于Ada Boost.M2-ELM算法的变压器故障诊断模型的诊断精度和分类性能。 最后,为进一步提升变压器故障诊断模型的精度和稳定性,提出一种基于Tent混沌映射和黄金正弦算法改进的蜣螂算法,对Ada Boost.M2-ELM集成学习模型进行优化。采用Tent混沌映射增加蜣螂算法全局探索能力,采用黄金正弦算法改进蜣螂算法个体移动策略,兼顾对局部区域的开发能力;将改进的蜣螂算法与集成学习模型相结合,提出改进IDBO-Ada Boost.M2-ELM模型,分别对基分类器和集成框架进行优化,进一步提升模型的故障诊断精度和泛化能力;并建立了以混淆矩阵为基础,包含多个评价指标的油浸式变压器故障诊断综合评估体系。通过与其他故障诊断算法的对比分析,验证了所提改进IDBO-Ada Boost.M2-ELM模型的优异性能。