关键词： 惯性导航   惯性测量单元阵列   滤波器   组合导航  

摘要： 随着导航技术在生产生活中发挥越来越重要的作用,惯性导航领域以其技术适用范围广,抗干扰性强的特点涌现出越来越多的研究成果。同时针对惯性导航技术的低成本设备精度低,长时间结果漂移的缺陷,可利用多个惯性测量单元组成惯性测量单元阵列进行数据融合,估计姿态位置,改善导航精度。目前融合多惯性测量单元阵列的研究主要集中在利用阵列特点提高设备标定精度与改善导航结果精度。方法上主要使用加权平均,滤波器与其它借鉴协同导航,组合导航的一些数据融合方法。这些方法对惯性测量单元的特点与阵列约束的特点利用程度还不够充分,导致了导航精度与稳定性仍有提升的空间。本文针对惯性测量单元阵列数据融合方法的不足之处,重点研究了基于阵列运动学及动力学约束下,使用基于滤波器的数据融合与组合导航方法,解决惯性测量单元阵列数据融合的以下问题: 1.针对纯惯性导航下角速度的估计问题,将角加速度不再视作过程噪声,加入估计变量,使得状态转移模型更加符合实际,提高了角速度的估计精度,同时得到阵列参考点的比力,提高了导航结果的可解释性优势。 2.针对运动近似满足一些函数的特点,使用窗口递归估计拟合相应的函数,提高滤波器预测待估状态的精度,从而提升惯性测量单元阵列对角速度,加速度的估计精度,从而改善导航结果。 3.针对传统融合方法在使用条件上的局限,使用位置信息补偿姿态估计结果。提高了姿态估计的精度。在上文估计出的角速度计算的速度约束上,通过基于阵列位置与卫星导航结果的组合导航方法还能同时估计单个惯性测量单元的位置,改善了导航结果,使得方法可解释性优势与应用空间提高。

关键词： 生存分析   深度学习   伪值   可解释性   数据处理  

摘要： 生存分析是对给定事件发生的时间进行分析与推断，研究协变量与事件时间和结局关系的方法。生存分析在医学领域主要用于疾病预后结果的预测、不同治疗方案的对比、重要风险因素的识别。近年来生存分析在其它学科领域的应用也越来越广泛，因此针对生存分析的研究受到了广泛的重视，成为一个比较热门的研究方向。　　生存分析研究所面对的一个重要问题是删失数据的处理。数据的删失是指在研究过程中由于某些原因无法明确研究对象发生结局事件的时间，它在生存分析中是不可避免的。目前的生存分析方法在删失数据的处理上存在删失数据处理过度简化或者过度复杂的问题。伪值作为一种无偏估计量，在竞争风险数据回归建模研究中已经被用于删失数据的处理，并且被证明效果良好。另外生存分析根据结局事件原因个数分单一风险和竞争风险两类，其中针对单一风险生存分析的研究最为广泛。主流的竞争风险生存分析方法通常受到风险独立假设的限制或者因为只允许在固定大小的时间点上进行预测导致参数量和计算量巨大。本文研究针对上述生存分析中所面临的一些主要问题，以深度学习技术为主要手段，同时将伪值概念引入到生存分析中来进行删失数据的处理。主要研究内容有:　　一、在单一风险生存分析方面，论文研究利用生存概率伪值和累计发生率函数伪值，分别提出了连续时间和离散时间两种深度生存分析模型。连续时间深度生存分析模型通过最小化负平均对数偏似然损失来确保连续时间尺度上结局事件发生的预测顺序正确，并将生存概率伪值用于预测结果的校正。而离散时间深度生存分析模型将标签的概念代入生存分析当中。该方法首先划分若干个时间点，然后计算出每个感兴趣时间点上各个个体对应的累计发生率函数伪值，将每个时间点上结局事件的发生与否当作真实的标签，用伪值作为删失数据的标签，将生存分析变成了有监督学习。在5个公开数据集上进行实验来评估模型的性能，并且采用施加扰动的方式来分析特征对于预测的影响。结果显示:本文研究所提模型与其他方法相比，不仅取得了更好的预测性能，并且可以明确特征的重要性，具有很好的预测可解释性。　　二、在竞争风险生存分析方面，论文研究提出了一种面对竞争风险的多任务深度生存分析模型。该模型采用一种多任务框架，不需要任何假设并且可以灵活选择预测时间点，首先利用一个共享子网络学习共享表征，然后将每个结局事件当作一个子任务，利用不同结局事件的累计发生率函数伪值对子任务当中的删失数据进行处理，从而简化了竞争风险下的生存分析问题。实验中利用了三个竞争风险数据集，首先验证了该模型在较少参数量和计算量的情况下也具有对不同结局事件良好的预测准确性，然后通过两组消融实验证明了多任务架构有助于模型提升预测准确性，最后通过计算特征重要性评分来表明本文研究所提模型具有很好的特征可解释性。

关键词： 统计数据   质量管理   数据处理  

摘要： 统计数据质量管理既是统计学界长期关注的一个重要内容，又是我国进行小康社会建设中必须加以重视的问题。为确保统计数据的准确性和可靠性，本文对目前影响统计数据质量的因素进行深入分析，并据此提出优化数据采集流程、强化技术应用、建立验证审查体系与提升人员素质等策略，旨在提高统计数据质量，促进数据质量管理体系的完善与发展。

关键词： 傅里叶变换成像光谱仪   时间调制   数据处理   相位校正  

摘要： 红外成像光谱仪被广泛应用于农林环境科学、军工以及航天遥感等领域,对其进行研制或者技术改进都具有不俗的研究价值。本文针对本课题组计划搭建的时间调制型傅里叶变换成像光谱仪入手,论述了系统原理、技术方案以及相关研究工作,研究工作的重点是针对时间调制型傅里叶变换成像光谱仪的数据处理方法。在傅里叶变换成像光谱系统中,光谱复原技术尤为重要,因为系统无法直接获取拍摄目标的三维图谱立方体,光谱复原技术能够将采集到的干涉数据处理为所需的光谱数据。本文汇总了常见的数据处理方法的同时,提出了一些新的思路用于该种仪器的数据处理工作。主要工作内容如下: 1.红外成像光谱仪系统的整体方案原理与部分技术路线的制定。简单论述了双角镜摆动型干涉仪方案的可行性; 2.完成了时间调制型傅里叶变换光谱仪数据处理的基本工作,其涉及到预处理、切趾、相位校正以及快速傅里叶变换等内容。本文提出一种使用变分模态分解(Variational Mode Decomposition,VMD)方法用于干涉图的预处理,能够完成对干涉图中潜在趋势项的消除,相比于传统的算法具有更高的适用性; 3.针对传统的Mertz相位校正方法的不足,使用相位相关法以及全通滤波器组成一种新的相位校正模型。本文论述了该模型的原理并验证了可行性,证明了该模型相对于传统方法在校正精度上的提高。在全通滤波器参数优化的问题上也采用了一种新的智能进化算法,该算法在处理滤波器参数优化方面具有更好的收敛性; 4.使用QT平台搭建了一款通用型傅里叶变换光谱数据处理软件。最后在光学平台上搭建了时间调制型傅里叶变换成像光谱仪样机,完成了激光干涉校正及红外图像拍摄及单一像素点的光谱复原。

关键词： 众包   石油钻井   弱可用数据处理   众包SQL语言  

摘要： 随着石油钻井信息化建设的快速发展,钻井数据质量较低,可用性不高的现象越来越严重,钻井数据的处理是辅助钻井工程决策的基础。由于石油钻井作业的复杂性和专业性,导致石油钻井数据弱可用现象的产生,面对石油钻井弱可用数据处理过程中存在的数据不完备、数据(实体)不一致等问题,采用传统的数据处理方法将难以获得有效的结果。论文引入众包技术,提出一种基于众包的石油钻井弱可用数据处理方法,为石油钻井弱可用数据处理提供辅助支持,满足钻井数据辅助石油勘探开发决策的需要。论文主要工作和成果如下: 1.分析讨论钻井弱可用数据处理过程中面临的问题和难点,采取众包的理论和知识,来解决钻井弱可用数据处理过程中的问题,并对众包技术在石油钻井工程中的应用进行研究分析。 2.设计给出基于众包的钻井弱可用数据处理系统的体系架构以及钻井弱可用数据的众包处理方法,详细分析基于众包的钻井弱可用数据不完备问题和数据(实体)不一致问题的具体处理工作流程。 3.基于标准SQL语言和众包扩展语言,设计不完备数据的众包数据库和数据(实体)不一致的众包数据库,开发实现基于众包的钻井弱可用数据处理原型系统,并介绍系统的相关功能和实现结果,更好的实现钻井数据的处理和石油钻井信息化建设。

关键词： 机器学习   数据处理   暂现源  

摘要： 射电暂现源是在射电观测中探测到的瞬态信号,常见的射电暂现源有脉冲星、旋转射电暂现源、太阳耀发、快速射电暴等等。其中脉冲星的发现至今已有57年历史,是一种具有周期性的连续且稳定的脉冲源,根据其色散量可以确认起源于银河系内。而旋转射电暂现源在2006年首次被发现,同样具有周期性,但并非每个周期内都能探测到脉冲。快速射电暴则是在2007年第一次被发现,这种毫秒级的明亮射电脉冲,被认为起源于银河系外,有重复暴与非重复暴两类。快速射电暴与脉冲星相比巨大的距离与能量差别引发了人们对其起源的好奇。近年来随着观测设备的不断升级,人们得以发现越来越多的射电暂现源,但这些新设备的数据流也在急剧攀升,给数据的存储以及搜寻都带来了新的挑战。 本论文主要涵盖作者博士期间关于射电数据搜索所作的四项工作,前两项通过在传统搜寻流程中引入人工智能算法,达到更有效率地搜索特定暂现源的目的(本工作中为快速射电暴),后两项工作则为利用非监督的机器学习模型进行射电数据处理,如对已知射电源进行分类、搜寻非特定物理机制的异常信号等。 在第一章中,我们回顾了射电观测的历史,简要介绍了单天线射电望远镜的观测模式。我们简要回顾了其中三种射电暂现源的发现契机和发展历史。介绍了搜寻模式下射电数据的基本结构,以及如何利用这样的数据结构从中获取想要的科学信息。我们简要介绍了利用传统搜寻软件搜寻脉冲星,旋转射电暂现源和快速射电暴的流程,以及在找到脉冲信号后对信号进行进一步流量校准和偏振校准的方法。 在第二章中,我们介绍了机器学习的基本概念,回顾了机器学习的几个重要发展节点,并简要描述了一种用于图像识别的经典卷积神经网络的模型细节。之后我们回顾了近年来机器学习在天文学中的发展,应用与前景。 在第三章中,我们给出了两个利用监督学习搜寻快速射电暴的实例。在第一个例子中我们使用了残差神经网络对大量存档数据进行图像识别,并成功从海量图片中识别出了 81个候选快速射电暴。在第二个例子中,我们在处理一批FRB 20200120E的后随观测数据时,引入残差神经网络辅助搜寻,极大加速了我们的辨别速度,并最终从这批数据中找到一个亮脉冲。 在第四章中,我们介绍了两个利用无监督机器学习挖掘射电数据隐藏信息的工作。在第一个工作中,我们利用均匀流形近似和投影(UMAP)降维算法对快速射电暴进行分类,并发现重复快速射电暴和非重复快速射电暴之间存在一定区别,其中重复快速射电暴在频率方向上更倾向于表现出窄带特征。在第二个工作中,我们利用UMAP降维算法在射电观测存档数据库中直接搜索异常信号,并找到了 202个异常信号,其中有一些信号在经过后续详细分析后被确认来源于人工信号或地面干扰(如卫星、闪电等),还有一些信号疑似来自某个方向的天体,对于这些信号我们将进行后随观测进一步确认其真实成因。 在第五章中,我们进行了简要总结,并讨论了我们的方法未来在天文观测领域可能的发展。

关键词： 烟叶烘烤图像   信息采集   图像数据增强   图像分割   注意力机制  

摘要： 智能化烟叶烘烤是烟叶生产的一个重要研究发展方向。智能烘烤系统大多需要根据烟叶实时图像信息判断烘烤进程,并以此调整烘烤工艺,进而获得较优的烘烤质量。但是,烘烤过程中的烟叶图像信息采集还存在一些问题,主要表现为因镜头起雾、局部照度低、图像颜色失真等导致的有效数据不足的问题。为此,本文开展了以下研究: (1)开发了烟叶烘烤综合信息采集系统。为了实时监测烘烤过程中烟叶图像信息、烤房装烟室内干湿球温度和烟叶失水量变化情况,开发了烟叶烘烤综合信息采集系统。采集系统设计了具备耐高温防雾功能的烘烤图像采集设备,开发了干湿球温度和重量信息的采集和传输电路,开发了数据存储和处理云平台,开展了采集试验,结果表明系统各项功能运行正常。 (2)提出了基于自注意机制CycleGAN(SM-CycleGAN)的颜色失真烟叶图像数据增强方法。针对烟叶烘烤过程中图像颜色失真的问题,将自注意力模块引入CycleGAN的生成器和判别器中,帮助CycleGAN网络关注图像中的重要区域,学习正常图像与失真图像之间的依赖性与联系性;设计基于原始CycleGAN损失和自注意力损失的烟叶图像数据增强损失函数,实现了更真实的图像数据增强。开展了消融实验和对比实验,结果表明SM-CycleGAN对图像的增强效果优于常规算法。 (3)研究了基于全卷积神经网络(FCN)的烟柄图像分割方法。为了便于掌握烟叶烟柄部位的颜色信息,利用Lableme对烟叶烟柄部分进行标注,建立烟叶图像分割数据集,运用全卷积神经网络对烟叶烟柄部分进行分割。通过开展与常规分割方法的对比实验,全卷积神经网络分割模型对烟叶图像中叶柄的分割具备较好的分割准确率,实现了对不同烘烤阶段低照度烟叶图像的有效分割。 (4)研究了基于全局注意力(GA)和Retinex理论(GA-Retinex)的低照度烟柄图像增强方法。针对分割出来的低照度烟柄图像,将全局注意力模块嵌入到Retinex网络中,提取更丰富的空间信息和渠道信息;在网络的不同层中嵌入全局注意力模块,实现更优的图像纹理和颜色细节的恢复;对于光照调整网络,引入全局注意力机制提升照度分量亮度和对比度,弥补照度分量的细节信息,提高增强图像的全局光照一致性。与其他常规方法进行了对比实验,结果表明GA-Retinex对低照度烟叶图像的处理取得了最优的效果。

关键词： 湿法脱硫   数据处理   传递函数辨识   预测控制  

摘要： 随着“双碳”战略的不断推进,煤电清洁化改造越来越受到多方关注。在火电装机量仍在不断增加的背景下,严格把控烟气出口SO2浓度至关重要。目前,我国超过90%的火电机组采用湿法脱硫技术,但脱硫系统存在自动化水平低、脱硫设备能耗大的情况,大部分脱硫系统仍旧采用手动控制的方法。脱硫系统是一个复杂的、多变量、非线性系统。以往的操控方法经常出现出口SO2浓度不达标或者为防止出口SO2浓度过高使设备投入增加而导致厂内能耗过大的情况,应用合适的控制方法使脱硫系统各项指标能够时刻跟随设定值同时降低电厂能耗具有重要意义。 本文以某电厂双塔湿法脱硫系统为对象,在深入了解该电厂脱硫系统情况下进行控制系统设计,达到优化控制的目的。首先本文开展了双塔脱硫系统控制方案的研究,针对电厂实际数据中包含环境噪声以及异常值的情况,采用粗大值、数据滤波、零初值进行数据预处理,处理后的数据更有利于模型建立的准确性。同时由于双塔脱硫系统的复杂性,为降低在建模中的输入输出数据维度以及对干扰因素的选择,采用随机森林法对数据重要性进行排序。其次,在模型辨识过程中,采用智能算法与传递函数结合的方法获得辨识模型,在MATLAB仿真平台中,将粒子群算法进行改进得到自适应混合粒子群算法,以提高其寻优精度。接着采用改进后的粒子群算法对脱硫系统的浆液p H值以及出口SO2浓度进行传递函数的辨识。通过误差分析发现模型辨识精度较高,其中浆液p H值的MSE最大为0.710,出口SO2浓度MSE最大为5.035。 在双塔脱硫系统控制方面,首先对动态矩阵控制（DMC）流程进行简要分析。针对控制参数较多且不易调整的情况,研究控制参数P、M、Q、R、H对控制器的影响程度,并设计出自适应混合粒子群优化的DMC算法,实现控制器参数的自动寻优。之后分别采用PID、DMC、Smith预估、改进后的DMC进行控制仿真。仿真结果表明在无干扰、干扰加前馈、鲁棒性分析方面,经过改进后的DMC控制性能均优于其他几种控制。改进后的DMC相对于PID调节时间大幅度降低,降低超调量最大为5.67%;相对于Smith预估控制最大减少超调量6.58%;与未经过算法优化的DMC比较,最大降低超调量3.13%,调节时间也有所降低。将实际数据输入系统仿真实验中,自适应混合粒子群优化的DMC在设定值附近波动性较小,证明了其控制的稳定性、准确性与快速性。