课程文献中心 更多>>

关键词： 高光谱图像复原   低秩分解   全变分正则化   Tucker分解   交替方向乘子法  

摘要： 高光谱图像遥感技术是一种综合了空间二维图像信息和光谱维度信息的技术,目前在资源探测,地貌信息监测、生态研究等多个领域有着广泛的应用。但受限于种种原因,高光谱图像在采集和传输过程中往往会遭受各种噪声的干扰或是图像的衰退,需要对其进行图像复原,以提升后续应用中的准确性,满足实际的工程需求。利用高光谱图像低秩性的低秩分解复原算法是一种常用的高光谱图像复原算法,但由于先验知识的缺乏,这些方法的复原结果有限。本文针对上述高光谱图像复原算法中存在的问题进行了探索,主要工作如下:(1)本课题提出了一种基于图像局部平滑性低秩分解的高光谱图像复原方法。该方法将图像的局部平滑程度也作为先验知识纳入考虑,用三个维度的梯度信息代替了图像原来的数据信息进行低秩分解,并针对不同维度加入了影响因子使得正则项的空间和光谱分量的约束惩罚更加灵活,全局低秩正则化和总变分正则化的结合也增强了图像的恢复效果。此外,本文应用非凸指数型函数(ETP)替代矩阵的核范数约束,进一步增强了低秩矩阵的恢复能力。在此基础上,本文运用了增广拉格朗日函数(ALM)进行了模型的优化求解。通过实验结果表明,该算法在高光谱图像复原过程中具有较好的效果,能够有效地去除高光谱图像遭受到的高斯噪声和低秩噪声。(2)本课题提出了一种基于空谱一致性低秩分解的高光谱图像复原方法,通过额外增加一个空谱一致性的正则化项,提高了低秩模型的数据恢复能力。在本章中证明了该模型解的存在性和唯一性,并采用一种多块的交替方向乘子法(ADMM)进行了模型的优化求解。最终实验结果表明,本章所提算法可以实现针对高斯噪声,散斑噪声以及死线噪声等多种类型噪声干扰后的高光谱图像进行去噪以及图像数据的补全,皆取得了较好的效果,提高了高光谱图像数据复原的性能。

关键词： 智能皮肤   光纤布拉格光栅   自修复   载荷识别  

摘要： 当前,人工智能技术在机器人领域的应用越来越广泛,人工智能皮肤能够提供触觉感知系统,对于机器人和人类在协作领域中的安全和精确问题具有极为重要的意义。光纤布拉格光栅传感器具有高灵敏度、强组网能力和大动态范围等特点,可以实时感知机器人外部环境的温度、压力、形变等信息,能够满足机器人人工智能皮肤对传感器的多样化和高精度的要求。因此,光纤布拉格光栅传感器应用于机器人人工智能皮肤中,将会成为未来机器人智能化发展的重要趋势。在机器人人工智能皮肤中应用光纤布拉格光栅传感器,需要面对复杂多变的外部环境。为了提高光纤布拉格光栅传感器的复用效率和准确性,研究光纤传感网络的自修复系统变得至关重要。首先本文对当前的光纤智能皮肤和光纤传感网络自修复的研究现状进行分析,对光纤智能皮肤领域的研究现状有较为全面的了解,指出现有研究中存在的问题和不足之处。并对布拉格光纤光栅的传感特性进行研究,利用OptiGrating软件对不同结构参数下布拉格光纤光栅和级联布拉格光纤光栅的光谱进行仿真,分析不同结构参数下光栅的光谱特性,明确不同结构参数对布拉格光纤光栅光谱的影响。其次设计出一种新型具有自修复能力的高可靠性光纤传感网络,结合图论的知识研究出传感网络自修复的方法,并验证三种常见最短路径算法对光纤传感网络进行自修复的可行性。结合实际机械手的结构大小,设计带有五个光纤传感器的传感阵列。利用有限元分析软件Workbench模拟出感知单元的微型结构,分析得出感知单元的结构尺寸为10mm × 3mm × 4mm。模拟机械手触碰光纤传感单元的情形,通过静力学分析,得出适合的传感器尺寸设计,并对其进行标定实验。最后针对阵列式感知单元的空间定位问题,对受力定位算法进行研究。将研究设计好的光纤智能皮肤应用到机械手中,结合Lab VIEW软件进行实验,验证光纤智能皮肤的受力定位和自修复的可行性。对机械手智能皮肤进行感知实验,验证智能皮肤对压力和温度的感知能力。

关键词： 光纤光栅   压力传感器   温度传感器   紧凑封装  

摘要： 压力和温度是油气井下的重要参数,在油气井勘探、钻井和生产阶段,均需要监测实时压力和温度。随着石油天然气资源的大量使用,勘探与开发的深度也随之增加,井下的压力和温度都在逐步上升,高温环境下的电学传感器不再具有明显优势。开发出新型油气井下温度压力传感器既是生产开发的需要,也是降低成本的需求。因此针对油气井下的恶劣环境,提出了两种基于光纤光栅的温度压力传感器,可以在高温高压环境下长期工作,对油气井下温度和压力的长期监测提出了一种有效的解决方案。本文以研制油气井下温度压力传感器为目标,研究内容主要有:(1)综述了光纤光栅温度压力传感器的研究现状,总结了常见光纤光栅温度压力传感器的封装结构,阐述了光纤光栅的基本传感原理,分析了油气井下的高温、高压、强腐蚀以及各种仪器产生的电磁干扰等环境特点。(2)提出了适用于油气井下环境的光纤光栅温度压力传感器的设计方案。传感器使用耐高温、耐腐蚀的飞秒脉冲激光刻写光纤光栅作为基本传感元件,使用不锈钢材料作为传感器的封装材料,使用低温玻璃焊料固定光纤光栅。根据该设计方案研制的传感器可在温度为200℃的环境下工作。(3)设计了一种基于膜片和杠杆组合结构的温度压力传感器,具有小体积和大量程的特点。传感器使用膜片结构和偏心杠杆组合结构,以膜片作为直接承压元件,形变后的位移被杠杆结构放大。研究发现在非对称部分结构中,将力传递杆设置在膜片的偏心位置可以提高传感器的灵敏度。该传感器的最大外径为26 mm,压力量程为0-30 MPa,压力灵敏度为29.8 pm/MPa,线性度为0.9999,重复性为0.01%,最小分辨压力灵敏度为0.04 MPa。温度测量范围为50-200℃,灵敏度32.7 pm/℃。该传感器具有较高的线性度、重复性和稳定性。(4)研究了一种基于膜片和梁组合结构的温度压力传感器,具有小体积,大量程,易封装,可准分布式测量的特点。传感器的压力测量范围为0-40 MPa,灵敏度为24.1pm/MPa,线性度为0.9997,重复性为0.38%,最小分辨压力灵敏度为0.05 MPa。温度测量范围为25-200℃,灵敏度为31.2 pm/℃。经过改进后的压力传感器理论量程为0-100MPa,灵敏度为12.7 pm/MPa,温度测量灵敏度及测量范围不变。本文提出的两种温度压力传感器可以用于高温高压环境下温度和压力的长期监测。

关键词： FBG   PM-FBG   光纤光栅阵列传感   多参量传感   桩基健康监测  

摘要： 桩基工程检测具有隐蔽性、多因素影响、高破坏性和作业实施难等特点,使得传统的机械类和电子类等检测仪器由于本身属性的限制,在桩基工程的检测与监测中存在诸多的问题。光纤布拉格光栅(Fiber Bragg Grating,FBG)传感技术作为最先进的在线检测技术之一,可以实现温度、应力、应变和折射率等物理参量的测量。由于其具有体积小、抗电磁干扰和灵敏度高等优势,近年来已开始用于桩基工程的健康监测领域。然而,FBG存在力学性能差、制作成本高和传感信号解调复杂等问题,导致其在桩基工程中的应用受到严重的影响。因此,本论文以桩基健康监测为应用背景,以研制性能优异的光纤光栅传感器与阵列为研究目标,围绕FBG的制作、封装以及FBG传感器在桩基工程中的应用展开研究,设计制备了可用于桩基健康监测的FBG传感器与阵列以及PM-FBG多参量传感器。本论文的主要工作与研究成果如下:(1)基于载氢光纤和相位掩模法实现了光纤光栅的定制化刻写。研究了激光发散角和光纤纤芯内折射率分布对FBG制作的影响,通过调节光纤纤芯与相位掩模板的距离和对光纤施加轴向拉力的两种方法,解决了在一块相位掩模板刻写多个中心波长FBG的问题,降低了FBG阵列的制作成本。(2)针对光纤光栅传感器在桩基结构健康监测中灵敏度低和容易损坏的问题,研究了不同结构光纤光栅传感器的制作和封装方法,设计并制备了埋入式FBG应变传感器、温度传感器和FBG阵列传感线缆。研究了FBG阵列传感线缆埋入混凝土方桩应力应变的变化情况,分析和讨论了方桩内部裂缝的发育过程;将FBG阵列传感线缆埋入采用旋挖成孔工艺施工的钻孔灌注桩内部进行了基桩自平衡静载试验,对比和分析了FBG阵列传感线缆、分布式传感光纤和振弦式钢筋计的监测结果。(3)为解决基于多参量FBG传感器与传感系统结构和原理的复杂性,体积和重量过大以及制作成本高等问题,使用3D打印熔融沉积法制备了一种基于保偏光纤布拉格光栅(Polarization-maintaining Fiber Bragg Grating,PM-FBG)的新型多参量传感器,实现了结构表面的温度、位移和扭转三个参量的动态检测。对PM-FBG传感器的传感性能进行了标定,其温度、位移和扭转灵敏度均优于商用的FBG传感器。针对FBG传感器在桩基健康监测中存在的问题,搭建了桩基模型测试平台,使用PM-FBG多参量传感器监测了桩基模型表面的开裂和沉降过程。

关键词： 温致响应   数据清洗   损伤评估   贝叶斯推理   张量学习  

摘要： 随着服役年限的增长,桥梁的关键受力构件病害频发。损伤不断在桥梁结构中累积,最终甚至会导致桥梁坍塌等恶性事件,因此在役桥梁健康运维的重要性逐渐显现。为了及时发现桥梁损伤并评估损伤程度,本文以贝叶斯鲁棒张量学习和贝叶斯时间自回归张量学习为基础,提出了一种由数据清洗和损伤评估组成的两阶段桥梁状态评估方法,并采用有限元模型的模拟温致挠度数据和铜陵公铁两用长江大桥六个月的实测温致挠度数据验证了方法的有效性。本文取得的成果如下: (1)根据数据清洗和损伤评估的需求,引入贝叶斯鲁棒张量学习和贝叶斯时间自回归张量学习,介绍了两个模型的建模和推导过程,并使用Gibbs采样作为模型求解的方法。此外,为了捕捉多测点监测数据的对称性,本文将贝叶斯鲁棒张量学习拓展至贝叶斯鲁棒高阶张量学习,以实现更高精度的数据清洗。 (2)总结了4种实际监测数据中常见的异常数据类型,然后使用小波包分解从铜陵桥实测挠度数据中提取出温致挠度数据,并按照设计的多种异常工况将模拟异常数据添加至实测温致挠度数据中,实现了多种复杂异常工况下基于贝叶斯鲁棒张量学习的数据清洗。研究了张量预设秩对数据清洗效果的影响,得出为了平衡清洗效果和计算效率应设置较小张量预设秩的结论。本文进一步研究了贝叶斯鲁棒张量学习清洗能力的极限。此外还使用贝叶斯鲁棒高阶张量学习实现了相同工况下精度更高的数据清洗。 (3)研究了基于贝叶斯时间自回归张量学习的桥梁损伤评估方法。首先提出基于贝叶斯时间自回归张量学习的桥梁温致响应预测方法。桥梁损伤后桥梁多测点温致响应之间相关性将发生变化,而通过对比实测温致响应和预测温致响应可以捕捉这种相关性的变化。因此根据实测温致响应和预测温致响应之间的差异构建了4个损伤评估指标。随后使用有限元生成桥梁无损和有损状态下的模拟温致挠度数据集,并使用模拟无损数据集验证了损伤评估指标在桥梁无损状态下的稳定性;使用模拟有损数据集研究了损伤评估指标在桥梁不同程度损伤状态下的变化特征,验证了损伤评估指标在桥梁有损状态下的有效性。最后为了消除单测点损伤评估指标在不同测点上的离散性,建立了多测点损伤评估体系,设定同时有2/3以上多测点损伤评估指标超限的损伤预警条件。 (4)针对桥梁长期实测温致响应数据中存在的季节性,提出了适用于长期监测数据的桥梁损伤评估方法。设计了新的时滞向量以充分学习桥梁长期温致响应数据中的时空相关性。然后通过利用桥梁温致响应数据的季节性解决了基于贝叶斯时间自回归张量学习的预测方法中存在的因测试集和训练集数据温度荷载明显不同导致预测效果变差的问题,以确保所提桥梁损伤评估方法的准确性和有效性。最后使用铜陵桥六个月的实测温致挠度数据验证了所提损伤评估方法在实际应用中的稳定性。

关键词： 多视图聚类   半监督聚类   张量Schatten p-范数   类别特异性分布   超图学习  

摘要： 随着计算机技术与各类数字化设备的蓬勃发展,大量的多视图数据涌现在了人们的视野中。对这些数据进行聚类以理清其内在逻辑,已成为人工智能、机器学习等领域的共同需求。但是,实际应用中的标注样本非常稀缺,仅存在少量的标签信息可以被用于处理聚类问题,因此半监督聚类方法应运而生。半监督多视图聚类能够融合不同视图间的一致性和互补性信息,在减少人工标记成本的基础上,利用少量的先验信息指导聚类过程,使聚类结果尽可能地满足用户期望。然而,现有基于图的半监督多视图聚类方法忽略了不同类样本的类别特异性分布,也未能充分探索多视图数据中所包含的互补信息和空间结构。此外,很多聚类方法都采用预定义图来表征样本之间的关系,当给定图的质量不够理想时,聚类性能便会显著降低。与此同时,大多数方法所使用的普通图仅考虑成对关系,在处理包含复杂数据结构的实际问题时,不可避免地会造成信息损失。针对以上问题,本文对半监督多视图聚类算法展开研究,提出了两种有效的解决方案,具体内容如下: （1）针对现有算法没有充分挖掘多视图数据中的有效信息,且未考虑类别特异性分布的问题,提出基于自表示和矩阵分解的半监督多视图聚类算法。该算法联合自表示和矩阵分解来学习各个视图的亲和矩阵,并采用l1,2-范数来刻画类别特异性分布,使学习到的亲和矩阵更具判别性,进一步提升聚类的准确率。为了能够充分地探索多个视图间的关系,该方法采用张量Schatten p-范数来挖掘多视图数据中隐含的高阶结构和互补信息,并引入自动加权策略来处理奇异值之间的差异,提高了算法的鲁棒性和稳定性。在多个数据集上的实验结果证明了该方法的有效性。 （2）针对现有算法使用预定义图来表征样本之间的关系,且不能对复杂场景中的非成对关系进行有效建模的问题,提出基于超图学习的半监督多视图聚类算法。该算法通过权重参数自适应地学习每个视图的亲和矩阵,并充分考虑多个样本点之间的关系,利用获得的亲和矩阵构造超图,再通过超图诱导的超拉普拉斯正则化来保留局部的高阶几何结构,在避免依赖于预定义图的同时,实现了对数据中的高阶信息和复杂结构的有效探索。基于视图之间的互补性和一致性原则,该方法同时学习所有视图的指示矩阵,并采用张量Schatten p-范数来挖掘隐藏在这些视图中的低秩空间结构和互补信息,使学习到的公共指示矩阵更加有效地反映了聚类结构。在多个数据集上的大量实验证明了该方法的优越性。

关键词： 一朵云   期末考试   羊   题目  

摘要： 我敢打赌,这世上一定没人喜欢考试。我也不喜欢。可事实就是,每个人都必须经历考试,就像现在的我,正面临着一次重要的期末考试。考试的题目是:装作一只羊。为什么会有这么奇怪的题目?答案很简单,因为我是一朵云。你没有听错,就是“云”,是你们每天抬头看到的,

关键词： 卷积算法   张量代数   卷积神经网络   并行计算   高性能计算  

摘要： 卷积神经网络是深度学习中最重要的网络模型之一,在图像处理、语音识别、自然语言处理等领域具有广泛应用价值。在常见的卷积神经网络中,卷积操作占网络模型总推理执行时间的90%以上,所以卷积操作一直是卷积神经网络性能优化的重点。常见的深度学习框架中实现卷积操作通常使用直接卷积算法、基于矩阵乘法的卷积算法、基于快速傅里叶变换的卷积算法等。然而,这些传统的卷积算法在处理高维数据、不同尺寸数据、不同形式数据时,往往会导致冗余计算、内存浪费和灵活性不足等问题。这些问题限制了卷积神经网络的性能,也影响了其在更多场景下的应用潜力。针对上述问题,本文从以下两方面入手展开研究:(1)基于张量代数改进卷积算法;(2)针对CPU和GPU平台特性实现高性能的张量卷积算法。主要工作如下:(1)提出了一种新的基于张量代数的卷积算法,即基于窗口序的张量卷积算法(image to window,im2win),由内存高效的im2win变换和后续的张量乘法两部分组成。本文提出的im2win变换将输入图像按照点乘窗口运算访问顺序重新排列数据,相比于传统的image to column(im2col)变换,能够显著减少内存开销,并保证点乘窗口内存访问连续性和数据重用性。通过im2win变换得到的im2win张量是一个四维张量,相比于传统的im2col变换得到的二维矩阵,能够保留更多高维隐含信息。后续使用张量乘法将im2win张量和卷积核张量进行点乘运算以实现卷积操作,可以避免重复计算和数据移动,降低计算复杂度和内存消耗,并使得卷积实现更加灵活适应不同硬件平台。(2)在CPU平台上实现了高性能的基于im2win变换的张量卷积算法,并根据CPU平台特性采用了一系列优化技术,以提高运行效率。首先建立了一个分析优化空间与策略选择的数学分析模型,并结合CPU架构特性和张量卷积计算过程设计完善该模型;然后利用SIMD向量指令集来加速向量乘法,并通过多线程并行来充分利用CPU资源;最后采用循环展开等技术来减少分支判断和函数调用开销。实验表明,在计算性能方面,本文提出的基于im2win变换的张量卷积算法相比于基于im2col变换的卷积算法可以实现2.2倍到5.8倍的性能提升,相比于直接卷积算法可以实现3.8倍到7.1倍的性能提升;在内存占用方面,本文提出的张量卷积算法相比于基于im2col变换的卷积算法平均降低了41.6%的内存占用。(3)在GPU平台上实现了高性能的基于im2win变换的张量卷积算法,并根据GPU平台特性采用了一系列优化技术来进一步提高运行效率。首先根据GPU的CUDA架构模型,对张量卷积算法的索引进行重构,使得该算法可以更好地映射在GPU的架构上;然后利用Tiling策略来减少全局内存访问,并利用共享内存与寄存器来缓存局部数据;最后采用微内核设计、向量化加载/存储、双缓冲与数据预取等技术来提高计算吞吐率。实验表明,在计算性能方面,本文提出的张量卷积算法相比于基于im2col变换的卷积算法平均可以实现约为3.5倍的性能提升,相比于cu DNN库的卷积算法最高可以实现约为1.8倍的性能提升,平均性能提升为1.1倍;在内存占用方面,本文提出的张量卷积算法相比于基于im2col变换的卷积算法平均降低了23.1%的内存占用,相比于cu DNN库的卷积算法平均降低了23.1%的内存占用。

关键词： 光学薄膜   循环神经网络   强化学习  

摘要： 在现代光学工程中,众多精密高性能光学仪器、光电设备和各种光电系统都依赖于光学薄膜。光学薄膜成膜系统的设计和优化是提高薄膜性能的关键,为此,包括模拟退火法(GSAM)、粒子群优化(PSO)、遗传算法(GA)、蚁群算法、模因算法(Memetic)被应用在膜系设计当中。随着科学技术的进步,对光学薄膜要求越来越高,薄膜层数也在不断增加,此外,设计大带宽频谱需要考虑材料的折射率随波长的变化。随着参数量的增加,传统优化算法效率低且因容易陷入局部最优解,优化效果显著下降。近年来,人工智能机器学习发展迅速,使得利用人工智能算法进行光学薄膜设计成为可能,目前有研究使用监督学习进行光学薄膜优化设计,尽管能够实现部分设计任务,但是其需要大量的已知数据去训练模型,另外,在光学薄膜的优化过程中,由于搜索空间大,这种监督学习很难完成对未知的光学薄膜结构和材料的预测。本文针对当前光学薄膜设计所存在的上述问题,在对光学薄膜理论进行深入分析的基础上,发现采用长短期记忆神经网络(LSTM)十分有利于实现光学薄膜结构的自动生成,进而采用深度Q学习(DQN)与光学薄膜设计理论相结合的方法可以实现对膜层结构的高效和高精度优化;完成了算法设计和程序编写,并对方法的有效性和全局优化能力进行了仿真验证;最后,通过加入非重复门控系统,进一步提高了该算法的收敛速度和优化效果。论文所完成的主要工作如下:1.基于LSTM算法,设计了光学薄膜结构生成方法,并将DQN算法与光学薄膜设计理论结合,设计奖励函数,搭建了智能体和薄膜优化设计环境,完成了算法设计。使用python编程语言完成了LSTM+DQN光学薄膜设计算法的编程,实现了应用该算法进行光学薄膜设计的功能;2.分别对高透膜、高反射膜、1:1分光膜、光学薄膜滤波器、远红外宽带增透膜等典型应用场景进行了膜系优化设计,并与目前广泛用于薄膜设计的算法模因算法进行了分析对比。在无需人工干预情况下,基于LSTM+DQN算法的设计均优于模因算法,尤其在设计1:1分光膜时,所设计出的薄膜结构,评价函数值相较模因算法减小了一个数量级。计算结果表明,LSTM+DQN算法相对传统智能算法有更好的全局优化能力;3.在上述LSTM+DQN基础算法的基础上,通过设计并加入一个非重复门控系统,有效避免了算法对相邻材料的重复选择。为验证该门控系统对设计的影响,在高反射膜设计任务中,经500个训练周期后高反膜平均反射率相对于LSTM+DQN基础算法提高了 1.5%,表明该门控系统对于提高算法的收敛速度和优化效果具有明显的作用。