Currently, many problems such as variable signal resources, complex execution environments, and low efficiency of scheduling algorithms are faced by heterogeneous signal processing platforms. The task scheduling algorithm is one of the key factors that directly affect the performance of the processing platform. In order to solve the problems of low efficiency of task scheduling algorithms and high computational cost of processors, a heterogeneous platform scheduling algorithm based on the quantum genetic algorithm is proposed in this paper. The algorithm constructs a task scheduling model by using a directed acyclic graph. This paper quantifies the mapping relationship between the quantum genetic algorithm and task scheduling. It corresponds qubits to binary, chromosomes to processor numbers, and individuals to processor scheduling strategies. In this paper, a new way of coding chromosomes using quantum coherence properties is designed to reduce the population size and increase population diversity. Crossover operations are performed on all individuals using full-interference crossover to avoid the results falling into local optimal solutions. The population of slow convergence is solved by implementing mutation operations on populations through quantum rotation gates. In addition, a task pre-ordering stage is designed based on the table scheduling algorithm. The task scheduling priority developed at this stage is used as the reference value for the initial encoding of the population, so that the search space for solutions is reduced. Finally, experiments are conducted using randomly generated task graphs. The algorithm is compared with improved genetic algorithms and existing intelligent scheduling algorithms. The results show that the algorithm can still obtain better results when the number of populations and iterations is small. It is more appropriate for heterogeneous platforms and computation-intensive tasks.
Semi-supervised graph learning aims to infer the class of unlabeled nodes or graphs by using various prior knowledge in a given graph.By improving the automation of data labeling,semi-supervised graph learning has high efficiency in node classification,but as a deep learning architecture,it also faces the threat of backdoor attacks,but no effective backdoor attack method has been developed for semi-supervised graph node classification tasks.This study propose a persistent clean-label backdoor attack method for semi-supervised graph node classification models,which generates poisoned samples by adaptively adding triggers and perturbations on unlabeled training data,and then trains to obtain poisoned semi-supervised graph node classification models without modifying the labels.The attacker can poison the model more stealthily with a poisoning rate no higher than 4％.To ensure the persistence of the backdoor in the model,a hyperparameter tuning strategy is also proposed to select the optimal value of the per-turbation.Extensive experiments on several semi-supervised graph node classification models and open-source datasets show that the proposed approach achieves an attack success rate of up to 96.25％with little loss of classifica-tion accuracy of the model on normal samples.
Most medical image segmentation methods mainly focus on training and evaluating in the same or similar medical data domain,which need lots of pixel-level annotations.However,these models face challenges in out-of-distribution medical data set,which is known as"domain shift"problem.A fixed U-shaped segmentation structure is usually used to solve this problem,resulting in it not being better adapted to specific partition tasks.A gradient-based meta-learning and neural architecture search method is proposed in this study,which can adjust the segmentation network according to specific tasks to achieve good performance and have good generalization ability.This method mainly uses the specific task to carry out the architecture search module to further improve the segmenta-tion effect,and then uses the gradient-based meta-learning training algorithm to improve the generalization ability.On the public dataset M&Ms,under the 5%label data,its Dice and Hausdorff distance are 79.62%and 15.38%.Under 2%label data,its Dice and Hausdorff distance are 74.03%and 17.05%.Compared with other mainstream methods,the proposed method has better generalization ability.
传统故障诊断方法存在编码不完整和编码边界过于绝对等缺点,难以满足电网运维工作的实际需求.利用电力变压器故障时产生的气体对变压器进行故障诊断是目前智能电网状态检测的热门研究领域.但变压器出现各类故障的频率具有较大差别,可能造成故障样本信息不完整、数据量不足,使用传统卷积神经网络模型会出现训练过程收敛速度慢、训练精度低等问题.文中提出一种在保留原始数据特征不变的情况下进行数据增强的方法,将扩充后的一维数据转化为二维图片输入到二维卷积神经网络诊断模型中,并对卷积神经网络模型中的Adam优化算法进行改进.诊断结果表明,所提方法使得网络训练的精度达到了96.20%,相较于传统的一维卷积神经网络故障诊断方法(92.12%)具有更高的收敛速度和泛化能力.
在集成剪枝中,为了同时高效地选择优质、独立的分类器,文中提出了一种新的动态自适应交叉策略的遗传算法用于分类器的集成剪枝.该方法使用轮盘赌和贪婪策略动态更新每个交叉策略的优先级,根据优先级计算每个策略被选中的概率,从而在算法迭代过程中自适应选择不同的交叉策略.此外,该方法考虑了交叉概率和变异概率动态自适应变化,并使用大多数投票法对挑选出来的分类器进行集成以获得最终结果.将文中所提方法与一些集成剪枝方法在5 个真实人脸表情数据集上进行对比,实验结果表明文中所提该方法可以选出效果更好、冗余度更低的分类器,并在CK +数据集上具有22.50%的最低误差.
为了提高低压配电网故障区段定位的准确性和快速性,保证居民用电安全,文中提出一种基于算术优化算法实现故障区段定位的方法.算术优化算法具有结构简单、收敛速度快以及精确度高等优点.选取IEEE33 节点的配电网模型,使用MATLAB对此模型节点支路、节点开关状态和适应度函数进行编程仿真.对单点故障和多点故障以及存在信号畸变的单多点故障进行仿真计算,并对仿真结果进行分析.结果表明,利用算术优化算法的局部搜索和全局搜索分开进行的特点对故障区段定位问题进行局部充分搜索,可实现准确定位,准确度达到97%,优于二进制粒子群算法、遗传算法和改进鲸鱼优化算法.
文中提出了一种应用于5G移动通信的小型宽带三极化天线.该天线采用一对镂空的环形正交半波偶极子作为水平双极化,同时构造一个等效于单极子的平面矩形框作为垂直极化,并分别利用微带集成巴伦和一分四等功分微带线进行馈电.馈电方式的合理选择以及尖锥平面矩形框的巧妙设计实现了天线的宽频带特性,一体化集成式的结构布局实现了天线的小型化.天线结构紧凑,整体尺寸仅为0.27 λmin×0.27 λmin×0.17 λmin,其中λmin为最低频率的自由空间波长.为了验证设计,对其进行了加工测试,测试结果与仿真较好地吻合.测量结果显示,天线阻抗带宽为3.00～4.48 GHz(VSWR<2),相对带宽达39.6%,3个端口之间的隔离度大于27 dB.此外,在整个频带内,天线的水平极化增益大于6 dB,垂直极化增益大于3 dB,具有稳定的方向图特性以及良好的定向性,说明该天线在5G小间距阵列与狭小空间中具有较大的实用价值.
针对传统三自由度串联雕刻机床难以加工空间复杂曲面的问题,文中给出了一种空间新型五自由度串并联雕刻机床的设计方案.在SolidWorks中建立该雕刻机床的三维模型,采用空间几何法建立了位置反解和参数解耦的数学模型,并在MATLAB中利用蒙特卡洛法生成了工作空间.通过对其工作空间分析可知,该雕刻机床的工作空间较大,在一定程度上可以满足对零件空间复杂曲面的加工需求.在此基础上,通过对该雕刻机床工作空间的分析发现,增大该新型雕刻机床工作空间较合适的方法是增加串联滑轨长度.
TDOA(Time Difference of Arrival)测距方式是UWB(Ultra Wide Band)室内定位的常用方法,针对其不可避免的随机误差以及目标改变运动状态定位不准确的问题,文中提出了一种Chan-Taylor-IMMKF(Interacting Multiple Model Kalman Filter)定位算法.该算法由Chan-Taylor加权算法与加入自适应算法IMM卡尔曼滤波算法组成,通过Chan-Taylor加权算法初次取得目标估计坐标,将该坐标值作为自适应算法IMM的卡尔曼滤波器的测量值,对目标坐标进行多次滤波处理,最终加权得到目标的最终估计坐标.实验将该算法与未滤波的Chan-Taylor加权算法、使用传统的卡尔曼滤波算法进行对比,结果显示该算法有效减小了系统的随机误差,并克服了传统卡尔曼滤波器在目标忽然改变运动状态时不能及时跟踪从而产生较大误差的问题,将误差标准差均值控制在15 cm之内.
作为一种模拟蜜獾捕食行为的群智能算法,蜜獾算法易陷入局部最优解且所需迭代多次.针对蜜獾算法存在的不足,文中提出一种结合引力搜索算法与正态云技术的蜜獾算法,即CHBA(Cloud Honey Bodger Algorithm).将蜜獾算法原有控制蜜獾个体搜索范围的密度因子替换为引力搜索算法中的加速度,提高蜜獾个体搜索范围的合理性,加速搜索迭代速度.以每代最佳蜜獾位置为期望用正态云算法生成新一批蜜獾,从而提高种群多样性,避免陷入局部最优.同时自适应调整新蜜獾的生成范围,避免局部最优.文中选用了23 个基准测试函数对所提算法进行了检验,从单峰、多峰及固定维多峰函数的寻优结果分析,并对一阶时滞系统、非最小相位系统和一阶最小延迟系统的阶跃响应PID(Propor-tion Integration Differentiation)参数进行了优化对比,结果表明CHBA算法在搜索效率和迭代精度上具有更好的性能.
针对语义分割任务中存在的庞大参数计算成本和冗余参数量等问题,文中提出了通道特征金字塔模块来解决该问题.基于通道特征金字塔模块和轻量级注意力机制构建用于实时语义分割的网络.通道特征金字塔模块创造了足够的感受野并密集地利用了上下文信息,从第2 个通道开始采用求和运算逐步组合特征图,并将它们连接起来构建最终分层特征图,在常规卷积层后添加卷积模块的注意力机制提升分割精度.在没有任何预训练和后处理的情况下,算法在CamVid数据集使用单块GTX2080Ti上仅用 0.75 MB参数和 5.3 MB内存就实现了 68.1%的分割准确率,在City-scapes数据集上以56 帧的推理速度取得了75.7%的均交互比.
作为一个集机器视觉与运动控制于一体的综合性研究平台,乒乓球机器人研究一直备受关注,其机械机构、视觉算法和运动控制的复杂性以及高实时性是阻碍乒乓球机器人发展的重要因素.为了提高乒乓球机器人的竞技性,需要解决乒乓球旋转测量、运动轨迹精确预测及击球策略选择等难题,这也是近几年乒乓球机器人的研究重点.基于近年来此领域的研究进展,文中对乒乓球机器人的视觉核心算法、回球核心算法等研究成果进行着重介绍,分析不同算法的优缺点并对未来研究趋势进行展望,为乒乓球机器人的研究与设计提供了参考依据.
为满足无人机集群通信天线的双频带、集成共形的应用需求,设计并制作了一种新型一体化机翼共形天线.该天线采用偶极子天线单元和LC高低通双工器合并实现.天线单元采用三对开路分支线实现有效扼流,并保证宽带全向辐射,双工器采用K-m型LC滤波器,实现低插损、高抑制的双通道工作.天线在L、S两个工作频带内实测电压驻波比(Voltage Standing Wave Ratio,VSWR)小于2,增益大于0 dBi,频带间隔离度优于30 dBc.针对高速率传输需求的无人集群数据链系统,仅加装1 部垂尾翼共形天线,即可支撑双频段同时工作.天线整体集成于无人机的单个垂尾翼内,有效提升了无人集群系统的平台集成能力,在无人机领域具有广泛的应用前景.
短期电力负荷是电力供需平衡的关键,针对短期电力负荷预测精度问题,文中提出了EMD(Empirical Mode Decomposition)-Bayes-SVR(Support Vector Regression)组合预测模型,即将原始电力负荷序列通过EMD方法分解为若干个IMF(Intrinsic Mode Function)和1 个Res(Residual),依据Hurst指数将各IMF重构为高频分量、低频分量和残差分量,利用贝叶斯优化算法对SVR进行参数寻优,将寻优得到的最佳参数带入SVR并对重构后的3 个分量分别进行预测,将3 个分量的预测值相加得到最终预测结果.以美国内布拉斯加州的历史电力负荷数据为例,建立8 种单一预测模型和7 种组合预测模型作为参照模型,对该地的电力负荷序列进行预测.实验结果表明,EMD-Bayes-SVR组合预测模型能够有效预测短期电力负荷的变化趋势,其MAE(Mean Absolute Error)、RMSE(Root Mean Square Error)和MAPE(Mean Absolute Percentage Error)这3 种误差评价指标数值相对于SVR模型分别降低了29.84%、32.05%和22%,并显著低于其它参照模型.
新闻文本摘要生成任务旨在解决用户在阅读新闻时无法快速把握内容重点而造成的时间损耗和阅读疲劳等问题.目前面向中文的文本摘要模型效果较佳的是T5 PEGASUS模型,但针对该模型的研究较少.文中针对T5 PEG-ASUS模型的中文分词方面进行改进,使用更适用于新闻领域的Pkuseg分词方法进行处理,并在NLPCC2017、LCSTS、So-gouCS这3 种新闻长度不同的公开数据集上验证其有效性.研究发现Pkuseg分词方法更适合T5 PEGASUS模型,模型生成摘要的ROUGE(Recall-Oriented Understudy for Gisting Evaluation)值与新闻文本长度成正相关,训练集损失值和损失值下降速度与新闻文本长度成负相关,在面对少量训练集时能得到较高的ROUGE分数,因此该模型具有较强的小样本学习能力.
针对双向有源全桥变换器存在回流功率过大、开关器件硬开通损耗以及动态响应速度较差等问题,文中基于双重移相控制提出一种虚拟直接功率的回流功率优化方法.通过对双重移相控制下的工作原理及工作特性进行分析,推导出零电压开关软开关边界,并以软开关为约束条件,利用KKT(Karush-Kuhn-Tucker)条件优化算法得到全功率范围内的回流功率优化方案.该方案与所提虚拟直接功率法相结合并同时作用,当运行状态发生变化后,系统不仅可以有效减小变换器的回流功率,而且也能够增强变换器的动态响应速度.最后搭建MATLAB/Simulink仿真模型以及小功率变换器实验样机,通过不同控制策略下的对比实验,验证了该策略的正确性以及优越性.
针对传统基于人工抽水蓄能站裂缝与渗水检测成本过高、检测精度难以保证等问题,文中设计了一套基于机器视觉的巡检机器人系统.构建综合交叉熵与Dice代价函数的卷积神经网络,建立基于总像素准确率、交并比与F1-score的评价函数,确保准确检测常见裂缝.为了验证机器人巡检系统的有效性,文中检验了卷积神经网络,并与常见的计算机视觉方法与人工检测方法进行性能对比.对比结果证明,文中构建的神经网络在检测准确性与检测效率方面均有明显进步.
To address the problems of "thermoelectric conflict" and abandoned wind power during winter heating, a low-carbon economic dispatch model for combined heat and power that takes into account carbon trading costs and price-based demand response is proposed, while electric boilers and heat storage devices are introduced to decouple the coupling limits of thermoelectricity to study the impact of different operation modes on optimal dispatch. Carbon trading costs are considered in the system to limit carbon emissions, and the user-side demand response is used to enhance the peak regulation capability of the grid and optimise the load curve, effectively cutting the peak-to-valley difference in load and providing space for wind power to go online. Finally, the CPLEX solver is used for solving and simulation analysis is carried out based on the improved IEEE-30 node system. The results show that the wind power consumption is increased by 83.72% and carbon emissions are reduced by 2211t under the scheduling method of this paper, which verifies the reliability of the scheduling model.
针对电动汽车内部的电机驱动系统存在的电磁干扰问题,文中建立了车辆电机驱动系统电磁干扰的预测模型.基于电磁兼容原理,分析了车内电机驱动系统模块的电磁干扰机理.构建了模块中引起干扰的IGBT(Insulated Gate Bipolar Transistors)功率半导体器件模型,建模过程考虑了实际器件寄生参数的影响.利用复合建模方法建立了由驱动电机、逆变器以及电机控制系统组成的电机驱动系统模型,通过Simulink +Maxwell +Simplorer协同分析技术实现了电机驱动系统电磁干扰信号采集.仿真与实测数据的对比验证了文中方法的有效性,二者误差均未超过 10 dB,并基于GB/T 18655-2018 电磁兼容标准对结果超标的部分进行了优化整改.
信息物理系统是一种开放式的网络化智能信息系统,容易受到安全攻击.注入攻击是一种通信攻击,注入虚假数据会使传感器获得错误量测值,从而导致系统性能变差.针对这一安全问题,文中结合扩展卡尔曼状态估计器,利用基于最小迹原则扩展卡尔曼滤波状态估计的检测方案,对同一场景下的新息序列进行检测,通过假设检验来判断系统状态.MATLAB仿真结果表明,在给定的攻击检测规则下,该检测方案能够有效检测到注入攻击,减少传感器因错误量测值而造成的系统性能损失问题.
