基于自由度缩聚的最小秩修正损伤诊断

为了解决实测模态参数与有限元分析模态参数不匹配对损伤诊断精度影响的问题,推导了基于自由度缩聚法的残余力向量公式及最小秩修正公式.通过对结构自由度缩聚后的损伤前、后残余力向量的运算,可以得出相较于损伤前的残余力变化率向量,将残余力变化率向量元素的绝对值作为改进的残余力向量,通过运用推导出的改进残余力向量,能够较好地解决采用最小秩修正法时所选取模态个数必须等于待修正刚度矩阵秩这一矛盾,并由缩聚后最小秩修正公式计算出损伤程度.研究表明:在考虑噪音干扰下,改进的残余力向量法对自由度缩聚后的受损结构依然具有较高地识别精度.利用推导的最小秩修正公式进行损伤程度识别其结果是可靠的.本文所提方法既可以实现对实测自由度不完备结构的损伤定位,又可进行损伤程度的识别,具有较高的鲁棒性和损伤诊断性能.     

多模态生物医学成像联合重建的数学问题

生物医学成像技术可得到可视化的结构或功能信息,以供生物研究或临床诊断使用,数学理论在生物医学成像技术中一直起着重要的作用.生物医学成像技术中的一类数学问题是从测量数据重建感兴趣的结构或功能信息,这是一类典型的反问题.最近,生物医学成像技术的一个新进展是多模态成像技术,通过融合多种成像技术实现,目标是提供更加丰富的可视化信息.相对于已有的单模态成像技术,多模态成像技术的图像重建的策略具有多种选择.一个新兴的方向是利用各种模态图像的相似性,或者更严格地讲,是利用不同模态图像在某一特征表示上的部分相似性,进行各种模态图像重建的联合重建.联合重建的优势是可以利用不同模态的数据,通过相似的特征互补性在重建中互相约束,有希望得到更好质量的图像.本文对多模态成像技术中的联合重建问题进行综述,论述有关的关键数学问题,介绍相关的研究进展,其中涉及的一个理论基础Mumford-Shah泛函,张恭庆曾有专著论述.     

环境自然激励下一种结构损伤在线识别方法

提出了一种环境自然激励下工程结构损伤识别方法,该法仅仅通过结构的输出数据识别结构的损伤．首先在结构完好的情况下,通过结构的输出数据识别外部统计参数;然后在结构损伤情况下,通过结构的输出数据识别结构的损伤分布函数．给出了识别结构损伤的理论模型和计算方法．数值仿真结果表明,该方法具有较高的辨别率和计算精度,能够使用在桥梁和建筑的健康监测中．     

基于模型缩聚的结构损伤统计识别

提出了一种基于有限元模型缩聚技术的结构损伤统计识别方法,该方法仅需要少量传感器的测量数据.首先基于模型缩聚技术建立确定性的损伤识别过程,然后利用摄动法将概率过程融入确定性的损伤识别中,从而得到了一种基于概率统计的结构损伤识别方法.该方法通过计算未知参数(如损伤构件的弹性特征)对于测量噪声的一阶与二阶偏导数,来得到这些未知参数的均值与协方差矩阵.文中不仅阐述了该方法的理论推导过程,而且通过一个门式框架的数值仿真研究,并结合Monte Carlo数值模拟技术验证了该文方法的正确性.     

井壁破裂与内部应变状态机理分析

为研究立井井壁破裂与内部应变之间的相互规律，搭建井壁实物模型以模拟井壁受力破裂过程和状态，利用分布式光纤技术对井壁内部应变进行监测，并分别从应力和应变多角度进行深入分析.结果表明：对于应变状态，当施加应力增大，井壁应变程度也随之增大，应变极大值所对应的井壁位置，其应变程度在范围内达到最大，破裂风险也就最高；对于应力作用，不同应力下井壁应变最大值与最小值之间的偏差度越大，井壁稳定性越差，越容易发生破裂；分析了应力、应变二者相互关联性，拟合各方向角所对应的井壁位置应变变化的线性方程，变化率数值越大，井壁应变增长速度就越快，当应变值超过所能承受极限时，井壁会更容易发生破裂；通过对井壁应变数据监测，分析了应变差值、偏差度和应变变化率，结合Lamé公式，建立了井壁应变破裂关系模型，为井壁破裂预警提供了新方案.     

基于Vague集的二阶不确定性决策融合模型

针对广义传感器使用所产生的弱知识环境下不确定信息决策融合问题,给出了基于二阶Vague集的不确定信息的融合模型.通过数据示例演示了方法操作过程,并从不确定性来源、数据、模型、性能等方面讨论了本算法的先进性.结果表明,方法在二阶不确定决策融合中具有准确度高、稳定性好、容错能力强等优点.     

基于增秩Kalman滤波的动态荷载识别和结构响应重构

针对传统的荷载识别方法受不适定性问题影响导致识别误差较大,且受传感器数上的限制也无法监测所有结构易损伤位置处振动响应的问题,提出了一种基于增秩Kalman滤波（augmented Kalman filter, AKF）算法的动态荷载识别和结构响应重构方法.基于结构状态空间方程,形成由荷载向量和状态向量组成的增秩状态向量（augmented-rank state vector,ASV）,利用Kalman滤波算法获得增秩状态向量的最小方差无偏（minimum variance unbiased, MVU）估计,实现了状态和荷载向量的同时识别.结合最优状态估计和观测矩阵,实现了未布置传感器处的结构动力响应重构.通过三个有限元案例,初步验证了该方法的可行性和有效性.结果表明,当荷载位置固定或移动时,所提方法均能有效地识别荷载和重构响应,精度较高且对测量噪声不敏感.传感器的种类、数量和布置位置对荷载识别和响应重构精度会有一定影响.     

多无人机对组网雷达的协同干扰问题研究

在现代战场中,航迹欺骗干扰技术是针对组网雷达提出的协同干扰技术,旨在利用多架无人机在同一时刻对组网雷达中的部分雷达实施相互关联的虚假目标欺骗干扰.充分考虑了实际情况下无人机飞行模态、飞行速度、飞行高度的约束限制,对雷达的位置分布以及虚假航迹线进行可视化,并将三维空间模型投影到二维平面后进行建模分析.主要针对一个虚拟的无人机航迹欺骗干扰问题,建立时空模型,通过构建可达交互矩阵和雷达扫描算法,结合0-1整数规划,得到无人机协同飞行的最优策略.     

采用组合参数的神经网络结构损伤检测分析研究

提出由结构前几阶固有频率变化率、频率变化比值和动柔度置信因子构成的组合参数作为神经网络的输入向量的方法进行结构损伤检测,全面分析了不同参数作为神经网络输入向量的损伤效果,利用数值模拟对悬臂梁、桁架结构进行分析,采用不同的输入参数进行比较·　分析结果表明,采用组合参数训练的神经网络,对结构损伤位置和程度识别较采用单一参数具有更好的识别效果·     

基于改进PROMETHEE的领先用户识别方法

领先用户在技术创新中的作用不容小觑,如何识别出领先用户正逐渐引起人们的关注.提出了一种基于改进PROMETHEE的领先用户识别方法,采用梯形模糊语言形式的属性值,通过结合客观数据与决策者偏好的综合赋权法确定评价指标的权重,并利用基于ULHA算子的群决策方法识别出领先用户.最后通过DHS公司识别领先用户的实例验证了方法的可行性与合理性.     

无线传感器网络传输可靠性计算

无线传感器网络是由传感器节点和汇聚节点组成的以数据为中心的无线网络.汇聚节点根据一个或多个源节点传送的采集数据对事件进行监测和判断,而数据传输的可靠性直接影响到监测和判断的准确性.在无线传感器网络中,一方面,网络拓扑结构是动态变化的,数据传输的可靠性与网络拓扑结构有关;另一方面,网络中的传感器节点是能最受限的,因此传输的可靠性还与节点的能昔密切相关-针对无线传感器网络的特点,给出了无线传感器网络的传输可靠性概念,提出一种传输可靠性度量,分别在有数据融合和无数据融合两种情况下,对网络节点的能耗情况进行了分析,获得r网络节点正常工作的概率随时间的变化关系,并导出数学表达式,用于计算节点所产生的数据包成功传输给汇聚节点的概率,从而获得了求整个网络传输可靠性的计算方法.     

变刚度复杂梁结构损伤检测方法研究

提出了适用于复杂梁结构损伤检测的子段模态应变能法SSEM(subsectionstrainenergymethod),并分析了该方法的适用性条件．通过对变截面梁的有限元计算,以及对纤维增强复合材料风机叶片缩比模型的试验分析,验证了SSEM方法确定的结构损伤指标对损伤准确定位的可靠性．该基于振动的变刚度复杂梁结构的损伤检测方法,可应用于工程实际中梁和类梁整体结构的损伤检测．     

基于视网膜大细胞通路计算模型和深度学习的无人机目标检测

在复杂背景下的小型无人机红外目标检测是计算机视觉领域的挑战性课题.传统目标检测算法利用深度卷积神经网络提取无人机的静态外观特征并进行模式判别,但在复杂背景下且目标外观不清晰时的性能会显著下降.本文借鉴生物视网膜机制,通过视网膜大细胞通路模型提取无人机目标的时空运动信息,同时借助深度卷积神经网络获得基于静态表观特征的目标置信度图,进而将视网膜时空运动信息与深度卷积网络的目标置信度图进行融合获得目标检测结果.在Anti-UAV2020公开数据集上的评估结果表明,所提出算法的检测精确率达到86.90%,超过了业内主流的YOLO-v3算法.     

可拓数据挖掘在高校教学质量评价中的应用

高校在教学和管理工作中积累了大量的数据,但这些数据没有得到有效利用.将可拓数据挖掘技术引入教学领域,从教学评价数据中提取出隐藏在数据之中的有用信息,为教学管理者提供决策支持.首先通过可拓分析,寻找质量达到要求、可进行有效挖掘的教学评价数据,然后对这些数据进行两方面的挖掘:影响教学质量的关键因素挖掘、教学质量与教师特征之间的关联规则挖掘.     

民用无人机飞行风险评估与控制系统

为了有效评估无人机系统飞行安全风险并提出针对性风险控制措施,设计了无人机系统飞行安全风险评估与控制系统.首先基于运营决策支持和立法基础数据收集这一目标建立了系统的框架结构;然后针对风险控制需求,设计了无人机事故案例本体表示,实现了基于语义和属性值的综合相似性检索算法;针对风险评估需求,软件实现了无人机系统飞行危险源识别方法和定量的风险评估模型,最后通过危险源识别与重用无人机事故案例的方式提出风险控制措施.实验结果表明,无人机风险评估与控制原型系统为无人机系统的飞行安全提供了系统的解决方案.     

基于时间序列的混合神经网络数据融合算法

针对传统的数据融合算法对高噪声、大规模、数据结构复杂的时间序列数据融合性能较差的问题,该文提出了一种混合神经网络的数据融合算法(即SCLG算法).SCLG算法的思想是首先利用奇异谱分析算法对数据分解重构以达到去噪的目的;其次,通过深层卷积神经网络提取数据的空间特征和短期时间特征;然后,利用长短期记忆(LSTM)网络和门控循环单元(GRU)网络双层网络,进一步深度提取数据时间维度上的特征;最后,利用全连接网络综合主要信息输出最终的决策.通过SP&500和AQI数据集上的实验结果表明,该算法在融合性能及稳定性方面均优于DCNN、CNN LSTM、FDL数据融合算法.     

结构系统识别不确定性分析的Bayes方法及其进展

受测试误差、建模误差、数值离散化以及环境变异等因素的影响,结构系统识别过程不可避免地存在不确定性,因此有必要引入概率统计方法来提高其鲁棒性,为工程结构安全监测提供更为可靠的结果.近年来,Bayes(贝叶斯)方法因为其诸多优势在系统识别领域受到了广泛关注.该文梳理了Bayes系统识别的历史脉络和研究进展.从Bayes系统识别的理论框架出发,分析了量化系统识别不确定性两类方法的适用条件与局限性.此外,文章综述了Bayes方法在模态参数识别、有限元模型修正以及结构损伤识别方面进行不确定性分析的理论、实现及其应用.最后对基于Bayes方法进行系统识别研究的发展趋势做出了展望.     

混合不确定性下基于区间证据随机抽样的统一赋权法

由于评价问题的复杂性,以及专家知识和经验的局限性,群决策信息中往往同时包含不同程度的不确定性。在区间证据理论框架下对认知不确定性信息、多区间概率信息、不完全信息等混合不确定信息进行统一表示,进而根据区间证据间的相似度对群决策信息进行融合;采用区间数对评语等级进行定量化,并根据融合结果构造个指标重要程度的概率分布函数;最后通过概率分布函数的蒙特卡洛随机抽样确定指标权重。算例分析结果表明了新方法的有效性。     

南四湖人湖河流水质面板数据分析的灰色速率模型

针对面板数据灰色关联决策评价模型的关联度计算问题,在传统的面板数据灰色关联决策评价模型的基础上,构建评价对象的指标时间数据的累加序列,通过指标时间累加生成速率序列构造面板数据灰色生成速率关联决策模型,采用生成速率序列的接近性表征原始数据序列的动态变化趋势.通过灰色累加生成速率关联决策方法扩展到面板数据分析,解决了小样本面板数据的灰色评价分析问题,将这种方法应用于南四湖入湖河流水质面板数据质量评价中,经实例计算验证了面板数据灰色累加生成速率关联决策评价模型的稳定性、合理性和实用性为水环境面板数据质量分析评价提供了可行的计算思路和方法.     

基于多源数据特征驱动和多尺度分析的PM2.5混合预测研究

精准把握PM_2.5污染的动态演变规律对政府和企业的大气污染防治决策至关重要.因此,文章提出了基于多源数据特征驱动及多尺度分析的混合预测建模框架,以提高PM_2.5预测精度.预测建模框架分为:1)多源数据分析,有效融合与PM_2.5污染相关的气象、污染、舆情等多源数据;2)多尺度分析,通过多元经验模态分解技术(MEMD)将多源数据分解成不同模态下的预测特征;3)混合预测分析,有序结合计量和机器学习模型,集成各模态预测值为最终结果.文章以北京市PM_2.5为研究案例结果表明:1)文章提出的混合模型的预测精度优于所有的基准模型;2)微博个数和情感能够叠加提升PM_2.5预测精度,且优于单因素预测结果;3)引入MEMD分解的模型精度显著高于基准模型.