基于LSTM的激光混沌同步通信

针对激光混沌保密通信系统中混沌信号接收双方硬件参数难以完全匹配的问题,用长短期记忆神经网络对发射端产生的大量混沌加密信号和部分载波信号进行充分训练,最终得到一个与发射端激光器系统高度相似的神经网络模型,并用此非线性模型代替接收端进行解密,实现了2 Gbit/s的混沌同步通信。该方法明显降低了混沌同步的复杂性。探讨了不同节点数量、耦合系数以及信噪比对于同步通信的影响,结果表明同步系数可以高达0.999 966,均方根误差达到10^-3量级,误码率低至10^-10量级。最后通过图像传输系统验证了方案的可行性。     

基于卷积神经网络的全球海洋叶绿素a浓度反演方法

作为浮游植物体内主要色素的叶绿素a能够指示水体富营养化的程度,因此准确地获取与预测叶绿素a浓度可为保护海洋环境提供依据。以中分辨率成像光谱仪获取的遥感影像作为数据源,将同一水域的叶绿素a浓度图像作为相对真值,采用卷积神经网络建立遥感反射率与叶绿素a浓度之间的关系模型,进而实现对海洋叶绿素a浓度的反演。首先,对2020年全球海洋反射率数据(波段组合为412, 469, 488, 547和667 nm)和叶绿素a浓度数据进行倍数放大、对数变换等预处理。其次,从中截取2020年1月太平洋与印度洋交界处的水域影像作为数据集,并将其划分为训练集和验证集,构建与训练海洋叶绿素a浓度的卷积神经网络反演模型,以决定系数(R²)、均方根误差(RMSE)和平均绝对误差(MAE)作为评价指标,优化反演模型。最后,使用2020年1月—12月的叶绿素a浓度数据作为测试集,验证模型的反演精度。结果表明,构建的反演模型R²=0.930, RMSE=0.132, MAE=0.103,证明模型给出的叶绿素a浓度的反演结果与真值具有较高的一致性,能够应用于基于遥感影像进行全球海...     

基于脉冲耦合神经网络的弹簧卡箍缺陷检测

传统的弹簧卡箍缺陷多为产后人工全检,存在漏检与缺陷率上升等现象,这不但会使成本上升、也对人力资源提出了考验。为此实现自动实时在线全检就成为急需解决的课题,设计了基于机器视觉的弹簧卡箍在线自动检测系统,该系统安装在弹簧卡箍流水线两侧,搭建特定光源,通过激光传感器外部触发工业相机对其表面进行图像捕获,送上位机进行缺陷判定与定位,最后通过RS485将判定结果送下位机来控制剔除机制。实验结果显示：该系统采用改进的脉冲神经网络(PCNN)能准确提取目标缺陷区域并对缺陷进行判定,可在0.348 s每个零件的速度下,检测出弹簧卡箍表面大于10像素的缺陷。通过对不同弹簧卡箍进行检测验证实验,证明了PCNN算法对缺陷分割的准确性和有效性。     

基于并行禁忌神经网络和DS证据的飞机燃油系统故障诊断

飞机燃油系统是一个由许多相互联系的子系统构成的复杂总体,因而易于发生各类故障,当故障发生时会造成严重影响,为此,设计了一种基于禁忌神经网络和DS证据的飞机燃油系统故障诊断方法;首先,建立了飞机燃油系统的故障诊断模型,然后,建立了3层的BP神经网络故障诊断模型,并采用禁忌优化算法对BP神经网络进行参数优化,得到多个并行诊断的禁忌神经网络,输入样本数据对其训练并利用BP反向传播算法再次调优;最后将测试样本数据输入各禁忌神经网络,并将诊断结果作为证据采用DS证据理论进行融合,得到最终的故障诊断结果;实验结果表明:引入DS证据理论的故障诊断方法能有效克服单一故障诊断方法无法精确诊断故障的不足,诊断精度高,具有较大的优越性。     

电机温度时滞耦合系统自抗扰控制仿真研究

电机温度过高会造成绝缘性能老化,电机安全性能下降。电机控制系统是典型的非线性系统,电机温度也因此具有时滞性和耦合性的特点,难以建立准确的数学模型。传统的方法对电机温度的控制精度较差,从而导致电机温度失控。为此,提出基于BP神经网络自抗扰控制算法的电机时滞耦合关系下温度控制方法。将BP神经网络与PID控制方法相结合建立电机温度网络自抗扰控制器模型,利用梯度下降法修正电机温度控制器模型的权值系数,从而实现了BP神经网络自抗扰控制器参数的实时调整。实验结果表明,利用BP神经网络自抗扰算法进行电机时滞耦合关系下温度调整,能够有效提高控制的精确度,缩短了控制过程中的时间延时。     

色散金属光学特性分析通用时域有限差分方法

结合数字信号处理中的半解析递归卷积(SARC)算法,提出一种用于金属光学特性分析的改进半解析递归时域有限差分方法(SARC FDTD)。该方法保持了SARC算法的绝对稳定性和高精度、低内存等优点,又利用梯形近似使FDTD递推公式更加简洁,计算效率进一步提高,对于各种常用金属色散模型,均只需给出模型的极点和对应的系数,即可运用该算法的程序进行计算,具有较好的通用性。最后,通过金属的高阶Lorentz,Drude-Lorentz和Drude-CP三种常用色散模型对算法进行了验证。     

一种基于激光直写的水浊度传感结构

提出并制作了一种基于激光照射改变折射率方法的光度比浊度传感单元,综合了导波光学及检测相关知识原理.以UV光敏树脂为基底材料,采用“气体干法”除胶及分步固化的方法获得了该芯片化结构.传感器整个制作过程仅仅需要7~8 min因而使本方法具有很高的效率.由直写成型的单元组建传感系统对标准悬浊液样品进行了实验测试,所得的相关数据在SISO算法神经元网络系统中进行处理,获得了传感器浊度与对应散射系数的关系曲线.通过试剂检验的方法得知实际相对误差在5%左右.     

Plasticity-induced characteristic changes of pattern dynamics and the related phase transitions in small-world neuronal networks

Phase transitions widely exist in nature and occur when some control parameters are changed. In neural systems, their macroscopic states are represented by the activity states of neuron populations, and phase transitions between different activity states are closely related to corresponding functions in the brain. In particular, phase transitions to some rhythmic synchronous firing states play significant roles on diverse brain functions and disfunctions, such as encoding rhythmical external stimuli, epileptic seizure, etc. However, in previous studies, phase transitions in neuronal networks are almost driven by network parameters （e.g., external stimuli）, and there has been no investigation about the transitions between typical activity states of neuronal networks in a self-organized way by applying plastic connection weights. In this paper, we discuss phase transitions in electrically coupled and lattice-based small-world neuronal networks （LBSW networks） under spike-timing-dependent plasticity （STDP）. By applying STDP on all electrical synapses, various known and novel phase transitions could emerge in LBSW networks, particularly, the phenomenon of self-organized phase transitions （SOPTs）： repeated transitions between synchronous and asynchronous firing states. We further explore the mechanics generating SOPTs on the basis of synaptic weight dynamics.     

基于径向基函数神经网络的高光谱遥感图像分类

从径向基函数神经网络的理论出发,针对高光谱数据的特点,设计了有效的特征提取模型,再与径向基函数神经网络的输入层连接,建立了一个新的径向基函数神经网络的高光谱遥感影像分类模型,并用国产OMISII传感器获得的64波段数据进行试验。首先进行了最小噪声分离变换,提取了1～20个分量的数据,使用提取后的数据（20维）、提取后数据的纹理变换（20维）和主成分分析的前（20维）,组成了60维向量数据进行分类处理,这种分类器结构简单、容易训练、收敛速度快,其分类精度达到69.27%,高于BP神经网络分类算法(51.20%)以及常用的最小距离分类（MDC）算法(40.88%)。通过对结果和过程进行分析,实验证明径向基函数神经网络在高光谱遥感分类中具有较好的适用性。     

基于FA-RBF神经网络的压力传感器的温度漂移补偿法

针对温度对硅压阻式压力传感器输出的影响问题,提出基于因子分析和RBF神经网络相结合的补偿方法.利用因子分析实现对原始信息的筛选和降维;结合RBF神经网络的非线性映射、自适应能力和强容错性对补偿过程进行建模,减少网络的输入,利于简化网络结构,进而加快收敛,节省运行时间,提高网络的学习速率与泛化能力.研究结果表明,该方法有效地抑制了温度对压力传感器的影响,提高传感器的稳定性和准确性.