摘要：针对坯布图像疵点相对占比小、易湮没在面料背景中,且疵点形状不规则、边缘难以有效分割的问题,提出了一种基于显著性检测的坯布疵点图像自适应分割方法.该方法采用视觉显著性方法分析疵点在坯布图像上的光强分布、形状及颜色差异特性,设计多视觉显著性特征函数,对显著性区域进行超像素标注;提出计算自适应分割阈值的方法提取疵点边界细节,对坯布图像上的疵点区域进行分割定位,实现疵点的精确检测.结果表明:该方法能够获得内部均匀致密且边界清晰明确的疵点图像区域,6类疵点的整体检测精度达到98.26%,提高了坯布疵点图像分割效果.

摘要：为揭示机器人运动速度等参数对纱线性能的影响规律,考虑纱线夹持长度与拉伸速度对断裂强力分布的影响,分析了动态环境下环锭纺细纱断裂强力的分布特征。首先设计拉伸实验对环锭纺细纱性能进行分析,并构建了环锭纺短纤纱本构模型表征其强伸性能。其次建立有限元仿真模型模拟短纤纱的断裂过程,揭示了纤维间载荷传播的规律和纱体结构演化的4个阶段模型。最后对纱线强力数据的统计特征进行分析,建立了其分布参数模型。结果表明,分布检验与威布尔分布相比,对数正态分布的拟合误差最小,残差平方和为0.0006,进一步提高了动态环境下环锭纺细纱强力预测的可靠性。

摘要：为了应对进攻性高超声速飞行器带来的威胁与挑战,基于覆盖理论提出了一种针对高速强机动目标的分布式协同围捕策略.首先,考虑飞行器与目标的机动特性,包括速度关系、最大过载比等参数,引入阿波罗尼奥斯圆的概念对围捕区域进行分析.然后,基于重叠角概念提出冗余覆盖策略,根据目标的逃逸边界给出初始飞行器最优数量,设计围捕队形使多飞行器的围捕区域能够对目标逃逸边界完全覆盖,在此基础上考虑多种约束设计围捕高速强机动目标的分布式协同制导律,使多飞行器能够完成所设计的围捕队形,达到目标被飞行器合围后无法逃脱的效果.最后,将上述覆盖策略分别在二维平面和三维空间进行数值仿真,验证了一致性协同制导律能够实现期望的围捕队形,所设计的围捕队形在目标作最大常值机动逃逸以及随机机动两种情况下均能捕获目标,证明了围捕队形和制导律的有效性和优越性.

摘要：化纤高速卷绕头故障特征提取是卷绕头故障诊断中的关键步骤。为解决化纤卷绕头故障诊断精度不高、可解释性差的难点,提出了数据驱动的化纤卷绕头故障多特征自适应提取方法。通过改进型基因表达式编程(GEP)的故障特征生成方法,设计了一种运算符与变量符随机组合编码、对位匹配与倒序运算解码方法,构建了突变、插串、重组的遗传算子,实现了多个故障特征构建与生成;提出了低冗余、高互补的多特征提取与分析方法,实现了特征间关系的可解释性分析与关键特征优选。实验结果表明:采用所提出的改进型GEP方法与传统特征提取方法、通用GEP方法所生成的故障特征进行对比,在线速度为1000、2000和3000 m/min状态下,卷绕头故障诊断精度分别提升了8.959%、3.87%、3.77%和2.601%、3.2%、2.018%,有效解决了卷绕头故障特征提取的难题;进一步的特征工程实验表明,所提方法对于多特征组合下的卷绕头故障关键特征提取具有较强的适应性能。

摘要：机械臂可代替人工完成繁重工作、降低生产风险、提高生产效率,被广泛应用于制造业和生产业中.工业生产的高质量需求对机械臂的操作精度提出了较高要求,考虑有色金属工厂中铸锭打磨的应用场景,该任务的作业轨迹均具有较强重复性.此外,实际应用环境复杂,存在如环境干扰及系统参数变化等多种不确定性,固定的控制参数难以保证系统持续稳定运行.基于上述考虑,针对多自由度机械臂系统,设计一种自适应滑模迭代学习跟踪控制方法,控制器包含参数自整定的比例-微分项、基于滑模的符号函数项和上一次迭代的控制输入,其中PD项的控制参数通过模糊逻辑系统实时调整,在保证控制系统正常运行的情况下提高系统的鲁棒性.同时,在理论上证明迭代域闭环系统的稳定性和跟踪误差的收敛性.最后通过仿真验证所提出控制方法的有效性和鲁棒性.

摘要：人工智能内容生成机制涵盖研发阶段的数据获取和后续利用阶段的生成内容应用,前一阶段主要面临获取数据的著作权合法授权问题,后一阶段则主要面临生成内容的著作权属性判断、归属及侵权责任承担等问题。现有规范分析框架对两个阶段所面临的主要问题都存在规则局部不适配的情况,究其根源在于现有规范设计不能满足人工智能发展所带来的产业保障需求,对已经做出调整的发展人工智能的产业政策无法进行有效回应。由技术推动带来的人工智能内容生成机制的变革,直接冲击着现有著作权制度对作品表现形式和“思想—表达二分”的底层逻辑认知,同时,还面临事前授权的财产规则和海量资源学习模式需求不符的窘境、机器学习内容获取全阶段的著作权侵权风险以及由数据保护利益的多样性和复杂性导致的要求著作权合规等问题。面对这些问题,不能单一化打补丁式地进行规则设计,而应该综合性地解决体系性认知问题,在稳固“思想—表达二分法”的基础原则上,可尝试通过将署名和其他著作权进行分离的制度设计以贯彻诚实信用原则保障数据来源真实,通过合法购买与合同约定风险承担、打开人工智能预训练阶段数据获取的著作权合理使用闸口,并借助避风港规则实现责任豁免、集体管理组织集中授权、建立开放授权的数据资源等多元化方案解决现实世界与技术演变之间的“发展之问”,因地制宜地进行规范框架调整和规则解释突破,实现产业发展与技术升级规范措施保障之间的最佳平衡。

摘要：跳频技术具有优秀的抗干扰性能和多址组网性能,跳频序列(FHS)作为其关键,在设计时面临性能指标差、难以兼顾多指标的问题。提出一种基于增强型龙格库塔优化算法(ERUN)的跳频序列设计方法。利用跳频序列的汉明相关性、复杂度、均匀性和平均跳频间隔构建目标函数,建立适用于启发式优化算法的跳频序列设计模型。针对龙格库塔优化算法(RUN)在复杂优化问题上收敛速度慢、寻优精度差的问题,提出增强型龙格库塔优化算法。利用混沌反向学习机制提高初始种群质量,基于二次插值法得到更好的个体更新方向,并根据自适应t分布扰动帮助种群跳出局部最优。在6个基准测试函数和目标函数上的测试结果表明,与RUN的3个最新变体相比,ERUN具有更快的收敛速度和更高的解精度。将得到的跳频序列应用于跳频系统中,实验结果表明,该方法在固定干扰环境下误码率为4%左右,在变化干扰环境下误码率没有明显上升,展现出了较强的抗干扰能力和复杂环境适应能力。

摘要：多行为推荐系统旨在利用用户多种行为的交互数据来提升系统的推荐性能.现有的多行为推荐方法通常将多行为数据直接作用于共享的初始化用户表征上,并在任务中糅合了对用户偏好的挖掘和对不同行为间联系的建模.然而,这些算法忽视了不同交互行为中存在的数据不平衡问题(不同行为交互数据量差别较大)以及适配上述两种任务而引起的信息损失问题.事实上,用户偏好是指用户在不同行为中表现出来的喜好(例如,浏览的喜好),而各行为间的联系表现为用户偏好在不同行为间潜在的转化关系(例如,浏览转换为购买).在多行为推荐中,对用户偏好的挖掘和对行为间联系的建模可以看作两个阶段的任务.基于上述讨论,提出基于两阶段学习的多行为推荐.两阶段策略设计的优势是解耦了前述两种任务.两阶段策略采取固定参数交替训练的方式实现,并同时保留了模型端到端的结构.(1)第1阶段专注于不同行为下的用户偏好建模:先利用所有交互数据(不区分行为类别)对用户的全局喜好进行建模,以最大程度缓解数据稀疏性问题,再分别利用各行为的交互数据细化该特定行为下的用户偏好(局部偏好),以减轻不同行为之间的数据不平衡问题造成的影响.(2)第2阶段专注于对不同行为间联系的建模,通过解耦对用户偏好的挖掘和对不同行为间联系的建模,以缓解因适配两种任务而引起的信息损失问题.这种两阶段模式能够显著提升系统对目标行为的预测能力.大量实验结果表明,所提模型在性能上远优于最先进的基线模型,在Tmall和Beibei两个真实基准数据集上的性能提升平均可以达到103.01%和33.87%.

摘要：针对现有扑翼飞行机器人存在的飞行形态与实际鸟类相差较大,以及翅膀、尾翼布局和俯仰、转向控制方式仿生度较低的问题,提出一种形态布局与鸽子相仿的扑翼飞行机器人系统设计及实现方案.通过设计弧面-折翼-后掠翅膀、仿鸟扇形尾翼以及尾翼挨近翅膀后缘布置的布局方式,使扑翼机器人飞行形态更加接近真实鸟类,提高扑翼机器人的形态仿生度.在此基础上,设计结合下扑角调控无需尾翼大角度上翘的俯仰控制方式,以及不依赖于尾翼的翅膀收缩转向控制方式,在提高仿生度的同时保证飞行控制的有效性.在具体设计过程中,首先参考鸽子翅膀型式选择不同类型翅膀并进行风洞测试,确定出下扑角变化时仍能保持较优升推力性能的翅膀设计方案;其次,对各种尾翼型式进行分析和比较,结合鸽子尾翼特点进行仿鸽尾翼及俯仰、转向控制机构设计,并通过风洞测试验证;最后,设计飞控系统并装配整机,进行外场飞行测试,验证仿鸽扑翼飞行机器人平台的稳定性和可控性.

摘要：当前人工智能在音乐方面的研究和应用主要集中在西方古典音乐和流行音乐等领域。以世界各地的传统音乐为对象的相关研究仍然处于初级阶段,其中一个主要原因是缺乏高质量的数据集和标注规范。文章从数据的内容、标注和应用等方面,探讨了传统音乐标注数据集的发展现状。基于对当前研究的深入分析,文章提出了面向人工智能的音乐标注数据集的构建原则,并针对传统音乐的特点加以阐述。在此基础上,以第一个中国胡琴音乐标注数据集(CCOM-HuQin)为例介绍了数据集在人工智能领域的研究成果和应用前景。文章强调了人工智能应用于传统音乐的意义不仅在于辅助创作和表演,更是为了促进传统音乐的保护、传承和发展。