摘要：针对直接处理点云数据的深度神经网络PointNet++无法充分学习点云形状信息的问题,提出一种融合空间感知模块和特征增强模块(spatial awareness and feature enhancement,SAFE)的三维点云分类与分割方法(SAFE-PointNet++)。首先,设计了空间感知(spatial awareness,SA)模块,使特征提取网络在特征升维时融合了包含空间结构的权重信息,增强了特征在空间上的表现力。其次,设计了特征增强(feature enhancement,FE)模块,通过把增强后的几何信息和附加信息拆分并分别进行编码,达到充分利用点云附加信息的目的。实验结果表明,在ModelNet40和S3DIS数据集上,SAFE-PointNet++与其他10种经典网络相比具有更高的分类和分割精度。

摘要：针对基于深度学习的激光雷达(light detection and ranging,LiDAR)点云三维(3D)目标检测对小目标的检测精度较低和噪声干扰问题,提出一种基于交叉自注意力机制的3D点云目标检测方法CSA-RCNN(cross self-attention region convolutional neural network)。利用交叉自注意力(cross self-attention,CSA)同时学习点云的坐标和特征,并设计多尺度融合(multi-scale fusion,MF)模块自适应捕捉各层级多尺度特征。此外,还设计重叠采样策略对感兴趣目标区域选择性地重采样以获得更多前景点,有效降低了噪声采样。在广泛使用的KITTI数据集上进行算法性能测试,结果表明,本文方法对行人等小目标的检测精度有较大提升,平均精度均值相比PointRCNN等4种经典算法均获得提升,显著提高3D点云目标的检测性能。

摘要：针对具有未知扰动的垂直起降机双闭环控制系统,提出一种基于连续径向基情感神经网络的互补积分滑模控制策略。建立了包含未知扰动项的垂直起降机的数学模型,为系统内外环分别设计滑模控制器和互补积分滑模控制器,基于对系统鲁棒性的考量,利用连续径向基情感神经网络逼近系统未知扰动项,给出神经网络权重的自适应律,形成一套新型的复合控制策略,利用Lyapunov方法分析了系统的稳定性。通过对垂直起降机的仿真实验与实物实验进行分析对比,证明了所设计的控制器具有更快的收敛速度、更高的跟踪精度和更佳的鲁棒性。

摘要：变电站巡检拍摄的电气设备可见光图像存在背景杂乱、目标轮廓不规则等特点,造成设备分割精度不高,影响智能巡检系统设备识别效果。基于此,提出一种改进的YOLACT++模型,实现设备目标精确实例分割。首先,设计了电气设备特征提取主干网络DAGNet,提升了网络对复杂背景下重要特征的关注度;同时在原型网络分支引入3D注意力模块SimAM,降低混乱背景对目标分割的干扰。使用某市8个区域58座110 kV变电站和86座35 kV变电站巡检所得避雷器、断路器等6类电气设备的1730张可见光图像的标记数据集对该模型进行验证,实验结果表明,改进YOLACT++模型分割的AP_(all)指标为84.1%,相较原模型提高了4.4%,与YOLACT、Mask R-CNN和YOLOv8模型相比分别高出4.0%、9.3%、1.6%,较好地实现了6类电气设备的识别,可满足电力巡检中准确性和快速性的要求。

摘要：为探究不同认知负荷下的人脑活动,设计了三种实验范式(N-Back、心算和Sternberg),采集被试者在三类认知负荷下的脑电图(electroencephalogram,EEG)信号,并对EEG信号进行预处理、特征提取和特征分类。模型通过相位锁相值(phase locking value,PLV)计算了EEG的功能连接特征,将PLV功能连接矩阵作为脑功能网络的边;以微分熵特征作为网络的节点信息,实现EEG频域与空间域特征的融合,利用图注意力神经网络完成了跨任务的认知负荷分类。模型在跨任务三分类认知负荷识别中取得了57.12%的平均分类准确率。基于复杂网络理论,从全局和局部两个层次分析了不同负荷状态下大脑网络结构的变化,随着认知负荷程度增加,theta与alpha频段的全局聚类系数逐渐减小,delta与theta频段的全局效率则有所提高;theta频段下的额叶、顶叶与颞叶脑区电极的局部效率呈上升趋势。网络全局与局部的度量变化表明随着人脑认知负荷程度的提高,功能脑网络的拓扑结构在发生改变。

摘要：为了解决传统双模态目标检测方法难以在复杂场景(如大雾、眩光、黑夜)中克服低对比度噪声以及无法有效识别小尺寸目标的问题,文中提出基于自引导注意力的双模态校准融合目标检测算法.首先,设计双模态融合网络,利用通道特征和空间特征校准纠正输入图像(可见光图像与红外图像)中的低对比度噪声,从纠正后的特征中获取互补信息,并准确实现特征融合,提高算法在眩光、黑夜和大雾等场景下的检测精度.然后,构建自引导注意力机制,捕捉图像像素之间的依赖关系,增强不同尺度特征的融合能力,提高算法对于小尺寸目标的检测精度.最后,在行人、行人车辆、航拍车辆三类六种数据集上进行的大量实验表明,文中算法检测精度较高.

摘要：针对光伏并网逆变器中的串扰问题,提出一种考虑寄生电感影响的非开尔文封装SiC MOSFET串扰峰值预测算法。以TO-247-3封装SiC MOSFET构成的半桥电路为研究对象,首先分析各个阶段的串扰电压数学模型,并推导串扰电压的微分表达式;其次提出串扰峰值的预测算法,建立预测峰值所需参数的数学模型;最后搭建实验平台,验证理论的正确性和算法的有效性,为设计光伏并网逆变器的驱动和保护电路提供参考依据。

摘要：为实现互联多区域电网系统的频率稳定,负荷频率控制需要通过开放通信网络获取信号和发送命令。在开放的通信网络环境下,系统不免会受到天气、网络攻击等外界环境的干扰,引起电网频率波动。例如拒绝服务(denial-of-service, DoS)攻击,这些因素会阻止一定数量的信号传输,从而降低负载频率控制方案的性能,甚至导致电网系统不稳定。针对测量通道和控制通道拒绝服务攻击下互联多区域电网系统,完成弹性负载频率控制。首先给出DoS攻击频率和持续时间满足的假设条件,然后设计灵活的弹性控制器,保证闭环系统的输入状态稳定性,并确定合适的采样机制,实现系统性能和通信资源的有效折衷平衡。最后,以两区域互联电网系统为对象进行仿真,得到所提方法能够有效地克服DoS攻击和扰动带来的影响,保证了闭环系统的输入状态稳定性,验证了此方法的有效性。

摘要：针对基于Transformer架构的目标跟踪算法在特征增强过程中应用多头自注意力产生的计算复杂度高的问题,提出一种稀疏自注意力方法以实现线性计算复杂度的目标跟踪算法(E-TransT)。在特征提取网络中加入金字塔切分注意力模块并且调整网络输出结构,使提取的特征具有不同尺度的上下文信息。设计了一个通过稀疏自注意力方法实现改进的自注意增强模块,有效减少了在注意力计算过程中的参数量,在降低计算复杂度的同时保持了捕捉像素级细节的能力。采用LaSOT、TrackingNet等5种测试集进行算法性能评测实验,结果表明所提算法的跟踪成功率、精度等主要评价指标较TransT、SiamR-CNN等11种经典算法均获得提升。

摘要：双目视觉立体匹配时,在同色调表面因为缺乏纹理信息,不仅计算量大且匹配度低,而且生成的场景中的点云又具有非结构化、近密远疏的性质,因此,提高双目视觉匹配的精度与速度,以及准确分割点云目标,一直是点云获取及目标检测中的难点问题。针对以上问题,本文首先提出了一种融合主动激光的3D点云目标采集方法,快速准确地获得原始点云数据;其次提出了一种基于欧式聚类的改进算法,使用距离阈值和角度阈值作为阈值分割判断条件进行分段聚类,得到边界明确的3D点云目标检测框。实验结果表明:所设计的3D点云成像系统能够有效获取前方物体的3D点云信息,且具有比激光雷达成本低、易实现、信息丰富等优势;改进后的欧式聚类算法能有效改善传统算法对阈值较为敏感导致的物体易出现欠分割或过分割的问题,提高了目标检测的准确率,在室内场景下具有良好的检测效果。