圆轨道任务火箭推力故障下的在线任务重构研究

1

作者 马宗占 许志 +2 位作者 王传魁 唐硕 马英 《宇航学报》 北大核心 2025年第1期68-81,共14页

为使圆轨道任务火箭在发生推力下降故障以至于无法完成原定任务的情况下尽可能利用剩余燃料进入降级轨道,针对两种新类型降级轨道提出了一种深度神经网络(DNN)与无损凸优化融合的任务重规划算法。首先通过对原非凸轨道规划问题进行等价... 为使圆轨道任务火箭在发生推力下降故障以至于无法完成原定任务的情况下尽可能利用剩余燃料进入降级轨道,针对两种新类型降级轨道提出了一种深度神经网络(DNN)与无损凸优化融合的任务重规划算法。首先通过对原非凸轨道规划问题进行等价转换、对约束进行无损松弛和引入附加滑行段等方式,提出了一种将问题降维求解的两层优化算法,将原问题转化成无损凸化的内层问题和单变量优化的外层问题,从而保障收敛。然后引入DNN代替外层算法输出单变量,同时保留内层无损凸优化算法以避免对DNN输出精度的依赖,实现了以最小风险提升计算效率。数值仿真证明该融合算法不仅能保障精度与最优性,还有收敛快以及性能稳定的特点,具有较强的工程应用价值。 展开更多

关键词 运载火箭 圆轨道 任务重构 推力下降故障 无损凸优化 深度神经网络

在线阅读 下载PDF 职称材料

基于非正交多址接入的B5G双向全双工中继系统中功率控制的设计

2

作者 唐睿 朱通 +1 位作者 张睿智 何金璞 《计算机应用与软件》 北大核心 2025年第4期92-99,共8页

在基于非正交多址接入的后五代(Beyond the Fifth Generation,B5G)双向全双工中继系统中,为协调同频干扰并提升频谱效率,首先提出一种基于连续凸逼近(Successive Convex Approximation,SCA)算法的功率控制机制,保证多项式时间内得到原... 在基于非正交多址接入的后五代(Beyond the Fifth Generation,B5G)双向全双工中继系统中,为协调同频干扰并提升频谱效率,首先提出一种基于连续凸逼近(Successive Convex Approximation,SCA)算法的功率控制机制,保证多项式时间内得到原非凸问题的高效次优解。为满足B5G移动网络的低时延需求,进一步提出一种基于深度神经网络(Deep Neural Network,DNN)的在线功率控制机制。仿真结果验证了所提机制的有效性,发现相比于基于SCA算法的机制,基于DNN的机制能获得相近性能且大幅度降低在线运算时间。 展开更多

关键词 B5G移动网络 非正交多址接入 全双工中继 功率控制 连续凸逼近 深度神经网络

在线阅读 下载PDF 职称材料

深度神经网络辅助的垂直回收火箭在线轨迹优化方法 被引量：1

3

作者 王亚洲 佃松宜 向国菲 《中国空间科学技术（中英文）》 CSCD 北大核心 2024年第4期130-141,共12页

针对垂直回收火箭在线轨迹规划的计算效率和初始敏感问题,提出一种深度神经网络辅助的在线轨迹优化算法。考虑火箭动力下降段的气动阻力,使用变分法和庞德里亚金极小值原理推导最优性条件,首次证明最优推力矢量幅值存在Bang-Bang特征。... 针对垂直回收火箭在线轨迹规划的计算效率和初始敏感问题,提出一种深度神经网络辅助的在线轨迹优化算法。考虑火箭动力下降段的气动阻力,使用变分法和庞德里亚金极小值原理推导最优性条件,首次证明最优推力矢量幅值存在Bang-Bang特征。在此基础上,设计离线训练和在线优化两步求解框架。一是离线训练深度神经网络,在初值大范围波动条件下,有监督学习Bang-Bang特征的结构参数;二是在线规划最优轨迹,将训练好的深度神经网络作为辅助求解器,生成伪谱离散法的分段点,嵌入序列凸优化算法求解。该算法将最优推力的与伪谱法的分段特性有机结合,提高了有限离散点下的求解精度。仿真结果表明,该算法能有效提升在线轨迹规划的求解效率和初值适应性。 展开更多

关键词 垂直回收 深度神经网络 轨迹优化 分段伪谱离散 凸优化

在线阅读 下载PDF 职称材料

深度学习研究综述 被引量：667

4

作者 孙志军 薛磊 +1 位作者 许阳明 王正 《计算机应用研究》 CSCD 北大核心 2012年第8期2806-2810,共5页

深度学习是一类新兴的多层神经网络学习算法,因其缓解了传统训练算法的局部最小性,引起机器学习领域的广泛关注。首先论述了深度学习兴起渊源,分析了算法的优越性,并介绍了主流学习算法及应用现状,最后总结了当前存在的问题及发展方向。

关键词 深度学习 分布式表示 深信度网络 卷积神经网络 深凸网络

在线阅读 下载PDF 职称材料

联合低秩及稀疏结构特性的毫米波通信下行信道估计

5

作者 周金 《系统仿真学报》 CAS CSCD 北大核心 2021年第1期99-108,共10页

毫米波通信的信道估计给系统带来较大负荷。为降低系统开销,联合无线信道低秩和稀疏特征,提出一种基于非凸低秩逼近的信道估计算法框架。针对基于信道建模的字典学习方法运算量大的问题,设计了基于深度神经网络信道特征分类的字典学习... 毫米波通信的信道估计给系统带来较大负荷。为降低系统开销,联合无线信道低秩和稀疏特征,提出一种基于非凸低秩逼近的信道估计算法框架。针对基于信道建模的字典学习方法运算量大的问题,设计了基于深度神经网络信道特征分类的字典学习算法。仿真表明:在特定城市微蜂窝信道模型下,该方法的均方误差性能均优于基于信道模型的字典学习方法、贝叶斯框架下的信道估计方法以及基于压缩感知信道估计方法;获取相同归一化均方误差时本文算法所需的信噪比最低;所需导频数量低于上述3种方法。 展开更多

关键词 超大规模智能天线 非凸算法 深度神经网络 信道状态信息 字典学习

在线阅读 下载PDF 职称材料

集群航天器鲁棒自适应快速任务分配 被引量：2

6

作者 张润德 蔡伟伟 +1 位作者 杨乐平 范大伟 《宇航学报》 EI CAS CSCD 北大核心 2023年第8期1183-1194,共12页

针对集群航天器协同观测任务分配问题,提出一种基于深度神经网络和鲁棒自适应拍卖算法的快速任务分配策略。为提高燃料消耗指标的计算效率,利用深度神经网络直接预测连续推力转移轨迹的燃料消耗,避免在线规划相对运动轨迹。通过构造虚... 针对集群航天器协同观测任务分配问题,提出一种基于深度神经网络和鲁棒自适应拍卖算法的快速任务分配策略。为提高燃料消耗指标的计算效率,利用深度神经网络直接预测连续推力转移轨迹的燃料消耗,避免在线规划相对运动轨迹。通过构造虚拟收益矩阵和分配向量使得拍卖算法适用于航天器数与任务数目不一致的分配问题。为提高拍卖算法的收敛速度,提出报价增量自适应调整策略。考虑到通信失联、航天器故障等不确定因素,通过在线调整故障航天器的收益和报价矩阵以提高算法鲁棒性。数值仿真表明深度神经网络对燃料消耗指标预测精度高,基于深度神经网络和鲁棒自适应拍卖算法的快速任务分配策略可在保持计算精度的同时,将计算效率提升约两个数量级。 展开更多

关键词 集群航天器 任务分配 深度神经网络 分布式拍卖 凸优化

在线阅读 下载PDF 职称材料

基于DNN的低资源语音识别特征提取技术 被引量：25

7

作者 秦楚雄 张连海 《自动化学报》 EI CSCD 北大核心 2017年第7期1208-1219,共12页

针对低资源训练数据条件下深层神经网络(Deep neural network,DNN)特征声学建模性能急剧下降的问题,提出两种适合于低资源语音识别的深层神经网络特征提取方法.首先基于隐含层共享训练的网络结构,借助资源较为丰富的语料实现对深层瓶颈... 针对低资源训练数据条件下深层神经网络(Deep neural network,DNN)特征声学建模性能急剧下降的问题,提出两种适合于低资源语音识别的深层神经网络特征提取方法.首先基于隐含层共享训练的网络结构,借助资源较为丰富的语料实现对深层瓶颈神经网络的辅助训练,针对BN层位于共享层的特点,引入Dropout,Maxout,Rectified linear units等技术改善多流训练样本分布不规律导致的过拟合问题,同时缩小网络参数规模、降低训练耗时;其次为了改善深层神经网络特征提取方法,提出一种基于凸非负矩阵分解(Convex-non-negative matrix factorization,CNMF)算法的低维高层特征提取技术,通过对网络的权值矩阵分解得到基矩阵作为特征层的权值矩阵,然后从该层提取一种新的低维特征.基于Vystadial 2013的1小时低资源捷克语训练语料的实验表明,在26.7小时的英语语料辅助训练下,当使用Dropout和Rectified linear units时,识别率相对基线系统提升7.0%;当使用Dropout和Maxout时,识别率相对基线系统提升了12.6%,且网络参数数量相对其他系统降低了62.7%,训练时间降低了25%.而基于矩阵分解的低维特征在单语言训练和辅助训练的两种情况下都取得了优于瓶颈特征(Bottleneck features,BNF)的识别率,且在辅助训练的情况下优于深层神经网络隐马尔科夫识别系统,提升幅度从0.8%～3.4%不等. 展开更多

关键词 低资源语音识别 深层神经网络 瓶颈特征 凸非负矩阵分解

在线阅读 下载PDF 职称材料

数据驱动的风电机组传动系统疲劳载荷计算与主动抑制研究 被引量：9

8

作者 张斌 朱春生 +4 位作者 贾鈜崴 姚琦 马博 谭志辉 罗智凌 《智慧电力》 北大核心 2023年第1期24-30,共7页

风电机组疲劳损伤导致的运维工作是影响风电场成本的关键因素。以机组损伤维护最频繁的传动系统为研究对象,分析了机组运行工况与其结构损伤等效载荷的耦合关系,构建了基于深度神经网络的疲劳损伤数据拟合方法。利用所建数据驱动模型在... 风电机组疲劳损伤导致的运维工作是影响风电场成本的关键因素。以机组损伤维护最频繁的传动系统为研究对象,分析了机组运行工况与其结构损伤等效载荷的耦合关系,构建了基于深度神经网络的疲劳损伤数据拟合方法。利用所建数据驱动模型在风电场有功控制过程中进行实时疲劳预测并优化机组有功控制指令。仿真实验表明,本文所建数据驱动预测模型对机组传动系统疲劳载荷有较好拟合效果,用于有功控制过程可降低风电场内各机组的传动系统疲劳载荷。 展开更多

关键词 风电机组 疲劳载荷 深度神经网络 数据驱动 凸优化

在线阅读 下载PDF 职称材料

基于非负矩阵分解的语音深层低维特征提取方法 被引量：4

9

作者 秦楚雄 张连海 《数据采集与处理》 CSCD 北大核心 2017年第5期921-930,共10页

作为一种基于深层神经网络提取的低维特征,瓶颈特征在连续语音识别中取得了很大的成功。然而训练瓶颈结构的深层神经网络时,瓶颈层的存在会降低网络输出层的帧准确率,进而反过来影响该特征的性能。针对这一问题,本文基于非负矩阵分解算... 作为一种基于深层神经网络提取的低维特征,瓶颈特征在连续语音识别中取得了很大的成功。然而训练瓶颈结构的深层神经网络时,瓶颈层的存在会降低网络输出层的帧准确率,进而反过来影响该特征的性能。针对这一问题,本文基于非负矩阵分解算法,提出一种利用不包含瓶颈层的深层神经网络提取低维特征的方法。该方法利用半非负矩阵分解和凸非负矩阵分解算法对隐含层权值矩阵分解得到基矩阵,将其作为新的特征层权值矩阵,然后在该层不设置偏移向量的情况下,通过数据前向传播提取新型特征。实验表明,该特征具有较为稳定的规律,且适用于不同的识别任务和网络结构。当使用训练数据充足的语料进行实验时,该特征表现出同瓶颈特征几乎相同的识别性能;而在低资源环境下,基于该特征识别系统的识别率明显优于深层神经网络混合识别系统和瓶颈特征识别系统。 展开更多

关键词 连续语音识别 深层神经网络 半非负矩阵分解 凸非负矩阵分解 低维特征

在线阅读 下载PDF 职称材料

基于EfficientNet与点云凸包特征的奶牛体况自动评分 被引量：19

10

作者 赵凯旋 刘晓航 姬江涛 《农业机械学报》 EI CAS CSCD 北大核心 2021年第5期192-201,73,共11页

为进一步提高奶牛体况自动评分精度,构建了一种基于点云凸包距离的三维结构特征图,将其作为EfficientNet深度学习网络的输入,可实现奶牛体况自动评分误差在0.25以内识别的准确率提升。首先,对获取的奶牛背部深度图像进行预处理,得到含... 为进一步提高奶牛体况自动评分精度,构建了一种基于点云凸包距离的三维结构特征图,将其作为EfficientNet深度学习网络的输入,可实现奶牛体况自动评分误差在0.25以内识别的准确率提升。首先,对获取的奶牛背部深度图像进行预处理,得到含有主要体况信息从奶牛腰角骨到臀骨区域的点云;其次,对点云进行体素化和凸包化,计算每个外围体素到最近凸包面之间的距离,并投影至X-Y平面上,得到结构特征图;构建EfficientNet网络分类模型,采用鲸鱼优化算法(Whale optimization algorithm,WOA)对其缩放系数进行优化;最后,利用77头奶牛的5 119幅深度图像对模型进行训练、验证与测试,数据集比例为5∶3∶2。结果表明,奶牛体况评分(BCS)范围在2.25~4.00内,测试集中EfficientNet模型精准识别的图像达到73.12%,BCS识别误差在0.25和0.50以内的图像占比分别为98.6%和99.31%,平均识别速率为3.441 s/f,识别效果优于MobileNet-V2、XceptionNet和LeNet-5等模型。该方法可实现规模化养殖场中奶牛个体体况的无接触评定,具有精度高、适用性强、成本低等特点。 展开更多

关键词 奶牛 体况评分 凸包特征 EfficientNet网络 深度学习

在线阅读 下载PDF 职称材料

MT-混合数据的深度网络快速训练方法

11

作者 李红运 张建林 +1 位作者 周丽君 杨亚锋 《计算机工程与设计》 北大核心 2020年第1期52-58,共7页

为加速神经网络的训练,提出一种名为MT(mix training)的模型训练方法,并从理论与实验的角度来解释这种方法。该方法直接加权平均两张不同的图片为一张,对标签以同样的权值进行加权平均。由于只使用融合后的图片进行训练,该方法能够有效... 为加速神经网络的训练,提出一种名为MT(mix training)的模型训练方法,并从理论与实验的角度来解释这种方法。该方法直接加权平均两张不同的图片为一张,对标签以同样的权值进行加权平均。由于只使用融合后的图片进行训练,该方法能够有效地加速网络的训练。使用DenseNet-40(k=12)作为网络结构,在CIFAR-10、CIFAR-100、SVHN这3个数据集上验证了该方法能够节约一半的训练时间,在CIFAR-10、CIFAR-100上分别达到了93.51%、73.40%的识别率,高于未使用该方法的识别率93.00%、72.45%。 展开更多

关键词 模式识别 深度卷积网络 快速训练 凸集 数据增广

在线阅读 下载PDF 职称材料