针对复杂工业过程中的非线性、非高斯特性以及多工况问题,提出了一种基于局部模型的在线统计监测新方法.首先利用局部最小二乘支持向量机回归(Least square support vector regression,LSSVR)模型对过程输出进行预测,与真实的输出相比...针对复杂工业过程中的非线性、非高斯特性以及多工况问题,提出了一种基于局部模型的在线统计监测新方法.首先利用局部最小二乘支持向量机回归(Least square support vector regression,LSSVR)模型对过程输出进行预测,与真实的输出相比较构成残差序列.然后利用ICA-PCA两步特征提取策略,完整地提取残差的高斯和非高斯信息,最后用三个统计量(I^2、T^2和SPE)对过程进行监测,建立了一种具有非线性、非高斯特性的多工况过程在线监测算法.通过对TE(Tennessee Eastman)过程的仿真研究,验证提出的方法是可行、有效的,并显示出了一定的故障检测能力.展开更多
人脸特征点定位(又称人脸对齐)的目标是定位出人脸图片中可以描述人脸部件的特征点,如眼角、鼻尖、嘴角等.受限局部模型(Constrained Local Models)是一类重要的人脸特征点定位算法,其拟合过程通常可以形式化为两步:首先使用局部检测器...人脸特征点定位(又称人脸对齐)的目标是定位出人脸图片中可以描述人脸部件的特征点,如眼角、鼻尖、嘴角等.受限局部模型(Constrained Local Models)是一类重要的人脸特征点定位算法,其拟合过程通常可以形式化为两步:首先使用局部检测器扫描图片,为每一个人脸特征点生成一张响应图;然后基于响应图优化一个全局人脸形状模型,从而得到人脸形状(即所有人脸特征点)的一次更新.文献中的受限局部模型默认使用主成分分析(PCA)法建立参数人脸形状模型;而非参数形状模型如基于样本(exemplar-based)的方法虽然也被成功的应用于人脸特征点定位,但却没有被纳入受限局部模型的范畴.在这样的背景下,本文的贡献主要有3点:1)成功将基于参数(PCA-based)和非参数(exemplar-based)人脸形状模型的方法统一到概率形式的受限局部模型的框架之下;2)在3个公开的数据集LFW、LFPW、HELEN上汇报了几种典型的参数和非参数受限局部模型的性能;3)总结并讨论了参数和非参数受限局部模型的优缺点,如基于PCA的参数模型拟合速度更快,而基于exemplar的非参数模型精度更高.展开更多
文摘中低压直流配电系统中直流变压器(DCtransformer,DCT)常采用模型预测控制(model predictive control,MPC)来改善系统的动态响应特性,但其参数依赖性强与传输功率不均衡是限制MPC发展的关键性因素。为此提出了一种无模型预测控制(modelfreepredictivecontrol,MFPC)方法,其具备参数不敏感与传输功率自均衡的优势。首先,建立双有源桥(dual active bridge,DAB)的超局部模型,通过辨识模型中的集总扰动,来实时计算无源器件与未建模部分参数,提高了控制系统的鲁棒性。然后,将集总扰动与输入均压集成到输出电压的离散模型,在不增加额外计算量的情况下,提高了DCT在参数不匹配工况下的输出电压精度与功率均衡能力。最后,搭建了一套120V/600W的实验样机,验证了所提控制方法的有效性和优越性。
文摘人脸特征点定位(又称人脸对齐)的目标是定位出人脸图片中可以描述人脸部件的特征点,如眼角、鼻尖、嘴角等.受限局部模型(Constrained Local Models)是一类重要的人脸特征点定位算法,其拟合过程通常可以形式化为两步:首先使用局部检测器扫描图片,为每一个人脸特征点生成一张响应图;然后基于响应图优化一个全局人脸形状模型,从而得到人脸形状(即所有人脸特征点)的一次更新.文献中的受限局部模型默认使用主成分分析(PCA)法建立参数人脸形状模型;而非参数形状模型如基于样本(exemplar-based)的方法虽然也被成功的应用于人脸特征点定位,但却没有被纳入受限局部模型的范畴.在这样的背景下,本文的贡献主要有3点:1)成功将基于参数(PCA-based)和非参数(exemplar-based)人脸形状模型的方法统一到概率形式的受限局部模型的框架之下;2)在3个公开的数据集LFW、LFPW、HELEN上汇报了几种典型的参数和非参数受限局部模型的性能;3)总结并讨论了参数和非参数受限局部模型的优缺点,如基于PCA的参数模型拟合速度更快,而基于exemplar的非参数模型精度更高.
