基于深度神经网络探索圆柱流致振动受力特性

1

作者 魏慧荣 王晓东 李然 《科学技术与工程》 北大核心 2025年第24期10426-10432,共7页

为了提高圆柱流致振动的研究效率,以计算流体力学数值模拟和动网格自定义函数(user defined function, UDF)技术为基础,结合深度神经网络(deep neural network, DNN)分析法,构建圆柱流致振动升力系数预测模型,并探索圆柱升力系数的规律... 为了提高圆柱流致振动的研究效率,以计算流体力学数值模拟和动网格自定义函数(user defined function, UDF)技术为基础,结合深度神经网络(deep neural network, DNN)分析法,构建圆柱流致振动升力系数预测模型,并探索圆柱升力系数的规律。结果表明:无论质量比为何值,升力系数随着流速的增大呈现先增后减再稳定的趋势,其大值的集中区间在小质量比和较小速度下,最大值对应的流速约为0.4 m/s。综上所述,DNN升力系数预测模型简单高效,实现快速又准确的数据预测,为研究流致振动(flow-induced vibration, FIV)受力特性提供一种新的思路。 展开更多

关键词 流致振动(FIV) 深度神经网络(dnn) 受力特性 数值模拟

在线阅读 下载PDF 职称材料

基于高斯混合模型和深度神经网络的大型船舶主机功率预测(英文) 被引量：3

2

作者 张嘉琦 苏伟 +4 位作者 张久文 吴尽昭 蔡川 郭弋平 雷晖 《船舶力学》 EI CSCD 北大核心 2021年第12期1623-1634,共12页

船舶主机功率是预测航行油耗、评估船舶废气排放中的一项重要数据。然而,未知的船舶主机功率数据对基于大数据的船舶油耗及排放预测产生了障碍。为了解决这一问题,本文提出基于高斯混合模型(GMM)和深度神经网络(DNN)的大型船舶主机功率... 船舶主机功率是预测航行油耗、评估船舶废气排放中的一项重要数据。然而,未知的船舶主机功率数据对基于大数据的船舶油耗及排放预测产生了障碍。为了解决这一问题,本文提出基于高斯混合模型(GMM)和深度神经网络(DNN)的大型船舶主机功率预测方法。首先对船舶特征进行相关性分析,选择与主机功率相关系数较大的船舶特征作为GMM-DNN混合模型的输入,然后使用GMM对船舶特征进行聚类,将聚类结果作为标签和船舶特征一起作为DNN的输入,最后使用Adam-Dropout优化DNN,并用DNN对船舶功率进行预测。为了探究方法的有效性,本文比较了多元线性回归分析、非线性回归、DNN、GMM-DNN在船舶主机功率上的预测效果。实验表明,GMM-DNN模型在船舶主机功率预测上表现最好,其平均绝对误差MAPE为14.57%,比多元线性回归、非线性回归和DNN分别低28.27%、23.36%和1.24%。 展开更多

关键词 船舶主机功率 高斯混合模型GMM 深度神经网络dnn

在线阅读 下载PDF 职称材料

深度神经网络的关键技术及其在自动驾驶领域的应用 被引量：36

3

作者 李升波 关阳 +8 位作者 侯廉 高洪波 段京良 梁爽 汪玉 成波 李克强 任伟 李骏 《汽车安全与节能学报》 CAS CSCD 2019年第2期119-145,共27页

智能化是汽车的三大变革技术之一,深度学习具有拟合能力优、表征能力强和适用范围广的特点,是进一步提升汽车智能性的重要途径。该文系统性总结了用于自动驾驶汽车的深度神经网络(DNN)技术,包括发展历史、主流算法以及感知、决策与控制... 智能化是汽车的三大变革技术之一,深度学习具有拟合能力优、表征能力强和适用范围广的特点,是进一步提升汽车智能性的重要途径。该文系统性总结了用于自动驾驶汽车的深度神经网络(DNN)技术,包括发展历史、主流算法以及感知、决策与控制技术应用。回顾了神经网络的历史及现状,总结DNN的"神经元-层-网络"3级结构,重点介绍卷积网络和循环网络的特点以及代表性模型;阐述了以反向传播(BP)为核心的深度网络训练算法,列举用于深度学习的常用数据集与开源框架,概括了网络计算平台和模型优化设计技术;讨论DNN在自动驾驶汽车的环境感知、自主决策和运动控制3大方向的应用现状及其优缺点,具体包括物体检测和语义分割、分层式和端到端决策、汽车纵横向运动控制等;针对用于自动驾驶汽车的DNN技术,指明了不同问题的适用方法以及关键问题的未来发展方向。 展开更多

关键词 智能汽车 自动驾驶 深度神经网络(dnn) 深度学习 环境感知 自主决策 运动控制

在线阅读 下载PDF 职称材料

基于深度神经网络的数据驱动潮流计算异常误差改进策略 被引量：12

4

作者 雷江龙 余娟 +3 位作者 向明旭 杨知方 杨燕 李文沅 《电力系统自动化》 EI CSCD 北大核心 2022年第1期76-84,共9页

在考虑不确定性的N-1安全校核、可靠性计算等需大规模重复潮流计算的场景中,基于深度神经网络(DNN)的数据驱动方法存在部分潮流变量误差异常的问题,影响潮流越限判别的准确率。对此,首先通过理论推导,分析DNN参数更新过程及数据标准化原... 在考虑不确定性的N-1安全校核、可靠性计算等需大规模重复潮流计算的场景中,基于深度神经网络(DNN)的数据驱动方法存在部分潮流变量误差异常的问题,影响潮流越限判别的准确率。对此,首先通过理论推导,分析DNN参数更新过程及数据标准化原理,发现该问题的重要成因之一为:DNN仅根据标准化误差迭代训练模型,未计及潮流变量的真实学习误差及工程实际的精度要求,无法及时针对误差异常的潮流变量调整DNN参数。然后,面向潮流计算提出基于动态学习权重的DNN自适应训练方法。该方法通过每轮迭代中验证集的真实学习误差、越限误判率及误差统计指标,确定各潮流变量的学习权重,有效降低数据驱动潮流计算的异常误差。最后,在IEEE标准算例和Polish 2383节点系统上仿真验证了所提方法的有效性。 展开更多

关键词 数据驱动 潮流计算 深度神经网络(dnn) 异常误差分析 学习权重

在线阅读 下载PDF 职称材料

Deep-SBFL:基于频谱的深度神经网络缺陷定位方法 被引量：4

5

作者 李铮 崔展齐 +3 位作者 陈翔 王荣存 刘建宾 郑丽伟 《软件学报》 EI CSCD 北大核心 2023年第5期2231-2250,共20页

深度神经网络已经在自动驾驶和智能医疗等领域取得了广泛的应用.与传统软件一样,深度神经网络也不可避免地包含缺陷,如果做出错误决定,可能会造成严重后果.因此,深度神经网络的质量保障受到了广泛关注.然而,深度神经网络与传统软件存在... 深度神经网络已经在自动驾驶和智能医疗等领域取得了广泛的应用.与传统软件一样,深度神经网络也不可避免地包含缺陷,如果做出错误决定,可能会造成严重后果.因此,深度神经网络的质量保障受到了广泛关注.然而,深度神经网络与传统软件存在较大差异,传统软件质量保障方法无法直接应用于深度神经网络,需要设计有针对性的质量保障方法.软件缺陷定位是保障软件质量的重要方法之一,基于频谱的缺陷定位方法在传统软件的缺陷定位中取得了很好的效果,但无法直接应用于深度神经网络.在传统软件缺陷定位方法的基础上提出了一种基于频谱的深度神经网络缺陷定位方法Deep-SBFL.该方法首先通过收集深度神经网络的神经元输出信息和预测结果作为频谱信息;然后将频谱信息进行处理作为贡献信息,以用于量化神经元对预测结果所做的贡献;最后提出了针对深度神经网络缺陷定位的怀疑度公式,基于贡献信息计算深度神经网络中神经元的怀疑度并进行排序,以找出最有可能存在缺陷的神经元.为验证该方法的有效性,以EInspect@n(结果排序列表前n个位置内成功定位的缺陷数)和EXAM(在找到缺陷元素之前必须检查元素的百分比)作为评测指标,在使用MNIST数据集训练的深度神经网络上进行了实验.结果表明,该方法可有效定位深度神经网络中不同类型的缺陷. 展开更多

关键词 软件质量保障 软件缺陷定位 深度神经网络(dnn) 频谱 怀疑度

在线阅读 下载PDF 职称材料

基于深度神经网络的航天器反交会逃逸方法 被引量：5

6

作者 陆鹏飞 王悦 +1 位作者 石恒 汤亮 《空间控制技术与应用》 CSCD 北大核心 2022年第5期56-66,共11页

针对空间近距离非合作交会,提出一种基于深度神经网络(DNN)的航天器智能反交会逃逸方法.首先建立了描述逃逸脉冲优化的双层数学规划(MP)问题模型;然后,选定神经网络的输入与输出,根据前述建立的模型,通过粒子群优化(PSO)算法计算不同相... 针对空间近距离非合作交会,提出一种基于深度神经网络(DNN)的航天器智能反交会逃逸方法.首先建立了描述逃逸脉冲优化的双层数学规划(MP)问题模型;然后,选定神经网络的输入与输出,根据前述建立的模型,通过粒子群优化(PSO)算法计算不同相对状态下的最优逃逸脉冲,构建样本集;最后,设计神经网络并进行训练,通过比较学习效果合理选择网络的超参数.仿真结果表明,充分训练后的深度神经网络可以高精度地快速生成逃逸脉冲,并具有较好的泛化性能,可满足轨道博弈中对逃逸机动计算快速性和实时性的要求,为反交会逃逸提供了一种智能化手段. 展开更多

关键词 非合作交会 逃逸脉冲 数学规划问题 深度神经网络(dnn) 智能化

在线阅读 下载PDF 职称材料

基于深度神经网络和多元损失的说话人识别 被引量：6

7

作者 关健 王敏 《电子测量技术》 2019年第5期39-43,共5页

生物特征识别技术相对于传统密码等方式具有更高的可靠性,而作为生物特征识别技术的重要研究方向之一的声纹识别方法,研究更精确的声纹识别方法具有更高的研究意义。随着深度学习的发展,深度学习应用在声纹识别技术上成为在声纹识别领... 生物特征识别技术相对于传统密码等方式具有更高的可靠性,而作为生物特征识别技术的重要研究方向之一的声纹识别方法,研究更精确的声纹识别方法具有更高的研究意义。随着深度学习的发展,深度学习应用在声纹识别技术上成为在声纹识别领域研究的重点。提出一种基于深度神经网络和beyond triplet loss相结合的说话人识别方法,模型通过梅尔频率倒谱系数(MFCC)提取MFCC声学特征,对MFCC声学特征提取说话人声纹特征,然后进行多元损失的模型训练。实验结果表明,DNN-BTL算法在说话人识别领域比高斯混合-隐马尔可夫模型(GMM-HMM)具有更好的识别效果。 展开更多

关键词 多元损失 深度学习 深度神经网络(dnn) 说话人识别 声纹识别

在线阅读 下载PDF 职称材料

融合压缩采样与深度神经网络的直接序列扩频参数估计 被引量：2

8

作者 刘锋 张爽 黄渝昂 《电讯技术》 北大核心 2022年第9期1248-1253,共6页

直接序列扩频(Direct Sequence Spread Spectrum,DSSS)信号的宽频带特性所带来的高采样率增加了参数估计的实现难度。针对现有技术所面临的问题与挑战,融合压缩采样与深度神经网络(Deep Neural Network,DNN),提出了用于估计DSSS信号参... 直接序列扩频(Direct Sequence Spread Spectrum,DSSS)信号的宽频带特性所带来的高采样率增加了参数估计的实现难度。针对现有技术所面临的问题与挑战,融合压缩采样与深度神经网络(Deep Neural Network,DNN),提出了用于估计DSSS信号参数的方法。一方面,压缩采样能够利用信号的冗余性,以较低的采样率获取信号中的有效参数信息;另一方面,DNN在提取数据特征方面具有高效准确的特点。通过对压缩采样与参数估计网络的整体训练,实现两者的有效配合,进而实现以较低采样率对DSSS信号参数的准确估计。仿真实验证明了该参数估计方法在低信噪比下的估计能力相对于传统方法具有一定的提升。 展开更多

关键词 直接序列扩频(DSSS) 参数估计 压缩采样 深度神经网络(dnn)

在线阅读 下载PDF 职称材料

一种细粒度可重构的深度神经网络加速芯片 被引量：1

9

作者 刘晏辰 刘洋 《半导体技术》 CAS 北大核心 2020年第1期25-30,51,共7页

提出了一种高能效的细粒度可重构的深度神经网络(DNN)加速芯片。该芯片是基于并行计算阵列设计的,它包含144个处理单元,多个处理单元可以实现卷积、矩阵乘、取最大值或取平均值等运算,可以用于加速DNN。每个处理单元之间是通过片上网络(... 提出了一种高能效的细粒度可重构的深度神经网络(DNN)加速芯片。该芯片是基于并行计算阵列设计的,它包含144个处理单元,多个处理单元可以实现卷积、矩阵乘、取最大值或取平均值等运算,可以用于加速DNN。每个处理单元之间是通过片上网络(NOC)连接的,每个处理单元的运算结果可以直接发送给相邻的处理单元,运算中间数据不需要缓存。相邻处理单元间的数据流可以自由配置成各种拓扑结构,从而适配运算的多样性。为了实现激活函数,提出了一种高效的映射非线性函数的硬件实现方法。该芯片采用了标准的130 nm CMOS工艺制造,芯片面积为5.77 mm^2。该设计在133 MHz的工作频率下实现了38.3 GOPS的峰值算力。该芯片在1.2 V的电源电压下功耗为109 mW,芯片能效为0.351 TOPS/W。 展开更多

关键词 细粒度 深度神经网络(dnn) 处理单元 片上网络(NOC) 乘加器 激活函数

在线阅读 下载PDF 职称材料

基于多段插值拟合的深度神经网络非线性层加速方法 被引量：1

10

作者 黄一凡 张欣 +3 位作者 支天 张蕊 张曦珊 周学海 《高技术通讯》 CAS 2023年第3期280-291,共12页

针对传统量化算法无法应用于非线性运算层的问题,本文提出了一种基于多段插值拟合的非线性层加速方法,利用插值表存储插值函数的参数,通过查表来计算得到非线性层的输出结果。使用本方法,可以在对非线性层进行有效加速的同时实现拟合误... 针对传统量化算法无法应用于非线性运算层的问题,本文提出了一种基于多段插值拟合的非线性层加速方法,利用插值表存储插值函数的参数,通过查表来计算得到非线性层的输出结果。使用本方法,可以在对非线性层进行有效加速的同时实现拟合误差可控。此外在硬件部署时,仅需要基础硬件指令支持,在边缘端和服务器都可以部署。实验结果表明,使用本文提出的多段插值方法拟合多种非线性层,可以取得平均1.44倍的加速效果。这种非线性层可以方便快捷地部署在图像分类、自然语言处理和机器翻译等多种任务模型上,并且每个模型对拟合精度有不同需求的情况下,均可以保证推理和训练精度损失小于0.5%。 展开更多

关键词 深度神经网络(dnn) 量化 非线性层加速 多段插值拟合

在线阅读 下载PDF 职称材料

基于深度神经网络的雷达距离超分辨方法

11

作者 覃承进 蒋俊正 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第6期1215-1223,共9页

现有的雷达超分辨算法难以有效地应用于现实场景,为此提出基于深度神经网络(DNN)的调频连续波(FMCW)雷达距离超分辨方法.所提方法通过DNN外推雷达信号的观测时间以提高频域分辨率,进而提高雷达的距离分辨率.为了降低后续DNN的处理复杂度... 现有的雷达超分辨算法难以有效地应用于现实场景,为此提出基于深度神经网络(DNN)的调频连续波(FMCW)雷达距离超分辨方法.所提方法通过DNN外推雷达信号的观测时间以提高频域分辨率,进而提高雷达的距离分辨率.为了降低后续DNN的处理复杂度,利用快速傅里叶变换结合离散时间傅里叶变换(FFT+DTFT)算法预处理雷达的中频信号.采用具有非线性拟合能力的DNN对输入信号进行特征提取,预测信号的发展趋势.将预测信号递归输入DNN以不断外推时域信号的长度,对时域外推后的信号进行快速傅里叶变换得到具有高分辨率的距离像.为了排除杂波干扰,对距离像进行恒虚警率(CFAR)检测以有效地提取目标的距离信息.仿真实验结果表明,所提方法可以超越雷达带宽的限制实现距离超分辨.与现有的超分辨方法相比,所提方法具有更小的误差且更适用于处理现实场景中的雷达信号. 展开更多

关键词 调频连续波(FMCW)雷达 深度神经网络(dnn) 距离超分辨 信号外推 快速傅里叶变换

在线阅读 下载PDF 职称材料

深度神经网络在无源定位中的应用研究

12

作者 刘宇 冯胜 王桂玲 《雷达科学与技术》 北大核心 2018年第4期423-428,共6页

针对无源定位中噪声统计特性不准确和对多源信息的综合利用,提出一种利用深度神经网络(DNN)的无源定位方法,该方法将训练集数据输入到深度神经网络中进行学习训练,利用随机失活这一正则化方法提高了模型的泛化能力,对模型的超参数选择... 针对无源定位中噪声统计特性不准确和对多源信息的综合利用,提出一种利用深度神经网络(DNN)的无源定位方法,该方法将训练集数据输入到深度神经网络中进行学习训练,利用随机失活这一正则化方法提高了模型的泛化能力,对模型的超参数选择进行二维搜索,最终得到深度神经网络模型的最优参数设置。将其和传统的无源定位方程解算方法以及单层神经网络模型进行对比,仿真结果表明提出的方法能有效降低噪声对无源定位的精度影响,增强了系统鲁棒性,同时也证明了深度神经网络对多源信息的综合利用能力。 展开更多

关键词 无源定位 多源信息 深度神经网络(dnn) 鲁棒性

在线阅读 下载PDF 职称材料

超材料吸波体的深度学习预测模型研究 被引量：1

13

作者 马靖男 王蒙军 +1 位作者 郑宏兴 李尔平 《电波科学学报》 北大核心 2025年第3期494-502,共9页

提出了一种基于深度神经网络(deep neural network,DNN)的预测方法,通过学习数据到数据的映射关系,构建了一个复杂的拟合函数反映结构参数与电磁响应中潜在的物理规律,经过训练后的神经网络可以用输入参数快速预测超材料吸波体(metamate... 提出了一种基于深度神经网络(deep neural network,DNN)的预测方法,通过学习数据到数据的映射关系,构建了一个复杂的拟合函数反映结构参数与电磁响应中潜在的物理规律,经过训练后的神经网络可以用输入参数快速预测超材料吸波体(metamaterial absorber,MMA)单元结构在工作频率的最大吸收率。深入讨论了DNN模型中关键参数的影响,以获得最小预测误差。该网络模型训练完成后,预测时间为毫秒量级,可以有效节省存储空间,平均相对误差仅3.66%。通过对4组参数的MMA单元结构进行对照实验,能够快速、准确地获取预测值,结果与全波仿真结果一致,验证了该预测方法的有效性和可行性。与基线模型预测方案进行对比发现,所提出的预测方案能够实现低误差预测,还具有低训练成本的特性。 展开更多

关键词 深度神经网络(dnn) 电磁干扰(EMI) 超材料吸波体(MMA) 机器学习(ML) 吸收率预测

在线阅读 下载PDF 职称材料

改进DDPG的端边DNN协同推理策略

14

作者 和涛 栗娟 《计算机工程与应用》 北大核心 2025年第2期304-315,共12页

当前基于端边的深度神经网络(deep neural network,DNN)协同推理策略仅关注于优化时延敏感型任务的推理时延,而未考虑能耗敏感型任务的推理能耗成本,以及DNN划分后在异构边缘服务器之间的高效卸载问题。基于此,提出一种改进深度确定性... 当前基于端边的深度神经网络(deep neural network,DNN)协同推理策略仅关注于优化时延敏感型任务的推理时延,而未考虑能耗敏感型任务的推理能耗成本,以及DNN划分后在异构边缘服务器之间的高效卸载问题。基于此,提出一种改进深度确定性策略梯度(deep deterministic policy gradients,DDPG)的端边DNN协同推理策略,综合考虑任务对时延与能耗的敏感度,进而对推理成本进行综合优化。该策略将DNN划分与计算卸载问题分离,对不同协同设备建立预测模型,去预测出协同推理DNN的最优划分点与推理综合成本;根据预测的推理综合成本建立奖励函数,使用DDPG算法制定每个DNN推理任务的卸载策略,进而进行协同推理。实验结果证明,相比其他DNN协同推理策略,该策略在复杂的DNN协同推理环境下决策更高效,推理时延平均减少了46%,推理能耗平均减少了44%,推理综合成本平均降低了46%。 展开更多

关键词 边缘智能 深度神经网络(dnn) 协同推理 深度确定性策略梯度 任务卸载 能耗优化

在线阅读 下载PDF 职称材料

基于改进深度卷积生成对抗网络的入侵检测方法 被引量：18

15

作者 杨锦溦 杨宇 +1 位作者 姚铖鹏 尹坤 《科学技术与工程》 北大核心 2022年第8期3209-3215,共7页

针对入侵检测系统因采用的网络攻击样本具有不平衡性而导致检测结果出现较大偏差的问题,提出一种将改进后的深度卷积生成对抗网络(deep convolution generation adversarial network,DCGAN)与深度神经网络(deep neural network,DNN)相... 针对入侵检测系统因采用的网络攻击样本具有不平衡性而导致检测结果出现较大偏差的问题,提出一种将改进后的深度卷积生成对抗网络(deep convolution generation adversarial network,DCGAN)与深度神经网络(deep neural network,DNN)相结合的入侵检测模型(DCGAN-DNN),深度卷积生成对抗网络能够通过学习已知攻击样本数据的内在特征分布生成新的攻击样本,并对深度卷积生成对抗网络中生成网络所用的线性整流(rectified linear unit,ReLU)激活函数作出改进,改善了均值偏移和神经元坏死的问题,提升了训练稳定性。使用CIC-IDS-2017数据集作为实验样本对模型进行评估,与传统的过采样方法相比DCGAN-DNN入侵检测模型对于未知攻击和少数攻击类型具有较高检测率。 展开更多

关键词 网络安全态势感知 入侵检测 深度卷积生成对抗网络(DCGAN) 深度神经网络(dnn)

在线阅读 下载PDF 职称材料

结合概率图模型与DNN的DDoS攻击检测方法 被引量：7

16

作者 王文涛 李树梅 +1 位作者 汤婕 吕伟龙 《计算机工程与应用》 CSCD 北大核心 2021年第13期108-115,共8页

从传统网络到物联网,分布式拒绝服务攻击一直是网络安全的隐患。为提高分布式拒绝服务攻击的检测率,提出基于概率图模型与深度神经网络的DDoS攻击检测方案。该检测方案由数据预处理阶段和攻击检测阶段组成,在数据预处理阶段,研究了正常... 从传统网络到物联网,分布式拒绝服务攻击一直是网络安全的隐患。为提高分布式拒绝服务攻击的检测率,提出基于概率图模型与深度神经网络的DDoS攻击检测方案。该检测方案由数据预处理阶段和攻击检测阶段组成,在数据预处理阶段,研究了正常数据包与攻击包的区别,分别从TCP、UDP以及IP数据包包头信息提取出较高维的统计特征,根据随机森林计算的特征重要性因子,保留了前22个特征用于流量检测。22个统计特征通过概率图模型的隐马尔科夫算法进行聚类,然后将聚类结果通过检测阶段的深度神经网络对网络数据进行进一步的检测。在CICDoS数据集上进行验证性实验,结果表明,该检测方法的准确率最高可达99.35%,最低检测误报率和漏警率分别可达0.51%和0.12%。 展开更多

关键词 分布式拒绝服务攻击(DDoS) 隐马尔科夫(HMM) 深度神经网络(dnn) 机器学习

在线阅读 下载PDF 职称材料

负载口独立阀控缸库普曼模型预测控制方法

17

作者 刘恒 陶建峰 +2 位作者 孙炜 孙浩 刘成良 《中南大学学报(自然科学版)》 北大核心 2025年第3期911-922,共12页

负载口独立控制阀控液压缸系统(IMVCS)控制自由度多,系统能效提升空间大,在工程机械等领域有很好的应用前景,然而,控制自由度增加以及阀口节流方案的固有非线性使得实现此类系统的高能效、高精度控制面临挑战。本文提出了一种基于深度... 负载口独立控制阀控液压缸系统(IMVCS)控制自由度多,系统能效提升空间大,在工程机械等领域有很好的应用前景,然而,控制自由度增加以及阀口节流方案的固有非线性使得实现此类系统的高能效、高精度控制面临挑战。本文提出了一种基于深度神经网络库普曼(Koopman)算子的液压系统模型预测控制方法。首先,通过数据训练得到被控对象的高精度线性预测模型,并将预测模型用于IMVCS的模型预测控制;其次,在控制器的损失函数引入能耗项,分别控制执行器两侧腔室的流量和压力来减少能耗;最后,使用NSGA-II算法来对控制器参数进行调优,实现高能效、高精度控制。研究结果表明:该方法能够保证控制精度,提高节能效率;相较于传统的PID控制,所提出的控制策略降低了至少29%的能量消耗,并且轨迹跟踪误差控制在0.7mm以内。 展开更多

关键词 负载口独立控制阀控液压缸系统(IMVCS) 模型预测控制(MPC) Koopman算子 深度神经网络(dnn)

在线阅读 下载PDF 职称材料

基于深度学习的无线电信号对抗样本检测研究

18

作者 徐东伟 郝海洋 +2 位作者 宣琦 杨浩 周晴 《高技术通讯》 CAS 2023年第2期135-145,共11页

针对无线电信号的攻击愈来愈频繁的情况,本文在数据流形理论基础上,使用深度神经网络(DNN)检测无线电信号对抗样本及其攻击方法。首先使用5种不同攻击方法对无线电信号进行攻击产生对抗样本,其次使用3种不同的神经网络检测对抗样本,最... 针对无线电信号的攻击愈来愈频繁的情况,本文在数据流形理论基础上,使用深度神经网络(DNN)检测无线电信号对抗样本及其攻击方法。首先使用5种不同攻击方法对无线电信号进行攻击产生对抗样本,其次使用3种不同的神经网络检测对抗样本,最后用残差神经网络(ResNet)检测对抗样本的攻击方法。在信噪比(SNR)为30 d B和20 dB的无线电信号数据上的实验结果表明,本文所使用的残差神经网络检测精度接近100%,在信噪比为10 dB的无线电信号数据上的检测精度仍然在90%以上。结果表明本文所用的残差神经网络能有效检测无线电信号的对抗样本及其攻击方法。 展开更多

关键词 对抗样本检测 数据流形 深度神经网络(dnn) 残差神经网络(ResNet)

在线阅读 下载PDF 职称材料

基于DNN和改进K-means的船舶辐射噪声开集识别方法 被引量：3

19

作者 倪俊帅 赵梅 胡长青 《声学技术》 CSCD 北大核心 2022年第3期382-387,共6页

为提高船舶噪声识别系统的性能,实现开集识别,提出了基于深度神经网络(Deep Neural Network,DNN)和改进K-means的船舶辐射噪声开集识别方法。首先,采用Welch功率谱估计方法提取船舶辐射噪声的特征;然后,设计并应用DNN模型进一步提取特... 为提高船舶噪声识别系统的性能,实现开集识别,提出了基于深度神经网络(Deep Neural Network,DNN)和改进K-means的船舶辐射噪声开集识别方法。首先,采用Welch功率谱估计方法提取船舶辐射噪声的特征;然后,设计并应用DNN模型进一步提取特征向量;最后,使用改进的K-means模型实现开集识别。在实测数据上进行了实验,结果表明,所提方法能实现船舶辐射噪声开集识别,对于实测数据的平均识别正确率为93.5%,较DNN+K-means++方法提高了6.2个百分点。对实测数据添加实验船发动机噪声或渔船噪声进行实验,结果表明,识别方法在其他船只噪声干扰下具有较好的鲁棒性。 展开更多

关键词 船舶辐射噪声 深度神经网络(dnn) 改进K-MEANS 开集识别

在线阅读 下载PDF 职称材料

基于DNN的作业姿势评估方法及应用 被引量：10

20

作者 熊若鑫 宋元斌 王宇轩 《中国安全科学学报》 CAS CSCD 北大核心 2018年第5期105-110,共6页

为有效预防工人肌肉骨骼疾病,提出基于深度神经网络（DNN）的作业姿势评估方法。利用人体关节点估计DNN模型,检测现场视频中工人的身体姿势;通过提取的骨骼关节点的空间位置,计算不同身体部位的姿势角度,并依据快速全身评估法（REBA）... 为有效预防工人肌肉骨骼疾病,提出基于深度神经网络（DNN）的作业姿势评估方法。利用人体关节点估计DNN模型,检测现场视频中工人的身体姿势;通过提取的骨骼关节点的空间位置,计算不同身体部位的姿势角度,并依据快速全身评估法（REBA）中的身体姿势角度与危害程度的关系,自动评估工人作业姿势的风险水平;以建筑工人典型施工作业姿势为例,验证该方法的有效性和实用性。结果表明：该方法能够克服身体遮挡、设备分辨率、光照条件等影响,准确检测关节点的位置;可自动连续评估工人的作业姿势,评估效率较高。 展开更多

关键词 职业健康 肌肉骨骼疾病 深度神经网络(dnn) 作业姿势 快速全身评估法(REBA)

在线阅读 下载PDF 职称材料