检索结果

Select

基于对抗学习与深度估计的车辆检测系统

徐源, 翟春艳, 王国良

辽宁石油化工大学学报 2020, 40 (3): 83-90. DOI: 10.3969/j.issn.1672-6952.2020.03.015

摘要（470）

HTML

PDF （1943KB）（303）

随着目标检测技术的不断发展，用于道路场景的车辆检测系统在自动驾驶领域得到了广泛应用。与传统的目标检测器相比，车辆检测的目标比较单一，但同时需要解决两大问题，一是在复杂的道路场景中，提供给检测器的车辆特征通常是不完整的，会出现遮挡和形变等问题；二是在自动驾驶过程中，需要对不同车辆的距离做出估计才能保证智能车及时地做出规避动作，即对图像的目标区域进行深度估计。针对这两个问题，提出了基于对抗样本生成与深度图重建的车辆检测方法。为预训练目标检测网络Faster⁃RCNN设计一个对抗网络，用于在训练过程中产生大量的训练样本，并利用这些样本对车辆检测器进行训练；根据检测结果，通过重建3D场景与相机位姿恢复深度图，对车辆的距离做出估计，以通知系统及时做出规避动作。实验结果表明，在不增加数据训练样本的情况下，该检测系统可以较好地提升车辆检测效果及估计目标车辆的距离。

相关文章 | 多维度评价

Select

耦合矩阵故障条件下非线性复杂网络系统的稳定性分析

翟春艳, 孟祥雪, 王国良

辽宁石油化工大学学报 2020, 40 (1): 84-90. DOI: 10.3969/j.issn.1672-6952.2020.01.015

摘要（277）

HTML

PDF （687KB）（161）

研究了由非线性耦合节点组成的复杂网络系统的稳定性分析问题。针对系统中存在的网络耦合矩阵，基于系统子系统的切换点转化为离散点分析复杂网络系统稳定性的方法，并将N维的复杂网络系统转化为Kronecker积的形式进行计算，结合Lyapunov稳定性判定方法作为依据，得到满足复杂网络系统稳定性的充分条件。最后给出数值算例验证所设计方法的有效性。

相关文章 | 多维度评价

Select

基于迭代学习的BP神经网络权值训练算法

周小勇,翟春艳,李书臣,苏成利

辽宁石油化工大学学报 2013, 33 (4): 83-86.

摘要（445）

PDF （1396KB）（210）

针对传统BP算法存在收敛速度过慢、易陷入局部极小的问题,提出基于迭代学习的BP神经网络权
值修正算法。该算法将迭代学习的原理与神经网络相结合,同时采用本次训练误差和前一次的训练误差修正神经
网络权值,提高了网络训练速度。仿真结果验证了该算法的有效性。

相关文章 | 多维度评价

Select

汽轮机转子故障诊断算法应用研究

刘暋达,翟春艳,李书臣,苏成利

辽宁石油化工大学学报 2013, 33 (3): 67-69.

摘要（419）

PDF （1659KB）（218）

对汽轮机转子故障进行诊断是确保汽轮机安全运行的关键。振动信号的分析在汽轮机转子故障诊
断中广泛应用。应用小波包分析方法提取振动信号特征值,进一步作为BP神经网络的输入量,建立信号特征与其
故障类型的非线性映射关系,利用神经网络实现故障诊断。仿真结果表明,该方法可以有效地对汽轮机转子故障进
行诊断。

相关文章 | 多维度评价

Select

一种非线性模型参考迭代学习控制算法

王懿，翟春艳，李书臣

辽宁石油化工大学学报 2012, 32 (3): 80-84.

摘要（366）

PDF （312KB）（302）

针对存在周期或非周期不确定干扰的非线性系统，提出一种模型参考迭代学习控制算法（ＭＲＩＬＣ），其目标是在被控系统满足假设条件并采用相应学习律的条件下，使被控系统的状态变量跟踪参考模型的状态变量，且两种模型不需要具有相同的结构和参数。运用λ范数证明了算法的收敛性，仿真结果验证了算法的有效性。

相关文章 | 多维度评价

Select

大时滞积分过程的改进Smith预估控制器

李会举,翟春艳

辽宁石油化工大学学报 2009, 29 (3): 73-76.

摘要（318）

PDF （225KB）（295）

针对大时滞积分过程提出了一种改进Smith预估PI控制算法,该算法引入两个具有明显物理意义的
可调参数,一个参数用于调节闭环伺服系统的跟踪速度,另一个用于改变闭环系统对扰动的控制品质。同时,提出
了基于这两个参数的PI控制器参数整定方法,在模型失配情况下,对参数的稳定域进行估计,两个仿真实例验证了
算法的有效性。

相关文章 | 多维度评价

Select

基于二次型优化的迭代学习控制算法

邢宜春，李书臣，翟春艳，王丹凤

辽宁石油化工大学学报 2008, 28 (3): 53-55.

摘要（431）

PDF （182KB）（470）

针对线性时不变系统提出了一种基于优化控制理论设计的迭代学习控制算法，该算法基于二次型优化性能指标，利用梯度下降搜索法来拟合迭代学习控制律，仿真结果表明，该算法具有较快的收敛速度，且系统实际输出能够在较小的迭代次数下快速跟踪给定轨迹。

相关文章 | 多维度评价