Abstract ：

基坑工程风险识别旨在明确基坑事故风险事件与风险因素的比重大小,为风险管控开展提供科学依据.直接对比重大小进行统计分析需要整理大量的事故资料,不仅工作效率低,且要保证事故资料的数量与完整性.学者们对此进行过多次统计分析,并发表于科技文献中.有效挖掘相关文献的关键信息,二次利用其成果,是科学可行的思路.为此本研究引入文献信息挖掘的概念,搜集基坑事故统计分析的相关文献并提取风险事件与风险因素的关键信息.然后利用D-S证据理论进行多元信息融合,挖掘事件与因素比重大小的综合判定结果.新方法避免了对大量事故开展重复的统计分析,提升了工作效率;并且间接扩大了基坑事故统计分析的数量,提高了资料的完整性;分析结果可以作为基坑工程风险管控的重要依据.

Keyword ：

D-S证据理论 风险识别 文献信息挖掘 基坑工程

Cite：

Copy from the list or Export to your reference management。

Abstract ：

因无需测量环境激励、对结构损伤敏感及较强噪声鲁棒性等优点,基于互相关函数的结构损伤识别方法受到了广泛关注.当应用于大型复杂结构时,结构单元众多且测量数据有限,导致识别结果精度和计算效率严重影响.针对这一问题,提出了基于数据融合的两阶段损伤识别方法.首先利用多类测量数据融合进行响应重构,基于结构损伤前后多类数据间的互相关函数变化量构建了损伤指标,结合D-S证据理论定位结构损伤;继而基于多类数据间的互相关函数构建目标函数,采用粒子群-梯度算法量化结构损伤.数值模拟与试验验证结果表明,在环境激励未知的情况下,本文所提出的基于数据融合的两阶段损伤识别方法可有效提高损伤识别结果精度和计算效率,且具有很好的噪声鲁棒性.

Keyword ：

损伤识别 互相关函数 响应重构 D-S证据理论 数据融合

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明公开了一种无第三方纵向联邦学习环境下的中毒攻击识别方法，属于联邦学习领域技术。针对现有的无第三方纵向联邦学习中毒攻击的检测方法，需要在每轮训练中选取不同参与方构建多个模型，将效果好的组合内未选取的参与方认定为投毒参与方，时间开销和训练开销过大的问题，公开了一种高效的识别中毒攻击的方法。该方法通过模型中的参数计算参与方的贡献值，当贡献值趋于稳定时，通过d‑s证据理论对参与方的贡献值进行综合评估产生评价值，动态调整阈值，将评价值小于阈值的参与方认定为投毒参与方。本方法在每轮训练不会建立多余模型，投毒参与方识别过程不会产生额外通信开销，时间开销小，识别效率高。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

针对预应力钢结构力学参数实时变化导致安全性能分析与预测精度不足,无法实现结构的智能化安全控制,本文提出了数字孪生驱动的预应力钢结构安全智能控制方法.通过考虑结构安全状态的时空演化,形成基于数字孪生的安全智能控制框架,并将安全控制分为性能分析与预测两个方面.在控制框架的驱动下,研究了孪生模型的搭建机制并通过三维激光扫描技术和加权平均法修正模型提高保真性.基于三维激光扫描技术修正模型中关键节点坐标,有效降低了由施工误差导致的模型仿真误差.通过加权平均法综合考虑拉索的各个节点索力,修正模型中的构件尺寸,有效降低了因材料缺陷导致的模型仿真误差.依托孪生模型,精准获取表征结构安全的力学参数,为结构的安全分析与预测提供了数据支撑.融合 D-S 证据理论分析结构的安全状况,找到结构体系中最关键的受力构件及力学参数变化程度最高的节点.在结构安全性能预测过程中,建立数字孪生与随机森林的融合机理,分析各类因素对结构安全性能的影响程度并调整关键影响因素,预测结构的安全性能,最终形成结构安全控制机制.通过给出结构安全维护措施,有效地保证了结构的安全性.以轮辐式索桁架为研究对象,进行了方法的应用,验证了数字孪生在结构安全控制方面的有效性.

Keyword ：

数字孪生 智能控制 机器学习 安全状态 预应力钢结构

Cite：

Copy from the list or Export to your reference management。

Abstract ：

高精度的定位对于自动驾驶至关重要.2D激光雷达作为一种高精度的传感器被广泛应用于各种室内定位系统.然而在室外环境下,大量动态目标的存在使得相邻点云的匹配变得尤为困难,且2D激光雷达的点云数据存在稀疏性的问题,导致2D激光雷达在室外环境下的定位精度极低甚至无法实现定位.为此,提出一种融合双目视觉和2D激光雷达的室外定位算法.首先,利用双目视觉作为里程计提供相对位姿,将一个局部时间窗口内多个时刻得到的2D激光雷达数据融合成一个局部子图;然后,采用DS证据理论融合局部子图中的时态信息,以消除动态目标带来的噪声;最后,利用基于ICA的图像匹配方法将局部子图与预先构建的全局先验地图进行匹配,消除里程计的累积误差,实现高精度定位.在KITTI数据集上的实验结果表明,仅利用低成本的双目相机和2D激光雷达便可实现较高精度的定位,所提出算法的定位精度相比于ORB-SLAM2里程计最高可提升37.9％.

Keyword ：

室外定位 2D激光雷达 双目视觉 栅格地图匹配 栅格地图 证据理论

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明公开了一种基于C‑V2X的多传感器信息融合车辆检测方法，获取激光雷达和摄像头采集的数据，对获取的图像数据和点云数据进行预处理，YOLOv4在深度图像和去噪图像两个训练集上分别进行训练，得到两个训练好的模型，通过判断深度图像目标边界框和去噪图像目标边界框交并比IOU的大小，选择不同的融合策略，通过改进的DS证据理论进行融合，得到车辆检测融合结果，最后通过车车通信补充现有多传感器融合检测，输出准确性实时性较高的车辆检测结果。在原本激光雷达和摄像头融合检测基础上通过车车通信来补充，采用YOLOv4算法去对比训练模型，并通过改进的DS证据理论进行多传感器融合以减少检测误差，提升车辆检测的准确率并解决视觉障碍。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明公开了基于堆叠自编码器的递阶故障分类方法。首先，根据工业过程的先验知识和变量之间的相关性，将整个过程划分为若干子块；其次，将每个子块中容易误分类的故障类型作为复合类处理，避免误分类；训练基于SAE的故障诊断模型，实现故障的初步分类。然后，提出一种改进的D‑S证据理论，对多个SAE分类结果进行融合，处理多个SAE分类结果之间的冲突，提高故障诊断的准确性。最后，利用SAE分类模型对决策融合无法分类的故障类型进行分类。本发明降低了模型的复杂度且提高了SAE分类模型的精度，对工业过程的故障诊断具有重要的意义。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

融合双目视觉和2D激光雷达的室外定位方法，属于基于先验地图的机器人或自动驾驶汽车精确定位领域。本发明(1)将双目视觉作为里程计提供帧间的相对位姿，将一个局部时间窗口内的2D激光雷达数据融合成一幅局部子图；(2)利用DS证据理论对局部子图中的时态信息进行融合以消除局部子图中的动态噪音；(3)利用基于反向组合算法的地图匹配方式，将局部子图与预先构建的先验地图进行匹配，从而得到先验地图与局部子图之间的相对位姿；(4)根据匹配结果对局部子图的位姿进行校正，将校正后的位姿用于更新轨迹以消除双目里程计所产生的累积误差。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明公开了基于规则意图表决器的D‑S证据理论多模态融合人机交互方法，机器人听觉系统采集音频信息，调整自身姿态并进行硬件降噪，视觉系统使用双层网络来对动态手势进行检测和识别，对手势动作进行分类；对语音和手势的识别网络添加全连接层，输出机器人对于交互对象的意图理解。让两种模式以并行协助的方式来实现人机交互的通信过程，能够接受更多信息，做出准确的意图理解，视觉和听觉更容易被人接受，并在交互机制上做出改进。将不同模态对当前信息输入的输出判断结果。这样的合成结果更为关注深层次的信息之间的联系，解决多模态之间的融合，也能适应不同模态之间的证据冲突问题，并且关注于标签中的单一结果，更适用于的人机交互工作。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

缺乏历史销售数据且影响变量模糊难以保证筹备期短生命周期体验品点需求预测方法的有效性。针对该问题,提出了一种结合粗糙集与证据理论的筹备期短生命周期体验品区间信度需求预测方法。该方法使用粗糙集获取样本各变量信度分配函数值;使用证据理论将各变量信度分配函数值进行合成,得到各样本的综合信度值;使用训练集样本综合信度值构建分类区间,判断测试集样本综合信度值归属区间,得到测试集分类信度区间结果。选取2016～2018年621部国产电影验证了方法的有效性;交叉验证结果显示方法具有良好的准确性。

Keyword ：

需求预测 电影票房 粗糙集 证据理论 短生命周期体验品

Cite：

Copy from the list or Export to your reference management。