课程文献中心 更多>>

关键词： 短期风电功率   改进蛇优化算法   核极限学习机  

摘要： 为了对风电功率进行精确预测,基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)、改进蛇优化算法(improved snake optimization,ISO)和核极限学习机(kernel extreme learning machine,KELM),提出了一种混合短期风电功率预测模型.首先,利用CEEMD将非平稳的风电功率数据分解为若干相对平稳的分量,以降低原始数据的不稳定性;然后,引入改进蛇优化算法对KELM参数进行优化,并对各平稳分量和残差构建CEEMD-ISO-KELM预测模型;最后,将各分量和残差的预测结果进行重构,得到最终的风电功率预测结果.仿真结果表明,与现有预测模型相比,提出的预测模型能够很好地预测风电功率的变化趋势,在短期风电功率预测中取得了较好的精度.

关键词： 电加热炉   理想升温曲线   改进鲸鱼优化算法  

摘要： 针对传统燃料加热炉能耗过高、CO_(2)排放量过大这类问题,提出了以绿色电能为能源的加热炉来连续加热钢坯的设想,建立了电加热炉钢坯内部二维瞬态传热模型和以电加热炉能耗最小为目标的最优加热模型,采用一种基于非线性收敛因子和惯性权重的改进鲸鱼优化算法,得到了钢坯的理想升温曲线,并讨论了电加热炉的产量和装钢温度对理想升温曲线和断面温差的影响.结果表明:该数学模型可以准确求出钢坯的理想升温曲线,并且该曲线能够很好地适应电加热炉热送热装和实际产量的变化;在实际情况中,理想升温曲线的相对均方根误差为4.95%.该研究结果可用于指导电加热炉各段能源的分配,达到有效降低电能能耗的目的.

关键词： 深度感知   息肉分割   深度学习   深度图  

摘要： 息肉分割在结直肠癌预防和肠道疾病诊断中起着关键作用。然而,现有的息肉分割算法普遍忽视了息肉的3维凸起特性,限制了其分割性能的提升。深度图能够提供关于息肉凸起和形状的额外信息,从而更准确地捕捉息肉的空间结构。因此,本文提出了一种深度感知的息肉分割网络(depth aware network for polyp segmentation,DANet),通过结合深度信息,改善分割模型对于息肉边界和形状的识别能力。该网络包括一个空域分支、一个深度分支及一个特征融合模块。空域分支采用基于Transformer的编码器,获得多尺度的特征表示。深度分支用于提取息肉的深度级别特征,并通过注意力机制关注息肉的3维结构。特征融合模块将息肉和周围组织的深度差异引入多尺度特征中,增强各尺度特征对息肉位置和形态的识别能力。在5个息肉数据集和6个评价指标上将本文算法DANet与多个先进息肉分割算法进行了对比实验,实验结果显示,DANet在Kvasir-SEG数据集上的Dice系数和交并比分别达到了0.911和0.855,而在CVC-ClinicDB数据集上则分别达到了0.934和0.884,显著优于现有方法。

关键词： 混合编码   遗传算法   模糊控制   检验质量  

摘要： 检验质量作为空间引力波探测的重要检测基准,要求其被释放机构释放后的残余动量极低,但实际由于释放机构释放不对称及受外界扰动力的影响,检验质量会产生一定的加速度与位置偏移,导致其不易控制。针对上述问题,提出基于混合编码遗传算法的模糊PID控制策略,通过混合编码方式的遗传算法优化模糊PID的量化因子与比例因子,实现检验质量的最优释放控制。联合仿真结果显示:在3.5×10^(-3) N的脉冲扰动力作用下,调节时间缩短至0.06 s,超调量减小至4.2889%,表明了基于混合编码遗传算法的检验质量模糊PID控制器控制精度高、响应速度快、鲁棒性强,能够显著提高检验质量释放控制系统的动态性能。

关键词： 城市倾斜摄影   模型轻量化   网格简化   地物类型   QEM算法  

摘要： 近年来城市倾斜摄影模型已广泛应用于城市规划等领域,但因数据量巨大易造成模型应用困难,且现有简化方法面对具体应用需求尚不能针对不同地物灵活调整简化比例。该文提出顾及地物类型重要度的城市倾斜摄影模型网格简化算法,并以一个重点关注建筑物对象的城市场景为例,基于具有语义信息的城市倾斜摄影数据集,对该算法与Quadric Error Metrics(QEM)算法、结构感知网格简化算法(SAMD)、鲁棒的通用三维模型低多边形网格生成方法(RoloPM)开展对比实验。结果表明,当整体简化比例相同(70%和85%)时,该算法对重点地物的简化结果在视觉效果、几何相似性以及简化效率方面均优于对比算法,可以满足实际应用中灵活简化大场景城市倾斜摄影模型的需求。

关键词： 机器人   Lego Loam算法   点云   导航  

摘要： 为了解决移动机器人在三维环境中容易碰到障碍物以及Lego Loam算法在提取地面时的杂点问题。本文提出将最近邻插值法与体素滤波相结合的SLAM系统,在静态环境下进行仿真实验,在不丢失点云特征的情况下对地面杂点进行滤波。与原Lego Loam算法相比,地面点云的发布时间缩短了16.89%,经过omp并行处理后总点云提取及匹配时间降低2.9%。将所设计的算法应用于实际机器人平台进行验证,根据获得的点云图完成重定位,并同步映射二维栅格图进行导航。在动态环境下,本文将传统的二维定位算法与三维定位算法进行了对比,该平台下三维点云定位的可行性优于传统的二维定位算法。在完成定位和导航配置后,机器人最终可以有效地到达目标点。

关键词： 铁路选线   铁路线形优化   多目标动态规划   无人机数据   方案比选  

摘要： 铁路线路方案的规划与评价为多目标决策,影响工程经济、环境等多方面。为探讨铁路线路多目标优化方法,提出了基于工程造价、生态指标和碳排放的多目标线形优化方法。基于无人机采集的高精度地理信息数据,通过监督分类进行建(构)造物边界和生态特征的智能识别,建立包含周边复杂环境的耦合约束集。基于自适应动态规划(Approximate dynamic programming,ADP)算法,引入深度神经网络模型实现线形的智能精细化调整,运用帕累托(Pareto)最优原理处理不同目标之间的冲突关系,将帕累托最优解在三维空间中构建出来,给予决策者更多的决策空间。本方法在华东地区某高速铁路连接线项目中得到应用,结果表明:该方法较人工选线方案降低建设经济费用2.28%,生态优化和碳排放优化也分别达到2.67%和1.59%。该智能选线方法可以为设计人员提供不同优化目标的多种线路方案,实现铁路线路经济效益、环境影响的平衡。

关键词： 10 kV配电网   线路损耗   神经网络模型   模糊估计理论   损耗估计  

摘要： 针对传统方法对10 kV配电网线路损耗估计准确度不足、实时性差的问题,文中设计了一种基于智能算法的10 kV配电网线路损耗估计方法。在配电网线路损耗估计中引入神经网络模型,并采用LM算法对神经网络的权重和阈值进行连续优化,从而实现了系统对线损数据进行实时自适应估计的能力。通过模糊估计理论,对神经网络得出的损耗数据进行再次估计,提高了损耗数据的准确度。在Matlab/Simulink中,对配电网模型中每条线路的功率损耗进行估计,所提方法的准确度可达95%以上,相比传统的潮流估计算法具有更理想的性能。

关键词： 对称网络   小样本   人脸识别   对抗干扰   PGD攻击算法   支持向量机  

摘要： 由于目前的人脸识别算法在样本不足且有对抗干扰的人脸识别应用场景中存在局限性,提出一种基于对称网络的识别算法。首先基于小样本进行对称网络训练,以获得样本的特征向量,确保同类样本特征向量距离近,异类样本特征向量距离远;然后基于样本特征向量训练SVM分类器,以进行人脸检测;同时引入PGD攻击算法,通过对抗攻击获得对抗样本,基于对抗样本进行模型训练,提升模型的鲁棒性。在ORL数据集上进行实验,结果表明,该面向对抗干扰的小样本人脸识别算法准确率较高,优于传统单边CNN模型的效果,能够实现样本不足且有对抗干扰的人脸识别。

关键词： 公共体育教师   高校   教学能力   机器学习   评价模型  

摘要： 为进一步提升高校公共体育教师教学能力评价的科学性和准确性,构建了包含“教学态度、教学实施、教学学术、教学发展”4个维度的高校公共体育教师教学能力评价指标体系,并基于多层BP神经网络模型和最小二乘支持向量机(LSSVM)算法构建了高校公共体育教师教学能力评价模型,同时采用所构建模型对样本数据进行了测试和验证。结果表明,基于多层BP神经网络模型和LSSVM算法所构建的高校公共体育教师教学能力评价模型的学生评价准确率为90.70%和93.88%;同行评价准确率为90.17%和93.24%,均高于90.00%,适合对高校公共体育教师的教学能力进行评价。