课程文献中心 更多>>

关键词： 多目标樽海鞘算法   双目标柔性作业车间调度   双层编码   升序排列规则   离散化调度   混沌映射   衰减因子   交叉算子   变异算子  

摘要： 针对柔性作业车间调度问题,文中提出一种结合衰减因子和交叉变异算子的改进型多目标樽海鞘优化算法。为便于算法求解,使用等长的双层编码方式,并引入基于升序排列规则的转换机制,实现个体位置向量与调度解之间的转换。采用混沌映射和基于规则的混合方法生成较优的初始种群。在个体位置更新中引入衰减因子和交叉变异算子增强算法的全局搜索能力。使用调度问题标准算例和实际算例测试算法求解性能,并与其他算法进行对比。结果表明,改进型多目标樽海鞘算法求解能力较原算法具有明显提升,验证了改进算法求解柔性作业车间调度问题的有效性。

关键词： 信号分选   密度聚类   自约束搜索   参数自适应  

摘要： 针对雷达信号分选过程依赖先验知识、参数适配调优困难等问题,提出一种基于自约束搜索密度聚类的参数自适应信号分选方法。该方法在点序识别聚类结构(ordering points to identify the clustering structure,OPTICS)算法生成可达距离序列的基础上,引入一种启发式的自约束搜索机制,该机制能够自动分析数据集的内在结构,根据其数据特性自适应划分簇。通过自动调整超参数,该算法能够有效处理不同参数分布的脉冲描述字(pulse description word,PDW)数据。仿真实验表明,在无先验知识依赖情况下,所提算法在雷达信号的分选准确率和抗干扰能力方面均优于传统方法,干扰脉冲比例不高于60%的复杂电磁环境中雷达信号分选准确率达到98%以上。

关键词： 二进制粒子群算法   FTU   线路故障   故障诊断  

摘要： 针对频繁发生的配网线路故障,提出了一种基于粒子群算法的配网线路故障诊断方法。根据网络拓扑结构形成开关函数,利用馈线终端设备对故障信号进行采集,通过对采集到的故障信号进行“编码-信号”的映射关系,构建以开关函数为基础的目标函数。采用二进制粒子群算法对目标函数进行求解,最终输出最优解对应的线路编码,通过对基于智能算法的配网故障定位进行研究,满足了传统辐射型配网和含分布式电源配网对故障快速定位的需求,从而提高了保护装置的可靠性,对于短路故障保护有着重要作用,具有良好的经济和社会价值。

关键词： 传感器   动作识别   机器学习   音乐生成  

摘要： 音乐启蒙教育对于儿童的性格塑造、听力与记忆力锻炼、审美能力提升具有重要作用。为此,设计一种易于儿童学习音乐的教学辅助方法。通过对智能手机自带传感器数据的处理,将不同角度的晃动方式区分为不同音符,再通过连续晃动达到演奏简谱的效果。选取加速度传感器,用于反映出手机在空间中晃动的方向变化。为提高动作识别的准确度与反馈的实时性,使用机器学习训练传感器数据分类模型并进行参数调优。实验结果表明,模型识别准确率可达95%以上。将移动应用接入分类模型后,通过不断设计迭代,尤其是引入人—机—曲三者协同机制后,晃动实验数据反馈及时且100%准确识别,从而使用户轻松晃动手机即可精确演奏出简谱中的音符序列。

关键词： 粒子群算法   炼铁高炉   设备维护   设备检修  

摘要： 随着现代炼铁工业的快速发展,高炉设备的维护检修问题日益突出。文章深入分析了炼铁高炉设备的主要故障类型,包括热力系统、炉衬系统、送风系统等关键部位的典型故障特征。基于此,构建了一套完整的维护检修指标评价体系,并提出了基于粒子群算法的故障预测模型和检修策略优化模型。通过对某钢铁企业4080m3高炉的实际应用验证,该方法实现了设备完好率提升至94.8%、年度维修成本降低21.6%的显著效果。研究成果可为大型炼铁高炉的科学维护和智能化检修提供新思路和实践指导。

关键词： 目标检测   联合优化   YOLOv8   复杂天气   图像去噪  

摘要： 针对自动驾驶车辆视觉感知系统在雾天、雨天等复杂天气下因环境噪声导致目标检测效果不佳的问题,提出基于自适应图像去噪与多重关注的联合优化目标检测算法(DMC-YOLO)。构建一个图像去噪网络,融合暗通道先验算法和ACE图像增强技术模块,提升复杂天气下的图像质量;进一步地,将该网络与YOLOv8主干网络相连,并在YOLOv8网络中运用SCDonw卷积代替标准卷积,集成点卷积与深度卷积,降低网络计算成本,同时获得更丰富的下采样信息;采用SEAM注意力模块,整合网络局部信息和全局信息;引入SA检测头,广泛关注上下文特征以保留更多细节信息;在损失函数中引入线性区间映射重构IoU,以提升网络对于不同复杂环境的适应性。实验结果表明,相较于基线模型,改进算法在参数量降低15%的情况下,平均精度提升2.9%,有效增强了自动驾驶车辆在复杂环境下对目标的识别能力,在EC-R3588SPC和Nvidia Jetson NX边缘设备上部署效果良好,可以满足复杂天气下的实时检测需求。

关键词： YOLOv5s   轻量化   森林火灾探测   深度可分离卷积   注意力   Wise-交并比(WIOU)  

摘要： 为解决当前基于深度学习的森林火灾探测算法存在结构复杂、规模庞大,且难以兼顾检测精度和效率的问题,提出一种基于YOLOv5s的轻量化森林火灾探测算法。首先,采用优化的背景差分技术消除背景图像中类火物体的干扰,减少分析图像所需的时间;其次,设计分组混洗策略优化常规卷积,并在特征提取的C3模块中融入高效通道注意力(ECA)机制和深度可分离卷积,增强图像特征提取与融合能力的同时有效降低模型的参数量;然后,采用动态非单调聚焦机制优化Wise-交并比(WIOU)损失函数,减少低质量样本产生的有害梯度;最后,在构建的森林火灾数据集上将所提算法与其他算法做充分的试验对比。结果表明:所提算法在各类场景均展现出良好的泛化性,对火焰目标的检测精度达到86.1%,较标准YOLOv5s检测精度提升2.7%,检测速度提升11.4%,有效降低了火灾误报率,增强了模型的检测性能。

关键词： 改进蚁群算法   信道模型   在线检测   异常   网络节点   无线通信网络  

摘要： 为精确识别节点异常数据,提高无线网络通信质量,文章提出基于改进蚁群算法的无线通信网络节点异常在线检测方法研究。该方法先构建通信网络信道模型,确定通信网络中数据传输节点的状态;然后根据用户数量、用户请求通信频率等,设定网络节点数据采集的间隔时间,完成无线通信网络节点数据在线采集;最后引进改进蚁群算法,进行无线通信网络节点数据特征的提取,采用对无线通信网络异常阶段定位的方式,实现对节点异常的在线检测。对比实验结果证明:设计的方法应用效果良好,可以实现对节点所有异常信息的精准识别,及时并准确地发现通信网络存在的异常,应用效果较好。

关键词： XGBoost算法   电力虚假数据   注入攻击   残差检测   耗电量  

摘要： 电力系统中的负载波动、电压失调等不确定性因素会影响电力虚假数据注入攻击残差检测的准确性,导致电力虚假数据注入攻击电力系统,产生电力系统误判或失控现象,为此设计基于XGBoost算法的电力虚假数据注入攻击残差检测方法。根据XGBoost算法原理完成对电力虚假数据的辨识;构造完整的虚假数据集合,通过分析虚假数据注入攻击行为的方式,确定残差检测系数的取值范围,实现基于XGBoost算法的电力虚假数据注入攻击残差检测。实验结果表明,所提方法可以较为准确地检测出虚假数据的实时注入量,从而将检测结果与真实注入量之间的数值差控制在低水平状态,以便实现对电力虚假数据注入攻击行为的有效控制。

关键词： 复杂网络   社团划分   共邻节点贡献度   层次聚类   模块度  

摘要： 在复杂网络中高质量的社团划分会更好地揭示网络的结构特性与功能。基于节点相似性的算法是一类具有代表性的社团划分算法,但现有的基于节点相似性算法没有充分考虑到共邻节点之间的联系导致准确率下降。针对上述问题,首先定义共邻节点贡献度概念,提出一种基于共邻节点贡献度的社团划分算法(Contribution of Common Neighbor Nodes Based Community Division Algorithm, CCNNA),将共邻节点之间的连边数参与到RA相似度指标的计算当中,提高了度量的准确性;然后运用改进的层次聚类与最优模块度值的思想实现网络的社团划分。在人工合成网络与真实网络上的实验结果表明,所提算法能够很好地挖掘社团结构,与模块度优化CNM(Clauset-Newman-Moore)算法以及最新的基于节点相似性算法相比,所提算法有更高的社团模块度和划分准确率。