课程文献中心 更多>>

关键词： 换热系数   物理信息机器学习算法   多层感知机   反向传播神经网络   随机森林  

摘要： 核反应堆中极高参数条件下换热系数(Coefficient of Heat Transfer,HTC)的准确预测对反应堆的设计及运行至关重要,但因涉及不同流型的多重因素影响的复杂情形,物理机理仍不完全明晰。由于缺乏满足实际反应堆高温高压下的参数实验数据,而严重依赖实验数据的半经验关系式很难满足核反应堆高精度数值计算的要求。深度学习算法能够有效预测和解决复杂的非线性问题,但存在外推性能差以及过拟合等不足。本研究采用先验物理信息Jens-Lottes关系式、Thom关系式与机器学习算法中多层感知机(Multi-layer Perceptron,MLP)、反向传播神经网络(Backpropagation Neural Network,BPNN)和随机森林(Random Forest,RF)相结合的方式开发HTC预测模型,基于圆管通道HTC实验数据训练神经网络并进行验证,对6种不同的物理信息机器学习(Physical Information Machine Learning,PIML)算法模型的适用性以及预测精度进行评估。结果表明:(1)基于Jens-Lottes关系式与RF相结合的模型为最佳预测模型,对实验数据的预测平均相对误差为3.17%,且模型可扩展范围占总适用范围的63.6%,具有良好的外推适用性(;2)使用基于物理信息机器学习算法能够有效提高关系式的计算准确度,基于Jens-Lottes关系式与RF相结合的模型相比于经验关系式评价相对误差降低了24.5%。本研究结果为说明采用物理信息机器学习算法对核反应堆热工参数经验关系式的计算可提高精度并扩大适用范围提供了参考依据。

关键词： 采煤机   摇臂传动系统   故障诊断   深度学习   迁移学习  

摘要： 摇臂传动系统在采煤机中扮演着至关重要的角色,直接影响着煤炭生产的效率。针对跨工况迁移故障诊断难题,研究发现源域和目标域的故障数据特征分布相似。为此,提出了一种基于参数迁移的故障诊断模型。该模型采用全局均值池化的迁移卷积神经网络(TCNNG)模型,能够自动从源域工况数据中提取特征信息。通过参数迁移加微调的策略,将诊断知识参数从源域成功迁移到目标域,显著提高了模型在不同工况下的故障识别率和泛化性能。

关键词： 多类在线Boosting   小样本细粒度图像   目标识别   拼图排列解算   双随机矩阵  

摘要： 在图像识别领域,传统方法处理小样本细粒度图像时局限于单模态,忽略了图像内部联系,导致识别效果差。为此,文章提出了一种针对小样本细粒度图像的多类在线Boosting目标识别算法。该算法先对图像进行预处理和分割,用双随机矩阵打乱碎片后重建图像。在重建图上提取细粒度特征,通过深度学习模型将这些特征映射至高维空间形成有效特征表示。这些特征随后被输入多类在线Boosting算法,结合多个弱学习器并更新模型,挖掘特征关联性,构建跨模态语义关联,实现精确识别。实验结果显示,对200组细粒度图像识别时,本算法在不同测试数据集上识别效果稳定,TP识别数均在192以上,最高达194。与对照组相比,本算法在识别可靠性和有效性方面优势显著。

关键词： 人工神经网络   石蜡   熔点   算法   计算机模拟   预测  

摘要： 对于特种石蜡产品来说,有些石油蜡性能的微小差异就会显著影响产品的性能。为了缩短特种石蜡研发时间,提高产品开发效率,更好地指导特种石蜡的生产,提出了基于人工神经网络的石蜡熔点预测模型。以石蜡化学组成C_(18)~C_(37)、异构烷烃、环烷烃、烯烃的质量分数为输入,以总熔点为输出,建立了石蜡熔点神经网络模型。得到的熔点神经网络模型对石蜡熔点预测准确率为99.2646%,表明熔点神经网络模型能精确预测石蜡熔点。

关键词： 混沌优化   粒子群算法   莱维飞行   全局搜索   优化问题  

摘要： 为提升粒子群优化算法的性能,文章提出了一种融合改进莱维飞行策略的混沌粒子群算法chaoLPSO。首先,通过引入改进的混沌序列来初始化粒子群,从而增强了算法的全局搜索能力;同时,采用分段式自适应权重策略来调整粒子的速度和位置,以提高算法的收敛速度;此外,通过引入改进的莱维飞行策略,增加了搜索范围,有助于克服局部最优问题。在4个经典测试函数上的验证结果表明,chaoLPSO算法在搜索性能和收敛速度方面均优于传统粒子群算法。

关键词： 颜色空间   目标定位   二维视觉差异直方图   视觉差补偿  

摘要： 由于场景复杂、光线变化等因素的影响,图像中的目标物体可能被遮挡,导致视差的失真和误差,从而影响对图像目标的精准跟踪。为了有效解决上述问题,提出图像目标抗遮挡视觉差补偿算法。将图像转移到HSI颜色空间中,检测并消除图像中存在的噪声;将去噪后的图像输入YOLOv3网络中,检测并定位目标区域;根据人眼视觉特性建立二维视觉差异直方图,结合LDR算法对目标区域展开增强处理,通过灰度补偿方法对目标区域展开灰度补偿,避免过度增强现象的发生,实现目标抗遮挡视觉差补偿。实验结果表明,所提算法的图像去噪效果好、目标定位精度高、补偿效果好、补偿效率高。

关键词： 自动泊车   路径规划   反向搜索   混合A~*算法   障碍物距离代价  

摘要： 为了解决在自动驾驶过程中短距离自动泊车场景下,受环境复杂性影响导致传统的A^(*)算法和RS曲线加速搜索算法难以应用的问题,提出了一种加入反向搜索算法的改进混合A^(*)算法;利用地图栅格法和A^(*)算法计算启发值,通过检测车身轮廓线与简化后的障碍物线是否相交判断二者能否相撞,以节省搜索时间;通过控制RS曲线的扩展方向数量,保证路径的平滑性;经MATLAB仿真垂直入库和侧方泊车场景,对改进算法与传统算法进行了对比分析,验证了同等条件下改进的混合A^(*)算法在两种仿真场景的平均搜索时间上分别减少8.18%和20.53%,且能产生更短、更平滑的路径,从而验证了所提基于反向搜索算法的混合A^(*)算法的优越性。

关键词： 电力变压器   故障诊断   鲸鱼算法  

摘要： 随着电力系统的快速发展,变压器作为关键设备,其故障诊断的准确性和实时性备受关注。本文提出了一种基于鲸鱼算法和深度信念网络的电力变压器故障自动诊断系统。该系统通过优化诊断特征和融合领域知识,构建了高覆盖率的故障模式库,并采用并行计算架构实现了高效诊断。仿真实验表明,该系统在故障诊断准确率、实时性和泛化能力等方面均优于传统方法,为保障变压器可靠运行提供了新思路。

关键词： 情绪识别   脑电   深度学习   少数通道   可视化  

摘要： 基于脑电的情绪识别分类算法通常需要大量电极通道以获得良好的分类性能,然而这限制了其在实际应用中的灵活性。基于多尺度时间卷积及空间卷积,结合通道注意力和Transformer编码器模块,提出了一种混合模型(MTSACT),能够基于少数通道的脑电信号进行情绪分类。提出的算法在DREAMER公开数据集和使用自研设备采集的数据集上开展了受试内、混合被试2种条件下的实验,在两个情绪维度上均取得95%以上的平均分类准确度。最后探索了EEG各频带的贡献度以及对模型进行可解释化工作,这些结果表明,利用额叶和颞叶的6个脑电通道足以实现高分类准确度。

关键词： 物联网大数据   异常检测   数据清洗   隔离森林算法  

摘要： 随着物联网技术的迅速发展,不断生成和传输的大量异构高频数据面临数据质量和可靠性下降的问题,数据清洗是确保物联网大数据质量的重要步骤。针对传统的数据清洗在处理物联网大数据时面临的效率低下和效果不佳问题,本文提出了一种基于隔离森林算法的物联网大数据清洗算法,该算法能够快速识别数据中的异常点,并进行剔除和填补提高数据的整体质量。实验发现:该算法能够有效检测异常数据并完成填补,提高了物联网数据分析的准确性和可靠性。