课程文献中心 更多>>

关键词： 轨道几何水平   空间曲线   载体倾角   惯性坐标系   检测精度  

摘要： 轨道几何水平是限制两根钢轨同一断面空间高差自由度的关键检测项。原水平算法计算量大,难度高,且易受车辆运行姿态的影响。本文提出了一种新的轨道几何水平动态检测算法,该算法基于轨道几何水平的物理意义,取左右轨空间曲线通过高通滤波处理后的代数和,即为水平值。将本文算法应用于某地铁线路的实际检测,并与原水平算法进行对比。结果表明:本文算法和原算法物理意义一致,检测结果的重复性较高,其差值的第95百分数小于0.3 mm。本文算法计算过程简单,可以满足现场检测的精度要求,在城市铁路轨道几何状态无人检测中具有广泛的应用前景。

关键词： 人体姿态估计   轻量化   YOLOv8n-Pose   重参数化网络RepGFPN   共享卷积  

摘要： 针对实时人体姿态估计模型计算复杂度大、效率低的问题,文章以YOLOv8n-Pose模型为基准,提出了一种结合重参数化网络和共享卷积的轻量化人体姿态估计算法。首先,引入MLCA注意力机制,改进C2f模块中的Bottleneck结构,提升骨干网络对人体关键点的特征提取能力。其次,将原有的PANet特征融合网络替换为重参数化网络RepGFPN,实现更高效的多尺度特征融合。最后,设计了一种共享卷积的轻量化检测头,降低模型参数量,减少计算开销。在COCO数据集上的实验结果表明,改进后的模型计算复杂度(GFLOPS)降低了10%,m AP@50精度提升了2.8%,模型参数量减少了20%。这些改进为人体姿态估计任务的轻量化和高效部署提供了新思路。

关键词： 配电线路   故障诊断   深度学习  

摘要： 随着配电网络日益庞大复杂,传统故障诊断方法效率低下且准确率不高。提出一种基于深度学习算法的配电线路故障诊断方法。通过分析深度学习算法分类和配电线路常见故障类型,设计了包括数据采集与预处理、特征提取与选择、长短期记忆(Long Short-Term Memory,LSTM)网络诊断模型构建的完整诊断方法。最后,在实际配电线路上进行实验,对比所提方法与传统支持向量机(Support Vector Machine,SVM)方法。结果表明,基于LSTM的深度学习方法在诊断准确率、时效性等方面均优于SVM方法,为提高配电线路故障诊断的智能化水平提供了新思路。

关键词： 卡尔曼滤波   降雨比测   精度   数据同化   辽东地区  

摘要： 本文采用卡尔曼滤波算法同化辽宁东部的降雨雷达数据,并将降雨雷达的同化数据作为水文模型的输入。分析表明,对降雨雷达数据应用卡尔曼滤波算法同化后,地表降雨数据与实测数据之间的误差小于20%,单站降雨误差可以通过90%置信度的F检验。通过使用同化处理的降雨数据作为水文模型的输入,当地洪水模拟的精度可以达到乙级,此次研究的结果可为辽宁地区雷达雨量观测应用提供参考。

关键词： 乌鸦搜索算法   差分算子   风电储能系统   电力配网优化  

摘要： 风能在电力系统中的迅速扩展带来了发电波动性和平衡电网稳定性方面的挑战。传统的储能分配方法由于风能的随机性,难以达到最佳性能。为应对这一问题,提出了一种基于差分算子的乌鸦搜索算法,进行风电储能系统分配优化。该方法通过改进乌鸦搜索算法,增强了其在处理复杂优化问题中的全局搜索能力和收敛速度。实验结果表明,该优化方法在多个测试场景中均表现出优异的性能,其最大功率损耗仅为80 kW左右,显著提高了风电储能系统的效率和稳定性。与现有方法相比,本研究提出的方法在处理大规模风电储能系统分配问题时具有更高的精度和更快的计算速度。该研究的创新之处在于引入了改进的算法,为风电储能系统的优化分配提供了更为高效的解决方案,对提升电力系统的稳定性和可持续性具有重要指导意义。

关键词： 蝙蝠算法   无线传感器网络   节点实时定位  

摘要： 为提高无线传感器网络节点实时定位的精度和稳定性,本文采用CC2430单片机设计嵌入式硬件平台,结合最小二乘法和改进的蝙蝠算法设计定位系统方案。通过优化硬件电路设计、改进蝙蝠算法和设计多约束优化模型,达到适应节点定位需求并提高定位精度的目标。实验的结果表明,本文设计的定位系统平均定位误差为0.21,最大入侵率低于1%,性能显著优于对比方案。研究成果可为无线传感器网络节点实时定位提供新的技术方案,具有较好的理论和应用价值。

关键词： 双自适应   串行注意力   超像素   边缘细节   运动模糊  

摘要： 针对当前基于卷积神经网络的图像复原算法在处理物体运动场景时存在算法复杂度高、模型开销大、复原效果差等问题,提出了一种基于精简双自适应串行注意力机制的轻量化图像复原模型SCDNet。为降低模型复杂度,引入SimpleGate模块将特征图在通道维度上分成两部分并相乘以减少非线性激活函数带来的模型开销,采用精简双自适应串行注意力高效捕捉超像素级别的全局依赖关系,并自适应地传递到像素以提高算法对像素的表达能力,最后通过组合MS-SSIM和L1损失函数更好地保留图像的对比度、颜色和亮度等信息,提升了图像恢复质量。实验结果表明,SCDNet在GoPro数据集相对于Restormer算法PSNR提升0.30,SSIM提升0.12,而模型参数量仅为其22.4%。

关键词： 改进ReliefF算法   WebGIS   网络   蠕虫病毒  

摘要： 为满足WebGIS系统对网络蠕虫病毒检测的高要求,利用改进ReliefF算法,提出了WebGIS网络蠕虫病毒入侵检测方法。先从多维度数据源采集WebGIS网络原始数据,提取WebGIS网络流量特征;然后利用改进ReliefF算法,选择蠕虫病毒流量特征,区分正常流量与蠕虫病毒流量;最后,构建蠕虫病毒检测模型,部署到目标环境中,初步识别出潜在的蠕虫病毒入侵,结合频繁序列模式挖掘结果,实现对蠕虫病毒的准确检测。试验结果表明:应用该方法后,检测相对标准偏差(RSD)值最高不超过0.5%,在网络蠕虫病毒入侵检测过程中具有更高的检测准确性,且RSD值在不同数据集上的一致性较高,在稳定性方面表现最佳。

关键词： 人工智能算法   汽车电气系统   故障诊断   数据处理  

摘要： 随着现代汽车技术的快速发展,汽车电气系统的复杂性不断增加,传统的故障诊断方法已难以满足高效、精准的需求。人工智能算法具有强大的数据处理和学习能力,逐渐成为汽车电气系统故障智能诊断的重要工具。该文对人工智能算法进行概述,分析基于人工智能算法的汽车电气系统故障智能诊断存在的问题,提出相应的优化策略,并探讨基于人工智能算法的汽车电气系统故障智能诊断发展趋势,以提高汽车故障诊断水平。

关键词： 水下图像增强   多颜色空间学习   无监督学习   细节增强   特征提取   特征融合  

摘要： 由于水下特殊的成像环境,水下图像往往具有严重的色偏雾化等现象。因此文中根据水下光学成像模型设计了一种新的增强算法,即基于细节增强和多颜色空间学习的无监督水下图像增强算法(UUIE-DEMCSL)。该算法设计了一种基于多颜色空间的增强网络,将输入转换为多个颜色空间(HSV、RGB、LAB)进行特征提取,并将提取到的特征融合,使得网络能学习到更多的图像特征信息,从而对输入图像进行更为精确的增强。最后,UUIE-DEMCSL根据水下光学成像模型和联合监督学习框架进行设计,使其更适合水下图像增强任务的应用场景。在不同数据集上大量的实验结果表明,文中提出的UUIE-DEMCSL算法能生成视觉质量良好的水下增强图像,且各项指标具有显著的优势。