课程文献中心 更多>>

关键词： 拘束   断裂韧性   机器学习   随机森林算法   数据增强  

摘要： 选用核电用钢A508为研究对象，对K近邻回归(KNN)、核回归(KR)、线性回归(LR)和随机森林回归(RF)四种算法拘束相关断裂韧性的预测能力进行了考察，发现四种算法对拘束相关断裂韧性的预测效果为RF>LR>KNN>KR.进一步，基于RF算法，在数据中加入了平面应变状态下的数据进行数据增强，对单边缺口弯曲(SENB)试样的拘束相关断裂韧性进行了预测与验证.并基于验证过的模型，向单边裂纹拉伸(SENT)、紧凑拉伸(CT)和中心裂纹拉伸(CCT)试样进行了移植.结果表明：通过添加数据增强策略，试样在边界点处的断裂韧性预测能力得到有效提高，预测结果更加准确，基于RF算法并添加数据增强策略的模型具有较好的泛化能力.最后，在基于RF算法和数据增强的基础上，加入试样类别这一特征，构建了准确度较高的统一预测模型.

关键词： deep learning   detection speed   lightweight   phalaenopsis seedlings   small object detection   YOLOv8n  

摘要： This study aimed to improve the efficiency of visual detection for the seedling gripping points in the automated rapid propagation of Phalaenopsis orchids, particularly on edge devices with limited computational resources and storage capacities. A lightweight algorithm of object detection was introduced (named YOLOv8n-Aerolite), in order to balance the high detection accuracy and the low computational complexity. As such, the algorithm was suitable for real-time applications on devices with restricted hardware capabilities. The StarNet was then developed as the backbone network, due to its efficient extraction of various features. An SPPF_LSKA (Large-Separable-Kernel-Attention) layer was incorporated to further optimize the model. The computational demands of the model were significantly reduced to maintain high precision during detection. The large-separable-kernel was designed to enhance the performance of the model, in order to process the key visual features with minimal resource usage. There was a critical advancement for the edge devices. Additionally, a new C2f_Star module was implemented to combine with the StarBlock in the network's neck for better feature fusion. Some finer details were then detected, such as the small and intricate points of seedling gripping. The C2f_Star was also integrated to introduce multi-scale feature processing. The gripping points were distinguished in the dense environments, where the seedlings were closely spaced. The detection head was also redesigned to include a lightweight shared convolutional layer structure, referred to as Detect_LSCD (Lightweight Shared Convolutional Detection Head). There was a notable increase in the detection speed, in order to reduce the overall size of the model. Specifically, the optimizations were fully realized to perform efficiently under resource-limited environments. The improved YOLOv8n-Aerolite algorithm was then tested on the image dataset of Phalaenopsis seedling. Experimental results show

关键词： 麻雀搜索算法   电力系统稳定器   超前滞后控制器   仿真模型  

摘要： 为更好抑制多机电力系统的低频振荡，采用麻雀搜索算法对电力系统稳定器参数整定。首先以误差积分准则为目标函数，利用算法寻找最优参数，通过再MATLAB中搭建单机无穷大模型，将优化后的参数应用到模型中验证并测试其效果。仿真证明，相对于灰狼算法和鲸鱼算法有着更好的效果。

关键词： 人工智能   图像识别   算法对比   性能优化   卷积神经网络  

摘要： 在数字化浪潮中，图像识别技术与通信传输深度融合，展现出不可忽视的影响力。本文深入剖析图像识别对通信传输的重要意义，图像数据的智能化处理，能有效缓解通信带宽压力、提升传输效率。并提出图像识别性能优化策略，指出其对通信性能提升的积极作用，旨在为相关领域的发展提供理论支撑与实践指导。

关键词： 网络化控制系统   混合网络攻击   集员滤波   有界性分析  

摘要： 针对混合攻击环境下的离散时变网络化系统,研究了系统集员滤波算法的设计问题.首先,考虑到系统同时受到DoS攻击和欺骗攻击,将欺骗攻击建模为未知有界的信号,并采用两组服从Bernoulli分布的随机变量来描述网络攻击的发生概率;其次,设计集员滤波算法使得系统状态估计误差满足椭球约束条件,通过求解两个递推差分方程得出集员滤波增益矩阵及相应的椭球约束域,并分析了时变椭球域的有界性问题;最后,通过数值算例验证了所提出滤波算法的有效性和优越性.

关键词： 球头铣刀片   前后刀面   磨削轨迹   算法  

摘要： 球头铣刀片是U型曲面、球面加工的主要刀具，具有锋利耐磨、排屑顺畅等优势。球头铣刀片的主要特征为前、后刀面，其结构参数与切削性能有直接联系。为了满足球头铣刀片的定制化制造，解决刃线形式、磨削工艺参数多样化导致的精确磨削难题，提出一种球头铣刀片前后刀面精确磨削轨迹计算方法。定义可灵活扩展的球头铣刀片刃线和前后刀面结构参数，并建立浮动坐标系系统，构建浮动坐标系到工件坐标系的坐标转换矩阵；定义基于工件坐标系的砂轮磨削基准姿态，并利用抬角工艺参数实现对砂轮磨削姿态的精确调控，通过坐标变换矩阵推导基于工件坐标系的砂轮磨削位姿解析表达；通过在VC++环境开发相应的计算程序并进行仿真验证，验证算法的有效性与灵活扩展性。

关键词： 事件相机   动态视觉传感器   目标检测   目标跟踪   数据集  

摘要： 事件相机是一种受生物启发的新型视觉传感器，是计算神经科学与计算机视觉领域的交叉学科与研究热点。不同于传统相机，事件相机能够异步输出有关亮度变化的事件流，具有高时间分辨率、高动态范围、低延迟、低带宽和低功耗等优势，适合高速运动目标的动态实时感知，是计算机视觉检测与跟踪领域新的研究方向。首先，简要介绍了事件相机的类型、工作原理与优缺点；其次，着重分析了现有的基于事件相机的目标检测与跟踪算法；然后，介绍了视觉检测跟踪相关的事件数据集；最后，对该方向未来的发展趋势进行了展望。

关键词： 两级车辆路径问题   多周期   绿色   柔性时间窗   多目标优化   超启发蚁群优化算法  

摘要： 针对带柔性时间窗的绿色两级多周期车辆路径问题(G2E-MPVRPFTW),建立同时以最小化碳排放量和最大化客户满意度为目标的数学模型,提出一种结合K-means带时间窗聚类(KCTW)的超启发蚁群优化算法(HHACOA)进行求解.首先,根据G2E-MPVRPFTW大规模、多约束、强耦合的复杂特性,采用KCTW将该问题分解为多个子问题,以降低问题的求解复杂度;其次,使用HHACOA求解分解后的各子问题,并将这些子问题的解合并获得原问题G2E-MPVRPFTW的解. HHACOA在高层策略域生成9种邻域操作的不同排列,采用蚁群优化算法(ACOA)对优质排列信息进行学习,并基于重构的转移概率矩阵生成新的排列,以有效引导搜索到达优质解集中的区域; HHACOA在低层问题域利用启发式规则和随机方法生成初始种群,并将高层产生的每个排列作为一种算法,作用于种群中的每个个体,以实现在解空间更多不同区域进行搜索.

关键词： 视觉惯性里程计   超宽带   多源融合定位   室内定位  

摘要： 针对室内复杂环境中弱纹理、光线变化和动态干扰所导致的里程计长航时定位精度下降、易发散等问题，提出了一种以惯导系统（INS）为主线的顾及视觉地图点协方差的视觉惯性里程计（VIO）/超宽带（UWB）融合室内定位算法。首先，对三维地图点协方差进行数学建模，估计视觉里程计中地图点在观测帧中的不确定性并计算对应的协方差。然后，根据协方差剔除动态不稳定的视觉地图点，求取剩余地图点的置信度，并作为优化权重加入到因子图中。最后，采用INS信息建立高频位姿主线，以其为先验对相机和UWB定位结果进行预测与抗差，将所有传感器数据以因子图优化的方法进行融合。在EuRoc数据集和真实环境室内数据集上进行验证，实验结果表明：所提VIO算法较VINS-MONO平均定位精度提升约37%以上，加入UWB的融合定位算法精度较VINS-MONO平均提升49%，能够在复杂室内环境中实现较高精度且连续稳定的定位。