课程文献中心 更多>>

关键词： blade asynchronous Vibration   blade tip timing (BTT)   engine order search (EOS)   parameters identification  

摘要： Blade tip timing (BIT) technology is currently the trend in condition monitoring and fault diagnosis of rotating blades in major equipments. Nonetheless, the BTT technique, with the eharacteristics of non-uniformity and under-sampling, presents challenges in identifying the blade Vibration parameters. To address the issue of asynchronous Vibration parameter identification in rotating blades, initially, the fast Fourier transform (FFT) algorithm was utilized to extract the non-integer engine order of the amplitude and frequency of blade asynchronous Vibration. Subsequently, an improved multiple signal Classification (MUSIC) algorithm was employed to propose an integer engine order search strategy for blade asynchronous Vibration frequency based on the engine order search-based multiple signal Classification (EOS-MUSIC) algorithm. Finally, an asynchronous Vibration parameter identification algorithm for rotating blades was proposed based on the EOS-MUSIC algorithm and the FFT algorithm. The MATLAB Software was utilized for simulating the signals of blade asynchronous Vibration, and the feasibility and reliability of the proposed algorithm were validated by comparing with the existing MUSIC algorithm. Experiments on impeller blade Vibration were conducted on a large-scale centrifugal compressor test rig. The absolute error of the frequency identification is 3. 36 Hz, and the relative error is only 0.53% compared with the results of the strain gauge method. Based on the preprocessing of FFT algorithm, the paper extracts the blade asynchronous Vibration parameters by engine order search, which overcomes the problems of long calculation period and severe identification errors of the existing MUSIC algorithm. The study provides a theoretical support for the asynchronous Vibration parameters identification of rotating blades. © 2025 Chinese Vibration Engineering Society. All rights reserved.

关键词： 同时定位与地图构建   动态场景   深度学习   映射  

摘要： 针对传统视觉同时定位与地图构建（SLAM）在动态场景下容易出现特征匹配错误，导致位姿定位与建图精度下降的问题，提出了一种改进OneFormer分割网络的动态物体实时跟踪SLAM算法。首先，在Oneformer主干网络内增加特征增强模块和多注意力模块，增强对潜在动态区域的识别与分割。其次，结合改进后网络获取到的RGB帧中语义信息，使用相机位姿和物体运动偏转角度估计物体运动状态。然后，将识别到的动态物体映射回网络分割掩膜图上形成分层结构，实现对动态物体的精准跟踪。最后，在公开数据集TUM中进行验证。结果表明，与DP-SLAM和DynaSLAM相比，所提算法绝对轨迹误差的均方根误差平均减少了17.70%、19.63%，展现了良好的跟踪精度。

关键词： 血压   软测量技术   深度学习算法   脉搏波信号  

摘要： 无创血压测量法需佩戴臂带，只能测量某一时刻的血压，且无法连续监测。为实现对人体血压的间接测量，本文提出一种血压软测量技术，通过采集人体连续脉搏波信号，利用深度学习算法建立脉搏波与血压之间的关系。结果表明：该方法能准确预测血压波形，且结果符合BHS标准中的A级；脉搏波信号通过运动腕带和指夹式血氧仪进行采集，可实现实时、便捷的血压测量。

关键词： 医院既有建筑   功能布局   移动距离   优化   遗传算法  

摘要： 随着医疗需求的增加、就医流程的调整和空间功能的变化，医院既有建筑功能布局与就诊患者行为关系切合度下降，增加了就诊患者的移动距离，导致其为完成诊疗活动花费更多时间，降低了其就医满意度。为优化医院既有建筑功能布局，以减小就诊患者的总移动距离及移动时间，建立以最小化就诊患者总移动距离为目标函数和以某些诊疗行为必须发生在特定面积大小的空间为约束条件的数学模型，将空间最短距离矩阵和行为关系矩阵作为输入条件，采用遗传算法求解模型得到优化空间布局方案，并运用ANYLOGIC仿真模拟对比空间布局优化前后所有就诊患者移动消耗的总时间。案例分析的结果表明，优化空间布局下的就诊患者总移动时长为6 404min,较原始功能布局减少了12%,验证了功能布局优化模型的有效性。

关键词： 语音增强   生成对抗网络   时频Conformer   指标判别器   对抗训练  

摘要： 生成对抗网络通过对抗训练的机制不断提升网络映射能力，使其具有强大的降噪能力，被广泛应用于语音增强领域。针对现有生成对抗网络语音增强方法存在利用语音特征序列中的时频相关性和全局相关性不充分，去噪性能欠佳的问题，本文提出一种并行级联时频Conformer生成对抗网络，用于单通道语音增强。首先，并行级联时间-频率Con-former分别对语音语谱图中时间和频率的顺序特征进行建模，提取时域和频域的局部及全局特征供生成器学习；然后，通过2个Decoder路径分别学习带噪语音的幅度掩码和干净语音的语谱图，融合2个路径的输出得到生成后的语音；最后，采用指标判别器评价生成器所生成语音的相关评价指标得分，通过对抗训练提高生成器生成语音的质量，并在公开数据集VoiceBank+Demand上进行了验证。

关键词： 推荐算法   智能电视   内容推荐系统  

摘要： 随着智能电视的普及，用户对个性化内容推荐的需求急剧增加，传统推荐系统已难以处理复杂的用户行为和海量数据，人工智能（Artificial Intelligence,AI）算法成为新兴解决方案。对此，探讨AI算法在智能电视内容推荐系统中的应用，涵盖协同过滤、深度学习、强化学习及自然语言处理技术，分析各类算法的核心技术及其在提高推荐精度和用户体验方面的作用。

关键词： 分段基线校正   分数阶微分   红外光谱   非对称最小二乘  

摘要： 衰减全反射-傅里叶变换红外光谱（ATR-FTIR）技术在分析复杂混合溶液（如谷氨酸发酵液和全血样本）时，常遇到基线漂移问题，这严重影响后续的定量分析。提出了一种基于分段分数阶的非对称最小二乘基线校正（PFdAsLS）算法。该方法通过分析信号的局部特征来划分波段，并为每个波段选择合适的分数阶微分阶次和正则化参数，以实现对真实基线的灵活约束。该分段处理策略能够有效应对信号中的局部变化，更准确地捕捉和校正局部基线漂移，从而提高基线校正的准确性和鲁棒性。在谷氨酸发酵液、全血样本和仿真数据上的验证结果表明，PFdAsLS在峰值提取和定量分析方面表现出色，显著优于传统的基线校正方法。PFdAsLS为提高复杂混合溶液的光谱信号质量提供了一种有效的解决方案，为后续的定量分析提供了坚实的基础。

关键词： 图像去雾   计算机视觉系统   数字图像视频   FPGA硬件  

摘要： 针对在雾霾、沙尘等不利的气候条件下，拍摄照片和视频会受到如对比度下降、色彩失真等严重影响。为了减少不利天气对视觉信息的干扰，该文将对暗通道先验算法进行改进，提出一种优化的加窗加权暗通道先验自适应阈值去雾算法，结合硬件FPGA(field programmable gate array)对图像视频进行去雾，并运用模块化设计的理念，对算法进行硬件级优化，利用FPGA的并行计算特性加速图像视频去雾。实验结果表明，该系统能够高效地还原清晰图片，硬件资源消耗及成本较低，视频帧率稳定在60帧/s，可满足实时性要求。

关键词： bipartite graph   cohesive subgraph mining   k-defective biclique  

摘要： Maximal biclique enumeration is a fundamental research problem in the bipartite graph analysis field. However, the traditional biclique model, which requires the subgraph to be a complete bipartite graph, is often overly constrained in practical applications, and thus some looser biclique models are needed to substitute. In this study, a new relaxation biclique model called k-defective biclique is proposed. This model allows a bipartite subgraph to differ from a complete bipartite subgraph biclique by up to k edges. Since enumerating maximal k-defective bicliques is NP-hard, designing efficient enumeration algorithms is a challenging task. To solve this problem, an algorithm based on symmetric set enumeration is proposed. The idea of this algorithm is to control the number of sub-branches through a constraint on the number of missing edges in the k-defective bicliques. To further improve the computational efficiency, a series of optimization techniques are also proposed, including ordering-based subgraph partitioning method, upper-bound based pruning method, linear time-based updating technique, and optimization method for branching. In addition, the time complexity of the proposed optimization algorithms is related to, where breaks through the traditional limitation. Finally, a large number of experimental results show that the efficiency of the proposed method is over a hundred times higher than that of the traditional branch-and-bound approach for most parameter settings. © 2025 Chinese Academy of Sciences. All rights reserved.

关键词： 轴承故障   深度神经网络   振动信号分析   机器学习   特征模态分解  

摘要： 为满足现代钢厂引风机轴承故障诊断的需求，本文提出结合了基于改进的增量主成分分析（IncrementalPrincipal Component Analysis,IPCA）和深度神经网络（Deep Neural Network,DNN）的复合振动信号处理算法模型。根据实际引风机轴承振动信号数据，利用Pycharm的Python实验平台对该模型进行多分类回归试验。试验结果表明，使用本文模型提高了诊断精度，降低了计算复杂度。此外，本文还分析了模型在不同工况下的适用性和局限性，并对未来的研究方向提出建议。