课程文献中心 更多>>

关键词： 非线性状态估计   风机设备   故障预警模型   残差分析   风电场  

摘要： 该文提出一种基于非线性状态估计算法(NSET)的风机设备故障预警模型。该模型通过实时监测与分析风电机组的关键参数数据,利用NSET算法进行状态估计,并通过预测值与实际值之间的残差判断设备的健康状况。研究结果表明,该模型能够提前预警潜在故障,有效降低设备停机时长,提高风电场的运行效率和经济效益。此外,模型还具备自适应调整能力,能够随着系统状态的变化动态更新,从而提升故障预警的准确性和可靠性。

关键词： YOLOv8   瑕疵检测   StarNet   Sobel算子   NWD损失函数  

摘要： 为了解决织物生产过程中,瑕疵检测存在的准确率低、检测速度慢的问题,提出一种基于YOLOv8改进算法的织物瑕疵检测方法。首先,借鉴轻量化的StarNet重新设计了主干网络结构,降低模型参数量,提升检测速度;其次,设计了一种基于Sobel算子的边缘信息增强卷积,以获取瑕疵的边缘信息,提升瑕疵特征的提取能力;最后,在回归损失函数中引入对不同尺度的物体不敏感的NWD损失函数,提高对小目标瑕疵识别的检测能力。实验结果表明:改进后的YOLOv8算法平均检测精度较原模型提升1.5%,模型计算量较原模型下降10.59%,证明了算法改进的有效性。

关键词： 无人水面艇   全局路径规划   麻雀搜索算法   混合改进策略  

摘要： 针对解决无人水面艇(Unmanned Surface Vehicle,USV)路径规划的问题,提出一种改进的麻雀搜索算法。因原始麻雀搜索算法存在种群初始化方式简单,同时算法缺少变异机制,迭代后期种群多样性变差,易陷入局部最优等问题。提出混合改进策略,分别为佳点集初始化种群、螺旋搜索策略更新发现者、Tent混沌扰动策略更新跟随者,莱维飞行策略更新警戒者。实验结果表明,在测试函数中算法性能良好,收敛速度快、精度高,在仿真对比实验中规划出的路径质量高。研究成果对USV及其他领域路径规划问题具有借鉴意义。

关键词： 聚类分析   隐私保护   本地差分隐私   模糊C均值聚类   拉普拉斯机制  

摘要： 在大数据和物联网应用中,本地差分隐私(LDP)技术用于保护聚类分析中的用户隐私,但现有方法要么在LDP下交互式地进行聚类,需要消耗大量隐私预算,要么没有同时考虑到聚类数据中蕴含的表示数据质量的高斯噪音以及为满足LDP保护的拉普拉斯噪音,致使聚类精度低下。同时,对于衡量用户提交数据和簇心之间的距离选择较为武断,没有充分利用到用户提交的噪音数据中蕴含的噪音模式。为此,该文创新性地提出一种满足LDP的混合噪音感知的模糊C均值聚类算法(mnFCM),该算法的主要思想是同时建模用户上传数据中蕴含的表示用户质量的高斯噪音以及为保护用户数据注入的拉普拉斯噪音,进而设计出混合噪音感知的距离替代传统的欧式距离,来衡量样本数据与簇心间的相似性。特别地,在mnFCM中,该文首先设计了混合噪音感知的距离计算方法,在此基础上给出算法新的目标函数,并基于拉格朗日乘子法设计了求解方法,最后理论上分析了求解算法的收敛性。该文进一步理论分析了mnFCM的隐私、效用和复杂度,分析结果表明所提算法严格满足LDP、相对于对比算法更接近非隐私下的簇心以及和非隐私算法具有接近的复杂度。在两个真实数据集上的实验结果表明,mnFCM在满足LDP下,聚类精度提高了10%~15%。

关键词： 显著性特征重构   视觉图像   海上钻井作业   潜在安全风险   风险识别   特征提取  

摘要： 在海上钻井作业场景潜在安全风险分析过程中,基于几何和纹理特征识别视觉图像包含的潜在安全风险,在复杂场景下会受到背景噪声干扰,使得识别结果F1值较低。因此,提出了显著性特征重构下的海上钻井作业场景潜在安全风险视觉图像识别算法。通过现场监控平台采集海上钻井作业场景视觉图像,利用改进直方图均衡算法实现视觉图像增强处理。建立图像显著性矩阵获取图像感兴趣区域,将小面积区域去除后针对该区域提取显著性特征,依托于自适应特征重构金字塔结构完成显著性特征重构。以基于区域的卷积神经网络为核心构建识别模型,将显著性特征重构结果输入模型中进行学习,输出海上钻井作业场景潜在安全风险识别结果。实验结果表明:当前算法应用后得出的识别结果F1值保持在0.93以上,充分体现了该识别方式的优越性。

关键词： DHGF   计算机实验室   安全风险   评价  

摘要： 针对目前高校计算机实验室安全评价中存在的模糊性和不确定性特征,提出基于DHGF的综合集成算法模型。该方法集成多种方法的优点,进行优势互补。通过实例验证,该算法在实验室安全风险评估和隐患识别中表现出很强的适用性和可操作性。研究结果表明,DHGF算法可以为高校计算机实验室安全管理提供科学决策支持,具有实际应用价值。

关键词： 差分接收信号强度   定位技术   最小二乘法  

摘要： 随着室内定位技术需求的持续增长,5G室内定位的应用范围日益拓展,对定位精度的要求也随之提升。本文采用差分接收信号强度定位技术来定位信号源,并利用OPPO提供的室内工厂5G仿真数据集对定位算法进行验证。通过非线性最小二乘法进行定位计算,在多个场景下进行了测试,结果表明该算法具有较高的定位精度。

关键词： AI生成文本检测   文本向量   余弦相似性   支持向量机(SVM)   K-近邻(KNN)算法  

摘要： 针对目前人工智能(Artificial Intelligence,AI)生成文本的滥用导致的学术不端、侵犯版权、隐私保护和舆情监控等问题,提出了一种基于自然语言处理的AI生成文本的识别和检测算法。该算法首先采用Word2vec方法中的连续词袋模型将文本词转换成词向量,并将词向量累加获得文本向量。随后利用softmax函数获取文本向量的概率分布,通过统计可视化分析AI生成文本的基本规律,并采用余弦相似性来判断文本类型。其次采用支持向量机递归特征消除算法判断文本是否由AI生成,通过K-近邻算法对文本重生成次数进行判断,进一步细化了文本检测的粒度。通过仿真实验验证了算法的有效性,结果显示算法识别准确率达80%及以上。

关键词： 多目标优化   混合引导   偏好信息   支配排序  

摘要： 针对传统偏好多目标进化算法存在的算法性能受偏好点位置影响,不易于控制偏好解集大小以及收敛速度较慢等问题,提出了一种基于角度和距离混合引导策略的偏好多目标进化算法。首先,设计了一种基于偏好向量的距离支配(reference vector based distance dominance,rd-dominance)规则,解决了传统r支配(reference solution based dominance,r-dominance)受偏好点位置影响的问题。同时,设计了一种自适应的算法阈值更新机制,使得算法在进化前期可以充分搜索靠近Pareto前沿面的个体,保证了种群的多样性。然后,设计了一种基于偏好角度的偏好区域划分方法并将其与所提rd支配规则融合,提出了一种基于角度和距离混合引导策略。在进化中后期,利用所提偏好区域划分方法对偏好区域进行划分,仅对偏好区域内的个体进行rd支配排序,从而快速引导种群向着决策者感兴趣的区域进化,提高了算法的优化效率。在标准测试函数上的实验结果表明,与几种典型的偏好多目标进化算法相比,所提算法给出的优化结果具有更好的收敛性和稳定性,且不受偏好点位置的影响。同时,所提算法与传统基于r支配的算法相比具有更快的收敛速度。

关键词： 高铁快运   运输方案   箱流中转   时空网络   拉格朗日松弛  

摘要： 以提升运输方案与时变箱流需求间的耦合度为导向,基于既有载客动车组列车捎带运输模式,旨在对考虑箱流中转情形下的高铁快运方案进行优化。鉴于箱流运输方案对列车时空资源占用的双重依赖性,以列车及快运箱为研究对象,构建由4类节点与5类弧段构成的时空网络。在此基础上,以快运箱总运达时间最短为目标,考虑列车装载能力、箱流上车、中转及守恒等约束,构建运输方案时空网络优化模型。针对模型特性,设计拉格朗日松弛算法求解,将原问题分解为求解单个快运箱的最短运输路径子问题,并设计以消解违背列车能力约束冲突为核心的上界可行化算法。最后,以西安—兰州高速铁路为背景进行实例验证,研究结果表明,所提模型及算法可快速获得满意解,有效提升列车满载率。此外,与直达运输情形相比,考虑箱流中转可有效解决快运箱的滞留问题。