课程文献中心 更多>>

关键词： 架空导线   绝缘子   电气性能   导线绝缘   遗传算法   过载风险   适应度函数   遗传操作  

摘要： 为提高10kV架空导线绝缘子布置的电气性能、机械性能及经济性,提出一种基于遗传算法的最优布置方案设计方法。通过分析架空导线绝缘子的分布特性,构建以电压分布均匀性、受力均衡性和成本优化为目标的数学模型,并结合约束条件,设计适应度函数。遗传算法通过编码、选择、交叉和变异等遗传操作,快速送代搜索全局最优解。实验结果表明,与传统布置方案相比,优化后的绝缘子布置呈现光滑的“U”形,呈现更加均匀的电气与机械性能分布,降低了局部过载风险,并显著提高整体系统的运行可靠性和经济性。

关键词： 永磁辅助同步磁阻电机   转矩特性   粒子群优化   多目标优化  

摘要： 永磁辅助同步磁阻电机是一种结合了永磁同步电机及同步磁阻电机特点的新型电机。文章以550 W永磁辅助同步磁阻电机为例,对其转子上的多层磁障结构和永磁体长宽进行参数化设计,研究永磁体及磁障参数对PMA-SynRM平均转矩和转矩脉动的影响规律。采用基于粒子群算法的Maxwell、Workbench、optiSLang联合仿真方法,对该电机进行多目标全局优化,建立了高灵敏度参数与平均转矩,转矩脉动及齿槽转矩的二次回归模型,在帕累托前沿图的最优解集中按需选取了最终优化结果,通过对比优化前后电机的平均转矩、转矩脉动及齿槽转矩,验证了所提出的多目标优化设计方法的有效性。

关键词： 跌倒检测   YOLOv8   注意力机制   空间深度卷积   选择性大卷积核  

摘要： 跌倒对老年人危害极大,是我国65岁以上老年人致残和伤害死亡的首要原因.然而,目前主流的跌倒检测技术受环境的干扰较大,在物体遮挡、光照变化等复杂场景下的检测准确率较低,且模型的参数量和计算量较高,导致成本居高不下,不能很好地部署应用于实际生活场景.针对上述问题,提出了一种在复杂环境下轻量级的基于YOLOv8模型改进的跌倒检测算法:CASL-YOLO.首先,该模型引入空间深度卷积(SPD-Conv)模块替代传统卷积模块,通过对每个特征映射进行卷积操作,保留通道维度中的全部信息,从而提高模型在低分辨率图像和小物体检测方面的性能;其次,引入基于位置信息的注意力机制,以捕获跨通道、方向和位置感知的信息,从而更准确地定位和识别人体目标;最后,在特征提取模块中引入选择性大卷积核(LSKNet)动态调整感受野,以有效处理跌倒检测场景中的复杂环境信息,提高网络的感知能力和检测精度.实验结果表明,在公开的Human Fall数据集上,CASL-YOLO的mAP@0.5达到96.8%,优于基线YOLOv8n,同时模型仅有3.4×MiB的参数量和11.7×10^(9)的计算量.相比其他检测算法,CASL-YOLO在参数量和计算量小幅增加的情况下,实现了更高的精度和性能,同时满足实际场景的部署要求.

关键词： 人工智能游戏   扫雷游戏   马尔可夫决策过程   二元决策图   约束满足   启发式  

摘要： 扫雷游戏是一款规则简单但复杂度是NP⁃complete的单人小游戏,研究扫雷游戏算法不但是针对算法本身的研究,更是对计算复杂度理论的研究。本文通过马尔可夫决策过程对游戏进行建模,并在规则算法的基础上实现了基于约束满足的二元决策图算法,当无法确定可操作位置时,提出了全局约束满足回溯算法,重新计算含雷概率并打开概率最小的方格。当同时计算出多个概率最小的方格时,提出启发式累加值算法对多个概率最小的方格进行预判,得出最优的可操作方格。在游戏的简单、中等和困难模式下达到了目前最佳水平,分别为91.697%、78.741%和40.459%。扫雷游戏算法的发展为计算复杂度理论的研究提供了新的思路和方法。

关键词： 算法歧视   公众参与   技术民主化   安德鲁·芬伯格   协商民主  

摘要： 算法歧视及其危害引起了国内外各界的高度重视,公众参与算法歧视治理由此兴起。公众参与算法歧视治理在一定程度上实践了芬伯格“设计批判”民主化思想,尤其自下而上方式的公众参与算法歧视治理,不仅是技术治理的直接民主模式,而且提供了具体考察和推进技术民主化实践的良好契机。公众参与算法歧视治理直面算法开发和算法审计的上游,故天然具有民主性质。尽管算法歧视治理的民主化较初步,但将来有望揭开人类技术民主政治新的一页。要警惕算法滥用对民主政治等的重大危害,务必将算法歧视治理纳入民主范畴;应促进自上而下方式和自下而上方式的结合,加强算法开发者和公众之间的沟通与信任,借此构建一种基于协商民主的公众参与算法歧视治理,推动算法歧视治理民主化向纵深发展。

关键词： 机械臂   粒子群算法   时间最优   轨迹规划  

摘要： 针对传统机械臂在轨迹规划上工作效率低、运动过程中平稳性不佳和规划算法不够智能化等问题,提出了一种基于改进型粒子群算法对机械臂进行时间最优轨迹规划的策略。该方法通过引入自适应调整惯性权重和非线性动态学习因子的方法来对粒子群算法进行改进优化,采用3-5-3多项式函数构成机械臂在工作空间中的插值曲线轨迹,以时间最优为目标,将机械臂关节速度作为约束,并在寻找最优时间的迭代过程中考虑了适应度值因素,从而完成对机械臂运动轨迹的时间最优规划。通过仿真软件MATLAB进行实验,结果表明,所提改进粒子群算法优化后的轨迹相比于传统粒子群算法具有更快的收敛速度,其总运动时间减少52%,在保证机械臂平稳运动的同时,明显缩短了机械臂的运行时间。

关键词： 增材制造   隐式建模   柱面切片   直接切片  

摘要： 针对大尺寸复杂旋转部件,如螺旋桨叶片和发动机叶轮,平面切片存在阶梯效应明显,需要额外支撑结构的问题。传统基于三角网格的柱面切片依赖三角形逐个求交,算法效率低,且无法处理大尺寸网格模型。基于隐式模型,提出一种高效柱面切片算法。借鉴平面Marching Squares算法在二维标量场提取等值线轮廓的思想,在三维隐式模型中实现直接切片。通过插值得到无序有向线段,并根据重复点和哈希表高效构建出点与线段间的拓扑关系,生成有序柱面切片轮廓。为验证算法的高效性和有效性,测试了算法在不同网格尺寸下的计算时间及生成的切片轮廓误差。实验结果表明,在同等精度下与三角面片求交算法对比,所提算法切片效率高,内存消耗少,且弦高误差远小于设备加工精度需求,满足增材制造要求。

关键词： 蔬菜   倍硫磷   粒子群算法   堆叠模型   机器学习   食品安全  

摘要： 目的 建立基于粒子群(particle swarm optimization,PSO)算法优化堆叠模型(stacked generalization,Stacking)的蔬菜安全风险预测模型,对上海市市售蔬菜中倍硫磷的抽检结果进行预测。方法 基于2021—2023年上海市市售蔬菜中倍硫磷的抽检数据,选取任务类型、抽样地区、抽样环节、抽样场所、抽样月份、检测机构、蔬菜品种作为特征变量,以蔬菜中倍硫磷的抽检结果是否合格为目标变量;采用十折交叉验证筛选优良机器学习模型、重采样方法,经PSO算法优化模型参数后构建PSO-Stacking预测模型。结果 3889件蔬菜中检出倍硫磷阳性样品55件,不合格率为1.4%。其中,豆类蔬菜不合格率最高(2.3%),其次为茄果类(0.2%)。筛选得到基模型,包括随机森林(random forest,RF)、类别特征梯度提升树(categorical boosting,CatBoost)、梯度提升(gradient boosting,GB)、极端梯度提升(extreme gradient boosting,XGBoost)和轻量级梯度提升机(light gradient boosting machine,LGBM),最佳重采样方法为自适应合成抽样(adaptive synthetic sampling,ADASYN)技术。PSO-Stacking模型在测试集上的精确率(0.91)、召回率(0.83)、F1值(0.87)和曲线下面积(area under the curve,AUC)值(0.91)均为最高。结论 PSO-Stacking模型在不均衡食品安全抽检数据中表现优异,能准确预测蔬菜中倍硫磷不合格样本,为蔬菜监督抽检及风险预警提供技术支撑。

关键词： 集成学习   单一模型   降水量   空间制图  

摘要： 针对传统空间插值模型对样本数据的依赖性及其预测偏差的缺陷,提出一种新的降水量空间分布数字制图方法——集成学习(Ensemble Learning, EL)算法。基于降水量分布随多元地理环境因素(地理位置、地表覆盖、地形特征)变化的假设,以中国地区2019年的618个气象站点年降水量观测资料为样本数据,建立基于EL降水量空间制图模型,该EL模型以广义线性回归(Generalized Linear Regression, GLM)模型为元学习机来整合样条函数(Anusplin)、地理加权(Geographically Weighted Regression, GWR)和高斯过程(Gaussian Process Regression,GPR)模型产生的初级预测,最后制取全国1 km空间分辨率的降水量栅格面。结果显示,EL模型取得较可靠的预测结果,模型验证精度决定系数(Determination Coefficient, R2)达0.96,均方根误差(Root Mean Square Error,RMSE)仅为55.17 mm;EL模型性能优于其他模型,比传统的GPR、GWR和Anusplin模型的RMSE分别降低了10.95%、16.54%、18.02%。本文提出的EL模型在大尺度范围的站点式气候要素空间制图领域中显示出良好的应用潜力。

关键词： 模糊C均值   隶属度   样本贡献度   目标检测  

摘要： 文章的研究对象是模糊C均值(FCM)聚类算法,旨在提升FCM在处理复杂数据时的有效性。传统FCM假设一个样本对每个聚类的隶属度之和为1,称为样本贡献度。然而,在处理噪声点和孤立点时,聚类的有效性可能会下降。为此,文章提出了一种新型模糊聚类方法,通过放宽隶属度之和为1的条件,引入新的隶属度划分方式,即隶属度之和为样本总数n的创新定义。该方法根据样本与聚类中心的距离动态调整隶属度,并将隶属度划分为三个层次,以提升聚类的有效性。通过数学推导和实验验证,改进后的算法在处理复杂数据集时,准确率提高了6.41%,召回率提升了5.81%,显著提升了算法的性能。