课程文献中心 更多>>

关键词： YOLOv8算法   无人机   目标检测   智能巡检  

摘要： 传统的目标检测算法在无人机应用中面临一些挑战,如高空拍摄环境下的目标过小导致特征不明显、模糊和视角变化等。为克服这些困难,提出了一种基于深度学习的小目标检测算法。该算法基于YOLOv8模型深度改造,以提高在高空环境下对小目标的检测准确性和稳定性。在真实的露天采矿场景中进行了大量的实验和测试,并与传统的目标检测方法进行了比较。实验结果表明,所提算法在30~100 m高空范围内能够有效地检测出矿区中的目标,如人员和车辆。通过应用所提算法和技术,结合无人机的灵活性和机动性,矿区的巡检工作效率得到极大提升,并为危险或难以到达的区域提供了重要的安全保障。

关键词： 人工蜂群算法   柔性作业车间调度问题   多群体侦察策略   禁忌搜索  

摘要： 针对人工蜂群算法解决柔性作业车间调度问题时存在的收敛速度慢、易陷入局部最优解等问题,提出了多群体禁忌蜂群算法(multi-swarm taboo artificial bee colony algorithm,MTABC),在初始化阶段提出多规则方法,引入反向学习规则,提高种群的多样性;雇佣蜂阶段提出两种不同的交叉算子,分别应用在工序编码和机器编码中,指导种群进化方向;跟随蜂阶段将禁忌列表添加到关键路径移动局部搜索策略中,更加符合实际调度问题的执行特点;侦察蜂阶段提出双侦察群体,以不同的方式进行初始化,避免陷入局部最优等问题;最后在Brandimarte数据集上与其它算法进行测试对比,证明了该算法的有效性。

关键词： 启发式动态规划(heuristic dynamic programming,HDP)   智能控制   知识迁移   非线性系统   神经网络   污水处理  

摘要： 针对污水处理系统中的溶解氧(dissolved oxygen,DO)质量浓度控制问题,提出一种迁移增量启发式动态规划(transferable incremental heuristic dynamic programming,TI-HDP)算法。针对污水处理过程的特性,该算法通过将控制变量的更新方式改进为增量形式,提升了算法的抗干扰能力,并弱化了与增量式比例-积分-微分(proportional-integral-derivative,PID)算法之间的结构差异。基于数据驱动的思想,通过利用PID算法所产生的历史数据,成功地将传统控制领域中的专家经验迁移到TI-HDP算法框架中,保证了TI-HDP算法前期控制策略的稳定性。仿真结果表明:与PID算法和传统的启发式动态规划算法相比,所提算法对DO质量浓度具有更高的控制精度。

关键词： TD3   MPC   轨迹规划   芯片分拣机  

摘要： 针对芯片分拣机运动平台在复杂轨迹规划中的高精度需求,文章提出了一种将双延迟深度确定策略梯度算法(twin delayed deep deterministic policy gradient,TD3)与模型预测控制(model predictive control,MPC)相结合的混合控制策略——TD3-MPC。仿真实验结果表明,TD3-MPC算法能够有效提高轨迹规划精度,并在复杂轨迹和动态环境中表现出更高的灵活性与稳定性。

关键词： K近邻算法   高粘结性能   抗压强度   超高性能混凝土   配合比  

摘要： 针对掺合料种类繁多,无法适应粘结界面的粗糙度,降低了抗压强度的预测精度问题,从不同硅灰掺量、钢纤维掺量、粉煤灰掺量角度,制备不同配合比条件的高粘结性能混凝土试件,将不同配合比掺量数据作为K近邻算法的输入,以适应粘结界面的粗糙度,计算新配比样本与参考配比样本配比特征的欧几里得距离,将距离最小的参考配比样本中混凝土抗压强度作为新配比样本中混凝土抗压强度预测值,提高抗压强度的预测精度。试验结果表明,硅灰掺量、钢纤维掺量、粉煤灰掺量分别是25%、4%、10%时,高粘结性能混凝土抗压强度较优。

关键词： 气象环境   动态航线   改进A^(*)算法   最短航时   跨海航行  

摘要： 为提升船舶在复杂风浪环境中航行的安全性和效率,研究设计了一种基于气象环境下改进A^(*)算法的船舶实时动态航线规划方法。从限制搜索方向、优化启发式函数和路径平滑处理方面对A^(*)算法进行改进,并依据风浪对船速的影响,设计最短航时航线,利用ERA5获取风浪信息进行仿真实验,结果表明改进后的优化航线,算法效率提升24.3%,有效避开台风区域,在航行时间、速度稳定性和安全性方面均优于其他航线,具有显著的优越性,对于提升海上交通安全具有十分重要的意义。

关键词： 改进人群搜索算法   电源模型   配置   优化   储能容量   光伏微电网  

摘要： 为提高光伏发电对能源的利用率,引进改进人群搜索算法,以光伏微电网为例,开展储能容量优化配置方法的研究。采集光伏电网在供电服务过程中的输出功率与光照强度等参数,根据光照条件下的环境温度,构建光伏阵列模型、发电机模型,以此为依据,生成光伏微电网电源模型;计算储能系统荷电状态,引进改进人群搜索算法,进行荷电最优状态的全域检索;在考虑光伏校正的前提下,进行微电网的平衡约束,实现电网储能容量配置的优化。对比实验结果表明,提出的配置方法,在提升光伏发电的利用率方面展现出了显著优势,其利用率稳定维持在80%~100%的高水平区间内。

关键词： 调度算法   数据中心   任务调度   强化学习   近端策略优化   优先级   两阶段  

摘要： 针对调度算法无法动态适应数据中心状态动态变化和用户需求多样化的问题,提出一种基于近端策略优化的数据中心两阶段任务调度算法。通过设计优先级函数为任务提供优先级,采用近端策略优化方法适应数据中心状态动态变化和用户需求的多样化。在任务选择阶段通过计算任务的优先级,优先调度高优先级任务;在物理服务器选择阶段,智能体根据实时的数据中心状态和用户需求,灵活地调整任务调度决策,实现资源的高效分配。实验结果表明,该算法性能优于现有的启发式算法以及常用强化学习算法。

关键词： 机器视觉   Halcon   缺陷检测   阈值分割   模板匹配  

摘要： 针对新能源汽车电池材料中传统焊接点质量检测方法存在效率低、漏检率高以及工作强度大等问题,基于最佳阈值分割设计了激光焊点缺陷检测算法。首先通过改进最大类间方差法将图像裁剪为多个小图像进行阈值分割,并基于最佳阈值对整体图像进行分割,解决了在物料背景明暗不定的情况下焊点难以精准提取的难题,提高了对焊点宽、高、面积的检测精度,并且有助于焊点位置偏移的检测;然后利用模板匹配法实现了对焊点形状和角度的检测;最后通过Halcon视觉软件进行了算法实现。结果表明:所提出的方法能够有效地解决焊点难以提取的问题,相较于局部方差法、自适应阈值法等其他方法具有较大的优势;在实际应用中,焊点检测通过率达到了98.55%,误判率为0,满足工业生产的需求。

关键词： 特征选择   流特征   稳定性   集成学习   极限学习机  

摘要： 特征选择是数据挖掘预处理阶段中的重要组成部分,旨在从原始数据集中选择出最相关的特征子集。传统的特征选择方法假设数据集是静态不变的。然而,在实际应用中,数据可能是动态生成并被处理的。为此,针对特征以流的方式逐个生成的在线流特征选择方法应运而生。目前,大多数研究者所提出的在线流特征选择方法主要关注可扩展性、高准确性和低时间开销,而忽视了算法的稳定性。稳定的特征选择结果才能有效增强用户对算法的可信度,使其具备实用价值。针对在线特征选择算法的稳定性问题,基于多层次集成学习策略,提出了一种新的流特征在线稳定选择算法框架(Multi-level Ensemble Learning Stream Feature Selection,MESFS)。具体来说,在数据集层面采用极限学习机(Extreme Learning Machine,ELM)对样本进行分组和映射来提高算法的准确性;在特征选择层面通过多次迭代和自适应调整阈值的策略对特征进行权重计算和选择,以减少特征选择结果的波动性和随机性。选取4种传统静态特征选择算法和5种先进的在线流特征选择算法,在UCI、ARFF以及NIPS等12个公开数据集上进行了大量实验对比,结果表明该方法可以在训练数据扰动下取得优秀的预测精度和稳定性平衡。