课程文献中心 更多>>

关键词： 燃气流场   TVD   AUSM+   Roe   非结构网格  

摘要： 利用有限体积法对非结构网格下的瞬态Euler方程进行离散,自主开发了基于密度基算法的流场计算程序,并在非结构网格下使用满足TVD(Total Variation Diminishing)性质的二阶格式得到界面上的变量值。采用Roe-FDS和AUSM+(Advection Upstream Splitting Method+)迎风格式进行通量计算,并通过二维Sod管、前台阶激波反射算例验证了算法的可靠性。将算法推广至三维,并对冷态和热态空气自由喷流进行了计算,得到轴线马赫数分布曲线,对比得到不同格式的计算结果。结果表明,结合二阶格式的AUSM+算法在推广至三维非结构网格后耗散仍大于商业软件结果,但二阶Roe算法的结果耗散小于商业软件计算。

关键词： 钢轨表面伤损   深度学习   缺陷检测   YOLOv8n   注意力机制  

摘要： 在采集钢轨表面伤损数据建立数据集过程中,发现钢轨表面伤损存在大尺度伤损较多及尺度变化较大的情况,针对这种情况提出了一种面向多尺度钢轨表面伤损的改进YOLOv8n检测算法。首先,将网络中的C2f与Triplet Attention融合设计新的特征提取模块C2f-TA,扩大网络层特征图的感受野,增加对大尺度目标的检测精度。然后,结合网络层连接模块SDI与TFE,设计新的多尺度特征融合Neck结构,通过在不同的网络层将Concat模块替换为TFE模块和SDI模块,实现对四个不同尺度级别的特征图的融合,赋予特征图丰富的语义特征和细节特征;同时,使用SSFF模块和CPAM模块,构建新的小尺度目标检测分支,利用通道和局部注意力机制,增强小尺度目标的特征表达。结果表明,较基准算法Precision提升了1.8%,Recall提升了7.2%,mAP@50和mAP@50-95分别提升了3%和2.8%。In the process of collecting rail surface damage data and establishing dataset, it is found that there are many large-scale damages and large-scale change of rail surface damage. In response to this, an improved YOLOv8n detection algorithm tailored for multi-scale Rail surface damage was proposed. Firstly, a new feature extraction module, C2f-TA, was designed by integrating C2f with Triplet Attention in the network to expand the receptive field of the feature maps, thereby enhancing the detection accuracy for large-scale targets. Subsequently, a novel multi-scale feature fusion Neck structure was devised by combining the network layer connection modules SDI and TFE. This was achieved by replacing the Concat modules with TFE and SDI modules at different network layers, enabling the fusion of feature maps across four distinct scale levels, thereby enriching the semantic and detailed features of the feature maps. Additionally, a new small-scale target detection branch was constructed using the SSFF and CPAM modules, leveraging channel and local attention mechanisms to strengthen the feature representation of small-scale targets. The results demonstrate that compared to the baseline algorithm, the Precision is improved by 1.8%, the Recall by 7.2%, and the mAP@50 and mAP@50-95 are enhanced by 3% and 2.8%, respectively.

关键词： 光伏发电   PSO   MPPT   遮荫  

摘要： 对光伏模块特性进行了分析,并以此为基础提出了基于粒子群优化算法的MPPT控制方法,给出了算法实现的具体流程。在MATLAB上实现了光伏模块模型构建,并对提出的PSO算法进行了仿真验证,经测试,所提算法可以在局部遮荫的情况下有效追踪最大功率点。

关键词： 质子交换膜燃料电池   寿命预测   白鲸优化算法   极限学习机  

摘要： 针对质子交换膜燃料电池(proton-exchange membrane fuel cells, PEMFC)剩余使用寿命的预测问题,本文提出了一种基于白鲸优化算法(beluga whale optimization, BWO)优化极限学习机(extreme learning machine, ELM)的预测方法。该方法首先应用局部加权回归散点平滑法进行数据重构和平滑,以保留原始数据的主要趋势,同时有效去除噪声和尖峰。然后,通过相关性分析探讨电压与其他参数之间的关系。最后,利用BWO优化算法优化ELM模型的参数,以获取最优参数,从而实现PEMFC剩余使用寿命的精准预测。结果表明,该方法的决定系数接近于1,平均绝对百分比误差最小可达到2.7309e−10,显示了该方法在剩余使用寿命预测方面的优良准确性。For the prediction problem of the remaining useful life of proton-exchange membrane fuel cells (PEMFCs), this paper proposes a prediction method based on beluga whale optimization (BWO) optimized extreme learning machine (ELM). The method first applies a locally weighted regression scatter smoothing method for data reconstruction and smoothing to retain the main trends of the original data while effectively removing noise and spikes. Then, the relationship between voltage and other parameters is explored through correlation analysis. Finally, the parameters of the ELM model are optimized using the BWO optimization algorithm to obtain the optimal parameters for accurate prediction of the remaining useful life of the PEMFC. The results show that the coefficient of determination of the method is close to 1, and the mean average percentage error can be minimized to 2.7309e−10, which demonstrates the excellent accuracy of the method in remaining useful life prediction.

关键词： 输电线路   烟雾火灾检测   多尺度特征融合   位置信息   YOLOv5  

摘要： 针对输电线路山火中烟雾火灾目标存在尺度多变、背景复杂的特点,会导致检测精度低和误检的问题,文中在YOLOv5的基础上提出了一种融合多尺度特征与位置信息的输电线路山火检测算法。首先,为解决尺度多变的问题,针对SPPF(快速空间金字塔池化层)级联式结构在尺度融合时只关注局部特征信息的问题,提出了一种层级式与CSP(跨阶段局部网络)结构相结合的尺度融合模块SPPCSPC(跨阶段空间金字塔池化层),能有效提取并融合多层次、不同尺度的全局特征信息,提高算法对烟雾火灾目标的检测能力。其次,为解决误检问题,提出了新的颈部网络PCANet(路径位置聚合网络)既融合浅层和深层特征图,又分别从特征图的竖直和水平两个方向将目标的位置信息融入通道中,增强算法对烟雾火灾目标位置信息的关注度,降低复杂背景的干扰。在输电线路烟雾火灾数据集上进行实验,所提算法的mAP_(50)提高了1.6%,mAP_(50:95)提高了1.5%,Recall提高了2.4%,有效提高了烟雾火灾目标检测精度,减少了误检现象发生,能够更好地完成检测任务。

关键词： Cole-Cole模型   IP参数提取   CSAMT   视电阻率   算法设计  

摘要： 在层状介质CSAMT(Controlled Source Acoustic Magnetotelluric)的电测深中引入Cole-Cole模型描述地层激发极化效应,利用卡尼亚视电阻率幅值构造了从CSAMT中提取IP(Induced Polarization)参数的目标函数,给出了含激发极化效应的视电阻率计算方法,设计了基于最小二乘法的IP参数提取算法。为解决目标函数值剧烈波动和模型不同类型参数大小差异的影响,对一般意义上的目标函数进行了优化;详细给出了偏导数的计算过程,推导出了模型参数取值变化的方法,最后根据给定的模型进行了算法的实验测试,提取的参数中充电率在高频情况下一般小于给定参数,在低频情况下一般高于给定值,正负误差在3%之内,频率相关系数提取的结果一般都不小于给定模型的参数值,但最大的误差范围在3%之内,同时对其它参数提取误差情况也作了分析。设计的IP参数提取算法对于二维以上的介质和从其它电法测深资料中提取IP信息具有借鉴意义。

关键词： 智能变电站   采样   异常数据   DBSCAN算法  

摘要： 新一代智能变电站使用采集执行单元统一采样,后续设备都将依赖此装置数据,因此该装置采样环节产生的异常数据会影响变电站保护、测控等多个系统的正常运行。如何高效地识别这些异常数据是电力系统采样中至关重要的部分,也是智能变电站安全性和稳定性的基础。传统的异常数据检测方法主要设计用于处理低采样率场景下偶尔出现的异常采样点。随着智能变电站采样率的提高和电磁干扰问题的加剧,采样时连续多个采样点同时异常成为普遍现象。这使得原有识别算法准确率降低,而未被识别的异常数据可能会造成后续测控装置精度降低甚至保护装置误动。针对传统检测方法的不足,提出基于密度的噪声空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法的交流采样异常数据识别实时算法。该算法利用异常数据与正常数据的空间密度差异,有效区分出密度较低的异常采样点,从而实现智能变电站异常采样数据的识别。相比于传统方法,所提方法在采样异常数据识别上具有更准确的结果。

关键词： 目标检测   深度学习   农业   应用  

摘要： 目标检测具有高准确性和实时性,且向轻量化、高精度化快速发展,在各个领域展现出了良好的应用前景。本文介绍了目标检测算法的基本发展历史,简述了其在农业生产领域中的应用,如病虫害监测、农产品检测、畜禽行为监测等,最后分析了目标检测的不足和发展趋势。

关键词： 低密度奇偶校验码   分层自适应最小和译码算法   归一化因子   偏移因子  

摘要： 针对归一化最小和译码算法较置信传播译码算法误差较大的问题,提出自适应最小和译码算法。通过对当前迭代后验概率的硬判决值与前一次迭代后验概率的硬判决值进行计算,动态调整归一化因子与偏移因子,使得到的改进算法更接近于置信传播译码算法。在此基础上,应用分层式调度策略,提出分层自适应最小和译码算法,提升译码算法收敛速度。仿真实验结果表明,在误码率为10-6时,所提译码算法的误码性能与分层归一化最小和译码算法相比有0.25 dB的增益,与分层置信传播译码算法的译码性能十分接近,迭代次数仅有1次的增加,具有更好的收敛性能。

关键词： 中职院校   计算机专业   大数据技术   融合发展  

摘要： 中职计算机专业与大数据技术融合是适应产业发展趋势、提高职业教育质量的必然选择。本文主要针对二者融合的必要性加以分析,并总结了当前中职计算机专业与大数据技术融合存在的问题。在此基础上,提出完善课程体系设计、加强师资队伍建设、构建实训实践平台以及深化校企合作等促使二者融合的具体路径,希望可以进一步提高中职计算机专业教学质量,为社会培养更多高素质的技能型人才。