课程文献中心 更多>>

关键词： 粮食产量   反向传播神经网络   鲸鱼优化算法   非线性惯性权重   随机扰动策略  

摘要： 为了给农业及其相关部门制定粮食策略提供理论依据,提出一种基于改进鲸鱼优化算法(improved whale optimization algorithm,IWOA)的反向传播(back propagation,BP)神经网络混合算法(IWOA-BP)。该混合算法先通过引入改进收敛因子、非线性惯性权重和最优邻域扰动策略改进鲸鱼优化算法,再将其最优解赋值给BP神经网络的权值和阈值,最终提高IWOA-BP的收敛速度和收敛精度。选取全国近45年粮食总产量和7种影响因素(有效灌溉面积、化肥施用量、农村用电量、农业机械总动力、粮食作物播种面积、受灾面积和农村人均消费支出)作为数据集,构建基于改进鲸鱼算法的反向传播神经网络粮食产量预测模型。多次实验表明,IWOA-BP模型在测试集上的表现均优于其他预测模型,包括长短期记忆网络(long short-term memory network,LSTM)预测模型、极限学习机(extreme learning machine,ELM)预测模型、基于鲸鱼优化算法的BP神经网络(WOA-BP)预测模型以及基于粒子群算法的BP神经网络(PSO-BP)预测模型。IWOA-BP模型和ELM模型相比,前者的均方根误差(root mean square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)分别降低了77.12%、88.18%;和LSTM模型相比,前者的RMSE、MAPE分别降低了69.11%、47.36%;和WOA-BP模型相比,前者的平均绝对误差(mean absolute error,MAE)、RMSE和MAPE分别降低了43.78%、43.22%、45.96%。和PSO-BP模型相比,前者的MAE、RMSE、MAPE分别降低了89.67%、90.61%、90.82%。因此IWOA-BP预测模型的决定系数更高、预测误差更小且收敛速度更快,可有效地预测粮食产量,对于农业部门和相关政策制定者来说具有重要的技术参考价值。

关键词： 黏菌算法   永磁同步电机   模糊控制   转速控制  

摘要： 为了解决永磁同步电机模糊控制器仅凭人工经验很难获得全局最优模糊规则的问题,提出一种结合模拟退火和自适应变异的混沌黏菌优化算法。针对传统黏菌算法高维空间搜索能力弱和易陷入局部最优解的问题,引入改进Tent混沌映射,优化初始种群,采用非线性收敛因子策略,提高算法的探索和开发能力。引入模拟退火及自适应变异来规避陷入局部最优。仿真结果表明,所提ACSMA算法具有更高的计算精度和收敛速度,将其应用于PMSM控制,ACSMA优化后的模糊PI控制器调节时间缩短73%,超调量减少21%,控制性能得到有效提升。

关键词： 目标跟踪   稀疏内嵌注意力机制编码器   类间特征聚合编码器   运动特征嵌入  

摘要： 针对现有视觉目标跟踪方法仅使用初始帧的目标单一外观特征,导致当背景复杂或外观发生剧烈变化时跟踪失效的问题,提出一种基于多层特征嵌入的单目标跟踪算法。增强目标的外观区分度,使用稀疏内嵌注意力机制编码器,嵌入具有高实例区分度的外观特征;采用类间特征聚合编码器嵌入目标的类别信息,在外观发生变化时保持类内的紧凑性;同时将预测的历史帧跟踪框坐标转化为目标运动轨迹特征嵌入,为算法提供高置信度的时间上下文特征。研究结果表明:所提算法在OTB100基准测试中成功率和准确率分别达到71.4%和92.6%,在GOT-10K、LaSOT、TrackingNet共3个大规模公开数据上取得了鲁棒的效果,成功率分别达到64.9%、72.0%和78.7%;基于多层特征嵌入的单目标跟踪算法有效地克服了现有算法的局限,具有较好的准确性和鲁棒性。

关键词： 水下测深   数字信号处理   幅度-相位联合测深  

摘要： 作为水下多波束测深系统的关键部分,水下测深算法的性能直接影响测深系统的精确性和可靠性。为解决幅度法和相位差法在中心波束附近和边缘波束附近存在较大误差的问题,文章提出一种幅度-相位联合测深算法。该算法在测深过程中,能够根据回波信号的角度大小自动切换算法:当角度小于15°时,采用WMT检测法;当角度大于15°时,采用相位差法。该算法弥补了单一算法在中心波束和边缘波束附近误差较大的缺点,提高了系统在不同测深角度下的准确性。此外,传统单核DSP难以实时完成水下测深算法处理,因此,基于TMS320C6678 DSP芯片,采用主从模型方式,利用其5个核完成了幅度-相位联合测深算法的工程实现,满足了系统的实时性要求。

关键词： 风电机组   净空   识别算法   图像预处理  

摘要： 随着风电技术的快速发展,风电机组在全球范围内得到广泛应用。叶片作为风电机组的核心组件,其状态对风机性能和可靠性具有重要影响。市场化大叶片机组发展迅速,叶片的净空监测问题也日渐突出,净空识别算法是目前亟待解决的技术问题。本文提出了一种图像预处理识别叶尖的监测方法,并设计了有效的识别算法。首先通过图像滤波、灰度处理及RIO区域识别,寻找最佳识别区域;该算法在实际风电机组运行环境中表现出色,具有较高的准确性和鲁棒性。

关键词： XLPE电缆   状态评估   机器学习   贝叶斯优化算法   轻量级梯度提升机算法  

摘要： 为提升电缆绝缘状态评估的精度,本文提出了一种基于贝叶斯优化(BO)算法与轻量级梯度提升机(LightGBM)算法的电缆绝缘状态评估方法。首先将数据集中所有特征进行组合,形成不同的特征子集,通过遍历所有的特征子集,找到五折交叉验证的准确率最高所对应的特征组合,完成对输入特征的筛选。然后使用BO算法对LightGBM中的7个超参数进行寻优。最后利用本文所提出的BO-LightGBM算法完成对电缆绝缘状态的评估。结果表明:本文提出的特征子集法与主成分分析法和互信息筛选法相比能更好地提升模型表现;经过BO算法优化后,LightGBM模型的精度能得到进一步的提升,与粒子群优化算法(PSO)和遗传算法优化(GA)相比,BO算法的计算效率能在几乎相同的精度下分别提升约80%和86.9%;与其他常用机器学习算法进行对比,本文模型的相关性能指标均为最优。

关键词： 高速公路机电工程   机电设备   设备管理   现代化管理  

摘要： 随着社会经济快速发展,高速公路建设规模不断扩大。各地为完善交通体系,加快推进道路工程建设,既满足了人们的出行需求,也促进了区域经济发展。从我国高速公路通车里程的变化来看,随着里程数持续增长,各地出行的安全性和效率得到了显著提升。在高速公路工程建设过程中,投入使用的机电设备日益增多。受信息技术高速发展的推动,这些设备集成了机械制造技术、计算机系统技术、电子信息技术及电气控制技术等,不仅保障了高速公路的稳定运行,有效预防了安全事故的发生,还进一步延长了高速公路的使用寿命。而在高速公路机电设备管理工作当中需要面临的问题在于,管理人员的专业水平有待提升,管理工作的开展并未引起高度重视,设备配置方案未充分考虑实际需求,现代化管理水平不高,导致设备保养不及时等,这些都严重影响到了机电设备的正常使用,基于存在的问题,提出对应的优化策略,全面加强高速公路机电设备的现代化管理体系构建。

关键词： 定量结构-性质关系   化学品安全   特征选择   机器学习   图神经网络  

摘要： 为满足大量化学品危险特性的评价需要,定量结构-性质关系(QSPR)在化学品安全领域的研究与应用得到了迅猛发展。QSPR研究的发展侧重模型预测能力或注重机理解释,都要依靠计算方法的不断优化来提高模型的拟合能力、预测能力、稳定性或处理复杂混合物的能力等。本文综述了QSPR研究在化学品危险特性评价中的发展,特别是特征描述符选择算法、建模算法和基于图神经网络的深度QSPR的技术原理与应用实践。

关键词： 锂电池   健康状态   卷积神经网络   长短时记忆网络   改进型小龙虾算法  

摘要： 电池健康状态(SOH)可定量描述电池当前的老化性能状态,为电池的使用和维护提供了重要参考依据,但电池容量再生现象和超参数敏感问题易影响其估计准确度。首先,从电池充放电曲线中提取健康特征,并定量分析其与SOH的相关性。然后,针对基于循环神经网络的单一模型在处理电池老化与健康特征之间的长期依赖关系时存在难以捕捉复杂老化模式的局限性,提出了一种基于卷积神经网络(CNN)与长短时记忆网络(LSTM)相结合的深度学习方法,以更准确地预测电池容量再生现象及估计电池SOH。最后,提出了一种改进型小龙虾算法,以解决神经网络模型超参数敏感的问题。以NASA数据集为例,通过与LSTM和CNN-LSTM算法的仿真及实验数据对比分析表明,所提出的SOH估计算法的MAE和RMSE均小于0.75%。

关键词： feature enhancement   feature point prediction   optical flow tracking   visual odometry  

摘要： To address the issue of low accuracy and poor robustness in traditional visual odometry methods in weak texture environments, a visual feature^-enhanced optical flow^-based visual odometry model is proposed. The model first employs a convolutional feature enhancement module that integrates central differential convolution with activation followed by a pooling operation to enhance feature expression and effectively capture local details and edge information. Next, a global local fusion module is implemented to combine detailed and global contextual information, resulting in an aggregated feature representation. Finally, in the offset prediction stage, a convolutional gated linear unit network is used to replace the traditional multilayer perceptron network, thereby enhancing the nonlinear modeling capabilities and improving the accuracy of the auxiliary feature point prediction. The robustness and accuracy of the algorithm are significantly improved by sampling auxiliary features to further enhance the source features. The simulation experiments demonstrate that the proposed model provides more accurate and robust position estimation under weak texture conditions than traditional visual mileage calculation methods. © 2025 Universitat zu Koln. All rights reserved.