课程文献中心 更多>>

关键词： 组合导航   交互式多模型   卡尔曼滤波器   模糊控制器  

摘要： 在组合导航系统中,信息融合和定位精度取决于惯性系统和传感器的特性,然而在实际应用中获取先验知识仍然具有挑战性。为解决车辆导航中卫星信号质量的变化及系统非线性降低组合导航系统性能的问题,该文提出一种基于多卡尔曼滤波器的模糊自适应交互式多模型算法(FAIMM-MKF),将基于卫星信号质量的模糊控制器(Fuzzy Controller)与自适应交互多模型(AIMM)相结合,通过组合无迹卡尔曼滤波(UKF)、迭代扩展卡尔曼滤波(IEKF)和平方根容积卡尔曼滤波(SRCKF)3种不同的滤波器,适配车辆动力学模型,并通过车载半实物仿真实验验证该方法的性能。结果表明,在卫星信号质量发生改变的情况下,与传统的交互式多模型算法相比,该方法显著提高了车辆在复杂环境中的定位精度。

关键词： 结肠息肉分割   特征交互融合   语义协调单元   层间注意力   反向残差注意力  

摘要： 针对结肠息肉图像中病灶区域尺度多变,传统方法难以捕捉其内部复杂关系导致的分割精度不高的问题,文章提出一种特征交互融合分割网络FIFNet。在该网络中,利用金字塔式Transformer和ResNet18并行提取息肉图像的局部与全局特征并通过语义协调单元SH融合两者之间的语义信息;此外,设计了层间注意力聚合模块IA,自适应加权融合不同层级特征,从而突出息肉图像的形态和纹理信息;最后,反向残差注意力模块IRA充分挖掘息肉区域与边界的联系,提高了分割结果的准确性。在公共数据集Kvasir、CVC-ClinicDB、CVC-ColonDB、ETIS、Endosece上进行实验测试,其中mDice系数分别为0.929、0.941、0.821、0.794、0.900。实验结果表明FIFNet网络在息肉图像分割上具有一定的应用价值。

关键词： 无迹卡尔曼滤波(UKF)   损伤识别   噪声识别   结构健康监测  

摘要： 在运用无迹卡尔曼滤波(unscented Kalman filtering,UKF)对结构进行损伤识别和健康监测的过程中,噪声往往未知时变,而传统UKF方法在噪声参数选择不当时易出现性能退化及发散的问题。为此,提出一种基于自适应无迹卡尔曼滤波(adaptive unscented Kalman filtering,AUKF)的结构损伤在线识别算法。该算法利用协方差匹配法和遗忘因子法,通过残差和新息序列实时识别并更新测量噪声和过程噪声,在保证噪声矩阵正定性的同时,提高了UKF对结构未知参数和损伤的识别精度。采用桥梁模型和非线性模型的数值算例验证本文方法的有效性。结果表明,该方法可以有效识别大型土木工程结构和非线性结构的损伤位置和程度,且对时变的噪声具有自适应能力和鲁棒性。

关键词： 参数服务器   分布式   机器学习  

摘要： 大数据时代下,分布式机器学习作为传统机器学习方法与分布式计算系统的交叉领域,是一种热门且高效的大数据处理技术。研究基于参数服务器框架的分布式机器学习训练方法,结合参数服务器和机器学习算法二者的特点,构建基于Ps-Lite的参数服务器框架,并将分布式随机梯度下降算法和分布式逻辑回归算法部署在框架中。实验验证,基于Ps-Lite框架的分布式机器学习算法的性能,在保持较高准确率的情况下,算法收敛速率提高了3倍。

关键词： 化工压缩机   技术改进   故障处理  

摘要： 石油化工压缩机作为关键设备在石油化工行业中发挥着至关重要的作用,其技术水平和运行稳定性直接影响着整个生产系统的效率和安全。随着工业技术的不断发展,石油化工压缩机的技术改进和故障处理显得尤为重要。本文旨在探讨石油化工压缩机技术的改进路径以及有效的故障处理方法,旨在为该领域的从业人员提供有益的参考和指导。通过对技术改进和故障处理进行深入探讨,将有助于提升石油化工压缩机的性能和可靠性,实现更高效、安全和可持续的生产运营。

关键词： 变论域模糊PID控制   模糊控制规则   遗传算法   欧几里得距离   压缩空气调压系统  

摘要： 面对压缩空气这样复杂的系统,使用传统的PID控制难以满足控制要求,模糊控制作为一种智能控制方式,将其与PID控制相结合可以提高控制的鲁棒性。本文采用变论域的方法对模糊控制进行改进,在模糊控制规则不变的情况下,根据偏差的变化改变基本论域的大小,从而提高控制的精度。由于模糊PID控制中的模糊控制规则的建立过于依赖经验,具有较强的不确定性,利用遗传算法对模糊控制规则进行优化,通过增加区域筛选操作对算法进行了改进,进而避免算法陷入局部最优而无法获得全局最优解。引入欧几里得距离对模糊控制规则进行分区,通过对区域筛选找出最优解区域。本文选择误差绝对值时间积分性能指标作为目标函数,利用MATLAB建立压缩空气调压系统模型,通过对控制系统进行仿真验证控制方式的可行性。仿真结果表明:与传统PID控制和模糊PID控制相比,基于遗传算法的变论域模糊PID控制对系统的跟随性能指标和抗扰性能指标都有所改善。

关键词： 水位流量关系   水力因素   MLP模型   LSTM模型  

摘要： 确定水位流量关系的传统方法主要基于物理规律和经验公式建模,模型精度有限,同时受个人经验和水平的影响,结果精度常常具有较大的不确定性;机器学习方法通过训练模型自动学习水位与流量关系,具有灵活性和适应性,但缺乏对物理规律的解释和理解,并对数据质量和数量要求较高。提出水流物理规律与人工智能算法相结合的水位流量确定方法,通过结合水文站点水位与上下游站点的落差及机器学习模型构建流量计算方案,以此确定水位流量关系;以汉口站作为试验站,并比较MLP与LSTM两种不同的机器学习模型计算结果。结果表明,水流物理规律与人工智能算法相结合的水位流量关系确定方法,能够准确推求流量,绘制水位流量关系曲线,同时LSTM模型计算结果精度较高,汉口站2018—2020年的模型计算结果决定系数均在0.9950以上,平均相对误差均在3%以内。

关键词： YOLOv8   无人机   小目标检测   轻量化   特征融合  

摘要： 针对无人机图像目标像素低、背景复杂、模型部署难等问题,提出一种基于YOLOv8的轻量级多尺度特征融合小目标检测算法。为了降低网络参数量,提高模型检测速度,使用fasternetblock替换C2f的bottleneck,构建轻量化特征提取模块FasterC2f;为了增强模型多尺度特征融合能力,设计全新的聚焦扩散特征金字塔结构,使颈部网络每层特征图都聚焦三层特征信息;设计共享卷积检测头,在优化模型参数量的同时,让每个检测头都包含不同尺度特征信息;重构小目标检测网络,采用更大尺度的三层检测头,提高模型对小目标的特征学习能力。在Visdrone数据集上的实验结果表明,与YOLOv8s相比,该模型的精确率、召回率和mAP分别提高了5.1%,5.4%和6.6%,参数量降低了68%,模型文件体积减少了15.3 MB,FPS提高了16%,表明该模型具有检测精度高、检测速度快、模型易部署等优点。

关键词： 灰狼优化算法   层次自适应模糊神经网络   注意力机制   股票价格预测   可解释性   金融时间序列   规则消除  

摘要： 针对现有的股票价格预测模型难以兼顾精度与可解释性的问题,提出一种基于分层神经模糊网络的股票价格预测模型。提出一种结合注意力机制的自适应神经模糊网络单元(ANFIS-A),以此单元构建分层自适应神经模糊网络;结合二进制灰狼优化算法(BGWO),提出一种特征子集选择算法;提出一种规则消除的递归算法,进一步减少规则数量,提高规则的可解释性。实验结果表明,该模型在预测股票价格方面具有较高的准确性和可解释性。

关键词： 客户关系管理   客户细分   RFM模型   K-means聚类算法  

摘要： 近年来,随着全球经济数字化浪潮的蓬勃兴起,零售商之间的竞争日益激烈,根据客户特征进行客户细分,协助客户进行个性化的服务体验,有利于零售商实现精准营销和高效的客户关系管理。为了提高客户细分的精度,本文基于RFM模型的K-means聚类算法,使用簇内误方差(SSE)计算聚类个数,优化K值选取。本文选取***上关于零售商的公开数据集进行实证分析和检验,对细分后的结果进行特征分析,将客户划分为忠实型客户、维护型客户和风险型客户三种类别,并提出客户细分的营销建议,从而帮助企业更好地为其提供差异化、个性化服务,仅供参考。