课程文献中心 更多>>

关键词： 重型齿轮   静态分析   瞬态分析   材料与遗传算法多目标优化   有限元  

摘要： 文章以某重型齿轮为研究对象进行有限元分析,并在此基础上对原设计齿轮进行遗传算法多目标优化,改善齿轮对变形及受力情况。结果表明重型齿轮主要失效区域为齿轮啮合部分,该部分往往是最大变形与最大受力位置。在进行多目标优化后,可减少变形量0.00016 m,降低应力值1622.544 MPa,减轻齿轮对体积488.9215 e ^(4)mm^(3),由此可知文章多目标优化方法对降低重型齿轮变形量、应力以及减轻体积效果较为显著。

关键词： 机器学习算法   视频监控   动作识别  

摘要： 基于机器学习算法的视频监控系统的设计目的在于解决传统视频监控系统依靠人工观察和分析存在的主观性问题以及漏报和误报等问题。本研究通过引入机器学习算法,实现目标检测、目标跟踪、动作识别和异常检测等功能,提高视频监控系统的效能和准确性。通过机器学习算法对数据进行预处理、特征提取、模型训练和评估,实现了对视频内容的自动分析和摘要,为决策提供了更全面和准确的信息支持。

关键词： 多目标跟踪   目标检测   Fairmot   交通违法行为  

摘要： 在监测交通违法行为的检测任务中,传统的人工监控与基础传感器方法因准确性和实时性存在局限而面临挑战。通过引入多目标跟踪技术,可以显著提升检测效率和系统识别的准确性。文章提出了一种针对车辆信息的多目标跟踪算法,使用MAU-DLA34(Mixed Attention Unit-Deep Layer Aggregation 34)作为主干网络,替换传统的DLA34主干网络。在处理高密度交通和复杂交互情况下,该算法的表现出色,AP达到73.6%,MOTA为82.9%,IDF1为79.3%,明显优于传统方法和其他深度学习方法,如JDE、DeepSort、CenterTrack等。该算法有效减少了身份切换,确保了对交通参与者的精准且连续跟踪。

关键词： 深度学习   目标检测   钢材表面缺陷   YOLOv5s算法   CBAM注意力机制  

摘要： 钢材是工业制造领域必不可少的原材料之一,其质量控制对于确保最终产品的性能、安全性和耐用性十分关键。表面缺陷是钢材在生产和加工过程中的常见问题,而高效准确地检测这些表面缺陷对于确保产品质量至关重要。面对因复杂的工业条件而导致的高误检、高漏检及低效率难题,对钢材瑕疵进行快速而精确的识别具有显著的科研价值。基于YOLOv5s引入卷积块注意力模块(CBAM)注意力机制,并在东北大学开源NEU-DET数据集上验证算法和评估模型性能。实验结果表明,该算法平均精度从0.73提升到了0.768,具有较高的检测精度和鲁棒性,能够有效地检测出钢材表面的各种缺陷。

关键词： 分数阶PID控制器   物料输送伺服电机   自动喷码机   控制系统   仿真分析  

摘要： 【目的】针对烟箱自动喷码机物料输送过程中大惯性、非线性问题,提出一种基于模糊分数阶PID算法的控制器设计方案,以提高伺服电机位置的控制精度。【方法】通过建立误差控制方程,制定模糊控制规则,在Matlab/Simulink软件中进行仿真与控制实验,并与传统PID控制器进行对比。【结果】实验结果表明:相较于传统PID控制器,模糊分数阶PID控制器具有较小超调量、响应速度快的优点,能更好定位烟箱位置,实现最大位置偏差仅为0.812 mm,且烟箱输送过程平稳、两侧喷印效果较好。【结论】成功验证了模糊分数阶PID算法在伺服电机控制中具有较好性能和稳定性,满足使用需求。

关键词： 粗糙集   萤火虫算法   特征选择  

摘要： 针对萤火虫算法中步长参数由经验确定导致算法容易陷入无法收敛或最终解不是全局最优解等问题,文章提出基于粗糙集的自适应步长萤火虫算法的特征选择.萤火虫算法可以根据每个目标特征的吸引度和亮度来重新确定信息位置,极大地提高了算法的收敛速度和搜索能力.在UCI数据集进行测试,得到决策树(DT)和支持向量机(SVM)的分类准确率和收敛速度的测试结果,相较于原始萤火虫算法及其他算法,基于粗糙集的萤火虫算法有更高的准确度和更好的收敛度.

关键词： 急性呼吸窘迫综合征   集成学习   疾病严重程度   疾病严重程度辨识   机器学习  

摘要： 目的:为实现对急性呼吸窘迫综合征(acute respiratory distress syndrome,ARDS)患者疾病严重程度的连续监测,提出一种基于集成学习的ARDS患者疾病严重程度辨识算法。方法:首先,利用开源数据库MIMIC-Ⅳ(Medical Information Mart for Intensive CareⅣ)提取患者的多种无创生理参数并进行初步预处理,采用多元特征选择算法对患者的多种无创生理参数进行特征排序并通过加权计算得出特征重要性评分;其次,根据特征重要性评分结果,采用子集搜索算法寻找在神经网络、逻辑回归、AdaBoost和XGBoost 4种机器学习算法下能够产生最佳性能的特征子集;最后,结合最优特征子集,使用广义线性回归模型设计软投票集成方法将单一机器学习算法结果进行集成,设计多元集成学习算法。基于MIMIC-Ⅳ数据库验证多元集成学习算法对ARDS患者疾病严重程度的辨识能力,并与传统算法进行比较。结果:多元集成算法的敏感度、特异度、准确率、AUC分别为87.15%、89.23%、88.34%、0.9234,均优于传统算法。结论:基于集成学习的ARDS患者疾病严重程度辨识算法能够实现对ARDS疾病严重程度的连续、实时监测,可为ARDS患者早期辨识预警提供有力支持。

关键词： 深度学习   目标检测   检测变换器   Transformer   窗口注意力机制   多尺度   小目标   COCO2017数据集  

摘要： Transformer目标检测模型在小目标检测性能和训练收敛速度方面存在不足。为了解决这些问题,本文设计了一种多尺度窗口注意力机制,将其应用于检测变换器(detection Transformer,DETR)的Transformer中。这种机制为注意力计算引入了局部信息,有助于提取局部小目标的信息,并且降低了计算复杂度,使得DETR能够处理更高分辨率的特征图。本文提出的Windows DETR在COCO 2017数据集上取得了比DETR更优的性能,特别是在小目标检测方面,平均精度(average precision,AP)提升了3.2;同时,Windows DETR还加快了模型的训练收敛速度。

关键词： 正则表达式匹配   指令流水   高性能数据匹配  

摘要： 基于正则表达式的数据匹配技术在基础数据治理和清洗方面有着重要的应用价值。然而,在高性能计算领域的数据处理过程中因算法匹配吞吐率低,无法满足大数据处理环境下对算法的高性能要求,造成其应用范围受限。针对此现象,提出一种基于指令流水线的数据匹配算法,称之为γFA:利用Intel架构内置的向量指令流水式读入若干字符段,通过大宽度向量比较函数进行字符段与非信任字符集的流水比值处理并转换成整型向量,通过位置定位函数累加定位出所有整型向量的首个非信任字符位置,计算出可略过的总字符数,减少正则表达式匹配引擎因处理非信任字符集导致访问低速内存而带来巨大的时间开销,实现正则表达式匹配算法的性能提升。实验结果表明,γFA算法的吞吐率是原始DFA算法的15.88~53.06倍,相比于?FA算法,吞吐率提升了35.12%~63.26%,取得较好的性能加速效果。此外,通过对γFA算法进行优化后,性能可接近100 Gb/s,为原始DFA匹配算法性能的15.88~64.94倍,相比于γFA算法性能提升了2.15%~43.09%。

关键词： 立体匹配算法   深度网络   机器人视觉   三维建模   双目立体相机  

摘要： 针对机器人的视觉三维建模动画方法低准确性与泛化性差的问题,研究提出了基于立体匹配算法的双目视觉同步定位与构图方法,并设计了融合立体匹配算法与深度网络的视觉三维建模动画方法。研究结果表明,研究方法在室外环境中平均交并比与整体精度分别为0.764与0.876 3,在室内场景中的各指标分别对应0.895 3和0.901 7,与目前最主流的方法相比,研究方法的绝对平均误差与正向平均误差分别减少了85.06%与85.71%。在实际应用效果中,研究方法能精准分割与识别场景中的部件类别。上述结果说明,研究方法能实现机器人视觉三维动画建模的高精度与适用性,提升机器人对不同环境的感知能力,为机器人进行双目实时动画场景的建模提供参考。