课程文献中心 更多>>

关键词： 人工心脏泵   叶片参数   反向传播神经网络   灰狼优化算法   溶血性能  

摘要： 叶轮作为人工心脏泵的主要部件，高速旋转引起的高剪切应力可能导致溶血。为改善人工心脏泵的溶血性能，获取最优的叶片参数组合，对现有的人工心脏泵叶片进行优化设计。选取叶片数、叶片出口角度及叶片厚度作为设计变量，泵内剪切应力最大值为优化目标，通过已有的模拟数据建立反向传播（BP）神经网络预测模型，利用灰狼优化算法对叶片参数进行寻优。结果表明：优化后的叶片参数为叶轮数7个、出口角度25°、叶片厚度1.2 mm，剪切应力最大值377 Pa，相较于原始模型降低了16%。经过模拟分析，优化结果相较于原始模型，叶片外缘、根部和底部等区域的高剪切应力区域明显减少，溶血性能得到显著改善。本文所使用的耦合算法降低了建模仿真的工作量，并且显著提升了优化目标的性能，相较于传统优化算法更具优势，为研究离心式人工心脏泵参数优化问题提供了新思路。

关键词： 水下传感器网络   声速预测   CNN-LSTM模型   距离修正   移动节点定位  

摘要： 本文旨在解决水下无线传感器网络中因水下环境复杂多变导致的长时延问题，该问题显著影响移动传感器节点间的信息传播效率，进而增大了节点定位误差。为此，本研究创新性地提出了一种基于CNN-LSTM声速预测的水下移动节点定位算法。首先，通过K-折交叉验证法对声速数据集进行科学划分，随后构建并训练了一个融合卷积神经网络（CNN）特征提取能力与长短期记忆网络（LSTM）序列建模能力的CNN-LSTM混合模型。此模型有效捕捉了声速数据中的空间与时间特征，显著提升了声速预测的准确度。在定位过程中，采用该模型预测的声速值进行到达时间差（TDOA）测距，并据此对测距结果进行精细修正。进而，针对不同节点密度条件下的未知节点，算法能够自适应地选择最适宜的测距定位方法，依据参考节点数量实现精准定位。实验结果显示，与现有的SLMP、DMP、NDSMP及BLSM定位算法相比，本文提出的MCLS定位算法在相同信标节点条件下，定位误差均值分别降低了46.96%、39.93%、27.64%和15.24%，显著提升了水下移动节点的定位精度与稳定性。

关键词： 数学建模   非局部欧拉方程   贝叶斯神经网络   主动学习算法   Cucker-Smale模型  

摘要： 随着人工智能和科学计算的发展,深度学习在数学建模中发挥着越来越重要的作用.本文发展了一类结合微观数据的主动学习算法对集群行为建立的宏观模型.具体来说,针对 Cucker-Smale 模型,结合微观粒子数据与部分机理,发展了一类结合神经算子网络与贝叶斯神经网络的主动学习算法.该算法可通过群体行为的微观数据高效地建立对应的宏观 Euler模型.最后通过一维和二维数值模拟验证了主动学习算法的有效性.

关键词： 深度学习   智能识别   全卷积神经网络   桥梁结构   裂缝检测   图像处理  

摘要： 伴随我国经济的高速增长，公路与铁路网络的里程数不断攀升，桥梁作为交通路网的关键节点，亦实现了显著的发展与扩张。同时，由于桥梁结构会受到应变、温湿度等侵蚀和损毁，经常会造成桥梁结构产生裂缝病害。因此，基于上述的原因需要对桥梁结构的裂缝病害进行检测，以合理安排人员对桥梁进行维护和保养。本文构建了一个全卷积神经网络模型，利用裂缝图像数据集对其进行训练与验证，旨在实现高精度的裂缝识别，确保识别结果具备较高的准确性与召回率。利用该全卷积神经网络模型可对三种桥梁裂缝病害的形态进行识别，并且与其他裂缝识别方法相比，具有很大的检测优势。本文的理论分析和针对桥梁裂缝病害的识别检测技术对相关研究具有积极的指导意义和应用价值。

关键词： 直觉模糊推理   相似度   反向三Ⅰ支持算法   反向三Ⅰ约束算法   鲁棒性  

摘要： 以直觉相似度为扰动参数,对直觉模糊取式(IFMP)、直觉模糊拒取式(IFMT)问题的反向三Ⅰ支持算法和反向三Ⅰ约束算法进行鲁棒性估计,结果表明,输出的结果不会因为输入的微小改变而产生显著变化,即两种算法均具有良好的鲁棒性.

摘要： 近日,由中国铁道学会智能铁路委员会(以下简称"委员会")、国家铁路智能运输系统工程技术研究中心、中国铁道科学研究院集团有限公司、北京交通大学智能铁路研究院、铁路BIM联盟联合举办的第二届铁路人工智能算法大赛在铁科院集团公司完美收官.

关键词： 桥梁工程   裂缝检测   深度学习   轻量化   YOLOv8  

摘要： 针对复杂条件下桥梁裂缝检测方法效率低下、检测精度低及漏检率高等问题，提出了一种基于改进YOLOv8的轻量化算法YOLOv8-ALTE。以YOLOv8-N模型为基础，首先将其C2f模块融合一种具备感知多尺度特征信息的轻量化卷积模块ALConv，以此来丰富所提取特征图中的裂缝信息；其次在网络骨干Backbone特征提取模块的浅层网络中加入三元注意力机制，以此来提高模型对桥梁裂缝病害的定位及识别准确度；此外通过参数共享的思想设计出了一轻量化解耦头来代替原模型解耦头模块，从而可有效降低模型的计算复杂度；最后通过引入MPDIoU损失函数来代替原回归损失函数，使模型可具备更高的边界框回归效率及精度。与此同时，通过人工标注的方式构建了多种复杂背景条件下的桥梁裂缝图像数据集，并采取多种数据增强方式来对裂缝数据集进行整理及扩充，其后利用精确率P及召回率R、平均精度中的AP0.5与AP0.5-0.95及计算复杂度FLOPs来作为数字化定量评价指标，并依次通过对比、模块融合、注意力结合及消融试验来对模型进行综合评估。研究结果表明：YOLOv8-ALTE的精确率、召回率、平均精度中的AP0.5与AP0.5-0.95及计算复杂度分别为93.9%、83.5%、89.0%、73.8%及8.0G，在综合性能上均优于原YOLOv8-N及各个对比模型，从而论证了所提出的改进算法YOLOv8-ALTE在运算效率提升的同时还可对桥梁裂缝进行高效且精确的识别。

关键词： 蜜獾算法   诱变概率反向学习   激活时变密度因子   机动调控交叉变异   渐进式捕捉精英机制   铁路客流量预测   支持向量机  

摘要： 为实现对铁路客流量的精准预测，提出一种基于改进蜜獾算法优化SVM的铁路客流量预测模型。首先，为提高蜜獾算法的优化性能，利用诱变概率反向学习思想，扩大搜索空间并平衡解的分布，激活时变密度因子，均衡挖掘阶段和采蜜阶段的搜索进程；引入机动调控交叉变异操作策略，强化全局搜索能力；采用渐进式捕捉精英机制对最佳位置进行扰动更新，改善解的整体质量，提高摆脱局部极值的能力，提升寻优精度和收敛速度。其次，利用IHBA算法对SVM的主要系数进行优化，建立IHBA-SVM预测模型。再次，通过五组数值实验证明IHBA算法的改进有效性。最后，设置三组预测对比实验，证明了IHBA算法优化SVM的有效性及IHBA算法理想的改进成效，体现了IHBA-SVM预测模型良好的预测精度及较强的实用性能。

关键词： 损伤识别   图像编码器   2d-cnn   桥梁健康监测   机器学习  

摘要： 针对传统机器学习难以处理长期监测下复杂数据的问题，提出了一种结合图像编码器和二维卷积神经网络(two-dimensional convolutional neural network，2D-CNN)智能损伤识别方法。以一座12.5m钢桁架试验桥与其相应有限元模型进行研究，使用六种图像编码器将时程位移数据转换为等大小的图像矩阵，以矩阵作为卷积神经网络(convolutional neural network，CNN)二维训练样本，得到损伤识别深度学习模型，以验证不同图像编码方式在损伤信息提取和模式识别的鲁棒性。结果表明，该方法相比传统的机器学习算法和一维CNN(one-dimensional convolutional neural network，1D-CNN)，正确率提高23.4%。经过进一步试验研究发现GAF(gramian angular field， GAF)稳定性与适用性最优，其损伤识别准确率达到100%。