课程文献中心 更多>>

关键词： 蚁群算法   巡检机器人   路径规划   信息素浓度   禁忌表  

摘要： 由于变电站内部电气设备众多、环境极为复杂，巡检机器人应尽量少地跨越电气设备区，更高效率地巡检所有巡视点。为此，提出基于蚁群算法的变电站巡检机器人复杂环境路径规划。根据巡检要求，建立运动模型控制机器人的巡检方向;利用蚁群算法计算机器人从当前巡视点到下一巡视点的概率值，对蚁群的信息素浓度和禁忌表实时更新，实现变电站巡检机器人的路径自动寻优规划。仿真结果表明，与其他方法相比，所提方法以较短时间完成了所有巡视点的巡检，提高了巡检效率。

关键词： 无线传感器网络   网络覆盖   阿奎拉鹰优化算法   瞬态搜索   无迹变异   准对立学习  

摘要： 为了提高无线传感器网络节点对目标区域的覆盖率，提出一种混合策略改进阿奎拉鹰优化算法(Hybrid Strategy Improved Aquila Optimizer， HSIAO)的无线传感器网络(Wireless Sensor Network， WSN)节点覆盖优化算法。为了提高节点目标位置的搜索精度，引入准对立学习提升初始种群多样性和个体质量，设计伯努利混沌映射高空飞行提升算法全局搜索能力，并利用瞬态搜索低空飞行丰富个体攻击行为多样性，同时采用自适应随机无迹sigma变异避免迭代后期的搜索盲区，避免位置搜索出现停滞钝化，提高收敛精度。综合考虑WSN节点覆盖率、覆盖冗余及节点移动能耗建立网络覆盖的多目标适应度函数，通过改进阿奎拉鹰优化算法对多目标WSN覆盖问题迭代求解。实验结果表明，改进算法能有效降低节点冗余和提高网络覆盖率，生成的自组网能延长传感器网络的有效工作时间。

关键词： 物联网技术   电力工程   施工设备管理  

摘要： 随着科技的发展,物联网技术在各个领域的应用越来越广泛.在电力工程领域,传统的电力设备在自动化、监控和管理方面存在一些问题,比如设备维修不及时、能耗高、安全隐患等.而物联网技术具有实时监测、远程控制、数据采集与分析等特点,可以为电力工程施工设备管理带来革命性的改变.基于此,本文基于物联网技术对电力工程施工设备管理进行研究,以供参考.

关键词： 小目标工件   深度学习   RepViT   BiFormer   损失函数  

摘要： 在工业生产领域中，为解决小目标工件在人工检测时所存在的漏检和误检等问题，本论文提出了一种融合RepViT与BiFormer模块的深度学习算法，以显著提升小目标工件的检测准确性并且降低检测漏检率。为加强模型对于主体特征的提取效果，本算法首先采用RepViT架构对YOLOv5s的主干网络进行改进，以优化算法的整体检测性能。然后，为了进一步提升模型对小目标工件特征的聚焦效果，引入一种自适应特征优化的注意力机制BiFormer，来提高模型对关键特征的捕捉能力。最后，使用InnerIoU对YOLOv5s的损失函数进行改进，通过优化损失计算以及加强内部边界框匹配来减少定位损失对模型的影响，进而提升对小目标工件的定位精度。经过一系列实验测试，改进后的网络模型在检测精度、漏检率以及m AP@50等方面都展现出了优越的性能。与YOLOv5s相比，改进后的算法在精度方面提高了7.6个百分点，漏检率降低了15.6个百分点，m AP@50提高了9.3个百分点。

关键词： Image reconstruction  

摘要： Aiming at the problem that the effect of remote sensing image super-resolution reconstruction is fuzzy and the detail texture is lost in the reconstruction process, a remote sensing image super-resolution network model pDDPMSR suitable for multi-scale tasks is proposed. Firstly, an efficient pixel shift convolution module SCAM is constructed by combining shift convolution and serial multi-attention mechanism to expand the receptive field to enhance the extraction of local features, so as to improve the image clarity. At the same time, multi-attention is used to focus on the high-frequency information of the image in the channel and spatial dimensions to enhance the expression of contour detail information. Secondly, in order to prevent the loss of detailed texture, CA-ASPP is designed to fuse coordinate attention and multi-scale atrous convolutional pyramid network, so as to capture context information at different scales. Finally, the denoising diffusion probabilistic model (DDPM) is introduced to generate the high-resolution image. The layer skip sampling is used to accelerate the reasoning speed of DDPM. A nonlinear noise scheduling scheme is designed to solve the problem of excessive noise at the end of DDPM adding noise. Experimental results on the public dataset RSSCN7 show that the reconstruction effect of pDDPMSR is more significant than the comparison algorithms in peak signal-to-noise ratio (PSNR) and structural similarity (SSIM), and the method of layer skip sampling accelerates the inference process of diffusion model by 10 times. © 2024 Journal of Computer Engineering and Applications Beijing Co., Ltd.;Science Press. All rights reserved.

关键词： 道路缺陷   目标检测   YOLOv7-tiny   轻量化  

摘要： 道路缺陷检测是道路养护的前提与基础，对道路安全保障非常重要。针对现有道路缺陷检测算法未能有效平衡检测精度与运算复杂度，从而难以应用于移动终端设备的问题，本文在YOLOv7-tiny的基础上提出一种多尺度特征融合的轻量级道路缺陷检测算法MFF-YOLO。首先，设计多尺度特征提取模块MFFBlock与下采样模块DSB，并在此基础上构建高效的多尺度特征提取骨干网络MFENet，以增强多尺度特征的提取能力。然后，颈部特征融合网络采用Slim-Neck设计范式，即利用GSConv与VoV-GSCSPC模块实现颈部特征的聚合，降低计算复杂度，轻量化网络。同时，颈部网络采用所提FSF-PAFPN结构以实现对多尺度特征的高效融合，提升算法对道路缺陷的定位与分类能力。最后，利用K-Means算法对道路缺陷数据集聚类，获取更符合道路缺陷目标形状特点的先验框，降低算法的训练难度，提升检测精度。在RDD2022数据集上的实验结果表明，相较于YOLOv7-tiny，MFF-YOLO轻量化显著，参数量与运算量分别降低了25.1%与25.8%。此外，MFF-YOLO的平均精确率均值达到60.1%，较YOLOv7-tiny提升2.1%，为多种对比算法中的最高值。同时，MFF-YOLO在检测效果方面表现出色，能够对道路缺陷精准定位并分类，且其平均检测速度达到81帧/s，表现出不俗的实时性。MFF-YOLO对检测精度与计算复杂度实现了更为有效的平衡，可为移动终端设备实现道路缺陷检测提供参考。

关键词： 复杂环境   双向RRT算法   目标导向策略   人工势场法   三角不等式裁剪   三次B样条曲线   在线航迹规划  

摘要： 针对传统RRT(Rapidly-Exploring Random Tree)算法和双向RRT算法在复杂环境下进行无人机路径规划时存在采样效率低、采样点随机性较强和规划的路径曲折等问题，提出了改进的双向RRT算法。该算法首先采用目标导向策略引导采样点朝向目标点生成，然后人工势场作用于随机树节点可以避免跟障碍物碰撞，且减少了搜索路径的长度，随机树节点生长时还结合了无人机自身飞行约束，并通过结合三角划线法去除冗余节点策略和三阶B样条曲线对航迹进行平滑处理，使得规划出的路径更优。最后在复杂环境和动态环境中仿真实验，仿真结果表明：该算法有效提高航迹规划速度并缩短航迹长度，能很好的在复杂环境中生成一条安全、平滑且快速的航迹，可以应用于在线航迹规划。

关键词： 炼钢-连铸   浇次计划   蚁群算法   车辆路径问题   奖惩因子  

摘要： 炼钢-连铸生产计划与调度是钢铁生产管理的重要环节。在智能制造的背景下，生产工艺和设备维护的柔性需求日益增长，现有研究对柔性约束的考虑尚不充分，模型与解决方案亟待更新。结晶器在线调宽能在不切换浇次的情况下调整铸坯宽度，进而提高铸机的生产效率。本文针对炼钢-连铸调度中的浇次计划编制问题，结合结晶器在线调宽技术，以最小化加权成本（包括浇次间炉次切换成本，连铸机停机成本和结晶器在线调宽成本）为目标，对传统模型进行改进，建立了新的浇次计划编制模型。同时，借鉴车辆路径问题的优化思路，构建了改进的蚁群算法，算法设计了节点排序规则和节点选择规则，并引入奖惩因子和分位参数提高搜索广度和适应性。通过实际生产数据验证了模型及算法的有效性。

关键词： Q学习算法   因果模型   因果推断   混淆因子   后门调整  

摘要： 提升Q学习（Q-learning）算法在复杂环境中的数据效率与决策准确度，无疑是算法性能优化所面临的关键挑战。将因果模型引入Q学习算法，通过揭示变量间的因果关系，从而提高Q学习算法的性能是新兴且热门的研究方向。本文提出一种基于因果模型的Q学习算法，C-Q学习（Causal-model based Q-learning）算法。该算法包括基于智能体利用Q学习算法与环境交互过程中关键变量之间的因果关系，构建结构因果模型；采用因果推断理论中的后门调整的方法去除模型中影响奖励的混淆因子所引起的混淆效应，评估了更为准确的Q值，并且精准识别出每个状态下可能获得最高奖励的动作，优化Q学习算法的动作选择过程。最后，将Q学习算法、Eva-Q学习算法、C-Q学习算法在栅格环境中进行仿真实验。仿真实验结果表明，C-Q学习算法在路径长度、规划时间、数据效率和决策准确度等多个指标均优于其余两种算法。