课程文献中心 更多>>

关键词： 火灾烟雾检测   YOLOv5s   注意力机制   神经网络  

摘要： 针对多种环境下早期火灾烟雾小导致的目标检测精度不足,以及特征表达能力不充分等问题,提出了一种基于YOLOv5s的火灾烟雾检测改进算法。首先,对火灾烟雾图像数据集的结构进行了详细分析;然后,根据数据集结构特点,在主干网引入了通道注意力机制与空间注意力机制;最后,增加了小目标检测层,以更加有效地关注小目标的检测。实验结果表明,改进后的YOLOv5s算法精确率达到了89.9%,其平均准确率均值PmA相较于原YOLOv5s的提高了5.0%。该模型在火灾烟雾检测方面表现出优异效果,对火灾烟雾的早期预警具有指导意义。

关键词： 数字孪生   多层网络   数据管理   自组织   智能决策  

摘要： 城市是复杂的、多层次、相互嵌套的自组织系统,数字孪生城市建设中数据的集成分析依然是核心议题。针对当前最新的研究进展及实际建设过程中出现的问题,本研究利用多层网络的理论和方法来集成分析多源异构的城市信息数据,构建交互式多层级的网络数据系统,实现多点位储存和查询调取系统并行处理,在此基础上,探索数字孪生城市模型的自组织运行模式,从而实现智慧城市的高度智能化决策。

关键词： 公立医院   医疗设备   标准化   质量控制  

摘要： 随着公立医院中医疗设备种类及数量的增多,医疗设备管理质量已成为公立医院运营管理的关注重点。当前公立医院医疗设备管理面临标准化流程不足、设备采购与需求不匹配、业务培训不充分和设备维修延迟等问题的挑战。研究通过分析并探索新型医疗设备管理模式的必要性和有效性,识别和实施新型医疗设备管理模式的核心要素,改进医疗设备的使用效率和维护质量。新型医疗设备管理模式通过强调资产管理效率、风险控制和质量改进,显著提高设备管理的整体效率。经实践证明,公立医院采用新型医疗设备管理模式,不仅能提高设备管理效率,还能保障医疗服务质量和患者安全。

关键词： 军事目标检测   YOLOV5   渐进特征金字塔网络   多尺度目标   注意力机制  

摘要： 针对现有算法特征学习能力欠佳、检测精度不高、计算量大等问题,提出一种基于YOLOV5s改进的多尺度目标检测算法AEM-YOLOV5(AFPN-EMA-MPDIoU-YOLOV5)。首先,在颈部网络引入AFPN渐进特征金字塔网络,以渐进的方式融合图像底层详细信息和顶层高级语义特征,增强了网络特征融合效果;其次,在每个检测分支前增添EMA注意力机制模块,跨空间聚合像素级特征,提高了复杂场景下对多尺度目标的关注程度;最后,使用MPDIoU替代YOLOV5原有C_(IoU)边界框损失函数,解决了预测框宽高比相同但绝对值不同时C_(IoU)退化的问题,使回归结果更为准确。实验结果表明,改进后算法在RSOD数据集上PmAP50达到94.5%,FPS达到42 frame/s,模型大小为14.8 MB。与现有算法相比,改进后算法性能显著提升,可满足军事目标检测的实时性要求、模型轻便。

关键词： YOLOv8n   缺陷检测   轻量化   特征融合   DySample  

摘要： 针对钢材表面缺陷检测算法精度低、计算量大等问题,提出一种基于YOLOv8n的检测算法HPDE-YOLO(high-level path aggregation dynamic efficient network-YOLO)。首先,引入高效多尺度注意力(efficient multi-scale attention,EMA)机制,与主干部分的C2f融合,增强特征提取能力,并采用C2f-Faster结构提高模型计算速度;其次,提出一种高级筛选双向特征融合金字塔与路径聚合网络(high-level screening-feature bidirectional fusion pyramid and path aggregation network,HS-FPAN),在多个尺度上同时增强语义特征,有效提升模型对细节的捕捉能力;最后,融合动态上采样模块DySample,进一步提升模型检测速度。在NEU-DET数据集上的实验结果表明,相较YOLOv8n模型,HPDE-YOLO模型检测的平均精度均值mAP@0.5达到84.2%,提升了5.7个百分点,裂纹类缺陷检测的平均精度均值mAP提升了26.88个百分点,参数量减少了45%,浮点运算量减少了32%。HPDE-YOLO模型在满足轻量化的同时能够有效提升钢材表面缺陷检测的精度,且易于移动端部署,满足工业生产需求。

关键词： 故障诊断   往复压缩机   LS-SAGAN   卷积神经网络  

摘要： 为解决实际生产中存在的往复压缩机故障信息样本缺失、样本不平衡等引起的长尾分布所造成故障诊断不准确的问题,提出一种基于经优化的对抗生成网络(Generative Adversarial Network,GAN)的方法,该方法在既保证样本质量又增强样本数量的情况下,应用改进的卷积神经网络(Convolutional Neural Networks,CNN)进行故障诊断分类。首先对往复压缩机一维故障数据进行整理并通过小波变换生成故障时频图;然后构建适应于样本的LS-SAGAN框架模型并利用原始故障时频图训练模型,生成满足实验数量的时频图;最后通过经天鹰算法优化CNN进行快速准确的故障诊断。将实验方法与其他方法进行效果对比验证,结果表明,所提方法在故障诊断中的平均准确率达到99.6%,相较其他分类方法分类效果明显提高。

关键词： 麻雀搜索算法   柔性作业车间调度问题   黄金正弦策略  

摘要： 针对以最小完工时间为目标的单目标柔性作业车间调度问题(FJSP),提出了一种改进麻雀搜索算法(ISSA)。首先,采用两段式编码将FJSP描述为机器选择和工序排序两个子问题,引入转换机制实现FJSP的离散调度解与连续麻雀个体位置向量之间的映射。然后,采用混合式种群初始化策略生成初始种群,通过黄金正弦算法改进发现者的位置更新方式,增强算法的全局搜索能力。最后,对一个应用实例以及Brandimare标准测试集中的10个FJSP算例进行仿真并与其他智能算法对比分析。结果表明,改进后的ISSA算法用于求解FJSP问题具有较好的算法收敛性,能够有效地获得FJSP问题的优化解。

关键词： 悬架座椅   粒子群算法   模糊PID控制   硬件在环仿真试验  

摘要： 针对车辆悬架座椅的振动问题,基于ADAMS/View和MATLAB/Simulink平台建立三自由度1/4车辆主动悬架座椅系统模型和路面模型,提出一种运用粒子群算法优化模糊PID的控制方法。该方法融合标准粒子群算法与模糊PID算法,通过粒子群算法对模糊PID控制中的量化因子、比例因子和模糊规则参数进行优化,解决模糊PID控制参数的选取存在经验性和主观性的问题。仿真结果表明:在不同的车速下,相较于模糊PID控制,粒子群优化模糊PID控制的座椅加速度下降16.5%以上,相较于被动悬架座椅,粒子群优化模糊PID控制的座椅加速度下降48.0%以上,减振效果改善明显。

关键词： 反应堆   自感式棒位探测器   端部补偿   多目标粒子群优化(MOPSO)   多目标优化  

摘要： 自感式棒位探测器利用探测线圈电感随驱动杆位移的变化特性实现连续棒位测量,但实际探测线圈端部磁场的非均匀分布致使探测器端部的输出信号表现为非线性,降低了端部位置的测量精度。为此,本文提出一种在探测线圈两端绕制阶梯型补偿线圈的多目标优化设计方法:(1)建立端部补偿线圈电感数学模型;(2)采用多目标粒子群优化(MOPSO)算法对补偿线圈结构进行多目标优化;(3)利用熵权法和模糊综合评价法对多个优化目标客观赋权并进行综合评价,选取一组折中最优设计方案,从而快速有效地确定补偿线圈的最优结构参数。通过有限元仿真对比补偿前后结果,发现经过端部补偿后,不仅电感灵敏度提高了28.6%,最大线性拟合误差也降低了45.8%;最后,进行样机实验,结果显示端部补偿后的探测线圈电感灵敏度为0.18 mH/10 mm,最大线性拟合误差小于0.18 mH,可实现10 mm的测量精度,验证了端部补偿线圈多目标优化设计方案的有效性。本文为其在模块化小型反应堆中的应用提供了优化设计理论基础。

关键词： 物联网平台   微服务   高并发   响应指数   服务器综合权重计算模型   负载均衡   集群  

摘要： 为解决物联网平台在高并发场景中负载失衡等问题,从平台架构和负载均衡算法出发,设计一种基于微服务架构与MQTT协议的质量追溯平台。通过将功能模块拆分为多个微服务,较大程度地提高平台的稳定性和可拓展性。对负载均衡算法进行改进,从优先级调度入手,分析用户请求的关键影响因素,采取AHP中的算术平均法计算影响因素的权重,以此设计响应指数函数,根据此函数计算请求响应值。提出服务器综合权重计算模型,结合集群节点负载状况的实时性,对用户请求进行动态调度,充分利用集群节点资源。实验结果表明,改进后算法可以有效减少请求响应时间。