课程文献中心 更多>>

关键词： 雨水径流污染   低影响开发设施   NSGA-Ⅲ算法   偏好顺序结构评估   SWMM  

摘要： 为解决现有低影响开发(LID)设施不足以应对目前城市内涝频发及雨水径流污染日益严重的问题,提出了一种定量优化布设城市LID设施的算法。在经济成本有限的基础上,以径流控制率和污染物综合去除率为优化目标,径流系数和LID设施布设面积为约束条件构建NSGA-Ⅲ算法,该算法能有效获得多个最优的LID设施布设方案,再通过偏好顺序结构评估方法确定优化目标的优先级,获得污染物综合去除率最大的LID设施布设方案。以北方某城市为例,取1、5、30、50年重现期的降雨过程,使用SWMM模型模拟并评估优化方案的效果,优化后的LID布设方案可使雨水年径流总量控制率达到80%以上,雨水峰值流量削减31.8%~66.9%;与现有LID布设方案相比,雨水峰值流量削减12.6%~34.4%,径流量峰值出现明显延后。优化后LID设施布设方案可使研究区域各类污染物的综合削减率均超过70%,对比现有LID布设方案污染物削减41.6%~71.0%。构建的优化算法可为海绵城市规划布设提供技术支持。

关键词： 缺陷检测   机器视觉   Faster RCNN   深度学习   CBAMM   ASFF  

摘要： 瓷砖作为生产生活中的必需品,受各种生产因素影响会产生不同的表面缺陷。目前,该缺陷主要靠人工检测,因此带来检测效率低、劳动强度大等难题。针对瓷砖表面的多种缺陷,提出了一种基于机器视觉的快速卷积神经网络(Faster RCNN)改进算法。首先,针对训练过程中存在的过拟合问题,对原始数据集进行预处理,扩充数据集容量;其次,在Faster RCNN算法主干特征提取网络中添加卷积块注意力混合模块(CBAMM)机制,对瑕疵缺陷进行自主学习并加强对图像深层特征的提取;最后,为保证瓷砖图像中小瑕疵特征的提取,在获得的Proposal建议框上提出自适应空间特征融合(ASFF)算法。结果表明:改进Faster RCNN算法对各类缺陷检测精度均能达到97.2%以上,相较于原始算法,该模型检测精度提升了3.5%,可以更精确地检测瓷砖瑕疵,有利于提高企业的经济效益。

关键词： 风电场   协调控制   控制框架   算法   跨学科融合  

摘要： 随着风电并网规模的增长,电力系统稳定性面临更多挑战,迫切需要高效的风电集群协调控制技术。首先分析频率控制、功率平滑控制、电压控制、最大功率输出控制等风电集群协调场景的基本原理;在此基础上,分析分散式、集中式和分布式风电集群协调控制框架的性能,探讨新型控制框架的技术特点和优势;接下来,综述风电集群协调控制实现算法,包括模糊算法、一致性算法、模型预测控制、交替方向乘子法、人工智能算法、群智能算法等,讨论不同算法的适用场景;最后,展望风电集群协调控制技术的发展趋势,指出跨学科融合的实现新思路。

关键词： 电动叉车   复合电源   能量管理   模糊控制   粒子群算法  

摘要： 传统模糊控制策略是从专家知识和经验出发去设计,优化效果有限,提出一种基于粒子群算法优化的能量管理策略,以降低整车能耗为优化目标,采用粒子群算法离线对隶属度函数进行全局优化。在MATLAB/Simulink环境下搭建仿真策略模型,结果表明:优化后的控制策略能够显著降低整车能耗,有效分配复合电源之间的功率,延长蓄电池寿命,使电动叉车复合电源具有更好的动力性能和经济性能。

关键词： 高压断路器   机械故障   极限学习机   故障诊断   萤火虫算法  

摘要： 高压断路器通过分合闸控制实现电路的开通与关断,对保障电力系统安全运行具有重要意义。为了解决高压断路器在运行中存在隐性故障难以识别和故障诊断精度不足的问题,提出了一种基于阶段搜索式萤火虫算法优化极限学习机(staged searching-firefly algorithm-based extreme learning machine,SS-FA-ELM)的高压断路器机械故障诊断方法。该方法通过提取断路器分合闸线圈的电流特征和时间特征,利用阶段搜索式萤火虫算法对极限学习机的随机权重矩阵进行优化,从而提升模型对故障特征的非线性拟合能力,通过实验对LW30-252高压断路器的故障数据进行诊断测试。结果表明,本文方法的诊断正确率达到96.67%,能够有效提取合闸铁心卡涩、铁心空行程过大和操作机构卡涩等典型机械故障特征,显著提高了高压断路器的故障诊断精度,为保障电力系统稳定运行提供可靠的技术支持。

关键词： 自动调制识别   双通道网络   长短时记忆网络   门控注意力网络   空间特征   时间特征  

摘要： 针对神经网络提取的信号特征不足导致信号识别率下降的问题,提出基于门控注意力网络的调制信号分类识别算法。该算法先对输入信号进行混合数据增强,生成更多维度的样本以便网络更好地提取信号特征;再将处理后的样本信号输入双通道网络(CNN and BiLSTM Parallel),并行提取信号的空间特征和时间特征;最后将提取到的特征输入到门控注意力网络中,自适应地调整特征权重,减少网络复杂度。实验表明,文中提出的算法最高分类准确率为92.3%,优于对比的其他网络模型。

关键词： 短波   数据链   选频建链   多域正交   抗干扰  

摘要： 针对短波数据链建链过程中定频建链频率选择困难、时效性低、易被侦获干扰以及多用户同时建链时易产生互扰的问题,提出一种基于多域正交选频的多用户短波数据链算法。首先,根据建链用户数和用频间隔等参数,利用多域正交规划将用频带宽进行分割,再根据禁用频率和用频需求得到各用户可用频点集,最后,利用系统选频建链功能为多用户同时建立短波数据链。算法有效解决了多用户同时建链中的选频困难、用频易冲突以及定频建链不稳定、用频易暴露等问题,有效提升了系统可用性和抗干扰能力。

关键词： 跳时通信   多维参数联合估计   跳时图案估计   交叉熵   相干合并  

摘要： 作为全球化通信网络的重要组成部分,卫星通信因其能够实现全球无缝覆盖和构建天地一体化信息网络而备受关注。跳时(TH)作为一种常用的卫星通信方式,具备强大的抗干扰能力、灵活的频谱利用和高安全性。该文提出一种适用于卫星通信的TH图案随机变化系统,以进一步增强数据传输过程的安全性。针对发射功率受限的问题,该文提出多跳信号相干合并策略,并进一步在该策略指导下,面对接收信号信噪比(SNR)低的约束,提出了交叉熵(CE)迭代辅助的跳时图案与多跳载波相位联合估计算法,以合并信噪比损失为目标函数,自适应调整待估参数的概率分布,从而快速收敛至最优解附近。仿真实验证明了该算法在迭代收敛速度、参数估计误差以及合并解调误码率等方面的优异性能。与传统算法相比,所提算法在保持较低复杂度的同时,误码率(BER)性能接近理论最优,有效提高了卫星TH通信系统在复杂环境下的稳定性和可靠性。

关键词： 建筑结构   深度学习   损失识别   特征分割   RCNN  

摘要： 灾难事件发生后,如何及时准确地评估建筑结构损失情况,成为灾后救援的重要问题之一.传统的人工评估方法存在耗时耗力、准确度低等问题.为了提高建筑结构损失识别的准确度,提出一种基于区域的卷积神经网络,引入候选区域生成网络,构建用于生成网络候选区并对其进行分类和位置回归的模型.结果显示,研究模型在不同类型建筑损失识别中的准确度均高于90%;在模型对比分析中,当迭代次数大于2500时,目标检测深度学习算法(Faster Region-based Convolutional Neural Networks,Faster-RCNN)相比其他4种模型的平均精度更高,且波动幅度更小.本文改进深度学习(Region-based Convolutional Neural Networks,RCNN)算法对建筑损伤识别的效果好,结果具有可信度.

关键词： 业务应用系统   信息安全   异常用户行为检测   K-means算法  

摘要： 随着信息化建设的推进,业务应用系统的信息安全日益受到关注。针对现有信息安全产品在异常用户行为检测方面存在的不足,本文提出了一种基于K-means聚类算法的异常用户行为检测方法。该方法通过刻画业务系统中的用户群体行为特征,并计算单一用户行为与这些特征之间的距离关系来识别异常用户行为。研究表明,此方法能够有效提高异常行为的检测率,并为安全运维人员提供强有力的工具以甄别潜在的信息安全威胁,从而增强业务系统的安全防护能力。