课程文献中心 更多>>

关键词： 烧结工序   固体燃耗   集成学习   混合核函数   支持向量回归  

摘要： 烧结是钢铁生产中能耗第二高的工序,其中固体燃耗占烧结工序能耗70%以上,对固体燃耗进行提前预测可以为现场操作人员提供生产参数调控依据,对烧结工序的节能减排具有重要意义。针对目前固体燃耗预测模型泛化能力不佳、预测精度受限的问题,提出了一种基于混合核支持向量机(HKSVR)与AdaBoost集成学习算法的烧结固体燃耗预测模型,并采用贝叶斯算法优化模型参数。使用现场生产数据对模型进行训练和测试,结果表明基于多项式核函数与拉普拉斯核函数构建的AdaBoost-HKSVR模型具有较好的预测性能,预测结果的MAE、RMSE、决定系数R^(2)为0.14、0.19、0.99,可为烧结工序智能控制与工艺参数优化调控提供有力支持。

关键词： 协作策略   计算思维   编程效能感   结对编程   编程教学  

摘要： 计算思维是信息科技课程要培养的重要核心素养,也是全球K-12课程的重要培养目标。结对编程是中小学编程教育中培养计算思维的常用方法,但依然存在编程参与度不高、易发生协作冲突、缺少反馈等现实困境。为了解决这些现实困境,本研究提出了结对编程协作策略设计原则:明确分组方式,制定协作契约,设计有效交互和扮演教师角色。在此基础上,设计了结对编程协作策略。研究过程中选取小学四年级166名学生为研究对象,其中实验组82人,采用结对编程协作策略;对照组84人,采用结对编程传统策略。实验结果表明:在计算思维方面,结对编程协作策略显著提升了小学生的计算思维,进一步分析发现,实验组男生的计算思维显著高于对照组男生,其中男男组中男生的计算思维提升尤为显著;在编程效能感方面,协作策略显著提升了小学生的编程效能感,进一步分析发现,实验组男生的编程效能感显著高于对照组男生,其中男男组、男女组男生的编程效能感均显著提高。在此基础上,本研究从组内角色变换、小组分组方式和教师角色扮演三方面,对小学编程教学提出了建议。

关键词： 露顶式平面钢闸门   容许应力   活跃目标粒子群算法   强度复核   优化设计  

摘要： 针对钢闸门优化问题难以获得全局最优解这一问题,提出了一种活跃目标粒子群(Active Target Particle Swarm Optimization,APSO)算法用于露顶式平面钢闸门的优化设计。该算法在传统粒子群(Particle Swarm Optimization,PSO)算法种群中设定一个活跃目标个体,并将该个体引入算法的迭代更新机制中,活跃目标个体的引入增强了算法跳出局部极值、进行全局寻优的能力;并且采用一个综合学习因子代替原始算法中的多个学习因子,进一步提高了算法的收敛速度与稳定性。在满足钢结构强度等约束条件下,以钢闸门总重力为目标函数,对主梁、边柱、面板和次梁等结构参数进行寻优。同时依据优化结果,采用ABAQUS建立有限元模型对钢闸门主梁进行强度复核,结果表明,采用活跃目标粒子群算法对露顶式平面钢闸门进行优化设计能够得到更优的各结构尺寸参数,优化后的钢闸门总重力与文献算例相比降低了15.38%,并且强度复核符合容许应力要求。

关键词： 数据分析   决策树算法   效率管理   生产要素分配  

摘要： 针对经编企业目前存在的采集繁杂的数据,但缺少科学地对数据进行挖掘和分析的问题,运用C5.0决策树算法,对影响经编车间机器运行效率的多项因素,如原料类型、机器型号、挡车工号、班次、运行时间、停车次数、室内温度、相对湿度等进行深入分类和研究。对预处理过的19 407条数据,通过计算信息增益率,Boosting算法优化迭代模型,以及枝叶修剪等手段,分析出对机器运行效率影响程度大小排序为:机器型号、运行时间、原料类型、室内温度、相对湿度、班次、挡车工号,并根据决策树模型给出各因素决策方案,有效地提高车间机器的运行效率。

关键词： 大数据分析   液位滤波   水性废溶剂  

摘要： 某涂装车间调漆间实时采集的废溶剂回收缸数据存在周期性异常波动问题。从异常检测算法、常规滤波算法以及多算法融合方法等测试了不同算法对于该液位曲线的滤波效果。最终的测试结果显示,一种基于大数据分析的多算法融合方法整合了各滤波算法的优点,有效解决了废溶剂液位数据失真问题,为后续的溶剂降耗研究提供了良好的数据基础。同时,该方法可推广至车间类似设备,依托大数据分析方法处理液位扰动问题,为后续大数据分析的研究提供高质量数据。

关键词： 线特征   车载轨迹特征   点云快速配准   城市区域  

摘要： 针对城区大规模异源点云数据配准效率低的问题,提出一种城区机载和车载点云的快速配准算法。该算法首先以建筑物特征直线为基础,利用矩形邻域搜索对应线对,提高对应线对搜索效率;其次以线线间对应关系构建配准模型,完成平面配准;最后按1 s间隔选取车载轨迹点下方对应的高程点对,完成高程配准,减少搜索高程点对的时间和参与匹配的点对数量,提高配准效率。实测数据结果表明,该算法在平面距离偏差均值和均方根误差分别为17.231 mm, 23.874 mm,配准总用时为2.67 min,该算法可以实现城市区域机载和车载点云快速配准的同时保持有较高的配准精度。

关键词： 城市环境遥感参数   参数快速计算   生态指标动态构建   网格化空间分析   数据管理  

摘要： 为提高城市生态遥感指标快速提取与分析效率,该文采用C#+GDAL开源库+ArcGIS Engine方法库+数据库二次开发模式,围绕城市生态环境指标提取中遥感数据处理、参数提取、成果制图等关键性问题展开方法与算法设计;然后采用GDAL开源方法库和数据库技术,实现对处理后栅格、矢量数据的快速管理,对绿度(NDVI)、干度(NDSI)、湿度(WET)和热度(LST)等参数的快速提取,及相关指标建模与计算和相关城市生态指标的统计与分析。实现基于格网统计数据的快速连接、分析模型构建、统计分析和成果制图等功能。表明用GDAL、ArcGIS Engine、DB结合的方法可实现指标运算、格网分析、分类统计等方法,从而实现城市生态环境的格网化空间分析,可为城市生态环境数据管理、快速分析提供有效技术支持。

关键词： 行人检测   小目标识别   深度学习   边缘计算  

摘要： 针对现有的高精度行人检测模型因资源要求高而导致的难以应用于边缘计算场景的问题,提出了一种适用于边缘GPU设备的轻量级实时密集行人检测算法。该算法通过在检测头中融合全维度动态卷积,降低了冗余信息对于检测效果的影响,并通过优化损失函数增强了算法区分待检测目标和背景的能力。实验结果表明,在密集人群场景下的行人检测任务中,该算法在精确度方面较本文基线算法YOLOv7-tiny提升了4.1百分点,这证明该算法能够在边缘计算场景下实现准确的密集人群检测。

关键词： 计算机图像处理   纸浆纤维   特征提取   SVM   卷积神经网络  

摘要： 纸浆纤维的形态参数和纯净度等决定着纸张的质量与性能。对纸浆纤维进行精准检测和分类是造纸生产中的重要环节,也是保障成纸质量最直接的手段。计算机图像处理技术是近些年随着信息产业的迅速发展而发展起来的新兴分析技术,在纤维检测领域有着明显优势与良好前景。基于此,简述了计算机图像处理技术在纸浆纤维检测中的应用,介绍了纸浆纤维图像预处理过程与算法,确定了对纸浆纤维图像要提取的形态特征和灰度特征,并提出SVM结合卷积神经网络的纸浆纤维分类算法。该方法对纸浆纤维的分类达到了较高的水准。

关键词： YOLOv8   小目标检测   深度学习   多尺度特征金字塔   注意力机制  

摘要： 针对交通道路中小目标车辆存在的识别困难、检测精度低以及误检和漏检等问题,提出一种基于YOLOv8算法的大内核、多尺度梯度组合的道路交通小目标车辆检测模型RGGE-YOLOv8。首先,使用RepLayer模型替换YOLOv8网络的主干部分,引入大内核深度可分离卷积结构,拓展上下文信息,以增强模型对小目标的信息捕获能力;其次,使用GIoU代替原损失函数,解决IoU在预测框与真实框没有重叠时存在的无法优化问题;然后,引入全局注意力机制(GAM),通过减少信息丢失并增强全局交互信息来提高网络的特征表达能力;最后,引入CSPNet并重参化梯度组合特征金字塔,使得模型具有较大感受野和高形状偏差。实验结果表明,RGGE-YOLOv8在Visdrone数据集和自有数据集上mAP@0.5指标分别达到34.8%和94.7%,相较于原始YOLOv8n算法精度分别提高了2.2和5.51百分点,证明了RGGE-YOLOv8模型对道路小目标车辆检测的有效性。