课程文献中心 更多>>

关键词： 燃煤火力发电   大数据实时分析   智能燃烧优化指导系统   深度强化学习   锅炉效率  

摘要： 针对燃煤火力发电厂锅炉燃烧系统复杂,控制难度大等问题,通过数据在线治理、深度强化学习,建立基于大数据实时分析驱动的人工智能算法模型,开发了一套智能燃烧优化指导系统,优化指导锅炉燃烧相关系统运行,以提高锅炉燃烧全过程的安全性和经济性。系统基于价值网络、约束网络和策略网络,利用深度强化学习技术,构建火电燃烧模拟器,通过大数据的样本积累,对相同负荷下锅炉效率进行优化排序推荐,从而在实际运行时,推荐最优燃烧工况的参数调整方案,锅炉效率逐步提升,并趋于平稳。

关键词： 颌面部   对称参考平面   成像,三维   深度学习   算法  

摘要： 目的:建立一种可实现三维颌面点云数据智能配准的本体-镜像关联深度学习算法,基于颌面动态图结构的配准网络(maxillofacial dynamic graph registration network,MDGR-Net)模型,实现三维颌面对称参考平面的自动化构建,以期为口腔临床数字化设计与分析提供参考。方法:收集2018年10月至2022年10月就诊于北京大学口腔医院无显著颌面畸形临床患者400例,通过数据增强的方式获得2000例三维颌面数据用于MDGR-Net算法训练与测试,其中训练集1600例、验证集200例、内部测试集200例,MDGR-Net模型包含构造本体与镜像点云(X和Y)中关键点的特征向量,基于特征向量获取点云X和Y中关键点的对应关系,以及通过奇异值分解(singular value decomposition,SVD)计算旋转和平移矩阵R,t。基于MDGR-Net模型实现本体点云与镜像点云的智能配准,获得本体-镜像联合点云,并采用主成分分析(principal component analysis,PCA)算法获得MDGR-Net关联法对称参考平面。基于决定系数(coefficient of determination,R 2)指标对内部测试集平移及旋转矩阵进行模型评价,并对200例内部测试集与40例外部测试集临床数据,基于MDGR-Net关联法与“真值”迭代最近点(iterative closest point,ICP)关联法构建的三维颌面对称参考平面进行角度误差评价。结果:基于200例内部测试集三维颌面数据测试MDGR-Net旋转矩阵R 2为0.91,平移矩阵R^(2)为0.98。在内部与外部测试集上,角度误差平均值分别为0.84°±0.55°、0.58°±0.43°,临床构建40例三维颌面对称参考平面仅需3 s,在正畸骨性Ⅲ类、高角、安氏Ⅲ类错牙合畸形受试者表现最佳。结论:基于点云智能配准的MDGR-Net关联法为口腔临床三维颌面对称参考平面构建提供了新的解决方案,可显著提升诊疗效率和效果,降低专家依赖性。

关键词： 边缘智能   任务时效性   任务调度   能耗   多核系统   CBTP策略  

摘要： 在嵌入式实时系统中,边缘智能技术显著提升了计算性能.然而,确保任务时效性、提高效率、降低能耗和系统阻塞仍然是关键研究领域.本研究专注于同质多核系统的任务调度问题,提出了一种名为“基于相关性的任务分区节能调度策略”(CBTP)的节能调度策略.CBTP通过深度分析任务之间的依赖关系,为它们分配最优处理器,减少资源争用和阻塞.为了实现高效的并发访问,采用了多处理器堆栈资源协议(MSRP)和高性能的分区最早截止优先调度算法(P-EDF).同时,CBTP引入了双速节能机制,结合动态电压和频率调整(DVFS)来灵活调整任务的执行速度.实验结果表明,CBTP策略明显优于传统方法,显著降低了系统阻塞和能耗,验证了其在同质多核系统中的卓越性和有效性.这项研究提供了一种新的视角,旨在边缘计算环境下来提升实时系统的调度性能,同时提高调度的能源效率.

关键词： YOLOv8n-Pose算法   深度卷积   上下文导引特征融合   姿态估计  

摘要： 针对YOLOv8n-Pose模型在边缘设备部署面临的计算资源和存储空间受限问题,提出了一种基于改进YOLOv8n-Pose的人体关键点检测算法。设计了一种基于上下文导引特征融合模块,以提升模型的特征表达能力和检测精度,并引入深度卷积进行图像特征处理,使得检测头的参数量更少、计算量更低。在COCO-Pose数据集上的实验结果表明,改进后的YOLOv8n-Pose模型在保证检测精度提升的同时,使得参数量降低了19.5%、计算量减少了32.6%,从而提高了模型在边缘场景中的适用性。

关键词： 煤矿防爆设备   层次分析法   设备管理   模糊综合评价  

摘要： 提出一种基于层次分析法的煤矿井下防爆电气设备管理方法,旨在提高设备管理水平,保障煤矿安全生产。先构建管理指标体系,细化设备选型、安装调试、运行维护等关键环节,然后邀请专家对各层次指标进行两两比较,确定权重,并运用模糊综合评价法综合评估管理效果。研究结果表明,该方法能够有效提高防爆电气设备的管理效率,尤其在设备选型与运行维护方面效果显著,为煤矿安全生产管理提供了科学依据。

关键词： 门式起重机   支持向量机   麻雀搜索算法   灰狼优化算法   易损性曲线  

摘要： 门式起重机作为主要的货物装卸设备,预测其震后损伤状态具有重要意义。文中选取150条地震动记录,并结合4台门式起重机建立了数据集A和数据集B,通过数据集B构建了基于支持向量机的门式起重机结构损伤状态预测模型。对比分析由4种核函数建立模型的差异,将数据集A应用于此模型上,通过易损性曲线的对比评估模型性能。此外,还采用智能优化算法对模型进行优化,并评估优化后的模型性能。结果表明:由高斯核函数建立的模型预测性能最好,模型在数据集A上的表现良好,预测易损性曲线和基于IDA方法的易损性曲线基本保持一致;由麻雀搜索算法优化的模型在数据集A上的表现更好,2种优化后的预测易损性曲线相较于未优化前的预测易损性曲线,其与基于IDA方法的易损性曲线贴合度更高,说明模型的优化效果良好。

关键词： 接触网   吊弦   深度学习   边缘计算   缺陷检测  

摘要： 针对接触悬挂系统中吊弦断股问题,研究基于边缘计算的实时吊弦断股缺陷识别算法。运用基于深度学习与精细化图像处理算法相结合的策略,首先采用改进的YOLOv5定位算法,实现吊弦线夹准确定位,然后采用边缘提取计算方法实现吊弦断股缺陷智能识别。测试结果表明:改进后的吊弦线夹定位算法准确率(召回率)达99.75%,吊弦断股缺陷检出率(召回率)达95.99%,误报比率为0.087%。通过算法优化,将算法在NVIDIA边缘计算模块上实现,计算速度约达27帧/s,极大提升了检测速度。

关键词： 电-氢综合能源系统   分布式能量管理   自适应神经动力学算法  

摘要： 近年来,在能源需求持续攀升和氢能技术不断发展的背景下,电-氢综合能源系统引起了学界的广泛关注。随着大量分布式资源的接入,系统呈现出愈加显著的多主体特征,给电-氢综合能源系统的能量管理带来了新的挑战。文中提出了一种基于自适应神经动力学算法的电-氢综合能源系统分布式能量管理策略。首先,考虑火力机组、风光机组、电解槽、储氢罐、氢化工等能源设备的运行成本及约束,建立了电-氢综合能源系统能量管理模型。其次,针对此优化模型的求解,建立了一种分布式自适应神经动力学优化算法。该算法不仅保留了神经动力学算法计算时间短、速度快的特点,还减少了自变量初值对求解的影响。在算例中,所提方法同时与集中式方法和交替方向乘子法的求解结果对比,验证了所提方法在计算效率上的优越性和有效性。

关键词： 压缩感知   混合整数优化   最优子集选择   稀疏重建   稀疏优化  

摘要： 在压缩感知重建算法中,利用混合整数优化(Mixed Integer Optimization,MIO)可以实现最优子集选择,从而提升信号和图像的稀疏重建效果。针对传统贪婪算法在压缩感知重建中存在的局限性,提出了一种基于MIO的优化模型,将稀疏优化问题转化为混合整数规划问题,并利用Gurobi等求解器进行求解。仿真实验结果表明,尽管MIO方法的重建时间较长,但在测量次数较少或信号稀疏度较高的情况下,能够显著提高重建的准确率。最后,将该方法扩展至图像的压缩感知重建,并在多组实验中验证了其性能优势。

关键词： 漏电流检测   全光纤电流传感器   变分模态分解   捕食者优化算法   形态学滤波  

摘要： 针对船舶电力网络漏电流光纤传感测量响应度低、测量能力弱等问题,提出了一种基于最优变分模态分解与形态学滤波组合的降噪方法,以提升微弱电流测量能力。以希尔伯特谱熵为适应度函数,利用捕食者优化算法搜寻分解模式数及二次惩罚因子的最优组合,并完成变分模态分解获取本征模态函数分量。设置相关系数阈值确定有效模态函数分量,完成信号重构。以信噪比为适应度函数,通过捕食者优化算法确定形态学滤波的结构因子及比例系数,对重构后的信号进行时域降噪处理,实现对漏电流信号进一步降噪。通过仿真分析以及实验验证,确定该方法相对于现有的滤波方法,改善了信号的信噪比,降低了最小均方误差,泄漏电流的分辨力可提升至3mA。