课程文献中心 更多>>

关键词： 滑坡监测   抗差估计   GNSS部分模糊度固定   成功率指标法   条件方差矩阵法  

摘要： 针对滑坡等复杂环境下GNSS观测数据受高遮挡、多路径等因素影响,易使模糊度固定成功率降低进而导致定位可靠性变差的问题,提出一种基于IGGⅢ抗差估计的GNSS部分模糊度固定改进算法。通过引入抗差估计算法,削弱粗差对参数估计的影响,提升浮点模糊度精度;此外,为避免残余误差对后续整周模糊度解算产生影响,采用基于条件方差矩阵法的部分模糊度固定改进策略,进一步提升模糊度固定成功率。实验结果表明,相比于全模糊度固定方法,该算法可显著提高模糊度固定率,3个测站分别提升5.9%、52.7%、48.0%;同时,相比于传统的卡尔曼滤波算法,改进的抗差估计算法可明显改善模糊度固定错误的情况,极大提升GNSS定位精度,水平方向RMS优于1cm,高程方向RMS优于2cm。

关键词： 建筑工程   裂缝检测   YOLOv5算法  

摘要： 为解决建筑裂缝检测中效率和准确性不足的问题,本文围绕YOLOv5算法展开分析,提出了一种基于YOLOv5算法的建筑裂缝检测技术。本文从网络结构和目标检测流程与机制等方面着手,介绍了YOLOv5算法的基本原理;从多尺度特征提取及锚框机制与优化策略等方面着手,进一步探讨了基于YOLOv5算法的建筑裂缝检测模型的速度与精度平衡原理。在此基础上,本文围绕数据准备与标注、模型训练与优化、裂缝检测的YOLOv5算法具体实现三个方面,阐述了基于YOLOv5算法的建筑裂缝检测技术的实践应用,供参考。

关键词： Transformer模型   VGGish网络   双模态融合   抑郁倾向识别   SE通道注意力机制   深度学习  

摘要： 在抑郁症诊断中,抑郁症患者的面部表情、声音信号和文字等数据可以作为评估抑郁倾向的客观指标。相较于视频,文本和音频模态在处理敏感的个人信息时能更好地保护患者的隐私,并且文本和音频均属于语言模态,相关性较强。针对抑郁倾向识别中变长文本数据不易被分析以及手动提取音频特征存在局限性的问题,提出一种基于Transformer的融合网络优化方法。对于文本模态,使用卷积神经网络对文本进行特征提取,得到文本在不同尺度下的局部特征,然后引入Transformer模型来处理全局信息和长距离依赖。对于音频模态,为了降低手动提取音频特征对识别结果的影响,通过使用VGGish网络来自动提取音频特征,并将提取好的音频特征送入Transformer中。最后,为进一步增强文本和音频模态融合网络的识别性能,引入SE通道注意力机制,使模型能够自适应地调整各模态之间的权重分配,更有效地聚焦于关键特征。实验结果表明,双模态融合后的网络准确率达到92.7%,相比仅使用文本或音频模态,准确率分别提升2.9和4.9个百分点。

关键词： YOLOv5s   注意力机制   Efficient-RepGFPN   SimAM注意力机制   轻量级卷积  

摘要： 针对无序密集放置的多尺度零件识别难度大等问题,提出一种基于改进YOLOv5s的轻量化零件目标检测算法。在Backbone网络C3模块添加CA注意力机制,提高目标特征提取能力;引入了damo-yolo的Efficient-RepGFPN结构代替原有的Neck层,以减轻模型的复杂度;引入SimAM注意力机制,提高卷积网络的表征能力;为加快计算速度,降低运算成本,用轻量级卷积GSConv代替Neck结构中的标准卷积;采用FocalEIOU替换YOLOv5算法中的CIOU对模型识别性能进行优化。实验结果表明,在自制零件数据集上,改进算法的mAP@0.5达到99.4%,检测速度仅需5.7 ms,FPS达到175帧/s,且计算量和参数量都大幅度降低,模型大小仅有原来的32%,易于移动端部署,在零件检测精度、检测速度等方面均优于原有YOLOv5s,满足视觉引导下对零件精准识别。

关键词： 工业设计   NSGA-Ⅱ算法   电动叉车   造型设计   用户偏好  

摘要： 为提高电动叉车造型设计的科学性与合理性,文章从整合设计的视角出发,避免了用户调研中的主观偏差和系统性不足的问题。运用网络爬虫技术挖掘电商网站中的评论文本,借助NLPIR系统和因子分析法获取用户偏好词汇,采用NSGA-Ⅱ算法构建用户偏好与电动叉车形态要素之间的网络空间,并实施最终造型方案决策。文章构建了外观设计、技术性能、操作体验等用户偏好与造型形态间的匹配关系,进化出的最终方案能更好地满足用户偏好,相较于对比样本,其模糊评价综合得分最高,验证了所提方法的可行性与有效性。

关键词： 自动引导车辆(AGV)   启发式算法   种群进化   多目标进化算法  

摘要： 针对多品种小批量生产的车间AGV调度问题,以客户满意度最大化和配送总成本最小化为优化目标,提出了一种有效的多目标优化算法。首先建立了多目标混合整数线性规划模型,在此基础上提出了多目标进化算法。该算法在种群初始化引入了启发式算法,采用基于理想点的多目标局部搜索增强挖掘能力,在非支配解的有价值信息的基础上设计了两点交叉运算方法,通过重启策略避免了所提算法陷入局部最优。最后通过某企业的调度实例进行了对比实验,结果表明,所提算法求解该问题的性能明显优于现有的多目标算法。

关键词： 风电机组   齿轮箱   数字信号处理   LightGBM   快速傅里叶变换   状态监测  

摘要： 齿轮箱高速轴齿轮作为齿轮箱最重要的部件之一,其健康状态不仅对风电机组的安全运行与维护影响重大,还对风电机组的发电量有直接影响。基于甘肃省某风电场中风电机组的状态监测系统(CMS)采集的大量风电机组齿轮箱高频振动信号,利用数字信号处理(DSP)方法与LightGBM算法构建了可监测风电机组齿轮箱高速轴齿轮健康状态的模型,利用DSP方法中的快速傅里叶变换(FFT)方法对信号进行样本扩增;同时从时域与频域的角度进行特征构造,筛选并剔除冗余特征,进而构建了基于DSP-LightGBM算法的风电机组齿轮箱高速轴齿轮健康状态监测分类模型,并利用CMS采集的风电机组实际的齿轮箱高速轴齿轮高频振动信号对所构建模型进行效果验证。验证结果显示:所构建模型预测效果良好,能够高效检测出风电机组齿轮箱高速轴齿轮的状态。

关键词： Bandit反馈   分布式优化   在线鞍点问题   镜面下降   动态鞍点遗憾  

摘要： 本文研究了多智能体时变网络上基于bandit反馈的分布式在线鞍点问题,其中每个智能体通过本地计算和局部信息交流去协作最小化全局损失函数.在bandit反馈下,包括梯度在内的损失函数信息是不可用的,每个智能体仅能获得和使用在某决策或其附近产生的函数值.为此,结合单点梯度估计方法和预测映射技术,提出了一种非欧几里得意义上的分布式在线bandit鞍点优化算法.以动态鞍点遗憾作为性能指标,对于一般的凸-凹损失函数,建立了遗憾上界并在某些预设条件下确保了所提算法的次线性收敛.此外,考虑到计算优化子程序的精确解在迭代优化中通常较为困难,本文进一步设计了一种基于近似计算方法的算法变种,并严格分析了精确度设置对算法遗憾上界的影响.最后,通过一个目标跟踪案例对算法的有效性和先进性进行了仿真验证.

关键词： 蚁群算法   电力巡检机器人   启发因子   角度偏差  

摘要： 针对现有电力巡检机器人存在的工作效率低、控制稳定性差等问题,设计了一种基于改进蚁群算法的机器人移动自动化跟踪控制系统。系统总体上由监控层、导航控制层和运动控制层构成,系统主要的控制硬件有STM32F407单片机、霍尔传感器、电源模块、信号转化器等。在控制算法设计方面,先基于蚁群算法构建机器人的路径规划模型,引入方向启发因子提高系统全局寻优能力,再利用方向评价函数和距离评价函数对蚁群算法进行二次改进,提高电力巡检机器人的局部避碰能力。测试结果显示,基于改进蚁群算法的机器人跟踪控制系统的行进路程为719 m,耗时1018 s,工作效率均优于两种传统系统。

关键词： 数据库技术   测绘工程项目   数据管理   应用  

摘要： 随着现阶段我国可持续技术不断发展的背景下,测绘技术也有着明显的提升,对工程项目的测绘也有着重要作用和意义。在测绘工程的各个环节中,都会有大量的数据信息产生,如果不能及时对数据信息进行采集和分析,都会对后续工程施工建设造成严重的危害和影响。因此,加强对数据信息的管理工作,也能在很大程度上提升后续工程测量和勘探的质量。