课程文献中心 更多>>

关键词： YOLOX   强化学习   变压器   绿色电力  

摘要： 在绿色电力理念的背景下,研究为了解决传统的变压器监测不仅效率低下,而且能耗较高的问题,研究首先对尤洛克斯算法进行了一系列改进,并融合强化学习算法设计出一种新的变压器节能模型。实验结果表明,48座变电站在应用该方案后的单位时间能耗得到了明显的降低,平均值约为4210 kJ,相比应用前下降了8.76%。以上结果表明,研究提出的变压器节能优化模型具有高可靠性,低能耗等优点,为绿色经济发展提供了新方案。

关键词： 同时定位与建图   概率假设密度   强跟踪   渐消因子  

摘要： 同时定位与建图(Simultaneous Localization and Mapping,SLAM)技术使移动机器人在缺乏先验环境信息的条件下,能够在估计自身位姿的同时构建环境地图。然而,在海洋、矿洞等复杂环境中,移动机器人容易受到随机突变噪声的干扰,进而导致SLAM性能下降。现有的概率假设密度(Probability Hypothesis Density,PHD)SLAM算法未考虑随机突变噪声,受到干扰时在线自适应调整能力较弱。为解决移动机器人因随机突变噪声导致状态估计和建图精度降低的问题,本文结合强跟踪滤波器(Strong Tracking Filter,STF)与PHD滤波器,提出了一种基于强跟踪的自适应PHD-SLAM滤波算法(Strong Tracking Probability Hypothesis Density Simultaneous Localization and Mapping,STPHD-SLAM)。该算法以PHD-SLAM为框架,针对过程噪声协方差和量测噪声协方差随机突变问题,本文通过在特征预测协方差中引入STF中的渐消因子,实现了对特征预测的自适应修正和卡尔曼增益的动态调整,从而增强了算法的自适应能力。其中渐消因子根据量测新息递归更新,确保噪声突变时每个时刻的量测新息保持正交,从而充分利用量测信息,准确并且快速地跟踪突变噪声。针对渐消因子激增导致的滤波器发散问题,本文对渐消因子进行边界约束,提高算法的鲁棒性。仿真结果表明,在量测噪声协方差和过程噪声协方差随机突变的情况下,所提算法相较于PHD-SLAM 1.0和PHD-SLAM 2.0的定位和建图精度都得到了提高,同时保证了计算效率。

关键词： 深度学习   多模态   情感分析   神经网络   长短期记忆网络   多层感知机   特征融合  

摘要： 多模态模型构建是为了充分地利用文本、语音和视觉等多种信息源,进而提供更准确、全面的情感分析和理解能力。这在用户情感理解、品牌口碑分析、舆情监控等领域具有重要意义。为了提高多模态情感分析算法的准确率,首先通过研究文本、语音和视频3种模态的情感特征提取以及实验验证,选择更合适的音视频特征。其次提出了多种多模态网络结构,并使用双层多模态融合网络即结合LSTM和MLP进行验证对比。实验结果表明,与单模态相比,多模态模型在分类任务上具有显著优势。该算法在二分类和三分类任务中的准确率分别达到了82.49%和70.9%,超过了其他算法。

关键词： 算法意识   隐私关注   隐私风险信念   感知收益   自我隐瞒   平台信任   隐私计算理论  

摘要： [目的/意义]探索社交媒体用户的算法意识对其自我隐瞒行为的影响机制,有助于完善我国多元共治的算法治理体系,并从理论上为社交媒体用户隐私管理提供参考依据。[方法/过程]基于隐私计算理论(Privacy Calculus Theory),探究算法意识对社交媒体用户自我隐瞒行为的影响机制,并考虑了平台信任的调节作用。通过收集730名社交媒体用户的调研问卷,综合运用结构方程模型和Bootstrap方法进行实证研究。[结果/结论]结果表明,算法意识对隐私关注、感知收益、隐私风险信念、自我隐瞒均具有显著的正向影响作用;感知收益对隐私风险信念无显著影响;隐私风险信念在算法意识与自我隐瞒之间存在部分中介作用,隐私关注和隐私风险信念在算法意识与自我隐瞒之间具有链式中介作用;平台信任负向调节算法意识对自我隐瞒的关系。

关键词： Flink   BPNN   并行训练   异构环境  

摘要： 前馈神经网络BPNN因具有非线性能力强、自学习能力强、自适应能力强以及容错能力强等优点,被广泛应用于行为识别和预测等领域。随着模型的升级优化和数据量的快速增长,基于大数据分布式计算框架的并行训练架构成为主流。ApacheFlink作为新一代大数据计算框架,因其具有高吞吐量、低时延等特点而被广泛应用。硬件设备更新换代速度的加快以及购买批次不同导致现实生活中Flink集群大多数为异构集群,意味着集群中的计算资源不均衡。现有的BPNN并行训练模型无法解决因计算资源不均衡带来的训练过程中高性能节点空转的问题。此外,异构环境下BPNN的并行训练还存在节点数量增加,节点间的通信开销也随之增加的问题。传统的小批量梯度下降方法拥有较好的寻优效果,但随机的初始化模型和小批量的梯度下降特点导致了BPNN并行化训练出现收敛速度缓慢的问题。针对以上问题,为加快异构环境下BPNN并行化训练速度,提高BPNN并行训练效率,提出了异构微差同步并行训练算法。该算法能够针对异构环境下节点性能不同的情况,对节点性能进行评分,并实时地通过数据分区模块动态地按比例分配数据,使节点性能和节点分配数据量成正比,从而减少高性能节点空转时长。

关键词： 离线强化学习   边缘计算   BCQ算法  

摘要： 该文针对移动边缘计算中的任务卸载问题,提出了BCQ(Batch Constrained Q-learning)算法,该算法是深度Q网络(Deep Q-Network,DQN)的扩展,其利用之前收集的数据离线学习最优策略,然后将策略部署在移动设备上,其能够利用本地信息进行实时决策。实验结果表明,该方法相较于专家数据具有明显的优越性。

关键词： 制造执行系统   联动排产算法   汽车智能制造   数字化转型  

摘要： 在汽车制造业中,面对市场多变和个性化需求的挑战,制造执行系统(MES)及其联动排产算法对于提升生产灵活性和质量控制至关重要。本文研究了MES系统在某轻型商用车制造公司的应用,重点分析了联动排产算法的设计和实施,该算法通过混合整数线性规划(MILP)和分支定界法优化生产排程,提高生产线效率,减少产线闲置时间。研究结果不仅为汽车制造的数字化转型提供了实践指导,也为提升企业市场竞争力提供了技术支持。

关键词： 飞蛾优化算法   松鼠优化算法   自适应控制因子   列维飞行  

摘要： 飞蛾算法是一种结构简单、配置参数少且适用范围广的群智能算法,但在收敛精度和收敛速度等方面还有待提高,且存在易收敛到局部最优的问题,为此提出一种融合松鼠搜索策略的混沌飞蛾算法。该策略采用sinusoidal混沌映射获取高质量初始种群;在飞蛾寻优过程中引入松鼠算法中松鼠的寻优途径,设置高质量火焰个体与近距离火焰个体指导飞蛾高质量寻优,通过余弦控制因子触发的捕食者概率促使飞蛾跳出原始火焰对其的吸引,提高飞蛾算法全局搜索能力;改造自适应t分布因子与火焰自适应减少公式,控制适应度较差的种群通过列维飞行进行随机迁移,增加算法的局部搜索能力。通过CEC2017测试集、CEC2022测试集与两个工程应用实例分别与其他15种智能算法进行对比验证,结果表明改进算法在收敛速度、搜索能力和跳出局部最优等方面具有一定优势。

关键词： 炼化企业   设备管理   信息化  

摘要： 本文从现阶段各炼化企业设备管理业务信息系统功能概览及分布、系统应用现状、炼化设备数据湖建设等方面就炼化设备管理业务存在问题进行小结和展望;从设备全生命周期管理维度对设备前期管理、规划管理、采购建设、运行维护、退役管理、专业管理所涉及系统的建设现状及其边界划分进行厘清和明确。

关键词： 电网储能系统   列约束生成算法   平稳   运行状态   能量损耗  

摘要： 为了使当前电网储能系统运行更加稳定,电量损耗更少,研究在列约束生成算法的基础上对其进行改进,通过加入粒子群算法对系统的位置等参数进行计算,再使用列约束生成算法进行分析。研究结果表明,不同场景的全天电压分布情况基本在电压1.0 p.u.之间变化,场景1的最低电压值分别为,0.351 p.u.、0.421 p.u.和0.432 p.u.,场景2的最低电压值分别为0.543 p.u.、0.423 p.u.和0.321 p.u.。不同场景规划后的充放电过程更加充分,场景1中的配电网储能系统运行较为平稳,电量的释放和充盈都能够满足配电网的运行。场景2中配电网的储能系统基本处于充电过程,这个系统都能够完成当前时刻的电量储能过程。由此可见,使用改进列约束生成算法能够提升储能系统的运行状态,这为该领域的研究提供了新思路。