课程文献中心 更多>>

关键词： 前向碰撞预警   双目视觉传感器   风险评估   改进TTC算法   Matlab仿真  

摘要： 现有的前向碰撞预警系统大多采用多个毫米波雷达叠加或毫米波雷达与视觉传感器融合等方式,存在成本高、算法受限等问题。在比较多种传感器的性能及应用优、缺点后,选择双目视觉传感器作为前向碰撞预警系统传感器。将改进后的碰撞时间(Time to Collision,TTC)算法与卡尔曼滤波融合,结合双目视觉传感器,比较TTC值与适应性阈值,评估风险等级,确保行车安全,降低事故率。在Matlab环境下,基于改进算法对两个不同行车场景进行仿真分析。结果表明,与传统的TTC算法相比,融合卡尔曼滤波TTC算法的碰撞时间预警响应及时性和可靠性显著提高。

关键词： GIS   智能算法   房地产   批量评估  

摘要： 利用GIS和智能算法,对房价影响较大的位置、交通配套、生活配套、教育配套和周边环境等因素进行量化和选择,形成每个小区的区位分值,在此基础上将位置相邻、分值相近的小区划分在同一个评估分区,并在各个评估分区内建立评估模型,评估出标准房价格和城市全量房源价格。以浙江某中小城市基础数据和房产数据作为检验数据对评估模型进行了验证,检验结果显示拟合度高,批量评估价格具有较高的精确性。

关键词： 城市生活垃圾   基本土工参数   修正主压缩指数   机器学习   预测模型   SHAP值法  

摘要： 为准确预测老垃圾填埋场竖向扩容设计中城市生活垃圾的修正主压缩指数,首先采集西安江村沟垃圾填埋场不同填埋龄期的垃圾试样,通过室内试验测定120组试样的基本土工参数和修正主压缩指数,并利用决策树、随机森林、人工神经网络和极端梯度提升树这4种机器学习算法建立修正主压缩指数预测模型;其次收集国内外其他生活垃圾填埋场的试验数据,将其与24组试验数据组合,构建测试集;再次选取均方根误差、平均绝对误差以及判定系数作为评价指标,得到最佳预测效果的模型,并将该模型与文献预测模型的预测结果进行对比;最后采用SHAP(SHapley Additive exPlanations)值法对最佳预测效果的模型进行参数影响分析。结果表明:在4种机器学习算法中,人工神经网络的预测效果最佳,且具有更好的泛化能力;与文献预测模型相比,人工神经网络预测模型的预测效果更好;干重度对修正主压缩指数的影响程度最显著,且与修正主压缩指数呈负相关关系。该研究构建的预测模型,可以直接使用容易获取的基本土工参数来预测修正主压缩指数,不需要费时费力的压缩试验。研究结果可为老垃圾填埋场的竖向扩容设计提供参考依据。

关键词： 图像增强   低温红外图像   对比度增强   图像去噪   边缘增强   直方图均衡化   双边滤波  

摘要： 针对低温红外图像在温差较小的环境下对比度较低的问题,提出一种基于对比度受限的自适应直方图改进算法,用于低温红外图像去噪和增强。使用双边滤波算法将原始红外图像分解为细节层和基础层;使用CLAHE算法对基础层进行对比度增强,采用BM3D算法对细节层进行去噪,应用拉普拉斯锐化技术增强红外图像的边缘细节;分别赋予基础层和细节层图像不同的权值系数并线性叠加,获得增强后的红外图像。实验结果表明,该算法在视觉效果和客观数据两方面均优于常见的红外图像增强算法。

关键词： 商用车车架   生产调度   红狐算法   多目标   柔性流水车间调度   混合算法  

摘要： 针对商用车车架制造商中纵梁以及总装的生产工艺的多样性和生产调度的复杂性,以最小化最大完工时间、物料积压程度和耗电量为优化目标,提出了一个NSGA-Ⅱ和红狐算法的混合算法(hybrid algorithm of non-dominant sorting genetic algorithm and red fox algorithm,HNSGA2RFA),用于解决多目标的柔性流水车间调度问题。通过ROV规则实现GA和RFA的编码转换,并提出了归一化分组策略(normalized grouping strategy)。试验结果表明,HNSGA2RFA算法在优化速度和最优解集数量上均优于原NSGA-Ⅱ算法。

关键词： 阀门内漏   高精度传感   智能算法   温度预警系统   工业生产安全  

摘要： 随着工业安全需求的日益增加,阀门内漏检测成为保障流体系统稳定运行的关键技术。本文提出了一种基于高精度传感与智能算法的阀门内漏温度预警系统,旨在通过实时监测阀门温度变化,及时发现内漏故障并预警。本文以阀门内漏机理及温度特征、传感技术原理为基础,从系统总体设计、高精度传感模块设计、智能算法模块设计等方面展开论述。结果表明,该系统在多种工况下能够精准捕捉阀门温度得细微变化,并利用算法对数据进行深入分析,可实现高准确度的内漏预警,相较于传统检测方法具有显著优势。

关键词： 遗传算法   Seq2Seq模型   空调电能   能耗预测  

摘要： 介绍了一种建筑空调电能预测方法。空调电能占建筑总能耗的50%以上,空调电能的预测有利于可再生能源的安装容量预测和电力系统的负荷预测。采用遗传算法自适应搜索Seq2Seq模型的最优超参数,由此生成输出序列。通过与已有常见预测方法进行对比,证实了GA-Seq2Seq模型在MAE、RMSE 2和R等指标中表现优异。此外,还研究了GA-Seq2Seq模型的超参数和分类标签设置效果。

关键词： 社交网络   推荐算法   信任关系   冷启动  

摘要： 近年来,社会化推荐成为了推荐领域的研究热点。在基于用户历史行为的推荐算法中引入用户的社交关系,能够缓解推荐系统面临的数据稀疏性和冷启动的问题。本文提出了一种基于相对信任增强的推荐算法(relative trust enhancement recommendation algorithm based on the CosRA,RTECosRA)。该算法在“用户-物品”的二部图网络中,基于CosRA相似性指标进行资源分配,在资源分配过程中引入用户的信任关系,调整受信任用户获得的资源值,从而提高受信任用户所选物品的推荐率。在FriendFeed和Epinions数据集上的实验结果显示,相比于基准算法,RTECosRA算法在准确性和多样性上均有提高,且加入信任关系后,扩大了用户的可推荐范围,一定程度上缓解了冷启动问题。

关键词： 短波通信   双选择性衰落信道   低复杂度均衡算法  

摘要： 短波通信是一种依靠大气电离层反射实现超远距离传输的通信技术,具有不可替代的通信保底作用。然而,短波信道具有严重的多径时延扩展和多普勒展宽,呈现出典型的时间-频率双选择性衰落特性。上述信道特性将为短波通信的可靠性带来严峻挑战,需要接收机利用信道均衡算法,实现对通信数据的检测。针对短波信道的传统均衡算法存在收敛过慢的问题,无法适应短波信道的复杂特性;而可实现快速收敛的均衡算法则存在计算复杂度过高的问题,难以满足工程实现需求。为克服上述问题,提出一种适用于短波双选择性衰落信道的低复杂度正交近似消息传递(Orthogonal Approximate Message Passing,OAMP)均衡算法,采用基于LU分解的三角矩阵迭代解法,并利用短波信道矩阵的稀疏性,降低矩阵求逆运算的计算复杂度,从而大幅降低原OAMP均衡算法的计算量。仿真表明,所提出的低复杂度OAMP均衡算法与原OAMP均衡算法的误比特率(Bit Error Rate,BER)性能一致,而计算量可降低约88%。

关键词： 连续时间线性均衡器   自适应   符号-符号最小均方误差算法  

摘要： 随着先进工艺和技术的不断进步,要想保证数据在高速传输中的正确性,均衡器需要有更高的补偿和更低的功耗,才能实现高效通信。基于12 nm互补金属氧化物半导体工艺,设计了一种高增益、低功耗的自适应连续时间线性均衡器(continuous time linear equalizer,CTLE),该均衡器采用2级级联结构来补偿信道衰减,并提高接收信号的质量。此外,自适应模块通过采用符号-符号最小均方误差(sign-sign least mean square,SS-LMS)算法,使抽头系数加快了收敛速度。仿真结果表明,当传输速率为16 Gbit/s时,均衡器可以补偿-15.53 dB的半波特率通道衰减,均衡器系数在16×10^(4)个单元间隔数据内收敛,并且收敛之后接收误码率低于10^(-12)。