课程文献中心 更多>>

关键词： 永磁同步电机   无位置传感器控制   滑模观测器   抖振抑制   恒电流频比   全速域  

摘要： 在分析无位置传感器控制永磁同步电机(PMSM)发生高频抖振原因的基础上,文中提出对PMSM滑模观测器算法及起动控制进行优化,包括:使用双曲正切函数代替符号函数作为滑模面切换函数,基于李雅普诺夫理论的滑模增益整定,使用锁相环法代替反正切法估计转子位置等。针对PMSM全速域无位置传感器运行时电机低速起动位置估计困难的问题,提出恒电流频比(I/F)控制。考虑零速起动的PMSM由I/F控制转向滑模观测器控制切换时产生的电磁转矩不平稳,引入避免滑模观测器给定观测位置角差值发生波动的q轴电流系数,并制定转子电流控制新策略。仿真实验结果证明该方法相比传统方法能有效降低转速波动且转子位置角估算误差更小,验证了所提优化方法在抑制抖振方面的有效性。该算法可应用于智能制造领域,以有效抑制系统抖振问题,进而提升智能制造企业生产效益。

关键词： 粒子群算法   探测模型   探测覆盖率  

摘要： 对于水下探测过程中单个节点的探测能力来说,无论是发现概率还是探测范围都是有限的,由此多节点联合探测构成的水下联合协同探测组网系统应运而生。在水下联合协同探测组网系统中的各节点如果分布不合理,就会导致探测重叠覆盖面积过大,出现盲区,无法实现对探测搜索区域的全范围覆盖或者无法满足覆盖要求。对于一些探测平台造价高、平台部署难度大、平台之间可能产生互绕的问题,通过简单增加平台数量来达到增加探测覆盖面积的目的并不现实。因此通过对水下联合协同探测组网系统中的各探测节点进行阵位优化来提升探测覆盖范围尤为重要。粒子群优化算法(PSO)是一种进化计算技术(EvolutionaryComputation),1995年由Eberhart和kennedy两位博士提出,最初源于对鸟类行为的研究。该算法受到鸟类集群捕食行为活动规律的启发,利用鸟群中个体间的信息共享使得整个群体的运动在问题的解空间中产生从无序到有序的演化过程,从而优化解空间并建立求解模型。

关键词： 柔性作业车间   动态重调度   改进遗传算法   机器故障   紧急插单  

摘要： 针对柔性作业车间在生产过程中常因机器故障和紧急插单事件导致调度方案可实施性下降的问题,文章提出了一种重调度方法。该方法通过结合动态调整策略与事件驱动重调度策略,实现了对动态事件的即时检测与分析。同时,采用整合了POX交叉(优先操作交叉)与邻域搜索变异操作的改进遗传算法,对调度方案进行了优化。通过实施右移动重调度和完全重调度的仿真实验,验证了改进遗传算法在动态重调度中的优化效果,表明该算法能够有效提升生产系统的稳定性和适应性。

关键词： LSTM   蚁群算法   智能电厂调度   深度学习   回归建模  

摘要： 本文研究了在智能电厂的调度中应用LSTM深度学习回归模型和蚁群算法的方法。首先介绍了智能电力调度系统框架,并提到了电力数据与煤耗的回归建模。在回归建模部分,比较了传统线性回归模型和LSTM深度学习回归模型的优缺点,并详细介绍了神经网络和LSTM的原理。其次介绍了基于蚁群算法的发电调度方法,描述了问题的具体情况,详细介绍了蚁群算法的原理。在试验分析部分,本文建立了回归模型,并进行了智能发电调度算法的实验。最后总结了研究成果并给出了结论。

关键词： 雷达自动标绘   避碰方案   遗传算法   模拟器  

摘要： 为了解决雷达人工标绘耗时、难以数字化且非最优问题以及“试操船”功能依赖于操作人员主观调参以动态确定避碰方案的不确定性和非最优性且无法提供复航时机的问题,提出一种可行的多变量、单目标优化方法。基于雷达现有ARPA功能提供的目标运动要素及碰撞参数(DCPA和TCPA),以延迟时间、避让航向和时间、复航航向和时间为优化对象,以船舶绕航距离最短为优化目标,考虑避碰规则要求和基于标绘原理构建约束条件,建立雷达自动标绘功能优化模型,利用遗传算法完成模型求解并进行仿真实验验证。实验结果表明,建立的优化模型在对遇、交叉相遇和追越等局面下均可生成最优标绘避让方案。该方法建立了人工标绘原理的优化模型,实现自动试操船(即雷达全自动标绘)功能,可应用于雷达模拟器及真机,有效完善其依靠目标跟踪和试操船进行辅助避碰的功能,对使用雷达进行避碰操作具有一定的指导意义,同时可用于船舶避碰路径规划、辅助船舶自主避碰策略的制定。

关键词： 目标检测   YOLOv7   草坪杂草   精准施药   通道融合  

摘要： 为提高草坪维护自动化程度,实现除草机器人自动识别精准施药,针对自然环境中草坪杂草难以识别的问题,以YOLOv7为基础目标检测网络,提出一种增强图片颜色信息的草坪杂草检测模型。对RGB图片进行超绿处理,抑制背景干扰信息,突出杂草颜色信息。扩充网络输入通道为四通道,将超绿灰度图与RGB图片融合得到新的四通道图片,提高网络对草坪环境的抗干扰能力。引入三维注意力模块SimAM,提高网络针对低辨识度杂草识别精度,增强网络对草坪杂草目标的识别效果。改进后YOLOv7-4ch网络对草坪杂草识别效果较好,自然环境下识别草坪杂草的mAP@0.5为91.7%,帧速率100 f·s^(-1),模型大小为67.9 Mb,可满足除草机器人识别需求。改进网络与基础YOLOv7网络相比,mAP@0.5提高2.3%,与YOLO系列其他算法相比有较大提升。该算法可有效识别自然环境中的草坪杂草,为其精准化施药提供技术支持。

关键词： 图像分割   视网膜血管分割   U-Net   改进GhostModule   注意力机制  

摘要： 视网膜血管分割对于诊断和治疗某些眼部疾病非常重要。视网膜血管分割任务中存在血管形态结构复杂和对边缘区域细小血管分割不准确的问题。为缓解这些问题并避免模型过于复杂,提出一种改进U-Net的视网膜血管分割算法,改进后的网络结构具有轻量和高效的特点。首先,为解决网络出现的过拟合现象,利用DropBlock卷积块替代原始网络中的卷积块;其次,为扩大感受野并提高分割血管的精度,采用改进后GhostModule模块替换原始卷积;最后,为解决噪声干扰和进一步提高模型对边缘细小血管的分割性能,在编码器与解码器之间的跳跃连接处添加空间注意力机制,有效地抑制了噪声,提高了模型对血管的分割性能。在DRIVE、CHASE_DB1、STARE三个数据集上进行实验,准确性分别为0.969 2,0.974 9,0.975 4,灵敏性分别为0.833 4,0.871 3,0.862 0,特异性分别为0.982 5,0.982 0,0.986 6,AUC分别为0.987 4,0.990 4,0.993 4,整体模型的参数量仅为0.38 M。实验结果证明,改进后的网络模型以极少参数量实现了较好的分割性能,较U-Net,DCU-Net等算法均有较大提升。

关键词： 动作识别   动态时间规整   多维最长公共子序列   频谱映射   3D运动历史图像   聚类中心  

摘要： 针对当前动作识别过程中忽略了场景的语义信息,易受视角变换与遮挡的影响,导致识别率不高等问题,提出了一种基于动态时间规整耦合3D运动历史图像的人体动作识别算法。首先,结合人体的空间位置、运动方向和速度等不同特征,利用多维最长公共子序列(Multi-Dimensional Longest Common Subsequence,MDLCS),对视频数据中的行人目标进行跟踪,提取目标的运动轨迹。然后,基于频谱映射理论,对得到的轨迹实施聚类,并计算运动轨迹的聚类中心。通过对聚类结果执行ROI划分和提取,获取场景的语义上下文信息。再引入动态时间规整(Dynamic Time Warping,DTW),将输入的视频序列与聚类中心进行比较,消除异常与冗余动作信息。随后,计算轨迹段的起点、终点与工作区的ROI之间的位置关系,结合场景的语义上下文信息,采用基于颜色和深度信息的3D运动历史图像(3D Motion History Image,3D-MHI)来提取动作特征。最后,利用支持向量机(Support Vector Machine,SVM)对3D-MHI动作特征进行分类学习,完成对人体动作的识别。实验表明:所提算法在UCF Sport与Hollywood数据集上的识别率分别达到了95.1%和92.5%,与当前流行的动作识别算法比较,具有更高的识别率与较强的鲁棒性,对视角变换与遮挡等复杂场景下的动作识别更为有效。

关键词： 人工智能   网络入侵检测   信息安全   数据保密   算法优化  

摘要： 数字化时代下,网络安全已成为全球关注的热点问题。网络入侵检测和信息安全保密技术致力于识别和预防未授权的网络访问和攻击行为,是维护网络环境安全和保护敏感信息不受威胁的重要工具。人工智能算法的应用显著改进了技术的数据分析深度、威胁检测准确性、响应速度,使其能够有效应对日益复杂的网络安全挑战。文章以CNN-RNN算法在网络入侵检测与信息安全保密技术中的应用为主题,设计了三种算法模型:CNN卷积层与池化层算法模型、RNN中的LSTM算法模型、CNN算法与RNN算法相结合的CNN-RNN算法模型。并以网络入侵检测数据集KDDCup99为测试数据通过实验对比三种算法模型的准确率、召回率、F1分数和AUC值。测试结果表明CNN-RNN算法在提高网络入侵检测准确性和效率方面的有效性,具有优于CNN或RNN算法的性能。

关键词： 防护装备检测   多尺度感知网络   目标检测算法   空间感知注意力   尺度感知注意力  

摘要： 为提高医护人员一次性防护装备的检测准确率和精确率,降低感染风险和环境污染,针对现有目标检测算法在复杂环境下性能较差的问题,本文通过引入多任务损失函数、最小绝对值偏差、复杂尺度感知注意力和空间感知注意力以及可变卷积的方式优化目标检测算法,提出多尺度感知网络(MSTDA)和多重感知注意力检测模型(MATDA)并进行医护人员防护的智能算法实验。实验结果表明:MSTDA模型在准确率和精确率上均优于现有YOLO系列模型及Faster RCNN模型,且MATDA模型在准确率和预测精确率上表现最佳。正确佩戴口罩时模型MSTDA比其他3种模型分别高出17.8%、2.7%、16.3%,未正确佩戴口罩时比其他3种模型分别高出17.3%、4.1%、16.1%。消融实验验证了尺度注意力模块和空间注意力模块的有效性。未来工作将致力于降低模型复杂度,提升计算速度,并考虑其他因素的交叉影响,以增强智能检测方法的适用性。