课程文献中心 更多>>

关键词： 渗碳齿轮   接触疲劳   疲劳极限   表面完整性   表面强化工艺  

摘要： 表面完整性是影响齿轮接触疲劳性能的关键因素,探明表面完整性参数与齿轮接触疲劳极限的定量关联规律,对实现表面完整性参数主动设计和提升齿轮疲劳性能具有重要意义.为探究表面完整性参数与接触疲劳极限的定量关联规律,进行磨削、喷丸强化、二次喷丸和喷丸光整等不同工艺状态的18CrNiMo7-6、16Cr3NiWMoVNbE材料牌号的渗碳齿轮表面完整性表征和接触疲劳极限测试;通过皮尔逊相关系数法分析了影响齿轮接触疲劳极限的关键表面完整性参数,基于CatBoost算法探究了特征参数对齿轮接触疲劳极限的影响权重,采用多元线性回归推导了考虑表面完整性参数的齿轮接触疲劳极限预测公式.结果表明,二次喷丸工艺状态的齿轮次表面最大残余压应力幅值可达1250 MPa以上,表面硬度达到685 HV,接触疲劳极限相较于渗碳磨削态最高可提升19.6%.基于本文齿轮材料和加工工艺所得到的与接触疲劳极限贡献度相关的表面完整性特征参数分别为表面硬度、最大残余压应力、表面残余压应力和表面粗糙度,贡献度分别为39.5%,24.7%,23.5%和12.3%.提出的基于表面完整性的齿轮接触疲劳极限预测公式,相比试验结果的平均预测误差仅为2.9%,满足工程应用需求.

关键词： YOLOv7-tiny   CoordAttention注意力机制   FR-ODConv动态卷积   Res-EDH解耦头  

摘要： 针对建筑工地复杂场景下安全帽图像因背景信息复杂、光照强度和拍摄角度不同等特点,导致YOLOv7-tiny安全帽检测算法识别精度低,易出现漏检以及误检等问题,提出了一种MCWE-YOLO安全帽检测算法。通过改进Mosaic方法进行数据增强,丰富数据多样性;将CoordAttention注意力模块嵌入YOLOv7-tiny模型中,以增强模型对小目标语义信息的提取能力和全局感知能力;提出一种新的FR-ODConv动态卷积代替Head中的静态卷积,并自适应动态调整卷积核的权值,使模型能够更好地提取不同形状和大小安全帽的关键特征;改进算法的损失函数,以聚焦于普通质量的锚框,提高模型检测整体性能;提出用Res-EDH解耦头结构替换原始的Detect结构,对分类和回归进行解耦,在提升精度的同时降低了延时。最后使用开源GDUT-HWD安全帽数据集进行训练测试,实验结果表明,MCWE-YOLO算法的mAP达到87.3%,相比原始YOLOv7-tiny算法提升了1.6%,对比其他算法的最优值提升了2.1%,能有效提高安全帽检测精度,实现建筑工地安全帽的自动化检测。

关键词： 机器学习   小样本学习   度量学习   布朗距离协方差   混合注意力机制   特征重塑  

摘要： 针对小样本图像分类中主干卷积神经网络所提取特征缺乏关联性,以及在将其表示为布朗距离协方差(Brownian distance covariance,BDC)矩阵时易出现通道特征信息丢失的问题,提出了基于混合注意力的布朗距离协方差(hybrid attention-Brownian distance covariance,HA-BDC)小样本图像分类算法。该算法首先在主干卷积神经网络中引入加权的非局部注意力机制来增强特征提取能力,然后采用跨空间学习的高效多尺度注意力模块重塑嵌入特征,使得新的特征张量能够保留每个通道上的信息。再用BDC度量模块将新的特征张量表示为BDC矩阵,并通过全连接层得到BDC矩阵的权重矩阵,最后采用逻辑回归模型进行分类。在大规模视觉识别挑战的子数据集(mini ImageNet large scale visual recognition challenge,miniImageNet)和分层大规模视觉挑战的子数据集(tiered ImageNet large scale visual recognition challenge,tieredImageNet)上进行分类实验,结果表明,HA-BDC算法相较于简单迁移学习深度布朗协方差(simple transfer learning deep Brownian distance covariance,STL DeepBDC)算法在5-类别1-样本任务中的分类准确率分别提升了2.83%和0.77%。该研究能有效应用于数据量较小的濒危动物识别、罕见疾病识别等领域。

关键词： YOLOv8n   小目标检测   感受野注意力卷积   动态头   归一化Wasserstein距离  

摘要： 针对无人机高空视角下背景复杂、特征提取能力不足、目标尺寸小、难以检测、漏检严重等问题,在YOLOv8n的基础上提出改进的无人机高空视角目标检测算法。首先优化网络结构,通过增加P2小目标检测层并删去P5大目标检测层提升小目标感知能力;其次引入感受野注意力卷积(RFAConv)以改进C2f的颈部结构,并从空间维度提高网络的特征提取及特征融合能力;再次将动态头(Dyhead)模块引入Detect检测头,从而增强模型的表达能力和泛化能力;最后使用归一化Wasserstein距离(NWD)度量边界框相似性,从而降低尺度敏感性。在Visdrone2019数据集上,改进后的YOLOv8n、YOLOv9t和YOLOv10n与改进前的相比,在平均精度(AP)上分别提升了15.6%、16.7%和31.0%;在SAR舰船检测数据集(SSDD)上的检测结果表明改进算法泛化能力较好,具有较强的鲁棒性。可见改进后的算法提升了小目标特征提取及融合能力,并具有更好的小目标检测效果。

关键词： 异常特征   潮流计算   运行事故   知识图谱   智能生成   事故恢复  

摘要： 针对电网运行事故检测和预案生成的需求,为了提供全面内容的预案知识图谱并实现简洁有效的事故处理方式,提出了基于异常特征与潮流计算模型的电网运行事故预案知识图谱智能生成算法。提取包含波动性和变动性的电网运行异常特征,经相关向量机的异常特征分析实现最佳特征组合选择后,结合卷积神经网络检测电网运行事故;检测到运行故障发生后,建立潮流计算模型,通过节点之间的电流信息计算节点功率,以此为基础,构建以重要负荷优先恢复、开关操作次数最少为目标的电网运行事故恢复模型,经粒子群算法求解获取最佳事故恢复处置预案;并建立事故预案实体库和本体模型,通过本体模型抽取实体和关系,生成电网运行事故预案的知识图谱,辅助电网运行事故决策。实验结果表明:该算法可以检测电网运行事故,且生成的电网运行事故预案知识图谱包含内容广泛,事故处理方式简捷有效。

关键词： 降水现象   综合质控   算法优化  

摘要： 新洲国家气象观测站于2017年9月开始启用DSG5型降水现象仪。从日常实际观测结果来看,新洲降水现象自动观测还是存在判识结果不准确的问题。新洲降水现象综合判识一直使用的是统一下发的质控算法,未进行过本地化的优化处理。而对于不同地区、不同气候条件,其质控算法适应性会有差别,为进一步提高新洲降水现象自动识别准确率,本文利用新洲国家气象观测站降水现象平行观测数据进行研究,基于地面气象观测业务人员在开展降水现象人工观测时,同时会关注当前的相对湿度、空气温度、风向、风速以及降水量,而且观测人员会根据自身积累的经验,结合上述气象要素来综合判断具体的天气现象类型。本文将人工观测综合感知的方法与仪器可以实现的自动观测要素相结合,通过分析台站人工观测的天气现象结果与仪器自动观测的各类气象要素对比数据,提出了雨、毛毛雨、雪、雨夹雪四种现象的优化算法模型。The Xinzhou National Meteorological Observation Station began using the DSG5-type precipitation phenomenon instrument in September 2017. From the perspective of daily actual observation results, there are still issues with the accuracy of automated identification of precipitation phenomena in Xinzhou. The comprehensive identification of precipitation phenomena in Xinzhou has always relied on a standardized quality control algorithm that has not undergone localized optimization. However, the adaptability of quality control algorithms can vary across different regions and climate conditions. To further improve the accuracy of automatic recognition of precipitation phenomena in Xinzhou, this paper utilizes parallel observation data from the Xinzhou National Meteorological Observation Station. It is based on the fact that meteorological observation personnel, when conducting manual observations of precipitation phenomena, also pay attention to current relative humidity, air temperature, wind direction, wind speed, and precipitation amount. Moreover, observers use their accumulated experience in conjunction with the afore mentioned meteorological elements to comprehensively judge specific weather phenomenon types. This paper combines the method of comprehensive perception from manual observations with the automatic observation elements that can be achieved by the instruments. By analyzing the comparison data between the weather phenomenon results from manual observations and the various meteorological elements from automated observations, it proposes optimized algorithm models for four types of phenomena:

关键词： 三向应力   巷道布置优化   PSO-AHP优化算法   偏应力   非对称支护  

摘要： 在三向应力条件下,通过调整巷道轴向与最大主应力间的夹角,可降低高应力对围岩稳定性的影响。采用理论分析、现场试验等研究方法,提出了三向应力下巷道合理布置的PSO-AHP优化耦合算法,确定了最有利于巷道围岩稳定的布置参数,并在魏家地1104工作面运输巷进行了工程应用。研究结果表明:巷道布置参数倾角α与方位角β影响巷道围岩偏应力S1分布,不同布置参数α,β下巷道围岩S1分布不同。巷道围岩对α,β变化的敏感度存在差异,通过改变巷道围岩敏感度更高的参数,可减小围岩偏应力,提高围岩稳定性。PSO-AHP优化算法以偏应力为指标,首先通过计算巷道不同部位的优化布置参数,然后建立判断矩阵与评价函数来确定巷道最优布置参数。在魏家地1104工作面运输巷进行了应用,巷道采用PSO-AHP优化算法得到的最优参数进行布置,巷道围岩不同深度处的平均偏应力降低系数均小于1。与原布置方案相比,最优布置参数下巷道围岩偏应力总体减小,最大偏应力位置转移。通过调整巷道布置方案,提出了非对称支护形式,现场应用效果良好。

关键词： 超快磁共振成像   时空编码   深度学习   超分辨率   图像重建  

摘要： 时空编码(SPEN)磁共振成像(MRI)是一种超快MRI技术,通过该技术采集获得的原始图像空间分辨率较低,需要基于序列物理原理进行超分辨率重建以提高其原始图像的分辨率,而现有的基于深度学习SPEN超分辨率重建算法在提取图像像素长距离依赖关系上的能力有限.为了解决此问题,本文提出了一种基于Transformer的SPEN MRI超分辨率重建算法.该算法采用编码器-解码器结构,并引入Transformer模块以提取特征图的局部上下文信息和长距离依赖关系.实验结果表明,本文所提的重建算法可以在不增加额外采样点的情况下从SPEN低分辨率图像中重建出高空间分辨率、无混叠伪影的超分辨率图像.与现有的超分辨率算法相比,本文提出的算法在临床前以及临床数据集上都取得了更好的重建效果.

关键词： 路面结构设计   材料选择   耐久性   施工优化   交通荷载  

摘要： 随着现代交通需求的不断增加,道路系统在经济和社会发展中扮演着关键角色。路面结构设计与材料选择是确保道路性能、耐久性及安全性的核心要素。良好的路面设计不仅能够提高道路的承载能力,延长使用寿命,还能降低长期养护成本。同时,科学合理的材料选择直接影响路面的抗压、抗裂以及耐磨性能。因此,研究路面结构设计与材料选择的应用显得尤为重要。近年来,随着新型材料的研发及环保理念的推广,道路工程领域也迎来了新的挑战与机遇。如何根据不同地域的气候条件、交通荷载及环境因素,优化路面结构和材料选择,成为当前道路建设中的研究重点。本研究旨在通过分析路面结构设计的理论基础与关键技术,探讨不同材料在路面中的适用性与创新应用,为未来的道路工程建设提供理论依据与实践指导。

关键词： 目标检测   YOLOv5s   深度学习   手机行为检测   信息安全  

摘要： 针对工作场所电脑显示屏正对120°广角区域范围内不法分子持手机窃拍行为,文章提出了一种基于YOLOv5s+ReClassify的广角区域手机检测算法。在YOLOv5s检测器的基础上于目标高置信度IOU区域进行局部强相关图像特征提取,获得更加丰富的特征信息,并导入二级分类器得到高可靠性分类结果,与检测器输出进行加权融合,提高检测精度。构建由43476个样本组成的cellphone检测数据集以及由51448个样本组成的cellphone-others分类数据集,在自制数据集上实验结果表明,所提算法检测率达到98.19%,相较YOLOv5s提高17.79%,误检率降低至1.7%,平均单帧推理时间为31.21 ms。改进的算法能够满足对不法分子持手机对显示屏实施窃拍行为的实时准确识别。