课程文献中心 更多>>

关键词： 石油化工行业   资产设备管理体系   可持续发展   资产创效  

摘要： 新时代石油化工行业正向智能化、节能化、环保型、可持续以及创效型等方向发展，对现有生产工艺和设备进行革新与优化，提高油气资源的开采效率和安全稳定性，对老旧设备进行维修和创效，根据油田的现实状况构建科学的设备管理体系，充分发挥各类设备的功能和作用。强化设备的基础运行管理，降低设备的损耗，对重要设备进行更新换代，加快设备改造升级的步伐，优化资产设备创效体系。文章就设备管理体系助推资产设备创效进行研究，搭建了资产设备优化创新体系框架，以期切实提高油田的生产效率和质量。

关键词： 物理层安全   准静态信道   多输入多输出正交频分复用  

摘要： 针对准静态环境下物理层密钥随机性差且易受窃听的问题，文章提出了一种基于预编码和协作矩阵的密钥生成方案（PCM-SKG）。该方案通过对信道状态信息进行奇异值分解（SVD）获得预编码矩阵P，然后对预编码信道信息进行正交三角（QR）分解得到协作矩阵U，最后利用复合信道信息（HPU）量化密钥。仿真结果表明，PCM-SKG方案的近似密钥熵比传统方案提高近三倍，滑动平均步骤使密钥一致性提高约8dB。在MMSE估计中，该方案在15dB时的密钥错配率接近于10-4，通信误码率也更接近于系统效果最优值。PCM-SKG方案复杂度低且交互信息少，无需额外信道和设备传输信息，结合预编码矩阵和协作矩阵的多样性，实现密钥生成的随机源与信道相关且可变。

关键词： 调制样式识别   卷积神经网络   多头注意力机制   组卷积  

摘要： 调制样式识别技术是通信信号侦查的重要组成部分，是对未知通信信号进行分类识别、信息提取的重要前提。现有的基于深度学习调制样式识别方法在低信噪比情况下特征提取能力较差，针对这一问题，本文提出了一个基于多尺度特征融合提取的信号调制样式识别算法。算法利用由多个不同大小的卷积核构成的多尺度卷积模块提取信号的多尺度特征，并通过卷积层融合特征，提取出信号调制样式信息的关键特征，然后通过由多头自注意力机制构成的全局特征提取模块提取信号的全局特征，并通过平均池化层和全连接层实现调制样式分类。为了优化网络参数与运算复杂度，本文提出利用组卷积方式代替普通卷积简化模型。实验结果表明，在RadioML2016.10a数据集上，所提方法可以准确识别各个调制类型，在高信噪比下大部分调制类型的识别准确率高于95%；相较于现有的神经网络识别方法，所提方法的识别率提升了1.47%～7.26%，且在较低信噪比下（-6 dB～0 dB）识别率提升了4.73%～9.09%，体现出更好的抗噪性能；与利用普通卷积方式构建网络相比，采用组卷积方式可以在识别性能相差不大的情况下将网络参数量及运算量分别减小38.9%和54.9%。同时设计了消融实验验证所提算法各个模块对识别性能的提升。实验结果验证了所提算法在分类精度和抗噪性能方面的有效性。

关键词： 计算思维   创新能力   中职学生   核心课程设计  

摘要： 随着信息技术的飞速发展,人类社会正逐步迈入数字化、智能化时代.在这一背景下,计算思维作为解决复杂问题、设计系统和理解人类行为的一种思维方式,已成为21世纪公民不可或缺的核心素养之一.对于中职学生而言,作为即将步入职场或继续深造的重要群体,不仅需要掌握扎实的专业技能,更需要具备良好的计算思维和创新能力,以适应快速变化的社会需求和工作环境.该研究主要针对这一现象探讨了重要性以及阐述了相关培养策略与实施路径.这些策略的实施将有助于中职学生在计算思维与创新能力上取得显著提升,为未来的职业生涯和社会发展奠定坚实基础.

关键词： 目标跟踪   传感器控制   联合风险   改进匈牙利法  

摘要： 在多传感器多目标协同跟踪过程中，雷达量测噪声方差随距离变化，距离相关噪声特性使得目标跟踪误差增加。同时雷达辐射风险和目标威胁风险将导致跟踪精度和传感器安全性下降。对此，在时变量测方差下构造了广义目标跟踪代价，综合考虑雷达辐射截获概率和目标威胁风险，建立时变量测方差下多传感器联合风险控制模型，提出了改进匈牙利法优化求解，通过最小化综合风险合理控制传感器跟踪目标。仿真显示算法在满足对目标跟踪精度要求的同时降低联合风险。

关键词： 绝缘子   缺陷检测   GMSC结构   注意力机制   Wise-IOU  

摘要： 因线路绝缘子航拍图像目标尺寸较小、背景复杂等客观局限，致使传统检测算法及多数轻量网络难以准确识别目标缺陷。文中提出一种基于GE-YOLO的绝缘子多类型缺陷检测模型，该算法以YOLOv8s为基础、结合分组卷积和多尺度融合思想设计分组多尺度卷积（grouping multi-scale convolution，GMSC）并使用其对C2f进行改进，增强模型特征提取能力；在特征融合网络引入高效多尺度注意力机制（efficient multi-scale attention，EMA），提高模型目标定位能力；最后将损失函数替换为Wise-IOU以降低几何因素的过度惩罚，提高模型回归的性能。实验结果表明，优化后的网络模型计算复杂度基本不变，满足边缘算力需求，整体mAP提升5.5%，其中破损绝缘子mAP提升10.9%，文中算法能够更均衡地实现对绝缘子多类型缺陷的检测。

关键词： 柔性作业车间调度   自动导引车   可变加工速度   多目标   协同进化  

摘要： 针对具有自动导引车和可变加工速度约束的多目标柔性车间调度问题（Flexible Job Shop Scheduling Problem with Automated Guided Vehicles， FJSP-AGVs），首先基于位置的建模方法，设计了以最大完工时间和总能耗为优化目标的混合整数线性规划模型（MILP）；然后根据问题特性，将FJSP-AGVs问题分解为工序排序，机器分配，加工速度设置和自动导引车分配4个子问题，并采用多目标协同进化算法（Multi-Objective Cooperative Coevolutionary Algorithm， MOCEA）进行求解。在MOCEA算法中，通过两种基于关键路径的协同进化策略促进不同种群之间的信息交互，并采用降低非关键路径上工序的加工速度策略进一步优化总能耗指标。最后，通过实验验证了所提MOCEA的有效性。

关键词： FPGA   压降补偿   闭环控制   随机逼近  

摘要： 针对传统弹载测试系统电源无法自适应补偿线缆压降、动态负载情况下用电处无法获取精准的电压，影响电气性能的问题，提出了一种基于随机逼近算法的电源系统，通过闭环控制思想实现对负载端电压的监测与实时补偿，以现场可编程门阵列(field program gate array，FPGA)为主控芯片，控制高精度数字电位器进行迭代，使得负载电压逐步逼近理想电压。结果表明，该系统最大误差为19mV，最高转换效率为93.3%，能够对线缆阻抗导致的压降进行自适应补偿，保证负载电压维持在较高精度，满足弹载测试系统对电源的要求，有一定工程应用价值。

关键词： 图卷积网络   多层感知机   Kolmogorov-Arnold网络   对比学习   节点分类  

摘要： 多数图深度学习模型通过可学习权重加固定激活函数的方式提取图数据的特征信息，采用不同激活函数时对模型性能有较为显著的影响。针对上述问题，提出了一种基于Kolmogorov-Arnold网络（KAN）的全连接神经网络模型G-KAN，无需特定的激活函数和显式的节点信息传递策略，通过KAN动态学习激活函数，并引入节点相似度引导的对比损失隐式提取原始图特征信息。首先，G-KAN通过线性层将图数据映射到特征空间，然后通过KAN层提取输入数据中的潜在特征，最后通过线性层和softmax函数将KAN层的输出映射为节点标签的概率分布，并引入对比损失对KAN层的输出进行优化，推动高相似度节点彼此接近、低相似度节点彼此远离。在节点分类任务中，G-KAN优于当前较为先进的基线模型，特别是在BlogCatalog数据集上，G-KAN的Micro-F1和Macro-F1相较图卷积网络（GCN）提高了50.42%和52.84%。此外，在激活函数对比实验中，引入KAN的方法不仅优于采用不同激活函数的变体，对不同数据集的泛化能力也更强。上述实验结果表明，G-KAN采用的可学习激活函数策略能够提高全连接神经网络的表征能力，使生成的低维节点表示具有更高的区分性。