课程文献中心 更多>>

关键词： 图像采集   语义分割   病害参数计算   隧道裂缝   隧道渗漏水   复杂病害  

摘要： 隧道病害是地铁运营人员定期巡检的主要任务之一,提出一种深度学习与像素级图像处理算法相结合的隧道表面病害识别方法。首先,利用自主研究的高速采集系统采集大量隧道表面图像,通过像素级标定构建高质量语义分割样本库;然后,针对裂缝和渗漏水的形态特点,提出一种改进的DeepLabV3+算法,从主干特征网络、空洞卷积金字塔模块和解码器多尺度融合3个方面进行改进;最后,提出一种基于像素级图像处理的算法,计算简单背景及病害混叠情况下的裂缝长度和渗漏水面积参数。研究结果表明,提出的改进算法使平均准确度达85.26%,平均交并比达73.62%,相较于其他5种模型,分割结果更为精细,对于复杂背景和裂缝与渗漏水混叠的复杂病害仍有很好的分割效果。同时,像素级处理可以完成典型病害及复杂情况的参数提取,实现整体地铁隧道表面病害的智能识别。研究成果不仅可以实现裂缝和渗漏水的准确检测,而且能用于分析复杂背景和2种病害混叠情况的复杂病害。

关键词： 末端物流配送   航迹规划   人工势场法   Informed-RRT^(*)算法  

摘要： 为加快末端物流配送的效率,提出一种配送无人机的航迹规划问题。针对传统快速搜索随机树(rapidlysearch random tree,RRT)算法在航迹规划中存在的盲目性和路径不平滑等问题,将人工势场法(artificial potential field,APF)与Informed-RRT^(*)算法融合,提出一种自适应步长增长策略的改进APF-Informed-RRT^(*)算法。首先在选择新节点时,考虑到障碍物和目标点的影响,提出一种自适应步长增长策略来解决采样的盲目性;其次采用三次B样条对拐点处进行平滑处理;最后分别采用RRT^(*)算法、Informed-RRT^(*)算法和改进APF-Informed-RRT^(*)算法在两种环境中进行仿真实验。结果表明,改进APF-Informed-RRT^(*)算法相较于RRT^(*)算法和Informed-RRT^(*)算法,在运行时间、迭代次数以及路径平滑上都得到提升。

关键词： 预测性维护   故障诊断   维护策略   医疗设备管理   传感技术   物联网  

摘要： 预测性维护(Predictive Maintenance,PdM)是一种集成机器状态监控、故障诊断、故障预测和维护计划的维护策略。近年来,PdM逐步应用于医疗设备管理,有效应对了传统维护策略难以解决的一系列挑战。为帮助医疗从业人员加深对这一新兴概念的理解,本文对传统维护策略与PdM的对比、PdM的目标及构建PdM的方案进行了介绍;从PdM在医疗设备领域的应用价值、PdM系统架构及结合机器学习的PdM在医疗设备管理中的实际应用等方面阐述PdM的研究进展,展示其在医疗设备管理中的亮点;对PdM在医疗设备管理领域的局限性进行讨论,并提出相应的解决策略;对PdM在医疗设备管理领域的未来发展进行展望,并总结了当前面临的主要挑战。

关键词： 无线通信技术   负荷控制   深度学习  

摘要： 随着电力系统规模不断扩大,传统的有线通信难以满足智能电网发展需求。本文研究了一种基于无线通信技术的电力系统主站负荷控制算法。该算法利用无线传感器网络、深度学习、模型预测控制等技术,实现了负荷数据的高效采集、精准预测和优化控制。实验结果表明,该算法在负荷预测精度、峰谷差率和负荷控制成本等方面具有显著优势,为智能电网的发展提供了新的思路和方法。

关键词： 异常数据流挖掘   局部离群因子   压缩矩阵  

摘要： Apriori算法需要多次扫描数据库,算法运行时间长,不利于实际应用,导致现阶段的异常流数据挖掘存在准确度低、时间长等问题,为此提出一种用于异常数据流挖掘的改进Apriori算法。通过压缩矩阵改进Apriori算法,并通过改进Apriori算法获取数据流的数据特征量;通过局部离群因子方法剔除数据流中的远距离聚类离群点,以提高数据流聚类效果;通过改进K-means算法的最大最小距离方法完成异常数据流挖掘。实验结果表明,所提方法的异常数据流挖掘方法准确度更高、挖掘效率更快、效果更好,更适合于实际应用。

关键词： 迁移学习   域适应   域泛化   适配器  

摘要： 为了增强迁移学习中的域适应能力,提出了一种基于适配器融合多领域知识的方法。首先在多个领域上分别训练基座适配器来学习域对齐和任务表示信息,然后融合除了目标领域外的其他源领域的基座适配器学习多领域知识用于目标领域的各种任务。实验结果表明,该方法在多领域文本情感分类AMAZON数据集和多流派自然语言推理MNLI数据集上最高分别取得了85.79和76.68的F1分数,而在更难的域泛化问题上,取得了85.96和76.74的F1分数。提出的方法可以有效提高迁移学习中的域适应和域泛化能力。

关键词： 灵活性资源   灵活性聚合   等效储能   改进边界收缩算法  

摘要： 在需求侧,调控储能、电动汽车等灵活性资源是提高配电系统灵活性的重要手段。为更准确地刻画灵活性资源集群的聚合灵活性,提出基于改进边界收缩算法的灵活性聚合方法。首先将灵活性资源刻画为等效储能模型,随后采用基于高维多面体的边界收缩算法来求解聚合等效模型的参数;在此基础上,通过调节等效储能模型的自放电系数来调节聚合等效模型外接多面体多个超平面的斜率,从而改变收缩后内近似投影多面体的形状;接着采用蒙特卡洛模拟法对原始聚合可行域进行采样,并计算聚合等效模型可行轨迹的样本覆盖率,将其作为方法近似效果的评估指标;最后,基于粒子群算法寻找模型具有最大内近似投影多面体时的自放电系数,从而获得等效储能的最优参数。算例结果表明,相比原方法,改进后的边界收缩算法能覆盖到更大的可行域空间,近似精度提高了13.54%,结果具有更低的保守性。

关键词： 光电跟踪仪   深度学习   现场可编程门阵列   硬件加速   人工智能  

摘要： 光电跟踪仪作为舰船火力控制系统重要的观测装备,对计算实时性有很高的要求,当下绝大多数舰船光电跟踪仪处理器所采用的CPU(Central Processing Unit)或DSP(Digital Signal Processing)架构,无法实时计算深度学习等复杂的人工智能算法,这将严重制约光电跟踪仪在智能化武器系统中的应用。文中基于Xilinx ZCU102开发平台,采用软硬件协同设计方法,通过仿真验证手段,设计基于ARM+FPGA的光电跟踪仪处理器架构。仿真实验结果表明,该架构对基于深度学习算法的单帧图像检测时间大部分在2000us之内,硬件加速效果良好,可以满足实时性需求。

关键词： 软件定义网络(SDN)   遗传算法   主干线路   双链路   资源调度  

摘要： 由于干线网络流量具有较强的波动性,传统的静态资源分配方法在资源调度上存在灵活性差、响应慢等问题。基于此,提出基于软件定义网络(Software Defined Network,SDN)和遗传算法优化的干线数字双链路动态资源调度方法。在SDN架构下实时监控干线数字双链路的可用带宽、时延等资源,以最大化带宽利用率、最小化时延为目标,构建一个干线数字双链路动态资源调度模型,通过遗传算法求解模型,得到最佳干线数字双链路动态资源调度策略。实验结果表明,设计方法在业务时延与业务丢包率方面具有一定优越性,可最大限度地保证干线数字双链路的数据传输质量。

关键词： 机器视觉   立体匹配   卷积神经网络   深度学习  

摘要： 在基于深度学习的立体匹配问题中,模型的网络结构、参数设置对匹配精度和匹配效率起到决定性作用。针对现有模型参数量大,精度低的问题,设计一种基于卷积神经网络的视差回归模型。首先,提出了基于扩张卷积和空间池化金字塔的多尺度特征提取网络,提高弱纹理区域的匹配精度;其次,改进了代价体相似度计算步骤,在保证匹配精度的同时,降低模型的参数量;最后,通过采取视差梯度信息和视差回归损失函数相结合的策略,有效地解决了在视差不连续区域中存在的边界信息保留不完整的问题。使用Middlebury数据集对模型进行验证,实验结果表明,相较于现有的立体匹配算法,在精度和速度方面都有所提升。