课程文献中心 更多>>

关键词： 隧道   机械化施工   设备管理  

摘要： 随着经济的快速发展和城市现代化进程的加快,一些城市追求个性化发展,出现了大量隧道机械化工程。在隧道机械化施工过程中,投入机械设备的使用是不可避免的,而对于设备的管理工作对于施工的安全和质量是息息相关的。所以我们要严格掌控设备管理工作,分别从设备的管理、使用、团队、维修等方面出发,有效进行设备的管理,高质量的设备管理工作,能提升工作质量安保证工作安全性,这也有助于推动隧道工程的发展和促进城市的发展,满足大众多样化需求。

关键词： 电池筛选   液态金属电池   特征提取   组合聚类方法   离群值处理  

摘要： 高效的电池筛选技术是保障储能电池系统安全性、经济性的关键技术之一。为了满足液态金属电池储能系统构建对单体一致性的要求,提出一种组合聚类方法,通过电池恒流放电期间获得的分选指标进行有效聚类,快速实现液态金属电池筛选。首先,提出一种特征提取框架来准确表征电池放电曲线,主要包括数据采集、数据预处理、特征参数生成、筛选指标生成4个阶段,生成的3个筛选指标,分别是电池曲线第2个拐点电压、对应的时间以及电池在第1个拐点电压前的放电能量。然后,提出基于密度的噪声应用空间聚类和均值漂移的组合聚类电池筛选方法,并提出一种一致性差异指标量化评估聚类效果。最后,通过分析212个200 Ah级液态金属电池的聚类优化效果可知,所提方法可显著减弱差异性较大电池对电池筛选的影响,能够同时实现离群值检测及电池自适应快速精准筛选,并通过动态工况测试证实所提方法可有效提升电池组响应一致性。

关键词： 人群计数   VGG19   编码-解码器   残差卷积注意力模块   双分支中间特征提取模块  

摘要： 人群计数在公共安全管理、公共空间设计以及其他视觉任务如行为分析、拥塞分析等方面具有重要的应用。然而复杂的背景和人头尺度大小不一导致人群计数的效果并不理想。针对静态图像中尺度变化和背景干扰问题,提出了一种基于双分支中间特征提取的人群计数网络——DBFE_MFNet。该网络沿用编码-解码器结构,在编码阶段使用VGG19卷积神经网络的前16层,为了更好融合多尺度信息,将VGG19卷积神经网络的前16层的后4层卷积替换成空洞率为2的膨胀卷积,解码部分采用抑制背景干扰的残差卷积注意力模块(residual convolutional attention module,RCAM),在编码-解码器结构中间插入双分支中间特征提取模块(dual branch intermediate feature extraction module,DBFE),分支1采用金字塔结构并融合位置注意力模块提取多尺度上下文信息,分支2沿用金字塔结构融合双通道注意力机制使模型关注不同大小人头信息,最后使用1×1卷积生成密度图。实验方面,在ShanghaiTech PartA、ShanghaiTech PartB、Mall数据集上进行了算法对比实验,DBFE_MFNet模型在上述数据集的平均绝对误差和均方根误差分别为63.2、7.1、1.80和99.2、11.8、2.28,经对比实验分析,DBFE_MFNet模型具有不错的计数性能和稳定性能;在ShanghaiTech PartB进行了消融实验,实验验证了模型各模块的有效性。

关键词： Q-learning算法   人工蜂群算法   置换流水车间调度  

摘要： 针对置换流水车间调度问题,提出了一种基于改进的Q-learning算法的人工蜂群算法。该算法设计了一种改进的奖励函数作为人工蜂群算法的环境,根据奖励函数的优劣来判断下一代种群的寻优策略,并通过Q-learning智能选择人工蜂群算法的蜜源的更新维度数大小,根据选择的维度数大小对编码进行更新,提高了收敛速度和精度,最后使用不同规模的置换流水车间调度问题的实例来验证所提算法的性能,通过对标准实例的计算与其它算法对比,证明该算法的准确性。

关键词： 地面沉降   滨海地区   随机森林   机器学习   天津市  

摘要： 地面沉降的监测与预测,对于保障城市安全和社会可持续发展具有重要意义和现实价值。利用随机森林机器学习模型预测了天津市滨海地区的地面沉降量空间分布,并评估了模型的性能和变量的重要性。基于2020年天津市滨海新区局部地区的地面沉降量、含水层岩性、含水组水位差、水文地质参数等数据来训练和验证随机森林模型。结果表明:随机森林模型能够较好地拟合和预测地面沉降量(R^(2)=0.98,RMSE=0.52 mm);影响地面沉降量最重要的因素是水位差,其次是含水层的岩性(砂-黏比值),最后是相关水文地质参数。上述结果与传统上太沙基原理基本吻合,进一步验证了模型的正确性和可预测性。本研究采用了空间分布数据来训练随机森林模型;根据物理机制,选取了重要控制因素来开展分析;评估了控制因素的重要性程度,并指出了研究的局限性和未来的研究方向,为利用随机森林模型快速有效预测地面沉降提供了重要参考和启示。

关键词： 建筑机器人   任务分配   任务聚类   哈里斯鹰算法  

摘要： 建筑机器人技术处于起步阶段,针对建筑机器人多机任务分配问题的相关研究严重不足。因此,对该问题进行分析,将其转化为多旅行商问题进行数学建模,并提出了融合改进哈里斯鹰算法与聚类算法的建筑机器人多机任务分配方法进行求解。首先根据建造任务的空间特征和建筑机器人数量利用聚类算法进行任务聚类;针对哈里斯鹰算法参数敏感与易陷入局部最优的缺点进行基于Logistic混沌映射的改进形成改进哈里斯鹰算法,根据建筑机器人的移动方式构造目标函数并在聚类的基础上进行优化求解,最终确定每个建筑机器人的任务集合与任务执行顺序。为验证该方法的有效性,利用随机生成的3*15、5*40、8*70共3组不同规模的建筑机器人*建造任务数据集进行仿真模拟,并将该方法与未融合聚类算法的GA和IHHO任务分配效果进行对比分析。结果表明,聚类能够有效解决建筑机器人任务分配问题,能够有效降低任务集合之间的空间叠加、增强优化算法的迭代收敛性能;基于Logistic混沌映射改进的算法在迭代开始与收敛时的适应度值更佳;随着问题规模的增大,融合改进哈里斯鹰与聚类算法的建筑机器人任务分配方法效果更显著,说明其更适用于解决大规模复杂的实际问题。

关键词： 认知无线传感器网络   分簇   切尔诺贝利灾难优化器  

摘要： 为缓解频谱资源紧缺的现状,对认知无线传感器网络(Cognitive Radio Sensor Network,CRSN)进行了深入研究。切尔诺贝利灾难优化器(Chernobyl Disaster Optimizer,CDO)作为一种新型优化模型,具有收敛性能较强、结构简单和需要调节的参数少等优点。为提高CRSN能效,延长CRSN的生存周期,提出了一种基于量子切尔诺贝利灾难优化器的频谱感知分簇算法(Quantum Chernobyl Disaster Optimizer-based Spectrum Aware Clustering Algorithm,QCDOC)。QCDOC的主要目标是通过最小化节点之间的通信距离来提高网络的生存周期。QCDOC通过为CDO引入量子旋转门和量子非门来增强其搜索能力,采用二进制种群编码以使其适用于簇头(Cluster Head,CH)选举问题。QCDOC在设计适应度函数时考虑了节点剩余能量、距离和频谱可用性,提高了算法的能效。实验表明,与对比算法相比,QCDOC算法具有更长的生存周期、更多的数据传输量和更均衡的网络能耗。

关键词： 深度学习   火焰检测   ViBe  

摘要： 针对目前基于深度学习的火焰检测任务中存在的识别准确率低、冗余计算较多的问题,提出一种基于ViBe与轻量级目标检测算法的火焰检测算法VYfire。首先,针对火焰的动态特征,通过引入自适应阈值的ViBe算法,提取完整的动态区域;其次,利用集成了轻量化模块FasterNet和加权双向特征金字塔网络BiFPN的YOLOv5s作为检测基准模型,对动态区域进行检测,实现火焰的精准框定。实验结果表明,改进后的检测模型较YOLOv5s平均检测精度提升了1.1%,参数量下降了15.4%,浮点运算次数下降了18.4%。并且VYfire在测试视频集上保持较高检测速度的同时达到了95.57%的平均召回率和0.77%的平均误检率,能够满足火焰检测任务的实时性和精度要求。

关键词： 改进禁忌搜索   不完全退火   正态云模型   自适应禁忌表   Metropolis准则   磁铁电源RC电路参数优化  

摘要： 针对RC电路参数优化应用时的局限性,提出一种基于不完全退火的正态云禁忌搜索算法。该算法对原始禁忌搜索算法在寻优过程中出现的对寻优起点过度依赖、早熟、灵敏度不一致等问题进行了改进,首先通过引入改进的不完全模拟退火Metropolis准则作为算子,使得原始禁忌搜索不再依赖初始可行解,具备了一定逃离局部最优解能力;然后采用正态云模型,提出了一种自适应禁忌表记忆策略及遗忘机制,使得禁忌搜索算法具备更强随机性与模糊性,进一步增强其全局搜索性能;最后针对灵敏度不一致问题,提出串行多维多灵敏度混合编、解码策略,实现在同一算法框架下对不同寻优对象定义不同搜索范围,使得低灵敏度解受忽略程度大大降低。采用8个基准函数及TSP-Oliver30标准测试算例进行性能评估,并与其他6种同类型算法对比,证明该算法对原始禁忌搜索算法优化效果良好。将该算法应用于SiMOSFET加速器磁铁开关电源参数优化后,经仿真与实验,结果表明:所提改进算法能够对工程应用进行实际优化,具备优越性与可行性。

关键词： DES加密算法   密钥生成   C语言   信息加密  

摘要： 当今信息安全日趋重要,信息加密技术被广泛应用。从技术层面上说,密码学始终是信息安全的一个核心技术,而对称密码体制中的DES算法一直以来都作为数据加密的标准,其加密的安全性则是检测算法的主要指标。本文主要使用C语言对DES加密算法密文安全性进行研究。