课程文献中心 更多>>

关键词： 风力预测   卷积神经网络   时空数据   UNet   多风电机组  

摘要： 针对时空风速预测任务通常使用的卷积神经网络(CNN)和循环神经网络(RNN)联合建模方法中空间信息损失的问题,提出一种基于CBAM-DSC-UNet模型的时空风速预测算法,用于提升空间信息利用率与模型预测精度。该算法将时空风速预测问题视为视频预测问题,在提取时空相关性的同时保持空间信息,进而直接输出未来多步的空间风速矩阵。以美国怀俄明州某风电场实际数据为算例进行实验,结果表明,相比其他对比算法,基于CBAM-DSC-UNet模型的时空风速预测算法的平均绝对误差下降8.4%~15.9%,精度有较大提升。

关键词： SHPB   尺寸效应   金属材料   应变率   塑性流动应力  

摘要： 为探究金属材料在SHPB动态测试中的尺寸效应问题,该文选用3种具有典型晶体结构的金属材料2A12铝合金(面心立方,FCC)、45钢(体心立方,BBC)以及TC4钛合金(密排六方,HCP),分别加工成具有相同长径比(0.8)、不同尺寸(Φ10 mm×8 mm,Φ5 mm×4 mm,Φ2 mm×1.6 mm)的圆柱形压缩试样,并采用三组不同杆径的SHPB装置(杆径分别为Φ19 mm、Φ12.7 mm、Φ5 mm)进行动态力学性能测试。结果表明:在金属材料的动态压缩力学性能测试中,所用试样的尺寸在满足一定要求时方可获得其稳定的塑性流动应力,对于绝大多数金属建议采用直径大于5 mm的试样进行测试;采用微型SHPB装置配合小尺寸试样所测得材料的塑性流动应力偏低;对应变率敏感的材料,其尺寸效应也更为显著;被测试样的塑性流动应力或与试样的应力三轴度(即一维应力程度)相关。该文意在分析SHPB测试中的尺寸问题以期对相关学者和工程技术人员准确地获取金属材料的动态实验数据提供参考。

关键词： 工业异常检测   多模态   点云   标准化流  

摘要： 针对多模态工业检测中高维特征之间存在干扰,导致检测率不理想的问题,提出了一种基于标准化流的多模态工业异常检测方法。首先提取图像的3D点云的深度信息将其作为第4个通道添加到RGB图像中,生成融合后的RGBD图像,然后使用预训练的特征提取网络提取融合后的图像特征,最后使用特征训练得到一个用于异常检测的标准化流模型。实验结果表明,异常检测模型在MVTec 3D-AD数据集的平均Pixel AUROC达到95.8%,平均AUPRO达到86.2%。相较于其他模型分别提升了2.6%和9.1%。

关键词： 张量主成分分析(TPCA)   鲁棒性   特征提取   人脸识别  

摘要： 张量主成分分析算法(tensor principal component analysis,TPCA)作为一种旨在以低维子空间表征高维张量数据的数据降维算法,在多个机器学习领域得到了广泛的应用。由于L_(1)范数丢失了F范数的旋转不变性,且目前现有的TPCA算法采用单一优化任务,即仅优化投影距离忽略了误差张量的优化任务,因此即使这些算法具有一定程度的鲁棒性,但是仍然表现较弱。为了进一步克服单一优化任务带来的缺陷并且继续保持原有算法具有的性质,在本文中提出了一种多重任务优化的比值型模型。该模型受直角三角形面积公式的启发,通过优化斜边上的高来实现投影距离最大和重构误差最小的多重任务优化,称为面积投影模型。然后本文在此面积投影模型的基础上,采用了一种分块重组的预处理技术进而提出了分块鲁棒张量主成分分析算法(block tensor PCA with F-norm based on area projection,area-BTPCA-F)。该算法不仅保留了旋转不变性,同时充分考虑了误差张量;针对噪声信息,分块重组处理也大大提升了算法的鲁棒性。最后,通过对含有不同噪声比例的6个彩色数据集进行实验验证,平均重构误差(average reconstruction error,ARCE)实验和分类率实验的结果表明,所提算法相比其他现有TPCA算法而言具有较强的鲁棒性,性能得到了明显的提升。

关键词： 智能仓储   货位分配   改进的蜉蝣算法  

摘要： 为提高智能仓储感知监控下货物的出入库效率,针对智能仓储货位分配问题建立仿真优化模型。通过感知仓储入库订单中货物属性信息,考虑到优化目标多样、可分配货位动态变化等因素,以最小化作业时间和货架稳定性为目标,建立堆垛机并行作业场景的智能仓储入库货位分配模型,设计了改进的蜉蝣算法对上述模型进行求解。案例分析结果表明,改进的蜉蝣算法在不同的订单规模相比其他算法均能得到满意解,能够有效节约入库存储的作业时间。

关键词： 雷达高分辨成像   参数化稀疏表征   参数化正交匹配追踪   稀疏重构  

摘要： 雷达线性调频信号调频率误差会导致传统匹配滤波模型失配,显著降低一维距离像成像效果.针对调频率误差模型下的宽带雷达高分辨一维距离像稀疏成像问题,提出了一种基于参数化正交匹配追踪算法的高分辨雷达一维成像方法.该方法首先确定调频率参数取值范围,构建调频率参数可选集合;然后基于回波数据观测矩阵与调频率的解析关系,针对每一个可选值构建参数化的稀疏观测矩阵,并进行单步正交匹配追踪迭代;最后基于每一个参数可选值对应的单步残差能量逐步筛选出调频率参数.仿真和实测数据实验验证了所提方法的有效性.

关键词： 双有源桥变换器   传输效率   双重移相控制   回流功率   序列二次规划算法  

摘要： 针对双有源桥变换器在充电领域电路损耗大、传输效率低的问题,提出一种结合序列二次规划算法与双重移相控制实现回流功率优化的控制策略。首先,建立双有源桥变换器在双重移相控制时以回流功率最小值为目标函数的二次规划问题数学模型;然后,提出一种采用序列二次规划算法求解上述多约束、非线性的数学模型,在算法中输入目标、约束函数的雅可比矩阵和变换器的相关参数,通过迭代求解出满足双有源桥电路在双重移相控制下最优工况的目标参数;最后,通过仿真验证所提控制策略的有效性。

关键词： 全局路径规划   烟花算法   势函数   动态维数   交叉组合  

摘要： 高质量路径是未来无人自主作战的重要前提,针对复杂障碍环境下路径规划问题,提出基于势场增强烟花算法(Potential-field Enhanced Fireworks Algorithm,PEFWA)的路径规划方法。建立规划空间模型与动态维数路径描述模型,设立包含可行性因素与长度因素的目标函数,将路径规划问题转化为最优化问题;设计动态维数烟花初始化与维度增删操作,使相邻维度个体满足距离约束;提出基于障碍空间信息的爆炸幅度计算方法和连续维度选择方法,生成改进爆炸火花,提高全局搜索能力;引入势场引导策略,生成势场增强爆炸火花,让所选维度在合力方向上多次搜索,提高局部优化能力;采用交叉组合策略生成变异火花,并对超出规划空间的维度个体进行删减操作,提高多样性烟花高效产生能力;提出基于余弦相似度的双层锦标赛选择策略,提高烟花特征延续能力。采用相同基准函数,将PEFWA与烟花算法(Fireworks Algorithm,FWA)、粒子群优化(Particle Swarm Optimization,PSO)算法、遗传算法(Genetic Algorithm,GA)进行对比。研究结果表明:PEFWA的优化性能更强;在相同复杂障碍环境下进行多次路径规划仿真实验,验证了PEFWA中各个模块的有效性,与PSO算法、GA、A*算法相比,PEFWA在规划成功率、路径长度、路径光滑度、结果鲁棒性等方面均有优势;PEFWA在二维全局路径规划问题上具有有效性与优越性。

关键词： CBMA注意力机制   数据增强   损失函数优化   Swin-Transformer网络   交通标志检测与识别   YOLOv8  

摘要： 在复杂的道路交通场景中,准确快速地识别交通标志对于保障行车安全和提升交通效率具有至关重要的意义。为了满足智能交通系统和自动驾驶领域对交通标志检测与识别的准确率和鲁棒性的要求,文章设计了一种改进的YO⁃LOv8模型,以提高交通标志检测与识别的效果,适应智能交通系统(ITS)和自动驾驶领域的实际需求。通过引入CBMA注意力机制和Swin-Transformer网络,增强了YOLOv8模型的特征提取能力和多尺度目标检测能力。同时,优化了定位损失、分类损失和置信度损失函数,并结合多任务学习进行联合优化。为提高模型的泛化能力,文章采用多种数据增强技术对数据集进行扩充。实验结果表明,改进后的YOLOv8模型在识别率、精确率等方面相较于原始模型显著提升,尤其在不同尺寸目标的识别上表现更佳,为复杂环境下的交通标志检测与识别提供了有效的技术方案。

关键词： 进化强化学习   天牛须搜索   AGV路径规划  

摘要： 针对Q-learning(QL)在解决AGV(automated guided vehicle)路径规划时前期收敛速度慢、后期易陷入局部最优等问题,提出了一种变体天牛须改进QL的进化强化学习算法(BAS-QL)。BAS-QL主要特点有三方面,首先使用变体天牛须算法对Q表格进行初始化,加快AGV路径规划的前期寻优速度;然后使用渐变衰减Epsilon-Greedy搜索策略,利用衰减Epsilon值来避免算法在后期陷入局部最优避免出现结果难收敛的现象。最后求解AGV行走的最优路径,并通过实验对BAS-QL算法进行验证。在n=15和n=20栅格图对比实验中,BAS-QL表现出平均耗时短、平均路程短和平均迭代次数少的特点。说明该方法在智能规划路径的同时还可以有效提升AGV的路径规划效率。