课程文献中心 更多>>

关键词： DMC算法   冷轧板形   多变量模型  

摘要： 本文基于DMC算法,建立了冷轧板形的多变量模型,并进行预测控制。比较DMC模型与其他2种模型的控制效果可知,DMC模型在板形值波动、控制速度和优化效果方面表现更好。试验结果表明,DMC模型能够更稳定地控制板形,具有较快的调控速度,优化后的标准差较小,说明其在模型失配情况下的优化效果更佳。

关键词： 深度学习   布匹缺陷检测   YOLOv5s算法   YOLOv5s-CB算法  

摘要： 在纺织行业中,布匹疵点将严重影响其经济价值,而目前纺织工厂的质检环节严重依赖人工质检。人工质检过程中会出现错检、漏检以及检测效率低下等问题。采用改进的YOLOv5s目标检测算法来实现布匹疵点检测。通过融入CBAM注意力机制、BiFPN模块,以提升对布匹缺陷的聚焦效果,有效地抑制了无效特征和噪声,提高了检测精度。实验结果表明,改进YOLOv5s-CB算法与原YOLOv5s算法相比,显著提高了布匹疵点的检测精度。

关键词： K-means聚类   饮料产品   ARIMA预测   需求预测  

摘要： 在企业管理的过程中,产品需求波动往往会导致企业决策受阻,进而影响库存管理,因此准确的预测需求对企业运营管理有着至关重要的意义。本文针对72种饮料产品,基于历史销售数据进行未来需求预测。通过时序图分析剔除了销售量异常的饮料产品,然后对所剩饮料产品进行K-means聚类分析后选取产品较多的两类作为研究对象。采用ARIMA模型和LSTM模型对各个产品在未来3个月的销量进行了预测,经比对采用ARIMA模型预测更为精准,相对误差总体控制在7%左右。最终得到了未来3个月的产品总销量。

关键词： 深度学习算法   肝外胆管癌   磁共振成像   动态增强扫描  

摘要： 目的基于深度学习算法构建肝外胆管癌(ECC)术前磁共振成像(MRI)动态增强扫描自动分期系统,并验证其效能。方法回顾性分析2020年1月-2022年12月本院收治的270例ECC患者的临床资料,作为训练集,收集其经MRI动态增强扫描获得的肿瘤位置、侵犯范围、淋巴结转移等特征,基于深度学习算法对不同临床分期的ECC进行分类建模,构建ECC术前MRI动态增强扫描自动分期系统。另回顾性分析2023年1-12月本院收治的94例ECC患者临床资料作为验证集,以病理学诊断的临床分期结果作为金标准,分析基于深度算法的ECC术前MRI动态增强扫描自动分期系统对患者临床分期的诊断效能。结果基于深度学习算法的ECC术前MRI动态增强扫描自动分期系统对临床分期Ⅰ期、Ⅱ期、Ⅲ期、Ⅳ期的诊断灵敏度(100.00%、93.33%、97.78%、100.00%)、特异度(100.00%、98.44%、95.92%、100.00%)和准确度(100%、96.81%、96.81%、100.00%)高于MRI动态增强扫描检查方式(灵敏度:91.67%、86.67%、88.89%、85.71%,特异度:97.56%、90.63%、93.88%、100.00%,准确度:96.81%、89.36%、91.49%、98.94%),且与病理学结果的一致性高(Kappa=0.885,P<0.001),MRI动态增强扫描检查方式与病理学结果也存在一致性(Kappa=0.691,P<0.001)。结论基于深度学习算法构建的ECC术前MRI动态增强扫描自动分期系统可提高对ECC术前分期的诊断敏感度、特异度和准确度。

关键词： 自适应噪声完全集合经验模态分解   风电功率预测   蜣螂优化算法   双向长短期记忆网络   卷积神经网络  

摘要： 为进一步提高风电功率的预测精准度,提出使用自适应噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)来对原始数据进行分解,并结合多策略改进蜣螂优化算法(multi-strategy enhanced dung beetle optimization algorithm,MDBO)来优化融合了卷积神经网络(convolutional neural networks,CNN)和双向长短期记忆(bidirectional long short-term memory,BiLSTM)网络的风电预测方法。首先,使用CEEMDAN分解算法对初始风力发电功率进行分解,以降低风电数据的非线性和随机性;之后,在预测模型中引入注意力机制(attention mechanism,AM),对分解得到的各分量分别使用经MDBO算法寻优得到的CNN-BiLSTM-AM模型进行预测;最后,把各子分量的预测值进行叠加聚合得到总的预测值,并采用皮尔逊相关系数计算环境特征对风电功率的相关性,保留相关性强的环境特征以进一步提升预测精度。使用所提CEEMDAN-MDBO-CNN-BiLSTM-AM算法进行风电功率预测,预测结果有着较高的预测精准度,其均方根误差较CNN和BiLSTM单一预测模型分别降低了65.12%和64.00%,相较于CNN-BiLSTM其均方根误差和平均绝对误差分别降低了53.20%和53.98%,其回归系数提升了7.581%。

关键词： 城轨列车   混合储能系统   功率分配   强化学习  

摘要： 为了削弱城轨交通系统牵引网电压波动并实现再生制动能量的回收利用,城市轨道交通系统一般会采用超级电容加锂电池组成的混合储能系统来实现稳压和节能的双重目标。混合储能系统的功率分配问题是一个关键问题,因此提出了一种基于强化学习在线序列决策的功率分配策略。为了达到较好的稳压节能效果,对强化学习中的PPO算法进行了改进,将原算法中固定不变的学习率改为随时间变化的学习率,使得强化学习中智能体(Agent)的训练效果更好且算法收敛更快。将这种改进后的D-PPO算法应用在城轨混合储能系统上,能够使混合储能系统更好地去削弱或填补牵引网电压的波峰和波谷并实现节能目的。为验证所提方法的有效性,在MATLAB和Python上进行联合仿真实验,结果表明所提方法削弱了城轨牵引网电压的波动并且实现了节能。

关键词： 物联网   数据安全   SM4-CCM   软硬件协同   ARM   ZYNQ  

摘要： 为了保证物联网设备数据安全,面向资源受限的物联网设备,提出了一种基于SM4-CCM算法的软硬件协同实现架构。首先,提出了内部流水线型SM4架构,相比现有轻量级SM4架构,大幅降低了逻辑资源的消耗;在此基础上,设计了CCM模式软硬件协同架构,软件部分完成了密钥扩展和数据预处理,硬件部分完成了加密的实际运算;最后,基于ZYNQ平台实现了软硬件协同架构。实验结果表明,与硬件架构相比,所提出的架构硬件部分的逻辑资源消耗减少了约43%,具备接收可变长度的数据输入的数据预处理功能,并可单独应用于ECB和CTR模式,具有更高的灵活性和可扩展性。与ARM处理器上以软件方式实现的SM4-CCM算法相比,在100 MHz的工作频率下该架构的吞吐率达到了17.64 Mb/s,性能提高了约93.8%,满足了主流物联网通信协议的速率要求。

关键词： 南海数字资源   多标签分类   细粒度   深度学习   知识图谱  

摘要： [研究目的]面对海量多模态的南海数字资源,数据分类在构建南海证据链关联模型中起着至关重要的作用。通过系统地分类和整理数据,可以揭示资源之间的潜在关联,为后续的数据处理和分析提供坚实依据。[研究方法]应用文献计量工具COOC,全面描述南海数字资源和数据分类的研究现状。从409篇南海数字资料中抽取21174条细粒度南海数字资源,分别应用并比较RNN、CNN、DNN、LSTM、Bi-LSTM、Attention、BERT模型的细粒度多标签分类效果。最后,使用知识图谱技术实现细粒度南海数字资源的分类检索和可视化。[研究结果/结论]基于BERT的细粒度南海数字资源多标签分类效果最佳。同时,知识图谱能够直观展示南海数字资源的分类关系。该研究为后续的南海数字资源管理和多标签分类应用提供了坚实的理论支持和技术保障。

关键词： 矿山设备管理   数字化转型   智能化应用   物联网   大数据  

摘要： 矿山生产设备管理的数字化转型与智能化应用,致力于提升矿山生产效率、降低运营成本和提高设备管理水平。通过引入物联网、大数据、人工智能等技术,实现对矿山设备的实时监控、故障预测、维护优化等功能。设备的数字化管理平台集成了实时数据采集、远程监控和智能决策支持系统,能够精准分析设备运行状态,提前识别潜在问题,并提供针对性的维修方案。此外,智能化调度系统通过算法优化生产流程,提升生产调度效率和资源利用率。这些技术的应用显著降低了设备停机时间,提高了设备使用率,推动了矿山产业的高效、绿色发展。

关键词： 神经网络算法   工业炉   炉温控制  

摘要： 准确控制对于确保产品质量、提高生产效率以及节约能源具有重要意义。随着科技的不断发展,神经网络算法作为一种强大的计算工具,在工业炉炉温控制系统中得到了广泛应用。神经网络算法以其模拟人脑神经元网络的方式进行计算,能够处理非线性、复杂的系统,具有强大的逼近能力和学习能力。在工业炉炉温控制领域,传统控制方法存在难以克服的挑战。因此,引入神经网络算法作为炉温控制系统的智能化手段,成为提高控制性能和适应性的有效途径。以步进式加热炉作为研究对象,讨论其构造及炉温控制难点,介绍神经网络模型及多步预测控制原理及方法,并对步进式加热炉神经网络炉温预测及控制界面设计做出具体介绍,希望能够为工业炉炉温控制系统的智能化提供新的思路和方法。