课程文献中心 更多>>

关键词： 动不平衡   近频干扰抑制   ESPRIT   奇异值   定阶方法   信号参数提取  

摘要： 提取转子动不平衡信号参量时,近频干扰严重影响互相关等传统周期信号处理方法的性能。针对近频干扰影响转子动不平衡信号准确提取的问题,提出一种基于改进的ESPRIT算法的信号参数提取方法,对传统的奇异值定阶法进行改进,实现了对信号模态数的准确识别,继而利用改进的ESPRIT方法识别不平衡信号的幅值相位。实验结果表明:相较于传统互相关法和FFT方法,该方法有效解决了短数据、大近频干扰、非整周期条件下不平衡振动信号参数的准确提取问题,在数据长度大于半拍时,结果即趋于稳定,将幅值测量误差降至3%以下,相位测量误差降至3°以下,提高了检测效率和准确度。

关键词： 安全风险管理   医院设备管理   风险事故   风险评估   风险控制  

摘要： 在医院设备管理中,安全风险管理同样适用。通过对医疗设备使用过程中可能存在的风险进行识别、评估和控制,可以及时发现并解决潜在的安全隐患,降低设备故障和意外事件的发生概率,保障患者和医护人员的安全。文章首先介绍了安全风险管理的基本概念和在医院设备管理中的必要性,然后详细阐述了安全风险管理在设备故障识别、风险评估、风险控制及风险沟通等方面的应用。通过对这些应用的分析,总结了安全风险管理在降低医院设备管理中的风险事故方面的重要作用,旨在为相关学者提供一定的参考。

关键词： 人工智能   电力通信   传输网络异常检测   长短期记忆(LSTM)网络   卷积神经网络(CNN)  

摘要： 利用结合长短期记忆(Long Short-Term Memory,LSTM)网络与卷积神经网络(Convolutional Neural Network,CNN)的深度学习模型,提出一种基于人工智能的异常检测算法。通过收集和预处理电力通信网络数据,提取关键特征,利用CNN捕捉数据的空间特征,再通过LSTM分析其时序依赖性,以准确识别异常信号。实验分析表明,LSTM-CNN混合模型在多项指标上均优于传统方法,具有较低的误报率和漏报率,尤其在复杂异常场景下具有较强的适应性与健壮性。研究结果表明,设计算法可有效提高电力通信传输网络的异常检测效率,为智能化电力系统的运行安全提供有力支撑。

关键词： 短文本分类   特征降维   MRMR算法   支持向量机   Adaboost  

摘要： 特征集质量和分类器性能是影响短文本分类效果的两个重要因素。具有最大特征最小冗余特点的MRMR算法是目前常用的特征降维算法,论文通过基于词分布频率的调节因子改进该算法,调节因子会在计算特征互信息值的时候降低低频特征词的权重,解决低频词语与特征标签之间高依赖的问题。之后以支持向量机为基础分类器,通过加入了变步长因子的萤火虫算法对其进行参数寻优,变步长因子的自适应性解决了萤火虫算法出现的震荡等现象,最后利用Adaboost框架迭代训练出多个不同权重的SVM基础分类器,集成得到性能更优的强分类器。论文使用网络爬虫获取的短文本数据集进行验证,以精确率(P)、召回率(R)、F1值做为评估标准,优化后的算法相比原算法在精确率上提高8%,召回率提高10%,F1值提高9%,因此实验结果表明优化后的算法具有更高的效率。

关键词： Critic赋权法   邻域粗糙集   属性约简   加权邻域关系   属性依赖度  

摘要： 邻域粗糙集相比经典粗糙集能够处理非离散型数据和高维度数据,具有获得简化数据且不降低数据处理的能力。针对邻域粗糙集中每个属性具有相同权重,且每个属性对决策的影响程度不同的问题,提出用Critic赋权法加权邻域粗糙集的属性约简算法。使用Critic赋权法为条件属性赋权,引入加权距离函数计算邻域关系,得到加权邻域关系;构建加权邻域粗糙集,采用属性依赖度和重要度评估子集的重要性,使用等距搜索寻找最佳阈值,进行属性约简找到最优属性子集;采用UCI库中的10个数据集进行实验验证,与传统邻域粗糙集的属性约简算法的性能进行比较分析。实验结果表明:所提算法可得到最小属性约简集,并可保证约简后数据的分类准确率,具有有效性和实际应用价值。

关键词： 通感一体化   3维矩阵束   到达角   飞行时间   多普勒频移  

摘要： 作为一种基于软硬件资源共享和信息共享的新型信息通信技术,通感一体化(ISAC)可将无线感知集成到Wi-Fi平台,为低成本的室内定位提供一种高效的方法。针对室内定位参数估计实时性与准确性问题,该文提出一种基于3维矩阵束(MP)联合参数估计算法。首先,对信道状态信息(CSI)数据进行分析,构建包含到达角(AoA)、飞行时间(ToF)和多普勒频移(DFS)的3维矩阵。其次,对3维矩阵进行平滑处理并利用3维MP算法进行参数估计,通过聚类找到直达径。最后,利用双角定位法进行定位,验证该文所提算法的有效性。实验结果表明,与多重信号分类(MUSIC)参数估计算法相比,无需复杂的峰值搜索步骤,降低了90%计算复杂度。与2维MP算法相比,加入多普勒参数,使AoA估计误差均值在会议室和教室两种场景下分别降低了1.45°和2°。该文通过实际测试验证了所提算法在室内可以达到在置信度67%处平均0.56 m的定位精度。因此,该文所提算法有效地改善了现有室内定位参数估计的实时性和准确性。

关键词： 深度学习   目标检测   路面病害   YOLOv5s   可变形卷积   轻量化  

摘要： 针对现有的路面病害检测算法在复杂环境下检测精度低、模型复杂度高的问题,在YOLOv5基础上,提出了一种融合可变形卷积的轻量级路面病害检测算法(lightweight deformable convolution YOLOv5,LDC-YOLOv5)。首先,针对真实路面病害复杂不规整的特点,使用可变形卷积(Deformable Conv)和深度卷积(Depthwise Conv),设计了一种轻量级特征提取模块,代替原网络主干部分的C3模块,使卷积核聚焦在无规则裂缝病害上,增强病害特征提取能力。其次,针对特征融合阶段出现算法复杂度过高的问题,使用轻量级卷积GhostConv,构建一种轻量级特征融合模块,代替原网络颈部网络部分的C3模块,降低网络参数和复杂度;为避免真实路面出现光照不均,出现阴影遮挡路面病害目标而造成的病害漏检的情况,在主干网络部分,引入轻量级注意力机制TripletAttention,增强算法对病害信息上下文之间的理解能力。最后在IEEE公开数据集RDD2022和Kaggle公开数据集Road Damage上进行测试,实验结果表明,与YOLOv5s相比,mAP50在两个数据集上分别提升了1.4%和4.2%,且模型参数量仅为YOLOv5s的67.6%。

关键词： Q-learning算法   强化学习   人工势场算法   AGV   路径规划  

摘要： 作为智能物流系统中重要运输工具的自动引导车(Automated Guided Vehicle,AGV),AGV路径规划与避障算法是移动机器人领域重要研究热点之一。为了解决现有仓储环境下的AGV在运用Q-learning算法进行路径规划时的前期收敛速度慢且探索利用不平衡的问题,提出一种结合引力势场改进Q-learning的算法,同时对贪婪系数进行动态调整。首先,针对传统的Q-learning算法规划时学习效率低问题,构建从AGV到目标点的引力场,引导AGV始终朝着目标点方向移动,减少算法初期盲目性,加强初始阶段的目标性。然后,解决算法探索利用平衡问题,对贪婪系数进行动态改进。仿真实验表明,探索速率提升的同时,算法稳定性也有一定的提升。

关键词： 配电柜   短路故障   故障定位算法   防护系统  

摘要： 文章分析了配电柜内部短路故障的机理,包括故障类型及特征、成因及传播机制等,提出了基于暂态电流特征的故障定位算法,设计了配电柜短路故障防护系统并进行了实验验证。实验结果表明,文章提出的定位算法能够将故障定位精度提高至95%以上,故障防护系统可使故障发生率降低70%,以此为提升配电柜运行安全性与可靠性提供强大的技术支撑。

关键词： 天然气站场   设备管理   安全管理   数字化   智能化   风险评估  

摘要： 为了提高天然气站场设备管理水平,保障安全生产,文章提出基于数字化与智能化的设备管理和安全管理创新策略。利用物联网、大数据、人工智能等技术,实现设备运行状态实时监测、故障预测和预警、智能巡检、远程控制等功能,构建智能化的安全风险评估和控制系统,推动安全管理的数字化转型。