课程文献中心 更多>>

关键词： 医用康复设备   故障检测   故障信息挖掘   改进数据挖掘算法   故障行波   检测精度  

摘要： 伴随着医疗体系的改革与发展,医疗服务水平也在不断提升,对医用康复设备的要求也更加严格。医疗康复设备故障的发生是影响其应用性能的关键所在,提出基于改进数据挖掘算法的医用康复设备故障行波检测方法。深入分析医用康复设备故障行波信号的特性,以此为基础,提取故障行波信号,并消除其内部噪声信号,应用改进数据挖掘算法——小波包算法深度挖掘故障行波信号的潜在信息,即故障行波信号特征矢量,制定医用康复设备故障定位程序,执行制定程序即可实现医用康复设备故障的行波检测与定位。实验数据显示:应用所提方法获得的行波信号挖掘深度系数最大值为0.99,医用康复设备故障定位误差最小值2%,充分证实了所提方法应用性能更佳,适合大力推广与应用。

关键词： 非道路轮胎   周向应变   载荷估计   智能轮胎   机器学习  

摘要： 非道路轮胎具有结构尺寸大、工况恶劣多变、载荷波动明显等典型特征,其垂向载荷显著影响车辆的纵向、垂向、侧向动力学特性。针对非道路轮胎垂向载荷获取困难、传统物理模型推演精度不足的问题,提出了一种基于应变信息与机器学习技术的垂向载荷反演算法。以R-1型人字花纹非道路轮胎为研究对象,设计了由大量程柔性应变传感器、低功耗数据采集及无线传输模块组成的轮胎应变信息采集系统。以胎压、速度、载荷等参数为变量,在转鼓试验台上开展了多种典型工况测试,分析了轮胎接地点的应变变化规律。在此基础上,构建了面向轮胎垂向载荷估计的深度神经网络模型,并基于AdamW优化器与网格搜索法开展了算法参数优化。试验结果表明,基于AdamW优化器的深度神经网络模型对非道路轮胎垂向载荷预测表现出较高的精度,各工况下最大平均相对误差由4.10%降至0.30%。此外,针对模型泛化能力的测试结果显示,深度神经网络模型平均归一化均方根误差较SVR模型降低55.91%,泛化性能优越。研究表明,所提出基于AdamW优化器的深度神经网络模型可对以应变信息为输入的非道路轮胎垂向载荷进行准确反演,为非道路车辆的动力学控制系统提供可靠的轮胎力学关键参数获取依据。

关键词： 钢板表面缺陷检测   空间自适应注意力机制   改进算法  

摘要： 针对钢板表面不同种类缺陷特征难以辨别的问题,提出了一种基于改进YOLOv7算法的钢板表面缺陷检测方法。使用特征提取网络(C2f)加强特征信息的提取,在不影响原始梯度路径的情况下提高神经网络对重要特征的学习能力,避免缺陷的误检。结合空间自适应注意力机制(CA)构建了多路径特征和通道交叉注意力机制(MPCC),提高对细微缺陷的敏感性,避免缺陷的漏检。在此基础上,采用距离交并比损失函数DIoU作为损失函数,降低模型损失函数的复杂度,从而提高模型的实时性和鲁棒性。钢板表面检测实验结果表明,改进YOLOv7算法在NEU-DET数据集上的检测精度达到了83.7%。与YOLOv7算法相比,改进后的算法在检测精度和速度上都有显著提升。

关键词： 汽车前端框架   翘曲变形   Moldflow   正交试验法   GA遗传算法   BP神经网络模型  

摘要： 针对车用前端框架格栅插槽处翘曲变形大造成整车装配精度差的问题,首先通过Moldflow软件建立有限元模型分析零件初始翘曲变形量及影响参数。选定模具温度、熔体温度、保压压力、保压时间、冷却时间作为设计因素,通过正交试验表得到工艺参数与翘曲变形量之间的映射关系并建立单目标非线性优化模型。利用GA遗传算法改良的BP神经网络进一步描述优化模型的非线性函数关系,以适应度曲线迭代收敛预测得到最佳的BP网络模型预测工艺参数分别为:模具温度60℃、熔体温度265℃、保压压力55MPa、保压时间4s、冷却时间35s,最大翘曲变形量为1.191mm。最后将最优工艺参数导入Moldflow中模拟得到最大翘曲变形量为1.33mm,较优化前初始翘曲量2.423 mm降低了45.1%。经GA-BP算法优化后的工艺参数应用于生产制造过程,前端框架注塑件偏差测量结果表明,实际测量值与优化后Moldflow模拟值拟合度较高,两者平均偏差为0.28mm,满足整车装配要求,证实了GA-BP神经网络预测模型用于优化前端框架翘曲变形的可行性。

关键词： 弹性配电网   拓扑重构   混合量子-经典算法   量子计算   量子退火  

摘要： 为及时有效地制定配电网拓扑重构策略以提升负荷快速恢复能力,基于量子计算的优越性,提出混合量子-经典(HQC)算法的弹性配电网灾后拓扑重构方法。首先,构建基于HQC算法的灾后配电网拓扑重构模型,以实现实际场景、优化问题、嵌入算法相应模块在量子计算和经典计算环境下的协作交互过程。然后,将配电网拓扑重构问题构造为无约束离散优化子问题和有约束连续优化子问题,提出量子退火嵌入式交替方向乘子(QA-ADMM)算法,将离散子问题等效映射成量子可解释的伊辛模型后,部署在D-Wave量子退火计算机中,并与经典计算机中连续子问题迭代求解,采用自适应惩罚因子调节机制加速算法收敛。最后,通过IEEE 14、33、69、123以及改进的205节点的不同规模配电系统,分析验证了QA-ADMM算法的有效性、稳定性与可扩展性。结果表明,惩罚因子、目标函数惩罚项系数、量子退火中采样读取次数会影响所提算法的精度和收敛速度;优化问题规模扩大后,所提混合量子-经典算法计算优势更加明显,205节点配电系统算例下,计算效率较经典计算可提升约34%。

关键词： 海洋平台设备   智能化   数字化  

摘要： 通过分析海洋平台设备管理的数字化、智能化相关技术,如数据分析、监测诊断、远程操作、数字孪生等,揭示其提升海洋平台设备管理运行效率、保障安全等优势,分析数字化智能化技术面临的挑战。

关键词： 混流装配线   多目标优化   混合遗传禁忌搜索   投产排序   仿真优化  

摘要： 针对混流液压泵装配线存在工位闲置或堵塞导致作业负荷不均衡的问题,提出了一种混合遗传禁忌搜索算法求解和计算机仿真验证的方法。以最小化混流装配线的生产节拍、不同工作站间分配的作业负荷和同一工作站内不同产品的作业负荷平滑指数为优化目标,设计了一种具有较强局部搜索能力的混合遗传禁忌搜索算法,算法通过Hamming距离的判断对可行解进行多片段交叉、片段变异操作;采用正交实验法确定了算法最佳参数组合,并在经典案例集和液压泵装配线上验证了混合遗传禁忌搜索算法的有效性和优越性;在Plant Simulation软件中考虑液压泵装配线设备情况,根据实际生产对优化方案进行仿真分析,研究结果表明了该优化方法能有效降低混流液压泵装配线的生产节拍,均衡各工作站间的工序分配和同一工作站内不同型号产品的作业负荷,实现了混流装配线的平衡再优化。

关键词： 智能电网   电力市场发展模式   联动博弈模型   微网群交互体系   KDE算法  

摘要： 针对智能电网电能交易频繁,而传统电力市场模式交易量低、交易过程复杂的问题,融入多项智能技术对电力市场交易模式进行改革,通过建立联动博弈模型加强市场各区块间的联系,使电力市场主体间的交互更为便利。建立微网群交互体系,为智能电网交易用户提供交易渠道,使参与交易的客户及时投标报价。采用非参数核密度调节(KDE)算法匹配合适的订单用户,调节市场交易密度,使交易过程更为便利。通过Proteus软件仿真电力市场交易过程,实验表明,所设计智能电网电力交易量最高为4161.5 kWh,薄表生成交易效率达到93.2单/h,整体便利性提升率为9.1%,证明设计具有可行性。

关键词： 数据挖掘   图书馆   行为分析   应用  

摘要： 随着信息技术的发展,图书馆积累了大量用户数据,传统管理方法难以应对其复杂性与多样性。为此,文章采用K-means聚类算法和Apriori关联规则算法对图书馆读者行为进行深入分析。研究结果表明,通过聚类分析,读者群体被划分为五类,不同群体在借阅频率和书籍偏好上表现出显著差异。关联规则分析揭示了不同书籍之间的潜在关联,尤其是在同一学科或兴趣领域内。通过数据挖掘技术,图书馆能够预测读者的潜在需求,优化馆藏布局,提升资源利用效率,并为个性化服务提供决策支持。结论表明,数据挖掘算法对图书馆管理具有重要的应用价值,能够帮助优化资源配置,提升读者满意度。

关键词： 安全帽佩戴检测   YOLOv5s   损失函数   注意力机制  

摘要： 佩戴安全帽对于保障施工人员的安全具有重要作用,然而目前的人工检测方法存在耗时耗力、无法实时监控等问题。针对这一问题,文中提出了一种基于深度学习的安全帽佩戴检测算法。在YOLOv5s算法的基础上,首先提出一种新型的α-EIoU损失函数,提高模型的定位精度,其次在其颈部加入ECA注意力机制,分配给安全帽更多的权重。通过在自制的安全帽数据集中进行实验发现,改进后的算法平均精度提高了3.1%,实现了更加精确、有效的安全帽佩戴检测。