课程文献中心 更多>>

关键词： 时变滤波经验模态分解   北方苍鹰优化算法   光伏发电功率   短期预测   长短期记忆神经网络  

摘要： 为提高光伏发电功率短期预测的精度,提出一种结合时变滤波经验模态分解和北方苍鹰优化算法优化长短期记忆神经网络的组合预测方法。首先,利用时变滤波经验模态分解将光伏发电功率分解成多个固有模态函数分量。其次,利用北方苍鹰优化(northern goshawk optimization,NGO)算法优化长短期记忆(long short-term memory,LSTM)神经网络隐含单元的个数、最大训练次数和初始学习率,构建NGO-LSTM预测模型。最后,把每一个固有模态函数分量都输入到预测模型中进行预测,将所有固有模态函数分量的预测结果进行叠加便可得到光伏发电功率短期预测的结果。仿真结果表明,所提的预测模型可以有效提高光伏发电功率的预测精度。

关键词： 算法   网络思想政治教育   算法权力   规制  

摘要： 智能算法作为新时代网络信息输入、运算、输出的底层逻辑和实现手段,创新了网络思想政治教育信息的产生方式和呈现方式。将智能算法嵌入网络思想政治教育能极大提升教育的权威性、精准性和实效性,但是算法歧视、算法黑箱、算法决策误差等问题的出现可能导致网络思想政治教育权力面临失衡、失效、失位的异化风险。必须从思想政治教育价值导向、育人逻辑、辩证思维等方面对智能算法进行规制,从而推动智能算法全力赋能思想政治教育,提升网络思想政治教育的育人效果。

关键词： 改进自适应遗传算法   余热锅炉   自适应交叉   过热蒸汽   温度控制   变异概率  

摘要： 余热锅炉过热蒸汽温度常受到多种干扰和不确定因素的影响,导致温度波动较大,难以实现稳定控制。为此,提出改进自适应遗传算法下余热锅炉过热蒸汽温度控制方法。利用过热蒸汽温度、锅炉负荷参数定义余热锅炉过热蒸汽温度控制方程,引入改进自适应遗传算法,通过自适应调整交叉和变异概率提升遗传算法的收敛速度,获取最优适应度函数,代入余热锅炉过热蒸汽温度控制方程中,实现蒸汽温度最优控制。通过对比实验验证得出,该方法的收敛性能好,对余热锅炉过热蒸汽温度控制的超调量为2.6℃,响应速度为1.8 s,证明该方法对余热锅炉过热蒸汽温度控制的稳定性及精度较好。

关键词： 车路协同感知   路侧视角   注意力机制   小目标检测  

摘要： 针对车路协同感知交通场景下,路侧视角存在远距离目标及小目标识别精度较低、特征较少等问题,提出一种基于YOLOv5的小目标检测改进算法。首先,在主干网络中,加入GAM注意力模块增强网络特征提取能力;其次,引入RepBiPAN代替原颈部网络的PANet结构增加网络对小目标的定位能力;最后,使用SIoU损失函数代替原来的CIoU损失函数,能够有效地避免预测框在回归过程中的任意匹配,从而增强模型的鲁棒性,加快网络模型的训练速度。实验结果表明相比于原YOLOv5 6.0版本,当交并比IoU为0.5时各类平均精度mAP提升了6.9个百分点,当交并比IoU为0.95时各类平均精度mAP提升了6.4个百分点,有效地提高了路侧视角小目标检测的检测能力。

关键词： 快速时域算法   大斜视俯冲机动平台   混合坐标系   等效斜距模型   频谱预处理  

摘要： 多级子图像融合是加速合成孔径雷达(Synthetic Aperture Radar,SAR)时域成像的关键手段.然而,机动平台SAR的大斜视采集增强了频谱支持区域的不规则特性,降低图像融合的效率和精度.针对这些问题,本文设计了一种改进的混合坐标系,在此基础上开发了大斜视俯冲机动平台SAR快速时域成像算法.得益于改进混合坐标系中建立的等效斜距模型,频谱对斜视角的敏感度降低,消除了频谱空变现象.因此,设计频谱预处理函数可以有效压缩和拼接频谱,提升图像融合的效率和精度.通过仿真和原始数据处理,验证了提出算法性能的优越性.

关键词： 搬运机器人   麻雀搜索算法   路径规划   栅格地图  

摘要： 针对基本麻雀搜索算法用于搬运机器人进行路径规划问题,提出一种改进的麻雀搜索算法。建立反向学习机制,优化麻雀的初始群体;引入动态搜索因子,扩大种群搜索范围;引入柯西变异,避免出现局部最优。采用栅格法构建工作环境地图,利用Matlab仿真软件,将改进算法与基本算法在不同的栅格地图下进行仿真实验,实验结果表明,改进后的算法在路径规划方面拥有更好的效果,证明了改进算法的优势和可行性。

关键词： 高速铁路   异物入侵   视频检测系统   智能识别   数据管理  

摘要： 针对智能高铁2.0体系中智能装备建设要求,研制了高速铁路线路环境视频检测系统;该系统采用高实时、双模态补偿技术进行动态成像,克服了高速运行条件下的运动模糊及开放式场景下的环境光干扰问题;基于Faster-RCNN和YOLO v8模型开发了异物入侵智能识别算法,实现了基于高速动车组平台的列车运行环境状态异常在线检测;研发了线路环境视频动态检测应用软件,实现了列车运行环境异常的动态实时监测和异常数据管理;试验验证表明,系统可满足最高450 km/h运行条件下的线路环境高清成像和异物入侵检测,缺陷检出率≥90%。

关键词： 离心泵   组合赋权   健康指标   数据分组处理方法   退化状态识别  

摘要： [目的]为实时监测离心泵的健康状态,提出一种可实时识别离心泵退化状态的模型。[方法]首先,基于离心泵的运行参数和退化机理,利用主客观相结合的组合赋权模型来计算组合权重,进而构建离心泵退化过程中的健康指标;然后,基于现有离心泵的退化数据,提出基于遗传优化-数据分组处理(GA-GMDH)算法的离心泵退化监测模型。[结果]GA-GMDH监测模型的可靠性较高,其健康指标输出值与真实值的均方根误差为0.029216,依据该模型输出结果进行退化状态识别的精度为93.333%。[结论]研究成果可为离心泵的健康状态监测以及维护运营管理提供参考。

关键词： 区块链   安全   异常检测   近似算法   Sketch  

摘要： 区块链存在网络动态性强和其管理困难等问题,使得区块链普遍存在DDoS攻击和账户接管等异常现象.现有区块链异常检测方法多从所有区块链账户中提取历史交易信息和交易频率等特征加以分析以甄别异常.然而,随着区块链数据规模的不断扩大,现有方法在提取特征时面临内存消耗高、检测精度低的挑战.为此,提出了一种高检测精度、低内存开销的区块链异常检测机制,该机制采用近似测量算法将区块链异常检测转化为异常交易账户检测,包括区块内异常账户和跨区块异常账户.对于区块内异常账户,即仅存在于单个区块内的异常账户,使用Sketch算法进行账户识别,精度高.而对于存在于多个区块且难以通过单个区块信息检测到的跨区块异常账户,则通过聚合和分析多区块信息进行账户的准确检测.使用包含88847个区块的真实区块链数据评估上述机制.实验结果表明,与现有代表性方法对比,所提出的机制将区块链异常检测的召回率最高提升了6.3倍,F1分数最高提升了4.4倍.因此,提出的高精度区块链异常检测机制对于规范区块链交易行为、维护系统安全性具有意义.

关键词： 二阶拉曼光纤放大器(RFA)   卷积神经网络(CNN)   长短期记忆网络(LSTM)   海马优化(SHO)算法   拉曼增益  

摘要： 随着通信系统向高速率、超带宽不断发展,适应这种发展的高性能拉曼放大器的设计逐渐成为研究重点。然而,由于输出拉曼增益、噪声和泵浦参数之间复杂的非线性关系,设计高性能的拉曼放大器具有挑战性。传统的数值优化方法在解决这个问题上效率不佳。为了解决这个问题,本文提出了一个使用卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long-short term memory,LSTM)的二阶拉曼光纤放大器(Raman fiber amplifier,RFA)增益和噪声预测模型。研究了不同预测模型性能对设计拉曼光纤放大器的影响,并利用海马算法优化模型,以准确反映泵浦参数、光纤长度和目标增益和噪声分布之间的映射关系。实验结果表明,本文提出的模型在增益和噪声预测方面的均方根误差分别只有0.0431和0.0224 dB,预测值和目标值之间的误差小于0.25 dB,平均耗时小于0.1337 s。该设计方案为未来RFA的快速设计提供了方法和思路。