课程文献中心 更多>>

关键词： MOPSO算法   输电线路   巡检计划   实例验证  

摘要： 针对传统输电线路巡检方法速度慢、准确率低、成本高等问题,提出基于MOPSO算法的输电线路巡检计划优化策略。通过对现存问题的了解,构建巡检计划模型,评估输电线路风险等级,结合实例,采用MOPSO算法优化输电线路巡检计划,检验MOPSO算法的可行性。结果表明:基于MOPSO算法的输电线路巡检计划符合客观规律,研究结果对输电线路巡检频率的设置有参考意义,规避传统方法巡检不足或巡检过度的问题,实现高效巡检,获得反映输电线路实际运行情况的巡检结果;巡检计划优化模型提高巡检平滑度,保证巡检有效性的同时减少人力资源投入,经济效益高。MOPSO算法应用效果良好,研究内容对输电线路巡检计划的优化有指导意义。

关键词： 数智时代   算法行政   技术赋能   数智治理  

摘要： 大数据、人工智能等新兴技术所蕴藏的赋能潜力推动着所处时代中的大学将提高治理数智化水平作为其未来发展的重要任务。行政行为与算法的结合推动着大学治理实践中的算法行政,其所展现的算法权力在治理过程中表现出关系性、技术性、结构性、隐秘性等特征。大学治理数智化过程呈现出“权力-权利”赋权/赋能结构的变动与失衡、技术简化主义引发治理正当程序的调整与消解以及技术/数智官僚主义的形成与困境等现象。激发大学算法行政的治理效能应在治理理念上突出从信息化普及到数智化应用的转变、凸显大学数智治理中算法行政的增序逻辑以及实现治理行动中权力扩张与权利保障的协同推进等。

关键词： 时间序列预测   SARIMA模型   Prophet模型   混合算法   预测准确性  

摘要： 本研究提出了一种基于SARIMA与Prophet模型的混合算法,以提升时间序列预测的精度。SARIMA模型擅长处理线性趋势和季节性变化,Prophet模型则适用于捕捉非线性趋势和异常波动。将两者结合后的混合算法能够更全面地对复杂数据进行预测。在零售、气象和金融市场等行业中的实验结果表明,混合算法在预测准确性上优于单一模型,误差率降低了15%以上。本文进一步探讨了混合算法的设计、优化和实际应用,为未来时间序列预测提供了新的思路和方法。

关键词： 电压互感器   温度   算法   故障诊断  

摘要： 电压互感器故障诊断对于保障发电机组的安全可靠运行具有十分重要的意义。基于动态时间规整算法(D)、K最近邻分类算法(K)和长短时记忆网络分类算法(L),开发了具有离线故障检测和在线故障检测功能的红外测温专家诊断系统,通过对水轮发电机机端电压互感器温度的监测,可以快速、准确地实现电压互感器故障的诊断和预警。

关键词： 人工智能   煤矿   智能采矿   调度算法   自动化  

摘要： 人工智能技术迅速发展,其在煤矿生产领域中的应用越来越广泛。煤矿智能采矿调度作为矿业自动化和智能化的主要环节,可最大程度地提高煤矿生产效率,保障煤矿工作人员的作业安全。文章主要研究人工智能算法在煤矿智能采矿调度中的具体应用,重点分析智能调度系统的设计原理、关键技术及具体应用效果,为相关人员提供参考。

关键词： 遗传算法   煤矿梭车   转向机构  

摘要： 为了提高煤矿梭车的灵活性,需要对其转向机构进行优化。本文以降低转弯直径和转弯阻力矩为目标,建立了目标函数,并对函数进行归一化处理。运用遗传算法对目标函数进行寻优计算,在兼顾转弯阻力矩和转弯直径的条件下,求解主销中心距的最佳取值,进而计算出其他结构参数的优化结果。比较结构优化前、后的控制目标,转弯直径从13.12m降至10.9m,转弯阻力矩从1.774×10^(7)N·mm降至1.530×10^(7)N·mm。经过优化设计,煤矿梭车的转弯直径和阻力矩均显著下降,达到了改进目标。

关键词： 数字化与信息化   计算机技术   发展及运用  

摘要： 在数字化时代,计算机技术呈现出全新的发展格局。在相关行业领域中,必须重视计算机网络安全建设,推动计算机网络技术持续创新。这需要依靠跨领域、跨学科的互动合作,以促进相关行业的高效发展。文章运用论述法和案例分析法,对数字化与信息化时代下计算机技术的发展与应用进行分析,以期为相关研究者提供参考。

关键词： 图像长度   尺寸测量   多边形拟合  

摘要： 在工业生产中,常常需要测量图像的尺寸。为避免传统测量方法耗时耗力且准确性不高的弊端,本文探索通过多边形拟合方法来得到被测图像的长度尺寸。通过拟合图像中的边缘点形成一个多边形,用于近似目标形状。实验的结果验证了本文算法的有效性。

关键词： K-Means算法   密度聚类   三支决策  

摘要： 本文提出了一种基于密度聚类的三支K-Means算法。针对传统的K-Means算法在选取初始聚类中心时往往依赖于随机选择和无法处理不确定性数据对象的问题,本文采用基于密度聚类算法优化初始聚类中心的选择,并优化了截断距离的选取,最后使用三支决策的方法对聚类结果进行处理。实验结果表明,与传统的K-Means算法相比,改进的K-Means算法在聚类中表现出更高的聚类精度和稳定性。This paper proposes a three-branch K-Means algorithm based on density clustering. In view of the problem that the traditional K-Means algorithm often relies on random selection and cannot handle uncertain data objects when selecting initial clustering centers, this paper uses a density-based clustering algorithm to optimize the selection of initial clustering centers, and optimizes the selection of truncation distance. Finally, a three-branch decision method is used to process the clustering results. The experimental results show that the improved K-Means algorithm exhibits higher clustering accuracy and stability in clustering compared to the traditional K-Means algorithm.

关键词： 自动导向车   路径规划   改进型A^(*)算法   动态加权   搜索邻域   贝塞尔曲线  

摘要： A^(*)算法是一种常见的AGV路径规划算法,然而当AGV的运动环境很复杂时,A^(*)算法的效率会显著下降。针对传统A^(*)算法存在路径搜索效率低、路径转折次数多等问题,提出一种改进型A^(*)算法。首先基于栅格法对地图进行建模,随后对A^(*)算法的启发函数和邻域搜索策略展开研究,引入动态加权机制改进启发函数,并在此基础上加入动态五邻域搜索策略。最后在Python编程环境下,分别使用两种不同障碍率的栅格地图对改进型A^(*)算法与传统A^(*)算法进行对比仿真实验。仿真结果表明,改进型A^(*)算法搜索时间平均缩短了69.3%,路径拓展节点数平均减少了74.5%,可以明显减少转弯次数,提升整体效率,尤其是在障碍率较高时优化效果更明显;引入贝塞尔曲线后,可使移动路径更加平滑。