课程文献中心 更多>>

关键词： 水下自主航行器   坐落式回收   深度学习   特征点提取   位姿估计   目标检测  

摘要： 自主水下航行器(AUV)在任务进行过程中或完成后需通过自主回收实现能源补充与数据下载等操作,是否能进行高效、精准地回收引导决定了AUV的回收效率,成为其能否广泛应用的关键.针对AUV坐落式回收过程中的近距离光学引导定位问题,提出一种基于深度学习的单双目位姿测量算法.首先,面向恶劣的水下光学成像条件,结合暗通道先验去雾和YOLO v9目标检测网络,实现一种可适应不同水质、光照强度且鲁棒性强、可靠性高的引导光源提取算法.同时,针对回收过程中的特征匹配问题,设计一种不依赖于AUV速度的全向特征匹配算法,实现3D-2D特征匹配.此外,针对坐落式回收典型的多阶段引导特点,分别基于PnP原理和SVD分解设计面向不同阶段的单、双目引导定位算法.最后,基于多次仿真和实物实验,验证算法在精确位姿估计方面的可行性和有效性.

关键词： 高温高压水   空化特性   自适应变分模态分解   孔板  

摘要： 针对高温高压流动工况下，空化状态判断困难、传统分析方法难以有效提取压力脉动信号中的有效信息的问题，以孔板为对象，开展了高温高压水的空化实验，并提出了一种基于遗传算法的自适应变分模态分解(AVMD)算法。该算法通过结合中心频率法、遗传算法、功率谱熵和相对能量等技术，自适应地确定变分模态分解算法中的超参数并有效去除信号中的噪声成分，提高了空化特征的提取精度。结果表明：AVMD算法能够精确捕捉到高温高压水流经孔板时空化现象的发生和发展，识别空化起始点、转捩点以及空化强度的变化；当高温高压水流经孔板后，压力脉动的无量纲频率在0.04～0.35、压力脉动的无量纲幅值在0.014～0.067时，空化现象开始出现；随着空化强度增加，管内压力脉动幅值和频率整体呈增大趋势；空化起始转捩点及空化严重转捩点与入口压力和工质入口过冷度密切相关。AVMD算法能够有效提高空化特性分析的精度，尤其是在复杂流动条件下的空化预测，为压水堆核电站冷却剂系统和高压蒸汽系统的稳定运行提供理论依据和参考。

关键词： 北斗时空数据   多粒度建模   DBSCAN聚类算法   欧氏距离   停留聚类   轨迹聚类  

摘要： 为了应对大数据环境下对北斗时空数据进行存储与分析时所面临的难题，通过构建多粒度时空数据模型，以实现高效的数据管理。通过结合DBSCAN聚类算法对停留点进行分析，并利用欧氏距离进行轨迹聚类，进而统计时空对象的停留次数、轨迹数量等关键属性。研究结果表明，所构建的模型在有效提升了数据处理效率的同时，还能够精准分析北斗时空数据的特性。多粒度建模与挖掘算法为北斗时空数据的广泛应用提供了有力支持，在智慧城市、交通规划等关键领域，展现出了不可忽视的重要价值。

关键词： 改进暗通道   视觉图像   光晕消除   透射率   多尺度算法   大气散射模型  

摘要： 在光晕区域附近进行光晕消除操作可能会降低图像的对比度、清晰度和细节。因此，需要开发有效的方法来恢复和增强光晕消除后的图像细节，以确保整体图像质量的提高，为此设计一种改进暗通道原理下视觉图像光晕消除算法。建立大气散射模型深度分析光晕产生条件，根据图像中的像素强度值计算成像环境中的透射率，按照大气光照的散射系数建立光照条件研究模型。在较高的像素颜色通道条件下，根据图像中高亮度和强反射部分搭建无光晕图像亮通道定义，聚类图像亮通道特征，利用快速双边滤波器细化透射率，建立光晕图像的成像模型。在改进暗通道原理的过程中通过调整多个计算参数，包括改变权重函数，设置光晕消除的恢复指令，完成对视觉图像的光晕消除处理。经过实验分析可以证明，所提方法具备良好的光晕消除性能，光晕消除效果较好。

关键词： 煤矿设备数据   管理系统设计   数据采集   数据传输  

摘要： 基于Hadoop平台设计了煤矿设备数据管理系统，该管理系统立足于煤矿领域，能够实现煤矿设备的实时管理。数据采集系统采用OPC服务器，将来自不同协议的数据桥接到OPC客户端应用程序。在Redis的基础上设计了煤矿设备数据传输架构，实现煤矿设备数据采集、传输、处理和应用。通过设计管理系统的人机交互界面，实现设备数据信息数据的监控，并对管理系统的性能进行了测试。该管理系统具有良好的稳定性。

关键词： Transformer网络   边缘注意力网络   快速注意力网络   多层感知器  

摘要： 针对长期目标跟踪中出现模型退化和跟踪漂移的问题，提出了一种融合快速边缘注意力的Transformer跟踪算法TransFEA(fast edge attention on Transformer)。使用ResNet-50作为Siamese网络的骨干网络，并在其每个残差块后端引入注意力网络进行特征提取，增强目标的关键信息和全局信息；边缘注意力网络（edge attention network,EA）提取模板与搜索区域的特征向量，快速注意力网络（fast attention network,FA）计算注意响应值，确定两个区域的相似度，以此调整目标位置。设计多层感知器预测边界框，避免过多超参数，使跟踪器实现了准确性与轻量化的平衡。实验结果表明，TransFEA在LaSOT数据集上成功率和准确率分别为65.3%、69.1%，运行可以达到90 FPS，提高了长期跟踪的成功率和准确率。

关键词： 方位谱估计   波达方向估计   常规波束形成   解卷积   全变分  

摘要： 为了提高解卷积常规波束形成(D-CBF)算法的稳定性,降低方位谱背景噪声级,提高处理增益,提出了一种基于全变分约束的解卷积常规波束形成(TVD-CBF)空间谱估计算法。该方法利用声源分布的稀疏先验,在代价函数中加入总变分正则化项作为非线性约束,获得TVD-CBF算法的方位谱,从而在提升空间分辨率的同时,抑制噪声及误差的累积,提高求解的稳定性。仿真表明,该方法在D-CBF算法的基础上进一步提升了方位指向性和分辨率,具有良好的波达方向估计性能。海试数据处理结果表明, TVD-CBF方法在提升空间分辨率的同时,降低了空间谱的背景级,具有良好的方位估计性能。

关键词： 稀土熔盐电解槽   温度检测   YOLOv8   目标分类  

摘要： 电解温度与稀土熔盐电解槽电流效率、炉体寿命紧密相关，然而热电偶测温、红外热成像等测量方法受电解车间高温强腐蚀环境影响难以实时检测。基于YOLOv8算法对熔盐电解槽炉面温度进行预测。首先，通过高温试验炉自制温度数据集并基于YOLOv8算法训练获得温度区间分类模型；其次，采用图像灰度与温度关系式重建炉面图像温度云图；最后，基于YOLOv8-SSW算法构建了炉面温度图像识别模型，其预测准确率为93.4%，可用于电解槽炉面温度监测。

关键词： 缺陷检测   深度神经网络   损失函数   注意力模型  

摘要： 航空叶片表面缺陷的准确检测是保证航空发动机安全可靠运转的关键。目前基于视觉的航空叶片表面缺陷检测算法存在实时性差、漏检率高、定位目标不准等问题。针对上述问题，本文提出一种基于深度神经网络的航空叶片表面缺陷检测算法。为了提高检测实时性，本文设计了深度可分离卷积(depthwise separable convolution, DSC)模型分解标准卷积；为了降低小目标缺陷漏检，本文设计了SE-PAN (squeeze-and-excitation path aggregation network)模型对每个通道的特征进行重标定，使得具有更强信息的特征得到更多的关注；为了提高定位准确度，本文设计了Focal-DIOU (focal-distance intersection over union)损失函数减弱低效框的作用。在本文的航空叶片表面缺陷数据集上的实验证明：本文算法的Precision、Recall、AP达到了95.7%、94.6%、96.3%,检测帧率达到24帧/s,均优于主流检测算法。