曲线线性搜索的共轭梯度法

本文根据McCormick等人提出的曲线线性搜索的思想求解有约束优化问题,选用了收敛速度较快的共轭梯度方向,并运用罚函数实现有约束到无约束的转化,同时给出保证收敛的条件及收敛定理的证明。此法对求解一般有约束优化问题是一个新的尝试。     

自适应粒子群集优化二维OSTU的图像阈值分割算法

为了解决红外相机采集行人图片时图像分割效果问题,提出一种自适应粒子群优化二维OSTU的阈值分割算法。利用当前帧图像的灰度级和当前帧图像像素的邻域灰度级构成二元组,通过计算二者的均值和方差,建立二维最大类间方差模型,结合自适应粒子群集算法,估计出图像的最佳阈值,该方法不仅能够准确估计阈值且计算时间减少。仿真结果表明,阈值最佳时,当结合自适应粒子群集优化算法后计算时间减少到原来的50%,所提出的算法能够快速准确得到最佳阈值,提高了图像预处理的分割效果。     

基于空间灰度重心推进的线结构光中心提取

利用线结构光对工件进行三维测量时,快速、准确提取激光光条中心是测量系统的关键技术之一。提出一种基于空间灰度重心推进的激光中心提取方法。该方法基于激光条纹空间灰度重心向前推进,结合八邻域判定法进行光条空间区域的选取,接着对选取的区域进行新的空间灰度重心坐标提取;在完成整幅图像提取后,采取3σ准则剔除异常中心点,最终获得激光中心坐标信息。实验结果表明,所提算法对不同类型条纹的适用性强,提取效果稳定。提取中心均方根误差为0.492 pixel,相较于提取精度最优的Steger改进算法提升了9.8%,提取速度提高了5倍;相较于处理速度最优的内部推进算法,在保持提取速度基础上,提取精度提升了24.1%。同时,所提算法极大增强了对欠曝光光条图像的处理能力,有效降低了环境对线结构光测量的限制。     

基于导线二维标注方法的电气接线图设计

机械设备的继电接触器电气控制系统设计,有许多成熟经验和方法.但是,有指导价值的工艺设计方法举例未见有述.为了缩短理论教学与工程实践的距离,加强高校综合应用型人才的培养,笔者通过对"电气控制与PLC应用"课程的教学改革研讨,认为有必要加强电气控制系统工艺设计方法和技巧上的教学研究.     

电力负荷数据预处理的二维小波阈值去噪方法

历史负荷数据中的噪声会影响以其为基础所进行的负荷预测的准确性,有必要对负荷数据进行去噪处理。考虑到负荷数据的横向连续性和纵向连续性,可以先把负荷数据按照日期排列成二维数据集,经归一化处理后形成灰度图像矩阵,然后用基于图像的二维小波阈值去噪方法进行去噪处理,最后通过反归一化得到去噪后的负荷数据。实例分析结果表明这种方法可行且有效。     

改进鸡群优化算法的二维MUSIC谱峰搜索研究

针对二维多重信号分类(MUSIC)算法在谱峰搜索时运算复杂,实时性差的问题,提出一种改进鸡群算法的二维MUSIC谱峰搜索算法。该算法将改进鸡群算法应用于谱峰搜索部分,首先利用佳点集理论构造初始种群;其次由寻食速度因子和聚集度因子构成惯性权值函数;最终将惯性权值引入母鸡的位置更新公式中,使算法快速搜索出谱峰所对应的角度。结果显示,该算法以更低的时间复杂度获得与网格搜索法相同的搜索精度,时间复杂度降低了648倍,节约99.4%的搜索时长,与其他3种优化算法相比,具有更优的收敛性能和更高的搜索精度。     

视觉与二维激光雷达的目标检测方法

为了改进单一传感器对目标物体的检测范围小、检测特征少以及检测准确率较低的问题,提出一种视觉与二维激光雷达的目标检测方法。在视觉检测方面提出一种改进的GoogLeNet算法实现视觉对目标物体的识别,该方法相比GoogLeNet算法在对6种目标物体的识别准确率上提高了0.7%。在二维激光雷达检测方面采用欧氏聚类算法对二维激光雷达的点云数据聚类,接着使用RANSAC算法对聚类簇中的数据点进行筛选,最后使用卡尔曼滤波算法对目标物体的位置进行预测,实现二维激光雷达在特定平面上360°对目标物体进行跟踪检测和定位。实验结果表明,该方法使得移动机器人扩大了检测范围、增加了检测特征并提高了识别准确率。     

基于二维卷积神经网络的BLDCM驱动系统故障检测方法

针对无刷直流电机驱动系统功率开关管故障诊断存在由于特征提取效果差而导致识别准确率低等问题,提出一种基于二维卷积神经网络2D-CNN(two-dimensional convolution neural network)自适应特征提取的故障检测方法,避免人工提取特征的复杂性及不确定性.以相电流作为故障敏感信号进行FFT预...     

应用透射式光层析术反演颗粒流的二维浓度分布

光层析技术(简称光层析术)是最近几年才发展起来的一门新兴技术，并已在生物组织成像、天文学和工业过程监控等领域引起人们越来越多的关注。该文针对在工业过程中的颗粒流的浓度空间分布测量问题，提出了一种场测量方法——透射式光层析诊断技术。文中给出了该光测方法的理论模型，分析了阵列式传感器的空间结构与被测区域剖分图、空间分辨率之间的内在联系，提出了带图象光滑约束的NOSER成像算法，并开展了相应的数值模拟和试验研究。在数值模拟中，将NOSER成像算法与传统的反投影法、滤波反投影法进行了重建性能比较；在试验研究中，对管道颗粒流的浓度空间分布进行了实际测量。实验结果表明，光层析诊断术在实际应用中是可行性的，具有无阻碍颗粒流动和可视化的优点，主要局限性是体积浓度的测量上限一般不超过1％～2％(vol.／vol.)(对应于测量区半径为80mm)。     

大型电机二维温度场的网络拓扑法计算

从传热学的基本理论出发,通过离散积分形式的热传导方程,构造出了网络拓扑法的通用计算格式。采用网络拓扑法对具有强迫通风系统的电机温度场进行了分析和计算,得出的计算结果说明网络拓扑法是一种简单易行、具有较高精确度的计算方法。     

集成自适应变异混沌松鼠搜索和 LSTM 算法的RUL 预测方法及应用

针对松鼠搜索算法(SSA)优化长短期记忆人工神经网络(LSTM)时,存在优化参数易陷入局部最优以及LSTM预测效率下降的问题,提出一种自适应变异混沌松鼠搜索算法(AMCSSA)优化LSTM学习率及其下降因子的预测模型。通过计算AMCSSA的时间复杂度证明其在未增加算法复杂度的前提下提高寻优效率,AMCSSA采用切比雪夫混沌映射生成混沌初始种群,并将捕食者概率改为非线性递减模式,利用位置贪婪选择策略使其在算法迭代过程中不断更新并保留更优个体,引入自适应T变异策略提高SSA在搜索空间中的勘探能力。通过AMCSSA对LSTM的学习率及其下降因子进行参数寻优,进一步提高LSTM的预测能力。对滚动轴承的剩余使用寿命(RUL)进行实验验证,结果表明所提方法相较于传统SSA、粒子群算法(PSO)、蝙蝠算法(BAT)以及萤火虫算法(FA)优化LSTM后,在预测中的精度分别提高了1.05%、7.61%、8.4%以及7.73%,并且使优化后的LSTM在完成收敛所需要的迭代次数减少,从而提高预测效率。     

融合JMIM和NGBoost的电力系统暂态稳定评估方法

为实现电力系统暂态稳定在线快速评估和可信度评价,提出了一种融合联合互信息最大化(JMIM)和自然梯度提升(NGBoost)的暂态稳定评估方法.基于JMIM,采用联合互信息和"最大最小值"原则挖掘海量输入数据的相关性,从而筛选出电网关键运行特征,避免维度爆炸问题.为实现高可信度的暂态稳定评估,构建NGBoost驱动的暂态稳定评估模型,可以以函数形式对模型的条件概率分布参数进行预测,进而实现概率预测,并量化可信度.结合自适应可信度阈值修正方法,实现对系统受扰状态暂态稳定的时序评估.利用新英格兰10机39节点系统和中国某省级电网数据进行了算例测试.与其他机器学习方法相比,所提方法在噪声干扰下具有更好的鲁棒性,可更准确识别不稳定运行状态.