基于改进YOLOv8的无人机航拍图像目标检测算法

针对现存无人机航拍图像目标检测算法检测精度较低、模型较为复杂的问题,提出一种改进YOLOv8的目标检测算法。在骨干网络引入多尺度注意力EMA,捕捉细节信息,以提高模型的特征提取能力;改进C2f模块,减小模型的计算量。提出了轻量级的Bi-YOLOv8特征金字塔网络结构改进YOLOv8的颈部,增强了模型多尺度特征融合能力,改善网络对小目标的检测精度。使用WIoU Loss优化原网络损失函数,引入一种动态非单调聚焦机制,提高模型的泛化能力。在无人机航拍数据集VisDrone2019上的实验表明,提出算法的mAP50为40.7%,较YOLOv8s提升了1.5%,参数量降低了42%,同时相比于其他先进的目标检测算法在精度和速度上均有提升,证明了改进算法的有效性和先进性。

改进YOLOv8的遥感图像检测算法

针对目前遥感图像目标检测算法中存在的误检、漏检和检测精度低等问题,提出了一种改进YOLOv8的遥感图像检测算法。在主干网络中引入注意力机制EMA到C2f模块,以提高模型对多尺度目标的特征提取能力;在颈部网络中提出Slim-PAN结构,以减少模型计算量;使用WIOU损失函数代替CIOU损失函数,以提升模型的检测精度。通过在DIOR和RSOD遥感数据集上的实验结果表明,改进后的算法与原YOLOv8算法相比,mAP分别提升了1.5%和2.3%,计算量降低了0.3 GFLOPs,改进算法在不增加计算量的同时能提高检测精度,证明了改进算法的有效性和先进性。

电机课程群实验教学体系的构建与实践

实验教学是实践育人体系的重要环节,按照新工科建设要求和工程教育专业认证培养理念,探索电机课程群实验教学改革。针对不同专业,设计多层次递进式实验教学项目,优化实验教学内容;突出以学生为主体,建设实验教学网络教学平台、开发虚拟仿真实验软件,实施混合式实验教学,拓展实验教学的广度和深度;以实习、科技竞赛为工程背景形成工程案例,促进实验教学与工程实际相融合,构建了“以学生为中心,信息化技术为配套,工程案例为背景”的新工科电机课程群实验教学体系。经过3年的实践,取得了良好的实验教学效果,有效提升了学生的实践能力、创新能力和解决复杂工程问题的能力。

基于差分进化算法的BP神经网络脱硫效率预测控制

针对当前BP神经网络技术应用在大型燃煤热电厂以及燃煤脱硫机组效率数值预测分析计算模型中易陷入局部最优,预测效果可靠性差,收敛算法响应速度过慢,给出了一套结合自适应差分进化算法模型和BP神经网络理论的新一代高效率数值预测优化算法.该算法能自动优化BP神经网络的初始权值和阈值,将优化后的结果直接应用于BP神经网络模型训练中,进而获得脱硫效率的最佳预测网络模型.实验分析结果表明:该模型算法与目前传统的BP网络方法相比,算法收敛速度快,对网络参数的预测及精度估计更高,从而为脱硫系统的改进提出了必要的理论基础.

新型滚筒式传送带的二次型最优控制

滚筒式传送带在物料搬运机械化和自动化工厂中已经成了不可缺少的部分,为了在不增加驱动功率的基础上实现滚筒式传送带的平稳运行,提出了一种改进的系统设计方案。首先,引入液粘离合器,利用粘性油膜的柔性效应实现滚筒的软起动。然后,利用滚筒与传送带间的摩擦力,实现传送带的平稳启动和运行。在考虑液粘离合器摩擦损失的基础上,设计了基于线性二次型调节器的最有状态反馈控制率,优化了液粘离合器的接合过程,获得了良好的驱动性能。最后,对提出的新型滚轮式传送带系统进行了数值仿真,验证了该系统的有效性.

面向脱硫系统的BP神经网络预测控制

为降低脱硫系统中二氧化硫的排放量,提出了基于BP神经网络的二氧化硫预测模型。应用BP神经网络的预测模型,采用迭代优化的控制算法,根据系统相应的性能指标,并对网络的权值和阈值进行反复调整,最后利用实际数据对模型进行了仿真验证。研究结果表明,BP网络的脱硫效率预测模型仿真精度较高,为燃烧系统的改造提供了依据。

BP神经网络预测技术在脱硫系统pH值中的应用

在热电厂脱硫过程中,pH值的稳定性对脱硫效率影响重大,在实际生产中因受到各种环境因素及主观因素的影响,pH测量仪器在现场操作中易受到破坏或腐蚀,给生产造成很大损失,为了降低这种损失,提出了基于BP神经网络的预测技术。运用此预测算法对系统参数进行数学建模,设计了三层网络预测模型,同时用Matlab工具箱对pH数据进行仿真,使系统实现在线控制和实时控制。结果表明,BP神经网络对脱硫系统中pH值的预测精度很高,产生误差也很小,取得了满意的预测效果。因此,用BP神经网络预测技术对烟气脱硫系统中的pH值进行预测,能提前预知脱硫过程中pH值的变化情况,有助于改善脱硫装置的效率。

面向循环流化床烟气脱硫系统的T-S模糊建模

循环流化床烟气脱硫(CFB-FGD)技术是目前应用比较广泛的脱硫方式,由于CFB-FGD系统是个复杂的非线性系统,很难建立其数学模型,而模糊建模被证明在非线性系统的建模中具有很大优势,因此本工作提出了CFB-FGD系统的T-S模糊建模。本工作通过分析CFB-FGD系统的基本原理和工艺流程,以及实际操作过程中的控制参数,对此系统中烟气出口温度控制回路进行研究,并对其控制回路建立了T-S模糊模型。建立系统的T-S模糊模型之后用鲁棒竞争算法进行辨识,为了简化模糊规则在所有简化方法中采用正交最小二乘法,这样获得的T-S模型具有较高的建模精度和泛化能力。最后通过仿真验证了所建立的CFB-FGD系统中的主要控制回路模型具有很好的动态响应,能够很好地逼近实际系统。