基于深度神经网络的红外与可见光图像融合算法研究

该文提出并优化了一种基于深度神经网络的红外与可见光图像融合算法,采用感知损失和对抗性训练两种优化策略。经实验验证,优化算法在图像质量上超越传统方法。感知损失提高了融合图像的清晰度和语义信息,对抗性训练增强了真实感和细节保留。这一研究为红外与可见光图像融合领域引入了先进的深度学习方法,为相关领域的技术应用提供了有力支持。

基于IW-ABC算法的冰蓄冷空调系统优化调度研究

针对冰蓄冷空调系统优化调度问题提出1种改进的波动人工蜂群算法(IW-ABC),以运行成本最低为目标,以动态电价、冷负荷要求和现场技术约束,建立冰蓄冷空调系统的优化调度模型,解决冰蓄冷空调系统夏季工作日的优化调度问题。在冰蓄冷空调系统电价成本模型建立中,将运行负荷按小时计算,以满足按小时的动态电价求解策略;在IW-ABC算法中,通过引入的非线性波动因子与自适应排斥因子,增强局部搜索能力,提高全局最优解的准确度,使空调系统能够快速准确地进行优化调度,避免过早接触电价顶峰,实现节能。实验结果表明,IW-ABC算法对冰蓄冷空调设备运行优化后,高峰负荷减小17.2%,调峰效果优异,相比于其他算法可以更有效的实现冰蓄冷空调系统的节能和降低成本,进一步优化运行效率,且算法收敛效果更迅速、搜索范围有效扩大、寻优结果稳定性增强。

基于小样本数据挖掘的空气处理机组传感器隐形故障诊断方法

针对空气处理机组系统内传感器隐形故障诊断准确率不足及虚警率较高等问题,本文提出了基于集成经验模态分解软阈值去噪法与RBF神经网络(EEMDSTD-RBF)相结合的故障诊断方法,通过集成经验模态分解软阐值去噪法对采集的原始数据进行数据去噪,将去噪后的正常运行数据以及隐形故障数据输入RBF神经网络进行训练,得到EEMDSTD-RBF故障诊断模型,从而提高RBF神经网络对于空气处理机组传感器隐形故障的诊断准确率,同时,实验证明,该方法有效降低了虚警率。在关于空气处理机组六个传感器点位在三种隐形故障等级下的偏置故障的实验中,结果表明,与RBF及EEMDSTD-BP方法相比较,该方法在不同故障状态下,EEMDSTD-RBF的诊断准确率提高了8.7%~64.7%,虚警率降低了12.62%。