基于数字孪生的果园虚拟交互系统构建

针对果园种植管理系统存在可视性低、实时性差、适应性弱和交互方式单一的问题,提出一种面向种植管理过程的果园数字孪生系统六维模型。从管理要素实体建模、管理过程动态建模、管理系统仿真建模和管理策略优化建模4个方面论述了系统模型构建理论与技术体系。以六维模型为基础,理论与技术体系为支撑,设计了基于数字孪生的果园虚拟交互系统架构,并对系统开发过程的关键技术进行了阐述。借助Unity3D仿真平台搭建了果园虚拟交互系统,实现对果园的三维可视化监测。实验结果表明:该系统在农业物联网平台数据共享基础上,通过数据驱动、三维展示、人机交互、重构事件和智能决策方面提升了果园种植管理系统监测能力,为建设智慧果园提供参考。

面向自动驾驶的多模态信息融合动态目标识别

研究提出一种面向自动驾驶的多模态信息融合的目标识别方法,旨在解决自动驾驶环境下车辆和行人检测问题。该方法首先对ResNet50网络进行改进,引入基于空间注意力机制和混合空洞卷积,通过选择核卷积替换部分卷积层,使网络能够根据特征尺寸动态调整感受野的大小;然后,卷积层中使用锯齿状混合空洞卷积,捕获多尺度上下文信息,提高网络特征提取能力。改用GIoU损失函数替代YOLOv3中的定位损失函数,GIoU损失函数在实际应用中具有较好操作性;最后,提出了基于数据融合的人车目标分类识别算法,有效提高目标检测的准确率。实验结果表明,该方法与OFTNet、VoxelNet和FasterRCNN网络相比,在mAP指标白天提升幅度最高可达0.05,晚上可达0.09,收敛效果好。

钢结构工程人才“立德、技能、创新”三维度培养模式研究

根据目前我国建筑业发展需求,文章针对土木工程大类中紧缺的钢结构工程人才培养展开研究,提出创新应用型钢结构工程人才培养新模式。从“立德、技能、创新”三维度出发,紧紧围绕工程意识和创新观念、扎实的专业技术和多维度的立体知识构架、实践技能和综合解决问题能力三大技能目标,从5个方面进行改革创新,确保钢结构工程创新应用型人才培养目标的实现。研究内容为建筑业转型升级和社会主义建设事业提供人才助力,具有非常重要的社会价值和实践意义。

轮对踏面三维图像检测系统研究

轮对踏面作为轮轨唯一的接触面,车轮尺寸和踏面状态的自动检测是保证列车运行安全的重要前提之一;针对轮对踏面二维图像检测系统和人工测量轮对尺寸检测精度低、误报率高、环境依赖性强以及人工效率低等问题,研制了踏面三维图像检测系统并附带轮对尺寸检测功能。该系统基于激光三角法确定被测对象的深度信息,通过改进的高斯型光心提取算法,准确地提取每一条踏面曲线,最终由1800条踏面曲线还原了轮对踏面的三维状态信息。通过大量故障模拟试验发现:系统不但能够准确识别模拟的故障,而且能够排除轮对上的污渍、水渍等深度信息未发生变化干扰情况,同时识别率达到95%以上,为踏面的状态检测以及轮对尺寸检测提供了一套更加适用的三维检测系统。

基于Python的自动测光程序设计与实现

本文基于Python设计和实现自动测光程序。首先扫描文件名实现文件分类;然后进行数据检查、预处理与孔径测光,并保存测光数据;最终由观测者指定目标星与比较星,程序从测光结果中提取相应星等与观测时间等数据,获得基于较差测光法的光变曲线。为解决数据提取中星图匹配问题,提出自动追踪移动目标的基于向量特征星图匹配算法,能自动匹配偏移较大的星图,并跟踪不断移动的小行星。使用本程序分别处理双星和小行星观测数据,并与IRAF(Image Reducation and Analysis Facility)测光结果比较,测光结果最大偏差分别为0.04 mag和0.043 mag,标准偏差分别为±0.005 mag和±0.007 mag。

基于GloVe-CNN算法的英语在线考试主观题自动评分模型

针对英语在线考试系统的主观题评分本身具有的复杂性,引入单词表达式的词向量模型global vector(GloVe)与卷积神经网络(CNN)构建文本表达式特征,提出了基于GloVe-CNN算法的主观题自动评阅模型,以实现英语在线考试系统主观题自动评分。通过平方加权Kappa评价指标,与人工阅卷分数差对比发现,该模型在评分的一致性、准确性等指标上要优于卷积神经网络、KNN模型等传统的模型,整体性能较好,可进一步减轻教师的教学负担。

一种改进的爬行动物搜索算法

针对爬行动物搜索算法存在早熟收敛、易陷入局部最优等问题,提出一种改进的爬行动物搜索算法(LERSA)。通过精英反向学习策略提高初始种群的质量,在种群位置更新求解适应度值的过程中加入Levy飞行策略对种群中个体位置进行更新,结合非线性加权策略改良控制参数平衡RSA算法的全局搜索与局部搜索能力。使用公开的性能验证函数、秩和检验及三杆桁架问题进行算法性能测试,结果表明改进后的算法具有良好的寻优性能,能有效解决工程优化问题。

3D打印机熔融沉积成型过程数值模拟和成型精度研究

针对3D打印技术中熔融沉积成型过程的数值模拟和成型精度进行研究。通过建立3D打印机的数学模型,分析了熔融沉积成型过程中影响成型精度的因素,并采用数值模拟方法对成型过程进行了模拟。结果表明,在合理的工艺参数下,熔融沉积成型的成型精度可以得到较好的控制,实现高精度3D打印。本研究可为3D打印技术的工艺优化提供参考。

冰层中Lamb波传播特性的数值模拟和实验研究

作为最常用的超声导波之一,Lamb波具有能量集中、传播范围广、沿程衰减小等特点,可以拓展应用于结冰探测领域。为探明Lamb波在冰层中的传播规律,基于Lamb波探冰实验平台构建物理模型,以COMSOL Multiphysics软件为计算工具,数值模拟了不同厚度、不同长度冰层中的Lamb波传播情况。在此基础上,搭建了Lamb波探冰实验平台,开展了无冰铝板和覆冰铝板Lamb波传播实验。结合数值模拟和实验结果,明确了温度、冰层几何特性、液态水对Lamb波传播特性的影响规律。结果表明:温度越低,Lamb波传播群速度越快;在一定冰层厚度范围内,接收端压电片电压幅值衰减量随冰层厚度增大而增大;随着冰层长度增加,接收端Lamb波B1模态时间延迟量线性增大;液态水仅对Lamb波A0模态产生影响,对S0模态影响不大。实验和数值模拟结果具有较好的一致性,为Lamb波结冰探测技术提供了理论参考。

基于事件异构图表示的文本去重算法

基于图结构的文本表示方法在新闻文本去重中具有更好的效果.但是,目前该表示方法还不能完整地表示文本的全部信息,并且忽略了图的语义信息,降低了新闻文本的去重效果.为此,本研究提出基于事件异构图表示的文本去重算法,该算法首先通过事件异构图表示新闻文本的全局语义与结构信息,然后提出双标签图核算法表征事件异构图,实现深度表征图的结构及语义信息.实验结果表明,该研究提出的去重算法比现有的基于图结构的文本表示去重方法在F1-score指标上提升了10%.最后,该算法能提高新闻文本的去重效果.

基于生成对抗网络的半监督语义分割方法研究

作为计算机视觉领域的一大热点和重要技术,图像语义分割在实现图像分割的基础上,增加了对图像的高层次语义理解。我们注意到,已有的基于生成对抗网络和半监督学习的图像语义分割中,对于处理场景复杂,具有多个对象等特殊图片时效果不佳。针对以上问题,文章提出一种新的基于生成对抗网络和半监督学习的图像语义分割模型,使用GAN作为网络主干,并在生成器引入双流注意力机制,使得模型能够辨别更深层次的语义信息,提高生成器分割精度。实验结果表明我们的模型,在75%、50%、25%、12.5%四种不同的标签占比数据集上,都有了明显的性能提升。

基于Fastformer和自监督对比学习的实例分割算法

针对现有的实例分割算法对有遮挡以及模糊实例检测精度低、掩码较粗糙以及泛化能力弱的问题,提出一种基于Fastformer和自监督对比学习的实例分割算法。首先,在特征提取网络之后加入基于加性注意力的Fastformer模块,并对每一层特征图中的像素点之间的相互关系进行深入建模,以提高算法对特征图全局信息的提取能力;其次,受自监督学习启发,加入自监督对比学习模块对图像中的实例进行自监督对比学习,以提高算法对图像的理解能力,从而改善在噪声干扰较多的环境下的分割效果。在Cityscapes和COCO2017数据集上的实验结果表明,相较于近期经典的实例分割算法SOLOv2(Segmenting Objects by LOcations v2),所提算法的平均精度均值(mAP)分别提高了3.1和2.5个百分点,并在实时性和精度之间达到较好的平衡,在比较复杂的场景实例分割中具有较好的鲁棒性。

基于重复模式提取与高斯混合模型的变压器故障声纹识别

变电站存在大量干扰声音,高噪声环境会降低声纹识别的准确率。为此,提出一种基于重复模式提取(repeating pattern extraction technique,REPET)和高斯混合模型(Gaussian mixture model,GMM)的变压器故障声纹识别方法。首先,在真实的变压器油箱中模拟不同类型放电和机械故障声音。其次,针对变电站内非平稳性干扰声音,采用基于REPET的盲源分离算法将非稳定干扰声音从混合声音中分离。最后,针对主要由变压器冷却风扇声造成的持续性干扰声音,采用梅尔频率倒谱系数和基于GMM的声纹识别算法来降低风扇噪声对声纹识别系统的影响,并通过实验数据对该方法进行验证,实验室条件下对含噪声音的识别率可达100%。另外,GMM训练所需声音数据量少,针对实际变压器故障声音难以获取的情况,具有一定实用价值。

外激波摆动活齿变速传动轴承的设计与分析

针对推杆变速传动轴承啮合副易磨损的问题,提出一种用摆动活齿代替移动活齿(推杆)并通过销轴与保持架形成转动副的外激波摆动活齿变速传动轴承。介绍了其结构和传动原理,推导了其内齿圈的齿形方程并分析了外激波器偏心距、外激波器与摆动活齿的中心距、内齿圈齿数对内齿圈齿形的影响,初步确定设计参数。基于SolidWorks建立轴承三维模型,运用Adams对其进行运动学仿真,实现了对该类轴承的优化并验证了设计的正确性。

基于分块主色法的图像无序激增数据检索仿真

针对传统图像信息检索方法存在检索效果不佳的问题,提出基于分块主色法的图像无序激增数据检索方法。方法首先按照图像内容将图像进行分块处理,并对每个分块进行HSV非均匀量化,得到图像的颜色特征;然后根据图像小块的颜色特征分布情况,对小块的颜色特征进行加权值计算;最终以小块加权的颜色值为目标特征,进行相似度估计,并计算图像之间的欧几里德距离,将距离值最小的图像视为检索结果。经过仿真验证,采用颜色特征进行图像信息检索效果较好,经过特征加权可以使图像检索更准确,且检索耗时短,由此可以说明所提方法具有较好的检索性能。

一种改进的盲水印检测方法

数字水印技术是保护数字作品版权的重要手段 ,变换域盲水印算法是数字水印研究的主流。文中对线性相关检测器进行了改进 ,并对改进后的检测性能进行了分析。实验结果证明改进后的检测器比线性相关检测器具有更好的性能。

某钢结构气象塔在罕遇地震作用下考虑P-Δ效应的动力时程分析

运用有限元软件 SAP2000对某钢结构气象塔进行了动力特性分析和罕遇地震作用下考虑 P-△效应的动力时程分析,得到了该气象塔的时程位移、时程速度和时程加速度响应。分析表明:利用《建筑结构荷载规范》中的经验公式来估计质量和刚度分布不均匀的高耸塔式结构的自振周期误差较大;在罕遇地震作用下,气象塔顶部桅杆的"鞭梢效应"非常明显,中、下塔楼部位存在质量集中和刚度突变,属于薄弱部位,因此建议在桅杆和塔楼处采取必要的耗能减震措施。

基于CNN的一种错误率可控图像分类算法

传统的卷积神经网络(Convolutional Neural Network,CNN)的预测结果错误率不可控并且不具备置信度衡量,当面对高风险低容错率的问题时,这种方法的预测结果可靠性低.针对这个缺点,基于归纳一致性预测提出一种错误率可控的图像分类算法.该算法通过训练更小的训练集有效缩短了卷积神经网络的训练时间,并根据奇异值函数衡量测试样本与各个类别之间的一致性程度,使得输出结果具有极高的可靠性.实验结果表明,提出的算法能够有效地控制神经网络的预测准确率,并且能够提供具有可靠置信度的预测集合.

“互联网+”时代虚拟船舶交互实验平台建设与实践

为改善船舶与海洋工程专业虚拟实验教学环境,丰富实验教学资源,基于互联网、虚拟仿真等新技术和虚拟交互设备等新媒介,按照"一个导向,两个特色,三个环境,四个阶段"的搭建思路,组建了虚拟船舶交互实验平台。通过虚拟仿真实验、翻转课堂教学、船厂实习、学生科技创新四位一体的教学模式,解决了教学手段缺乏改革创新、学生学习兴趣不高、优质教学资源匮乏等问题。

基于改进CenterNet的电力设备红外图像识别

由于受到变电站复杂背景的影响,所以传统目标检测算法无法准确识别和定位电力设备。提出了一种基于改进中心点网络(CenterNet)的电力设备红外图像识别模型。首先,针对复杂环境下目标特征信息不足的问题,使用特征提取能力更强的ResNeXt50作为CenterNet的主干网络,在保持原模型参数量不变的同时增加了网络宽度,使其能获取更加丰富的特征信息,从而提升检测的精度;然后,通过在预测层加入通道注意力机制来提升模型对重要目标的关注度,同时抑制无关信息干扰,保证了模型检测的鲁棒性;最后,为证明模型的有效性,在自制数据集上进行了实验验证。结果表明,改进后模型的均值平均准确率可达93.7%,相比原始模型提升了2.1%,优于现有的几种主流检测模型,有效提升了变电站复杂环境下电力设备红外图像识别的精度。