基于计算机视觉的工业人员行为分析实验平台

该文面向本科生与研究生实践教学,利用计算机视觉技术开发了工业人员行为分析实验平台。依托工程实训中心,通过多通道数据采集装置收集人员工作环境、作业行为以及劳保用品等数据。基于PyQt5构建工业人员行为分析实验平台,该平台将计算机视觉技术与工业安全管控标准深度融合,以实现工业人员流程类与非流程类作业的行为分析。为验证实验平台的有效性,使用工业人员行为测试数据对所研发的实验平台进行了实验验证。实验结果表明,该实验平台能对工人多种作业进行有效评判。该实验平台有助于提升本科生和研究生在智能图像处理领域的实践能力。

改进Q-Learning的路径规划算法研究

针对Q-Learning算法学习效率低、收敛速度慢且在动态障碍物的环境下路径规划效果不佳的问题,本文提出一种改进Q-Learning的移动机器人路径规划算法.针对该问题,算法根据概率的突变性引入探索因子来平衡探索和利用以加快学习效率;通过在更新函数中设计深度学习因子以保证算法探索概率;融合遗传算法,避免陷入局部路径最优同时按阶段探索最优迭代步长次数,以减少动态地图探索重复率;最后提取输出的最优路径关键节点采用贝塞尔曲线进行平滑处理,进一步保证路径平滑度和可行性.实验通过栅格法构建地图,对比实验结果表明,改进后的算法效率相较于传统算法在迭代次数和路径上均有较大优化,且能够较好的实现动态地图下的路径规划,进一步验证所提方法的有效性和实用性.

基于排序蒸馏的序列化推荐算法

为解决当前基于知识蒸馏的推荐算法排名有效性和效率低,以及现有知识蒸馏模型更强调的是静态和单一知识迁移的问题,提出一种基于排序蒸馏的序列化推荐算法。训练一个性能优越、规模大的教师模型,训练一个符合移动终端设备的小模型即学生模型,使学生模型在教师模型的指导下学习排序。学生模型实现了与教师模型相似的排名性能,且学生模型规模较小提高了在线推荐效率。通过在数据集MovieLens和Gowalla上的实验,验证了该模型增强了学生模型的学习效果,缓解了学生模型学习不充分导致排名不佳的问题。模型可以自然地运用于序列化推荐的模型中,具有很好的通用性。

一种新型的电能质量扰动信号分析的CDMSPSO-MP算法

针对匹配追踪(matching pursuit,MP)算法在检测电能质量扰动信号时存在的计算量大、重构信号质量不佳的问题,利用混沌动态多种群粒子群优化(chaos dynamic multi-swarm particle swarm optimization,CDMSPSO)算法对MP算法进行优化,提出了CDMSPSO-MP算法。首先,CDMSPSO算法使用Logistic映射替代伪随机数更新种群,提高信号重构时搜索时频原子的随机性;然后,将种群划分为多个小规模种群并设置相应的重组期,增加信号重构时频原子的多样性;最后,以扰动信号与原子内积的绝对值作为CDMSPSO算法的适应度函数,替代MP算法的遍历计算,提升信号的重构速度。实验结果表明,CDMSPSO-MP算法有效提高了计算速度,减少了无关时频原子作为扰动信号分量的计算,提高了重构信号的质量。

有限缓冲区柔性流水车间调度优化问题求解

针对柔性流水车间生产调度问题,在考虑缓冲区容量约束的情况下,建立了最小化完工时间和最大化设备利用率的混合整数规划模型,并提出了一种改进的离散粒子群算法进行求解。根据问题模型的特点,设计了基于工件顺序和加工机器的矩阵编码方式,并采用了改进的NEH方法生成高质量的初始种群。为了克服离散粒子群算法易陷入局部极值的缺点,设计了结合Levy飞行特点的粒子更新机制。当种群优化停滞时,通过该机制将部分粒子更新至新的未探索区域,进而避免陷入局部极值。通过与3种主流优化算法,在不同规模的测试算例下进行对比分析,验证了所提出算法的有效性。在某火腿肠高温车间的实际应用,表明了所提出的算法能够有效解决考虑缓冲区容量的柔性流水车间生产调度问题。

基于混合神经网络的多维视觉传感信号模式分类

传感器采集的数字信号分类精度差,导致关键信息的丢失。为了提高传感数据的可靠性和有效性,提出基于混合神经网络的多维视觉传感信号模式分类方法。结合卷积神经网络(CNN)、循环神经网络(RNN)构建混合神经网络,以更有效地表示多维视觉数据中的特征;其中,卷积神经网络负责对多维的空间信号进行去噪处理并提取特征;循环神经网络负责对时域和频域信号进行特征提取;混合神经网络通过联合训练CNN和RNN各自的参数,以调整其权重,并且结合两者从不同层级提取的特征来实现多维视觉传感信号模式的分类。仿真结果表明,使用所提方法进行分类时,信号光滑度保持在0.9以上,传感信号分类结果与实际结果拟合度较高,有效实现多维视觉传感信号模式分类。

基于合约熵判决算法的区块链网络DDoS防御优化

为针对多域协同联合防御分布式拒绝服务(DDoS)更有效发挥区块链网络优势,该文提出智能合约熵检测(SCED)算法。基于Hyperledger Fabric区块链架构,首先,通过智能合约技术构建多域协作机制,建立智能合约协作子算法;然后,针对受害域内非法流量IP生成IP黑名单,并通知所有协作域,协同防御DDoS;其次,在各单域内部署由监测、比对、分类及防御模块组成的熵判决防御子算法,检测处理域内非法流量;最后,结合多域智能合约协作和单域熵判决防御,实现区块链网络中受害域、中间域及攻击域协同防御DDoS。仿真结果表明,对比ChainSecure等算法,SCED算法在精度和效率方面有较好的表现。

基于分组遗传算法的数据中心虚拟机节能映射

近年来,随着人们对云计算业务需求持续增长,数据中心能耗日益增加,由此不仅增加了运营成本,巨大的碳排放对生态环境也产生严重的影响,数据中心节能已成为当前亟须解决的重要难题。对云数据中心的虚拟机放置(Virtual Machine Placement,VMP)进行优化能有效地提高资源利用率,同时,VMP也是减少数据中心能耗的重要技术之一;针对数据中心的能耗感知VMP问题,提出一种基于分组遗传算法的节能算法EEGGA(Energy-Efficient Grouping Genetic Algorithm),算法将节能VMP问题视为装箱问题(Bin Packing Problem,BPP),并应用基于分组编码的遗传算法对其进行求解,通过减少活动物理主机的数量(装箱数量)以实现降低数据中心能耗的目标;在算法迭代过程的交叉和变异等阶段,设计了多种启发优化策略提升子代染色体的适应度,从而提高算法的节能性能和加快迭代收敛的速度;通过仿真实验,在收敛速度和求解性能等方面将提出的算法与传统的节能遗传算法进行对比,实验结果表明:提出的算法能够有效地减少数据中心的能耗,在节能性能和求解收敛速度方面均优于其他算法。

基于RTM信任模型的DPoS共识机制改进研究

为了解决传统DPoS共识算法中存在的恶意行为“摇摆节点”问题和因权益分配不均所造成的“财富集中”问题,提出了一种基于RTM信任模型改进的R-DPoS共识算法。首先,该算法根据节点间的信息传播方向与交易关系对网络节点进行集合分类,在考虑了时间衰减因子等影响因素的条件下分别计算了各节点的直接信任值、推荐信任值以及全局信任值;其次,引入了节点摇摆度值概念,根据计算得到摇摆值的大小,将相邻共识轮次前后该值的变化情况进行比较,再对摇摆节点做出不同程度下的共识轮次惩罚限制措施;最后,在见证人节点投票过程中,增加了平衡反对票环节,再利用前期得到的综合信誉值,构建了一套新的记账节点选举评估准则,根据每轮计算后得到的节点评估值大小来动态地选择见证人节点,并完成一轮共识过程。仿真实验结果表明:改进后的共识算法相较原始DPoS共识算法、基于奖励机制和信用机制的改进共识算法而言,节点选举成为见证人节点的积极性提高了24%、18%,公平性增加了15%、10%,节点作恶的概率降低了9%、15%。

优化的ID3算法在多传感器安防系统中的应用

针对实物保护系统(Physical Protection System,PPSY)中单一传感器报警准确率较低的问题,提出了一种基于改进ID3的CAC-ID3(Confidence And Correlation-ID3)算法在多传感器实物保护系统中数据融合的新方法。与传统的单一传感器数据信息处理相比,多传感器数据融合能够更加准确、全面的得到被测对象的数据信息,有效地利用多传感器资源。CAC-ID3算法首先在ID3的基础上引入属性置信度重新计算期望熵,解决属性和价值不对等的问题,克服多传感器数据分类时多值偏向的缺点,其值由经验和相关领域知识决定。然后通过引入属性间的相关度来调整信息增益值,提高分类精度。实验结果表明:基于CAC-ID3的决策树算法的多传感器PPSY能有效提高报警准确率和可靠性,防止敌对分子入侵,提高传感器对PPSY的检测的效能,且该算法的分类精度高于ID3算法。

OBE与元认知联合驱动下的数学相关专业“机器学习”课程教学研究

目前,关于OBE(成果导向教育)和元认知的教学研究越来越多。数学相关专业学生在“机器学习”课程中表现出明显的数学优势,但也存在许多其他问题。为了提升“机器学习”课程的教学质量和学生的学习效果,需要分析课程的教学现状,研究OBE教学理念和元认知理论在该课程教学中的联合应用价值,同时探索教学新方法,从教学理念、教学目标、知识点教学流程以及教学评价等方面出发,设计以OBE与元认知为驱动的“机器学习”课程教学,并以“线性回归”知识点的教学为例展示教学安排。

变电站变压器监测系统的研究

电力变电站是电力系统的核心组成部分,而变压器作为关键的电力设备,其运行状态对电网的稳定性和可靠性起着至关重要的作用。然而,变压器故障可能导致电力系统的严重问题,不仅影响电力供应的连续性,还可能对环境造成损害。因此,建立一套有效的监测系统,能够实时检测变压器的运行状况并预测潜在故障,对维护电力系统的安全和可靠性至关重要。研究首先利用Petri网建立传统变电站变压器监测系统的模型,然后分析其中存在的问题,通过增加相关库所和变迁,重新设计一个优化后的监测系统模型,这一模型允许更快速的故障诊断和更精准的运行状态监测,从而提高电力系统的可靠性。最后,在PIPE仿真软件中对优化后的模型进行实验仿真,验证此优化后模型的可靠性和有效性。

基于区块链的Gossip协议优化研究

Gossip网络协议具有高效性和扩展性,广泛应用于区块链分布式系统的底层通信协议。针对联盟链中Gossip网络协议的冗余现象造成的传播效率下降,提出了Stack Gossip算法。该算法将收到的节点信息记录在信息栈中,避免向一个节点重复发送消息。实验发现,Stack Gossip算法不适用于大规模网络中节点数量过多的情况。为此,进一步提出Influence Gossip算法,其核心思路是节点通过评估邻居节点的信息影响力来选择通信的对等节点,在一定程度上避免了传统Gossip网络协议节点间传播的随机性。实验结果表明,与Random Gossip算法相比,Influence Gossip和Stack Gossip算法传播效率和产生的冗余有明显改进。

基于BIRCH聚类和递归神经网络的高铁强风预警算法

针对高铁临近风速预测需要克服数据的无周期性规律以及随机性较强的问题,构建了一种基于BIRCH聚类和LSTM递归神经网络算法的临近风速预测预警系统。该系统先做历史数据的交叉验证,然后用BIRCH进行在线增量聚类,最后根据聚类结果选取最接近当前预测时间序列的数据做LSTM的滚动训练并进行预测后得出预报预警结果,因此具有无需依赖数值预报产品以及随机数据适应性强的特点。实验证明,该系统的两种算法同时并行化在线运转,运行效率较高,预测效果较好,是解决强风预警问题的一种新方法。

矿井电气设备故障响应建模及优化

构建矿井下电气设备故障响应模型.建立矿井下电气设备故障响应模型,增添若干个相关库所和变迁,合理调整模型中的行为轮廓与流程,优化矿井下电气设备故障响应模型.PIPE仿真软件的仿真结果显示,此模型可靠且有效.

基于改进YOLO_v3算法的车辆轮胎紧固件检测方法优化

轮胎拆装是汽修行业修补轮胎必要步骤之一,由于重型货车轮胎过重导致工人腰椎受到严重损伤。现将EfficientNet-B4轻量型网络结构算法替换YOLO_v3算法的主干部分(DarkNet-53),从而实现各类车型轮胎紧固件的识别。替换后的网络参数大量减少,紧固件样本训练速度加快。YOLO_v3使用二分类交叉熵损失函数对正负样本分类并计算损失,现使用Focal loss分类损失函数替换二分类交叉熵损失函数,从而提出一种新的神经网络模型(YOLO_v3-Nut)。实验结果表明,YOLO_v3-Nut模型在训练与识别速度特性上都更优于YOLO_v3模型,且文中的模型结构比YOLO_v3模型储存空间减少了43.01%,算法平均准确率(MAP)为93.2%,同时检测速度为36 fps,足够完成各类车型轮胎紧固件的识别。

基于C语言的高校虚拟实验室平台研究

伴随着信息技术的迅猛进步,我国高校实验教学领域面临资源紧张、教学模式单一等挑战。为了提高实验教学品质,推动教学革新,文章设计并实现了一套基于C语言的高校虚拟实验室平台。该平台通过模拟实际实验环境,为高校学生提供了便捷且高效的实验学习体验。文章阐述了平台的设计理念、基础架构、功能模块以及实现流程,对平台性能进行了测试和优化。

夹心饼干缺陷在线检测系统的设计

为了降低饼干企业用人成本、提升夹心饼干产品质量,设计了安装于夹心机内的小型一体化的饼干缺陷检测视觉系统和处理算法,采用分光系统将一次拍摄分别在2个相机成像,分别用于对饼胚和馅料的检测,该结构能够同时对饼胚和馅料的各种生产过程中可能产生的缺陷进行在线检测和自动剔除。工程应用表明,该系统调试方便、检测稳定且精度高,具有良好的推广应用价值。

面向无线互联的云计算网络安全架构设计与实现

随着云计算技术的广泛应用和无线网络技术的快速发展,面向无线互联的云计算网络安全架构设计与实现成为一个重要议题。文章针对无线互联环境下云计算的网络安全挑战,提出了一种新的网络安全架构。首先,分析了无线互联环境特有的安全挑战,如数据传输的安全性、网络访问控制以及针对多样化威胁的防御机制。随后,提出了一种结合云计算特性的网络安全架构,这一架构包括但不限于数据加密技术、访问控制策略、虚拟安全技术以及基于云的监控和响应机制。文章研究的网络安全架构可以提高无线互联环境下云计算网络的安全性,确保数据的保密性和网络的完整性。

双碳背景下能源动力类课程教学中虚拟仿真技术的应用——以“传热学”为例

以双碳背景下的“传热学”教学为基础,基于有限差分方法,利用C++语言开发了“传热学”虚拟教学平台。学生可通过该平台对二维稳态传热问题进行模拟,并可通过改变模型尺寸、物性及边界条件来直观地分析其对导热问题的影响。除此之外,该平台的优势在于用户可自己编写部分边界条件,对此平台进行局部修改,从而增加了此虚拟教学平台的灵活性。与此同时,用户在自编程时,可增强对数值传热学及边界条件等问题的进一步深层次理解,从而达到教学目的。