基于改进DDNet的皮带输送机位移故障诊断研究

针对煤矿带式输送机皮带位移故障诊断中存在局限性大、耗时长的问题,将故障数据进行多源异构处理,并在数据处理的基础上将边缘检测算法与深度细节网络,构建了一种结合边缘检测算法与改进深度细节网络的多源异构数据故障诊断模型;首先利用边缘检测算法提取输送机图像中的边缘特征,然后结合多源异构数据,并通过改进后的深度细节网络进行故障识别,并构建故障诊断模型;结果表明检测模型在皮带边缘图像数据处理的检测准确率平均值为95.27%,比目标检测算法和K最邻近分类算法的准确率高出了5.34%和10.21%;同时检测模型的图像数据查全率平均值为93.46%,比目标检测算法和K最邻近分类算法的查全率高出了4.09%和7.18%;这说明研究构建的多源异构数据故障诊断模型能够显著提升皮带位移检测的可靠性和鲁棒性,具有重要的研究价值和实际应用前景。

隧道环境内无人驾驶车辆目标决策两级信息融合感知策略

基于隧道内的特殊行驶环境和无人驾驶感知需求,选择合适的传感器及硬件搭建试验车辆,构建了毫米波雷达与摄像头多传感器融合的感知系统;基于YOLOv4目标级信息融合算法和改进D-S证据理论决策级信息融合算法,提出了一种“目标决策”两级信息融合策略;最后,在城市道路隧道环境内开展了感知信息两级融合验证试验,试验结果表明:相比单一的摄像头或毫米波雷达感知效果,基于摄像头与毫米波雷达传感器感知ROI区域关联实现的目标级融合结果可以提高9.51%的识别准确率,弥补了单一传感器在隧道环境内感知技术的不足;基于目标级融合感知结果,利用改进后的D-S证据理论算法再进行决策级融合,相比于单一的目标级融合结果,误检率降低了3.61%,显著提高了检测精度。采取多传感器感知信息目标决策两级融合策略能够满足隧道特殊环境内无人驾驶车辆可靠感知需求,为推动无人驾驶技术落地应用提供了理论与技术支撑。

资源限制性并行任务固定优先级可调度性分析

异构多核平台的发展,导致并行任务需要执行在具有多样性资源的多核平台上.虽然,并行任务的某个程序片段只能在规定的资源上执行,但是这样操作可以充分利用各类不同资源的特性,达到更加快速节能处理任务的目的.同时,具有资源限制任务的可调度性研究在实时嵌入式系统领域已有一定的研究成果,但是采用的任务模型相对简单,分析方法不够精确.鉴于此,本文对具有资源限制性的并行任务在全局固定优先级调度策略下的可调度性问题进行了研究,基于单并行任务的分析方法提出了基于全局固定优先级调度策略的分析方法.首先,基于分解策略提出了高优先级任务干涉的分析方法.然后,将高优先级任务干涉分析方法和单并行任务提出的路径抽象技术相结合,推导出并行任务的最差响应时间算法.最后,通过仿真实验进行验证所提出的算法在可调度性、精确度层面的性能.实验结果表明,提出的算法在各个参数下的接受率实验符合实验预期,分析时间相对降低,但平均分析时间仍然在离线分析的可接受范围内,提出的算法能够对实时系统并行软件设计提供一定的指导价值.

融合文本分类算法的皮肤病辅助诊疗模型

针对当前皮肤病辅助诊断中生物医学特征建模规模较小且耗费巨大人工成本,而患者疾病特征的时间序列同样无法准确描述等难点,本研究运用融合文本分类算法,融合常用的文本分类模型TextLSTM、TextCNN、RCNN得到皮肤疾病辅助诊疗模型(TLNN模型),通过提取图像传感器医学特征向量化后进行预处理减少焦块数量以及消除偏差较大的特征信息,提高决策数据精度。在ISIC2018和PH2数据集进行对照实验,TLNN模型的准确率为72.36%,高于其余3种文本分类模型。在与医生主观诊断对比实验中,模型诊断准确率为92%,接近于医生94%的平均准确率,而有效诊断效率(1.17min/例)明显高于医生人工诊断(4.57min/例),整体效率提升幅度达290%,结果表明对比传统人工诊断,融合文本分类算法模型能以更短时间获得精确的诊断。TLNN模型可以应用于疾病诊断,辅助医生医疗决策,为患者提供优质便捷的智能诊疗服务。

数据社会化视角下的数据流通安全治理:五位一体框架

数据已成为驱动经济增长、社会进步和技术创新的关键要素。数据活动不再局限于单个组织,而是通过数据社会化过程,突破传统组织边界,跨组织跨域流通进入社会化再生产阶段,成为社会化生产要素。数据安全治理焦点从内循环转变为外循环,其重要性凸显。从社会化生产理论出发,阐述数据社会化过程,剖析数据流通安全治理的特性,进而形成“五位一体”的数据流通安全治理框架,涵盖技术、产业、标准、政策和实践。其中,技术体系为数据流通提供安全技术能力;产业体系培育产业生态,促进降本增效;标准体系通过促进标准化降低协同难度;政策体系构建政策机制以提供创新环境;实践体系通过提供示范指引以推广应用。该框架旨在弥合数据流通利用和安全之间的差距,促进二者的长效统一,为构建安全、高效、可持续的数据流通安全治理体系提供理论指导和实践参考,从而加速数据社会化进程。

基于保护动机理论的中国数据流通政策机制分析:政策趋势

近年来,各地政府出台了大量与数据流通相关的政策文件,但其具体机制及内容仍然是模糊的。基于保护动机理论,提炼了影响各主体参与数据流通意愿的4个关键机制:信息披露机制、收益分配机制、激励机制和创新容错机制。利用提示词工程方法,自动提取政策文件中的相关机制内容,并通过人工核验确保分析的精确性。结果显示,我国在探索数据流通安全治理方面已取得显著效果,特别是在公共数据管理、授权运营和流通交易领域。此外,这些机制在数量上逐渐增加,在形式内容上也逐渐丰富,政策趋势如下:信息披露机制覆盖了数据流通的全过程;收益分配机制更注重各主体的收益倾向;激励机制的措施愈发具体;创新容错机制的条件愈加宽松。这些机制的逐步完善对于数据流通安全治理的政策框架的构建和增加各主体的参与意愿具有积极意义。

宋家沟大桥连续梁挂篮兜底防护施工技术

在施工过程中,挂篮下方的防护措施对于保障施工安全和防止意外事故的发生具有重要的意义。以宋家沟大桥连续梁为例,设计了挂篮兜底防护施工工艺,包括防护结构各组成结构的设计,并将设计的结构进行拼装和测试,挂篮向前行走,完成整个连续梁的施工。针对设计的挂篮兜底防护结构实施强度和刚度测试、抗倾覆安全测试。结果表明:挂篮兜底防护结构各部件强度和刚度均符合标准要求,证明所设计结构具有足够的承载能力和稳定性。挂篮兜底防护结构的安全系数一直保持在2以上,由此证明所设计的挂篮兜底防护结构通过抗倾覆安全测试。

基于多维信息特征映射的密集输电通道信息物理风险演化仿真

在野外恶劣环境中,密集输电通道安全性难以保证,降低了输电网的工作可靠程度。为了保证密集输电通道安全、及时风险干预,进行基于多维信息特征映射的密集输电通道信息物理风险演化仿真研究。在野外现场布设一体化环境监控系统,采集密集输电通道信息物理风险多维影响因素,并利用主成分分析法从影响因素中选取多维信息主特征。构建主特征与风险等级之间的多维信息特征映射模型,得出风险值,对比等级划分表,判断密集输电通道信息物理风险程度。结果表明:6 d前密集输电通道信息物理风险值均处在0以下,但总体呈现上升趋势,该阶段为风险发生前;在6 d之后,风险值进入低风险区域;在之后14 d,风险值分别经过了低风险、较低风险、中风险,最终停留在了较高风险区域。为保证密集输电通道安全提供了新的研究思路。

基于公开目标位置数据的雷达精度测量方法

针对目前雷达精度测量中存在的问题,提出了一种采用公开目标位置数据的雷达精度测量方法,适用于对空、对海、对地、对人等多种类型雷达。介绍了公开目标位置数据的基本原理,分析了标准数据的真值区间计算方法,阐明了整体的流程和计算方法,最后证明了该方法满足雷达精度测量的实际应用要求。

回收轮胎聚合物纤维混凝土干缩性能研究

为研究回收轮胎聚合物纤维(RTPF)对混凝土干缩性能的影响,对素混凝土、RTPF混凝土(体积分数分别为0.1%,0.2%,0.4%和0.8%)和聚丙烯纤维(PPF)混凝土(体积分数为0.1%)进行干缩试验和纤维作用机理分析.结果表明:不同掺量RTPF混凝土比素混凝土坍落度降低8.1%~62.2%,含气量增大11.2%~47.9%;RTPF混凝土的干缩率在0~7 d时增长速率较快,之后逐渐平缓,RTPF的加入降低了混凝土干缩的早期增长速率;混凝土干缩率随RTPF掺量的增加出现先降低后升高的趋势,当RTPF体积分数为0.2%时混凝土干缩率出现最小值,不同掺量RTPF混凝土在7 d和28 d时的干缩率分别比素混凝土降低了14.2%~36.0%和2.9%~27.2%;相同体积分数(0.1%)下PPF混凝土的干缩率比RTPF混凝土低,在抑制混凝土干缩方面体积掺量0.2%的RTPF可替代体积掺量0.1%的PPF;扫描电子显微镜测试表明,RTPF可与混凝土基体有效黏结,并承担来自混凝土基体的收缩应力;通过干缩率的拟合值与实测值对比得到适合RTPF混凝土的干缩计算模型.

基于深度学习的智能体轨迹预测文献综述

智能体的轨迹预测是人工智能领域中的热点之一,特别是在自动驾驶领域,预测智能体下一时间点的位置是自动驾驶辅助系统的关键任务。在智能体轨迹预测技术的基础上,根据建模方法的不同进行分类介绍,分别为循环神经网络(Recurrent Neural Network,RNN)、卷积神经网络(Convolutional Neural Network,CNN)、生成对抗网络(Generative Adversarial Network,GAN)和混合网络,同时分析了常见的经典模型的优缺点,归纳了当前常用公开的轨迹预测数据集和评价指标,比较了经典模型的算法性能,对智能轨迹预测方向进行了展望和总结。

融合GAN与深度神经网络的混合信用评估方法

随着信用卡和个人贷款业务在金融业的快速增长,如何在信息有限的情况下检测潜在违约或坏账业务已经变得极其重要。信用评分领域面临的主要困难是样本不平衡以及分类器性能不佳,为此本研究首先提出了一种基于表格数据的生成对抗网络Tab-GAN,从原始数据中生成足够的违约样本;随后设计了一种基于CNN-LSTM的混合深度学习模型用于特征提取,该模型包含卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆神经网络(Long Short-Term Memory,LSTM)两个子模型,分别从用户数据中提取静态局部特征和动态时间特征,并加入时空注意力模块对模型的输出进行重要度计算,从而抽取更关键的信息;最后在分类器层面引入焦点损失函数改进轻量级梯度提升机(Light Gradient Boosting Machine,LightGBM)分类器,实现违约风险的概率输出。在两个真实世界数据集中验证风险预测模型,实验结果表明生成对抗网络可以有效解决样本不平衡问题,CNN-LSTM+LightGBM模型在各项分类评价指标上均优于信用评分领域的其他先进算法,证明了该模型在信用评分领域的有效性和可移植性。

基于特征融合与Transformer模型的声音事件定位与检测算法研究

针对多通道环境声音检测问题,提出了一种引入Transformer结构的特征融合网络模型TBCF-MTNN。该网络模型以对数梅尔谱和广义互相关谱作为输入,首先通过CNN和GRU获取谱的局部特征以及时间上下文关系特征,之后将2种特征图通过Cross-stitch模块进行融合,有效解决了传统网络中多特征信息无法共享的问题;然后,将融合后的特征图送入Transformer进行特征的再次采集;最终,通过全链接层输出分类和定位结果。在TAU-NIGENS 2020数据集上的实验结果表明,所提出的TBCF-MTNN网络在声音检测任务中的分类错误率能够减小至0.26;在声源定位任务中与Baseline相比较其定位误差减小至4.7°;通过和Baseline、FPN、EIN等模型相比较,结果表明所提网络具有更优的识别检测效果。

一种基于混合加固的容软错误NoC路由器

片上网络已成为众核处理器互连网络的标准范式。然而,随着电源电压的逐渐降低,工艺尺寸的逐渐缩减,片上网络中出现软错误的概率逐渐增大。错误纠正码常用于容软错误的片上网络路由器设计中。然而,传统的路由器设计往往只采用汉明码进行纠错,这样的设计结构简单却存在纠错能力不足的问题。提出了一种基于错误纠正码的混合加固容软错误路由器设计方案,该设计方案的核心思想是,依据信息位重要性的不同,采取不同的容错码设计,实现了路由器可靠性与容错开销之间的权衡。实验结果显示,该设计方案相较于基准设计在合成流量和PARSEC benchmark下实现了系统可靠性的提升;同时,硬件综合结果也表明该设计方案可以缩短4%的关键路径延迟。

基于YOLOX-s的农业害虫检测研究

针对现有目标检测算法难以应对现代农业环境下多种类害虫高精度检测的问题,提出了一种基于Swin-Transformer和YOLOX-s改进的ST-YOLOX-s目标检测模型,实现对30类常见害虫的有效目标检测工作。为解决YOLOX-s模型对小型目标害虫检测效果不佳的问题,在YOLOX-s模型基础上添加P2特征尺度,提升模型对小型目标害虫的检测能力;为弥补卷积神经网络对通道信息关注薄弱的问题,将高效通道注意力模块添加到YOLOX-s的CSPLayer,强化卷积神经网络的特征提取能力;为探索高效自注意力机制下的模型全局特征学习能力,将添加图属性的层次化Swin-Transformer结合到网络模型,弥补卷积神经网络忽视全局特征的问题;最后通过α-CIoU回归定位损失来实现高精度检测定位。实验表明,ST-YOLOX-s在多种类害虫检测上具有更好的检测性能,最终AP50以及AP50-95检测结果分别达到92.27%和67.32%,相比较YOLOX-s模型检测精度分别提高了2.01%和1.91%。同时ST-YOLOX-s检测模型与其他主流模型相比检测精度也有显著优势。

Lucy-Richardson算法的最优迭代次数寻取

针对Lucy-Richardson方法在对图像进行复原时难以确定迭代次数,提出了一种基于图像质量评价参数对图像进行复原的方法。该方法首先确定图像质量评价参数的范围值,然后计算每一次图像迭代后的PSNR、SSIM、STD值,最后找出达到目标范围的有效复原图像。结果表明,该方法能够有效找出所需的复原图像,且提高算法的运行效率。

基于卷积神经网络的图像识别方法

为了提高图像识别的全面性及准确性,研究了一种基于卷积神经网络(Convolutional Neural Network,CNN)的图像识别方法。该方法利用萤火虫算法获取分割阈值,实现图像目标和背景的分割;利用灰度共生矩阵和基于加速分割测试的特征(Features From Accelerated Segment Test,FAST)算法提取图像纹理和角点特征;以特征为输入,利用卷积神经网络实现目标类别识别。测试结果表明,设计的基于CNN的识别方法的F1分数为最大值,均在0.8以上,能够更全面、更准确地识别图像中的目标类型。

双套站传感器数据质量提升方法研究

基于如气象站、农场等有双套设备的场景,研究采用从业务层面提高传感器数据的可用性、可靠性与稳定性的方法来实现双套站数据质量控制非常有必要。该方法通过对双套设备数据进行常规的数据质量控制后,对下一时刻数据以改进的卡尔曼滤波方式进行预测,使得双套站数据从下一时刻起由两组变为四组,将这四组数据通过数据融合算法进行合并,择优选取能够达到数据质量最高标准的一组数据作为真值。实验结果证明,该方法以变相提高传感器冗余的方式能够有效提高传感器数据质量。

基于改进A*和人工势场算法的无轨胶轮车井下无人驾驶路径规划

经过多年发展无人驾驶技术逐渐成熟,已经开始在地面车辆得到了广泛应用,同时也将成为解决无轨胶轮车在井下实现高效、安全、智能运输的重要途径,但与地面车辆成熟的无人驾驶技术不同,无人驾驶技术应用到井下仍存在许多问题亟待解决。针对井下人工驾驶的无轨胶轮车效率低且事故频发等问题,以无人驾驶无轨胶轮车为研究对象,通过仿真和试验开展井下路径规划方法研究。首先,通过分析比较常见路径规划算法的优缺点,分别选择采用最优性A*算法和人工势场算法作为无人驾驶无轨胶轮车全局和局部路径规划的基本算法;其次,针对全局路径规划传统A*算法搜索节点多和路径不平滑问题,分别使用指数函数加权和三次样条插值的方法对其进行改进,将改进前后算法在井下巷道内进行全局路径规划仿真,结果发现:改进后的算法搜索节点数减少了50%,在同一场景下规划路径所需时间仅为传统A*算法的20%,路径规划的效率得到了大幅度提升,生成的路径更加平滑且连续性也较好;同时,针对人工势场算法存在目标不可达、局部最优解等问题,分别引入斥力势场修正因子和出逃力并建立相对速度势场对其进行改进,对比改进前后算法在井下巷道内的局部路径规划仿真结果发现:改进后的人工势场算法可以在各种场景规划出更为合理的行车路径,安全性得到了保障;最后,利用微型无人车试验平台,按照8∶1的缩比搭建模拟井下巷道环境,对无人驾驶无轨胶轮车改进前后的路径规划算法分别进行了无障碍物和有障碍物的路径跟踪试验,结果表明:基于改进A*-人工势场联合算法规划出来的路径更加合理,在8∶1的缩比搭建模拟井下巷道环境中进行的无障碍物规划路径最大跟踪误差仅为0.0312 m,在巷道内会车和避障时能够规划合理的行驶路径,最大偏差仅为0.0353 m,能够满足无轨胶轮车井下无人驾驶要求。

刮板输送机永磁直驱系统机-电耦合模型仿真与试验

为解决刮板输送机传统异步驱动系统因减速器而造成的传动效率低、故障率高、可靠性低等问题,基于永磁同步电机设计了1套输送量可达1500万t/a的刮板输送机永磁直驱系统,并匹配计算了所需的永磁同步电机功率、转速以及变频控制器容量。根据永磁直驱系统与刮板输送机之间的机-电耦合关系,利用MATLAB/Simulink仿真软件搭建刮板输送机永磁直驱系统的机-电耦合模型,仿真分析了永磁直驱系统在空载启动、满载运行、多边形效应等多种工况下永磁同步电机的输出转速、转矩、三相电流以及刮板链的速度、加速度、张力等动态特性变化规律。仿真结果表明,永磁直驱系统在刮板输送机启动及负载变化时能够快速响应且比较准确,由于减少了减速器的柔性缓冲,电机输出转速与转矩对负载突变响应波动较大;永磁直驱系统的动态响应在突变负载下与突变量成正相关关系,应当从驱动系统控制算法的优化角度出发减小波动,改善其性能;多边形效应影响系统速度控制的稳定性,机头链轮啮合处的链条更易受到多边形效应的影响。搭建小功率永磁同步电机直驱模拟试验台架,将仿真得到的机械负载特性曲线等效处理后通过测功机加载输入,开展了刮板输送机永磁同步电机直驱系统的模拟驱动试验。试验结果表明,台架试验测得的永磁同步电机动态特性曲线与对应仿真试验得到的永磁同步电机动态曲线的变化规律基本一致,从而从侧面验证了笔者所建立刮板输送机永磁直驱系统机-电耦合模型的正确性。