数据仓库中实化视图的一致性维护算法——ECA算法的实现

数据仓库系统中的视图不仅仅是一个逻辑上的概念 ,同时也是物理存在的 ,当数据源上的内容发生变化时 ,我们必须相应地修改数据仓库中的数据 ,以保证二者数据的一致性 ,本文详细介绍了单数据源实化视图的一致性维护算法———ECA算法的实现方法。

考虑EPS与ESP耦合作用的ECAS系统控制策略

为提升汽车在不同工况下的行驶平顺性,提出了一种考虑电动助力转向系统与汽车电子稳定系统耦合作用的电控空气悬架(ECAS)控制策略。首先建立基于Matlab/Simulink的10自由度整车模型,分析了ESP和EPS对ECAS平顺性的影响规律;接着设计了基于粒子群算法的电控空气悬架系统PID控制器;最后搭建了基于NI-PXI实时控制器的电控空气悬架控制器硬件在环试验平台。试验结果表明:在路面附着系数0.7、车速50km/h下的单移线工况下,与无控制时相比,所提出的控制系统使整车侧倾角峰值由0.031rad降低到0.021rad,俯仰角峰值降低了16%,质心垂向加速度均方根值也减小了32.91%。

ECAS车辆车身高度调节系统与整车性能匹配研究

为解决电控空气悬架(electric control air suspension,简称ECAS)车身高度切换过程中的振荡及"过充"、"过放"现象,以空气弹簧特性为媒介,与车辆动力学相结合,对车身高度调节系统的进行建模。通过遗传算法优化车身高度调节系统PID的控制参数,提出一种新的积分分离PID控制策略。采用Matlab/Simulink搭建模型并对控制前、后仿真结果进行了对比。结果证明,所设计的控制方法能有效解决以上问题,优化后的车身高度调节系统能显著减少汽车振荡及干扰,操纵稳定性得到改善。

ACDB中ECA规则调度的一个新算法

就主动数据库中规则冲突这个问题进行了研究,结合遗传算法,提出了一种规则调度的新算法—基于遗传算法的ECA规则的调度算法。该算法把规则的优先级与主动数据库中知识模型的维度相结合,给出了一种合理的编码策略,构造了一个量化函数作为适应度函数,对遗传算子进行了改进,有效避免了早熟现象的发生;最后给出了这个算法,并就其正确性和复杂度进行了证明。

实视图一致性维护ECA算法的改进

对ECA在复杂网络环境下存在的异常情况进行了讨论,提出了并发更新异常的检测方法,并对ECA算法进行了改进,有效解决了查询维护过程中出现的不一致问题。

LEARNING ALGORITHM OF STAGE CONTROL NBP NETWORK

This letter analyzes the reasons why the known Neural Back Promulgation (NBP)network learning algorithm has slower speed and greater sample error. Based on the analysis and experiment, the training group descending Enhanced Combination Algorithm (ECA) is proposed.The analysis of the generalized property and sample error shows that the ECA can heighten the study speed and reduce individual error.

基于ECA和YOLOv4的轻量级目标检测网络设计

针对传统的目标检测网络存在参数量大、检测速度慢等不足,在计算资源受限的设备上难以满足实时性需求的问题,提出一种改进的YOLOv4-tiny目标检测算法,使用Bneck_E替换主特征提取网络的CSP结构,在深层特征提取网络中,增加轻量级注意力机制——高效通道注意力(ECA)机制,采用双向特征融合,用深度可分离卷积对浅层特征下采样,提高对小目标的检测精度。在PASCAL VOC数据集上实验表明,该算法平均精度均值(mAP)提高了4.4%,帧率(FPS)提升了8.9%,模型大小仅为YOLOv4-tiny的36%,有利于在嵌入式设备上部署运行。

基于改进U-Net算法的焊缝特征识别研究

针对基于激光视觉机器人焊接过程中,由于噪声干扰导致焊缝激光条纹分割精度降低,不能精确焊接的问题,提出了一种改进U-Net算法的焊缝特征识别方法。改进型U-Net算法使用Mobile-Net作为主干网络,加强了网络的特征识别能力,并减少了模型的参数量。在编码与解码之间加入超强通道注意力机制,实现了特征的加权融合。模型采用混合损失函数,平衡了激光条纹在图像中的占比。在焊接机器人焊缝跟踪实验平台部署网络模型,实验结果表明,改进的U-Net算法平均交并比(Mean Intersection over Union,MIoU)为89.83%,像素准确率(Pixel Accuracy,PA)为99.54%,平均像素准确率(Mean Pixel Accuracy,MPA)为97.28%,处理图像的时间为0.209 s,相比其他算法,具备更优的分割精度和较快的处理速度,可以更好地应用于有干扰的机器人焊接场景中。

改进Mask R-CNN的车辆检测算法

为提升在不同复杂场景下的车辆检测性能,提出一种基于改进Mask R-CNN的车辆检测算法.在算法的主干网络ResNet50中引入PSA极自注意力机制提升主干网络特征提取能力;在特征金字塔顶层网络中添加一个带有ECA注意力机制的分支与原分支进行特征融合,缓解顶层特征由于通道降维造成的信息损失.重新设计卷积检测头使得边框回归更为准确,并使用余弦退火算法和Soft-NMS算法来优化训练过程和后处理结果.实验结果表明,改进的Mask R-CNN车辆检测算法相比原Mask R-CNN算法在复杂场景下具有更高的检测精度,在CNRPark-EXT测试集中平均精确度提高3.8%,在更具挑战性的MiniPark测试集中平均精确度提高7.9%.

基于改进YOLOv4算法的工程实验室信息化管理系统构建与应用

融合物联网技术、图像检测技术和深度学习算法,提出一种基于改进YOLOv4算法的工程检测实验室信息管理系统,通过WIFI+NB-IoT实现数据传递。为了弥补YOLOv4算法在尺度分布不均匀时精度降低的问题,提出利用IK-means++算法,引入ECA注意力模块和阶梯状特征融合网络结构对算法进行改进,算法改进后浮点运算数量、模型参数量分别降低了25.1%和43.1%,FPS和mAP分别提高6.8帧/s和3.65%,改进后算法不仅收敛速度更快,而且在不同光线环境下的设备检测准确率均高于改进前。将系统应用到工程实验室检测中,设备和环境各参数检测结果与标准仪器检测结果误差控制在±5%以内。

GPS辐射源的无源雷达两级干扰抑制方法

为了解决回波通道内的干扰抑制问题,根据基于GPS辐射源无源雷达的特点,提出了一种ECA与CLEAN相结合的两级干扰抑制方法,即第1级采用ECA消除直达波干扰和多径干扰,第2级采用CLEAN算法迭代地消除强目标回波旁瓣干扰.该方法可以全面地抑制回波通道内的干扰,并且无需估计干扰参数,有效避免了干扰参数估计误差引起的抑制性能下降.仿真结果表明了该方法的有效性.

外辐射源雷达扩展相消批处理杂波抑制算法的调制补偿

外辐射源雷达面临严重的多径杂波问题,扩展相消批处理算法(ECA-B)是一种有效的杂波抑制算法,但该算法的分块批处理使得相消距离元内的杂波和目标回波受到调制,导致杂波不能被完全相消而且会产生附加的模糊目标。该文分析了ECA-B算法的调制机理并提出了相应的补偿方法,该方法首先通过载波频偏精估计来补偿杂波调制,然后通过合理选择分块数以避免目标调制或通过估计调制距离元处每块信号的零频分量来补偿目标调制。仿真和实测数据处理结果验证了文中调制机理分析的正确性和所提方法的有效性,完善了该算法的性能。

基于改进YOLOX算法的杨梅成熟度检测方法

为实现杨梅采摘智能化,开发杨梅成熟度检测设备,提出一种基于改进YOLOX-NANO算法的杨梅果实成熟度检测方法。通过在特征加强提取网络层中引入通道注意力模块,提高网络对通道特征的提取能力;引入焦点损失函数代替标准交叉熵损失函数,解决单阶段网络正负样本不均衡问题,避免梯度方向指向非最优解;使用高效交并比损失函数,提高网络模型对目标识别的准确率。试验结果表明,在自建数据集上与原YOLOX-NANO相比,改进YOLOX-NANO算法对于三种不同成熟度杨梅果实的识别精度均有提升,平均精度达到92.67%,而网络模型大小只增加0.059 MB,推理速度不变,在精度达到与标准结构网络相当的前提下,更易于部署到嵌入式设备中。

外辐射源雷达滑窗扩展相消算法并行实现

杂波抑制是外辐射源雷达信号处理中的关键技术之一。ECA-S算法突破了ECA-B算法在实际数据处理中对分段数的限制,通过给每段分段信号增添滑窗,在增加分段数的同时保证了足够的积累时间,具有更好的滤波效果,但这一改进效果是以增大空间和时间复杂度为代价而得到。结合图形处理器(GPU)数据吞吐量大、并行处理简单、适宜解决计算密集型问题的特点,提出一种适用于GPU处理的ECAS时域杂波抑制并行实现方法。实测数据验证了该算法的有效性,并满足实时处理的需求。

基于DeepLabV3+的轮对踏面损伤分割算法

针对轨道交通轮对踏面损伤图像存在边界识别效果差,分割精度低的问题,提出一种改进的DeepLabV3+算法对损伤区域进行识别分割。首先将轻量化网络MobileNetV2作为主干特征提取网络,加快语义分割的速度;然后将空洞空间卷积池化金字塔模块中的膨胀卷积以及特征融合后的普通卷积替换为深度可分离卷积,减少参数量,降低模型复杂度;最后在主干网络输出的浅层与深层特征层添加ECA机制,加强网络特征学习能力,使模型对损伤区域更加敏感,从而提升模型分割精度。实验结果表明,改进后的DeepLabV3+模型大小缩减为原来的5%,mPA值达到90.70%,mIou值达到84.33%,在模型更轻量化的同时保证了踏面损伤图像的分割效果。

基于改进SSD算法的轻量级铸件分拣检测

针对当前铸件混流分拣线中,高相似度铸件检测准确率低、速度慢的问题,提出一种基于SSD的轻量级多铸件高效检测方法。首先,用融合轻量级ECA注意力机制的MobileNetv2替换SSD模型的主干网络,解决因轻量化设计而损失精度的问题;其次,采用反向残差层替换原SSD的卷积预测层,进一步轻量化算法,解决SSD算法因网络结构复杂,参数量和浮点计算量较大的问题。实验结果表明,所提出的算法在多铸件检测上,mAP达到97.10%,检测速度为46.84帧/s。相比SSD算法,GFLOPs降低了41倍,参数量减少至4.34 MB,在保证精度与速度的同时,降低了算法对硬件设备的需求。

基于改进SSD算法的光伏板缺陷检测研究

在光伏产业中,光伏板缺陷的检测至关重要,针对目标检测算法SSD在光伏板缺陷检测中精度不高、速度不快、存在漏检、误检等问题,本文提出了一种改进的SSD算法,主要从三个方面改进:首先,使用融合了ECA注意力机制的Resnet50网络替换原SSD中的VGG-16网络,减少了计算量,提高了检测精度;其次,使用Involution算子替换原SSD中的Conv7卷积层,使模型更加轻量;最后,引入FocalLoss损失函数解决正负样本不平衡的问题。经实验分析,改进的SSD算法相较于原SSD算法的mAP提升了4.41个百分点,同时检测速度提升了6.55frame/s。

电控空气悬架系统刚度调节预瞄算法研究

架变刚度控制可以很大程度改善客车乘坐舒适性。本文以电控空气悬架系统(ECAS)为基础,前悬架采用反馈控制方法,后悬架采用预瞄前馈与反馈相结合的控制方法,通过对空气弹簧充放气从而实现悬架刚度调节。在AMESim和Simulink中分别搭建ECAS模型和控制算法,在TruckSim中搭建整车模型,利用三者联合仿真对控制算法进行验证。为了提升高度跟踪精度,采用柔性PID取代传统PID控制策略,结果显示:该控制方法能够准确跟踪目标高度值,并且很好地抑制了"过冲"与"过放"问题。通过对平顺性指标进行测量发现,与无控制车辆相比,车身垂向加速度减小约60%,表明舒适性得到很大改善。

具有自校正与注意力机制相结合的场景文本检测

在日常生活中,存在着丰富的文本信息,对这些信息的提取,能够极大地提高人们的生活品质。但自然场景中文本信息表达形式丰富多样,文本形状各异,在检测过程中存在误检、文本区域定位不准问题。针对以上不足,本文提出了一种具有自校正与注意力机制相结合的文本检测方法。首先,在ResNet50骨干网络中嵌入自校正卷积(self-calibrated convolution, SConv)及高效通道注意力(efficient channel attention, ECA),使网络能够校正全局无关信息的干扰,并集中关注于文本区域,提取更加丰富的语义信息;其次,在特征融合后加入协调注意力(coordinate attention, CA),纠正不同尺度的特征图在融合过程中产生的位置偏差。最后,通过修正后的特征图预测得到多个不同尺度的文本实例,采用渐进尺度扩展算法,求出最终检测到的文本实例。实验结果表明,在任意方向数据集ICDAR2015以及弯曲文本数据集Total-Text、SCUT-CTW1500上,相比于改进前的ResNet50综合指标F值分别提升了1.0%、5.2%、5.4%,证明了本方法具有良好的检测能力。