调度端程序化操作告警信号闭锁库智能选取

程序化操作中监控告警信号闭锁库的智能辨识是确保操作安全执行,保障电网稳定运行和设备操作安全的重要技术手段,针对现有的程序操作告警信号闭锁库设置需要耗费大量人力资源,设置不够全面、不规范统一,给设备操作带来极大安全隐患等问题,提出调度端程序化操作告警信号闭锁库的智能选取方法,实现监控告警信号闭锁库的智能辨识选取。在某地区电网实际应用的结果表明:程序化操作过程有效避免人工频繁介入,提升操作效率,更重要的是杜绝了因告警闭锁设置不够合理造成的误操作,保障了设备操作的安全性和可靠性。

工业机器人最短移动路径智能选取方法仿真

对工业机器人移动路径选取问题的研究,能够有效提高工业机器人工作效率。对机器人最短移动路径的智能选取,需要选中一条路径后进行一次搜索,保留其中较优的解,完成路径的选取。传统方法检测周围近距离障碍物,确定临时路径后择优,但忽略了对路径进行邻域搜索,导致路径选取效果不理想。提出基于人工蜂群算法的最短路径智能选取方法,并给出了工业机器人移动过程中的扰动规则;先随机生成若干个可行解作为初始路径;引领蜂对工业机器人移动初始路径进行一次邻域搜索,当引领蜂完成一次完整的领域搜索后将信息传达给跟随蜂,跟随蜂通过精英保留策略进行路径选择,选中一条路径后也会进行一次邻域搜索,保留其中较优的解。实验结果表明,最小代价路径随着蜂群迭代的进行不断自适应调整,获得的工业机器人最短移动路径同时也是全局最小代价路径。

基于Visual C++6.0的弧齿锥齿轮铣齿机交换挂轮智能选取系统的研究

针对传统的弧齿锥齿轮铣齿机挂轮选取计算精度差、效率低问题,从铣齿工作原理入手,分析了挂轮选取要求,研究了挂轮优化选取算法,并基于VC++6.0开发了智能挂轮选取软件,软件比传统计算方法精度、效率都较高。该方法同样适用于滚齿机和其他需要精确传动比的机床进行挂轮选取优化。

道路网智能选取的案例类比推理法

从人类学习和认知角度,借鉴人工智能领域基于案例推理学习的成果,提出一种基于案例类比推理的道路网智能选取新方法。该方法将制图专家对某区域道路网的交互选取结果作为参考标准,对其进行结构化描述并构建和转化为案例库;计算机采用一定的简化算法和泛化算法对该案例库进行分析和学习,获取检索效率更高和适应样本能力更强的案例模型库;计算机在对相似道路网自动选取时,根据获取的案例模型库,采用基于案例类比推理的方法,分析获取相应的解决方案,进而完成道路网智能选取。与已有研究成果相比,本方法以案例及其泛化模型来模拟专家思维,以计算机对案例模型的类比学习来进行相似道路网自动选取,增强了道路网选取中的智能性。最后对本方法的科学性和适用性进行验证,并对试验结果作分析和评价,同时指出了存在的问题和进一步的研究方向。

学术英语阅读素材的智能选取与教学应用研究

本研究基于学术作品的传播影响、在线读者的背景信息、文本的语言难度三大维度设计学术英语阅读素材智能选取方法,采用关注度分数、读者专业与职业背景、词汇覆盖率等量化指标对452篇学术报告的素材智能选取进行了实证探究。结果表明:第一,关注度分数能够有效筛选出传播影响力较强且涵盖较多学科专业的学术素材;第二,读者专业与职业背景数据能为特定素材的选取与使用提供真实可靠的读者档案;第三,词汇覆盖率能够有效控制学术素材的语言难度,并为分层教学提供决策参考。研究进而对智能选取方法的教学应用提供了可操作性建议。

云计算的船运物流运输中智能航道选取算法设计

船运物流运输过程中,经常碰到航运路线有多条,或受外界因素影响航线需要调整的状况。此时需要航道调度系统对航道数据进行分析计算,给出当下的最优航道选取方案。但是,现有的航道选取算法存在数据分析处理慢,多资源航道数据融合度差的问题。因此,将云计算技术作为算法的核心,提出云计算的船运物流运输中智能航道选取算法设计。通过引入KDUFN-YUN云端航线资源融合算法,完成对航道客观数据与云端数据互通;接着,在云计算的基础上引入最优选取算法,对云计算下融合的航道数据进行最优选取;最后,通过仿真实验证明提出算法的可行性。

基于BP神经网络和拓扑参数的道路网选取研究

道路网选取是自动制图综合的重点和难点之一,运用智能化方法实现选取是当前研究的热点。BP神经网络具有强大的非线性映射能力,可以模仿人脑机能,通过对样本的学习和训练实现自动选取;结合拓扑参数,可以使选取结果很好地保持原道路网的连通性和整体结构特征。因此,提出一种基于BP神经网络和拓扑参数的道路网选取方法。首先选择训练样本并计算其拓扑参数;然后设计BP神经网络的结构,利用训练样本进行训练,找出最佳网络结构;最后选取不同特征的道路网进行实验,将选取结果与专家选取的结果进行对比分析,评价了该方法的优势与不足,并指出了下一步的改进方向。

IQBIC系统图像检索方法

基于图像底层特征的检索技术主要利用图像形状、纹理和颜色特征.不同的图像,不同的用途一般需要针对不同的特征来选取检索方法,为此我们考虑先从图像本身的特征分析,寻找出该图像的较为明显的特征,然后根据这一分析结果,再利用合适的特征检索方法去检索该图像,使得图像检索更接近于智能化.文章简述了颜色直方图和纹理的累计游程直方图算法,提出了形状方向能量直方图算法,并特别说明图像特征的智能选取方法.基于内容的智能图象检索系统(Intelligent Query By Image Content System简称IQBIC)利用该思想,实验表明该智能检索方法效果良好.

基于网格环境下的安全隐患评估模型研究

企业的安全生产是十分重要的,而安全隐患几乎存在于任何职业和企业里。为了减少人员伤亡、伤害以及财产的损失,这就需要加大安全隐患排除力度,切实有效地为事故发生做好预防。根据以上问题,文中提出了一种安全隐患评估模型。该方法是将网格环境中的相关内容引入安全隐患评估模型中,通过初期的人工自学习阶段后,使其能智能选取评估方法对生产数据进行安全隐患的评估,进而提高安全隐患评估的工作效率。所以建立一个能有效控制危险有害因素的安全隐患评估模型是十分必要的。

串联机器人多模式标定与刚柔耦合误差补偿方法研究

工业串联机器人有着较大的几何误差,还存在着不可忽视的非几何误差,使其在高精度领域的应用受限。本文建立了一种包含几何与柔性误差的完整刚柔耦合位置误差模型,并采用基于预测残差和加权递推平均滤波算法改进的Levenberg-Marquardt算法(M-LMA)辨识耦合误差参数。为了提高测量过程的效率及可靠性,结合测量设备的检测特性与末端执行器的几何特性两种外部约束,提出了一种基于线性递减权重的粒子群算法(LDW-PSOA)的测量位姿智能选取方法。重点提出了一种局部精补偿方法,其可与标定或者全局补偿同时使用,也可直接单独使用。同时,根据机器人自身特性及加工需求,提出了一种基于预测精度与参数数量的模型择优方法,并且制定了一种多模式精度提高策略。此外,将本文所建立的模型及提出的算法集成于Matlab开发平台,实现GUI交互系统。实验结果表明,本文提出的精度提高策略不仅能以多种方式实现机器人高精度定位的性能,且具有高效可靠的测量过程。

手机里的修图美化APP

美颜相机《美颜相机》是一款拥有自然美颜效果的APP,AI智能选取滤镜,缺点就是最终成像和预览效果稍有出入。氧气相机《氧气相机》和UAKA Cam的体验类似,与之相比多的功能又妆容、虚化和氛围等。

径向基函数神经网络用于小比例尺道路网选取

针对小比例尺道路网专题数据少、语义信息缺乏的特点,该文根据小比例尺道路网已有的语义几何属性和拓扑结构,构建一系列参数作为选取依据。将道路网选取抽象为分类问题,提出一种使用径向基函数神经网络和多参数进行道路网选取的方法。相比时下较常用的反向传播神经网络,径向基函数神经网络具有更高效的学习性能。利用径向基函数神经网络的非线性映射能力,对样本进行训练和验证,并选择不同结构类型(放射式、格网式和自由式)的道路网进行选取实验。结果表明,该方法在小比例尺道路网选取研究中具有可行性,且在自动获取选取参数的同时提高了选取精度。