基于VMD-GWO-HKELM的企业能耗预测研究

能耗预测是企业关注的重点,对于企业保障用能安全稳定有重大作用,是企业建立能耗管控平台的重要任务之一。为完善企业能耗管控平台并且高效准确地进行企业能耗预测,提出一种基于变分模态分解(VMD)与灰狼算法(GWO)优化混合核极限学习机(HKELM)的能耗预测模型。首先利用VMD对能耗数据序列进行分解,获得具有不同特征规律的子序列,以降低能耗原始数据的随机性;然后,结合高斯核函数和多项式核函数构建更具有泛化能力的HKELM模型,同时针对HKELM模型中参数难以抉择的问题,采用GWO对其参数进行优化选择,并构建GWO-HKELM模型;最后,将分解后的数据输入到GWO-HKELM模型中,并将每个子序列的预测结果相加得到最终的预测结果。以浙江某厂房的实际电力能耗数据为例,验证该模型的有效性和可行性。

焊缝跟踪应用的线激光视觉伺服控制系统

设计了一套由三轴直角坐标机器人、线激光传感器和工业计算机组成的焊缝跟踪系统。研究了该系统所涉及的测量原理、特征点测量方法和基于模糊自适应的控制方法。通过高斯核相关算法(KCF)在焊接过程中实时检测焊缝特征点,并根据测量原理计算获得特征点相对于相机坐标系的三维坐标值。设计了一种自适应模糊控制器,通过自适应模糊控制器计算坐标的偏差值和偏差变化率得到焊枪末端运动轨迹的控制量,同时对模糊控制器的输入输出论域、模糊规则和隶属函数进行实时动态更新。实施了焊缝跟踪实验。结果显示:采用最大焊接电流为350 A的惰性气体保护焊(MIG),在强烈弧光和飞溅的干扰下,该系统能实时跟踪焊接工件,跟踪精度为0.325 3mm,传感器测量频率为20Hz。焊接过程中焊枪末端运行平稳,焊缝轨迹跟踪准确,且抗干扰能力,能满足焊接应用要求。

基于量子遗传算法的XML聚类方法

主要用模式分析的核方法与量子遗传算法相结合研究XML聚类,提出了一种基于量子遗传算法混合核聚算法的XML文档聚类新方法。该方法先对XML文档约简,以频繁标签序列建立向量空间核的核矩阵,用高斯核函数求解初始聚类和聚类中心,然后用初始聚类中心构造量子遗传算法的初始种群,通过量子遗传算法与核聚算法相结合求得全局最优解的聚类。实验结果表明,使用该算法的聚类比改进的核聚算法、K均值算法等单一方法具有良好的收敛性、稳定性和更高的全局最优。

基于抑制光线强度变化影响的运动目标检测

在运动目标检测过程中,若两帧图像拍摄条件下光线强度不同,则运动目标检测的结果将会受到影响。据此,该文提出了抑制光线强度变化影响的运动目标检测方法。首先,对两帧图像通过自适应高斯核平滑滤波器处理,以降低图像的随机噪声对处理结果的影响;然后,根据两帧图像对应像素的灰度变化量信息,判断该两帧图像的光强变化程度;最后,根据本文所研究的抑制光线强度变化影响的方法,将运动目标从背景中检测出来。实验证明,取得了良好的效果。

一类非线性抛物方程粘性解的存在惟一性及其在图像处理中的应用

证明一类非线性抛物方程ut-g(DGσ*u,D2Gσ*u)Du div DDuu=0u(x,0)=u0粘性解的存在惟一性,并通过实验验证了该模型在图像处理中的应用.

一类非线性抛物方程粘性解的存在唯一性及其在图像中的应用

对近年来在图像平滑问题中出现的模型进行了改进,得到一类非线性抛物方程,并系统地证明了该类方程粘性解的存在唯一性,最后用实验验证了这种新模型可以在去除图像噪声的同时,保持边界角点特征。

基于高斯核相关的线激光焊缝跟踪方法研究

针对自动焊接过程中焊缝特征点的检测问题,提出了一套由工业相机和三线激光发生器组成的焊缝实时跟踪传感器设计方案。基于三角测量原理,设计传感器的机械结构,推导得出由激光条纹特征点像素坐标计算出焊缝特征点三维坐标的数学模型,为有效抵抗在焊接过程中存在的弧光和飞溅的干扰,采用高斯核相关(KCF)目标跟踪算法,实时跟踪计算出图像中焊缝特征点的位置。实验结果表明,采用最大焊接电流350A的MIG焊,在有强烈弧光和飞溅的工况下,该装置能实现焊缝实时准确跟踪,激光条纹与焊接熔池的最小距离可达20mm,传感器采样频率最高可达20 Hz,跟踪误差小于0.42mm,能满足在实际焊接过程的使用要求。

结合全卷积神经网络与条件随机场的资源3号遥感影像云检测

提出一种结合全卷积神经网络与条件随机场的资源3号卫星遥感影像云检测方法。优化了全卷积神经网络(FCN)模型,对3次上采样后的全卷积神经网络(FCN-8s)进行上采样,采用自适应+动量算法调整参数学习率加速收敛;将全卷积神经网络与条件随机场结合,以全卷积输出影像作为前端一阶势,高斯核函数作为后端二阶势;加入mean-shift区域约束0条件保护影像的局部特征信息,运用平均场算法推断条件随机场模型后验概率。实验结果表明,本研究提出的云检测方法可将影像云区识别准确率提高至97.38%,较FCN-8s算法提高13.42%。