基于人工蜂群算法的大规模武器目标分配研究

针对大规模武器目标分配问题,本文提出一种改进的多目标武器目标分配模型,该模型将武器平台泛化为武器,并将武器平均飞行时间作为第2个优化目标。为有效解决这类问题,本文还提出了改进的自适应离散多目标人工蜂群算法。该算法基于人工蜂群算法和非支配排序策略,引入了自适应算子操作数、重用蜜源探索信息的变异概率策略,并通过蜜源之间、蜜源与外部解集之间的交互以提高算法的收敛性,通过算子的随机选择保持种群多样性。最后通过不同规模武器目标分配的对比实验,证明了所提自适应算子操作数与重用蜜源探索次数的变异概率策略的有效性,并与MOABC、MOPSO、NSGA-II算法在反向世代距离、超体积、时间3个方面进行比较,本文算法能够在保证时效性的前提下得到质量更好的Pareto解集。

基于改进卷积神经网络的变工况轴承故障诊断

原始信号中的故障特征随工况变化而散布在不同的观测尺度上,针对传统卷积神经网络(CNN)模型仅从单一尺度提取特征,容易出现域移现象并丢失其他尺度信息的问题,提出了基于多尺度自适应加权卷积神经网络(MSAWCNN)的故障诊断模型。首先,采用多个尺度的卷积核并行提取不同观测尺度上的特征;然后,引入自适应加权结构,动态调制多尺度特征以削弱运行条件对特征表达的影响;最后,使用全局均值池化(GAP)层代替全连接层,减少运算量并避免过拟合。利用西安交通大学转速连续变化的轴承数据集进行试验验证的结果表明:MSAWCNN模型的平均准确率达99.69%,具有较强的抗噪性,能从多个尺度全面地提取故障特征,适用于变工况下的轴承故障诊断。

基于非线性自适应比例因子的雪豹优化算法

针对雪豹优化算法在求解复杂优化问题时,存在全局勘探能力不足、寻优精度低等问题,提出一种改进的雪豹优化算法。首先,基于分段Logistic混沌映射初始化从而提高初始种群多样性;其次,引入非线性比例因子用于平衡算法的全局勘探能力和局部开发能力;然后,提出了一种差分变异策略,在第一次种群更新位置后,使用5个随机个体提高全局搜索能力和算法收敛能力,在第二次种群更新位置后,使用3个随机个体保证在求解过程的中后期也具有一定的全局勘探能力,尽可能避免陷入局部最优。通过在IEEE CEC2022基准函数测试集上测试,并与其他算法进行比较,结果表明所提出的算法在种群质量、求解精度以及算法稳定性上均有较大提升。最后将所提出的算法应用于工程优化,计算结果进一步证实了算法的强优化能力。

多尺度自适应注意力的数字媒体图像增强方法研究

为优化数字媒体图像的视觉效果,文章引入一种创新的图像优化策略,该策略依托于多尺度自适应注意力机制。这种方法通过构建独特的网络架构,实现对图像多维度特征的精确捕捉与高效整合,有效降低内容的重复性,提升图像处理的效率与质量。文章运用拉普拉斯算子精准识别图像中的信息缺失,配套设计高效的损失函数,旨在全面补偿处理过程中的信息损耗,从而显著提升图像的整体质量。实验结果表明,采用该方法增强的图像在图像色彩、亮度和饱和度的综合质量评估指标上达到了0.9以上,同时在结构相似性指数上也超过了0.85,这充分验证了该方法在图像增强领域的卓越性能。

电厂大型汽轮机双压凝汽器运行自适应优化研究

【目的】由于双压凝汽器的高、低压双侧压力在实际运行时和预先设计值之间存在较大差距,影响凝汽器的运行效益,因此提出电厂大型汽轮机双压凝汽器运行自适应优化研究。【方法】首先基于双压凝汽器真空度的影响参数的历史运行数据,引入灰色理论,构建一个电厂大型汽轮机双压凝汽器真空计算模型,将各影响参数代入模型中,即可输出未来时刻的双压凝汽器真空度预测计算值。然后以凝汽器最佳真空度精确控制为目标,利用粒子群算法寻找模型最优超参数。最后将最优超参数应用于双压凝汽器的真空运行中,实现自适应优化。【结果】研究结果表明,设计方法优化后的双压凝汽器循环水流量明显低于优化前,在1.2×10^(-4) kg/s~1.4×10^(-4) kg/s之间。【结论】该研究结果可以提高机组的运行效率和稳定性,有助于提升电厂大型汽轮机的节能运行效益。

基于自适应分割与偏移场估计的活动轮廓模型

针对传统活动轮廓模型无法快速、准确、强鲁棒性地分割灰度不均匀图像的问题,提出了偏移场估计与图像分割相结合的新型混合活动轮廓模型。首先,通过对图像进行模糊聚类分析,提出带有模糊隶属度函数的新型偏移场估计模型,提高了模型对图像灰度信息的估计与提取能力。其次,利用图像信息熵构造了自适应尺度算子(adaptive scaling operator,ASO),改善了模型的分割效率及对初始轮廓和噪声的鲁棒性。最后,通过将偏移场估计模型和ASO融入到能量泛函中,提出新型混合活动轮廓模型。实验结果表明,该模型不但对初始轮廓和不同种类噪声具有较强的鲁棒性,而且对不同程度的灰度不均匀图像具有较高的分割准确度与分割效率。

基于小波域多状态隐马尔科夫树模型的自适应文本图像分割算法

本文针对文本图像首先提出了一种基于小波域多状态隐马尔科夫树模型的自适应文本图像分割算法(Context-Adapted wavelet-domain Hidden Markov Tree,简称为CAHMT),该算法具有较高的分割质量和较低的计算复杂度.其次,为了进一步提高CAHMT算法分割的效果,将该算法与微分算子、尺度系数相结合提出了两种新的文本图像分割算法.最后通过实例阐明了这些算法的有效性.

基于固有时间尺度分解的能量算子解调法及故障诊断应用

针对Teager能量算子包络解调方法主要用于对单分量的调幅调频信号进行解调,而真实机械故障信号多为多分量的调幅调频信号的问题,提出了能量算子与固有时间尺度分解相结合的解调方法。首先,利用固有时间尺度分解法将原始振动信号分解为若干个固有旋转分量和一个单调趋势项,并基于波形匹配算法实现原始数据的自适应端点延拓以解决分解过程中的端点效应;然后再选取合适的固有旋转分量,利用能量算子方法实现调制信号的包络解调;最后,将该方法应用于仿真信号和故障模拟信号。结果表明:该方法能有效地提取机械振动信号的故障特征。

基于信息熵的自适应尺度活动轮廓图像分割模型

针对固定尺度活动轮廓模型无法快速准确分割灰度不均匀图像的问题,提出了一种基于信息熵的自适应尺度活动轮廓图像分割模型。首先,利用最大后验概率(MAP)以及贝叶斯分类准则,提出了一种新型能量泛函,提高了模型对灰度信息的提取能力,进而极大提高了模型对灰度不均匀图像的分割准确度。其次,利用图像信息熵构造了自适应尺度算子,使模型能根据图像灰度不均程度自动调整尺度,提高了模型对灰度不均匀图像的分割速度。最后,为验证文中模型的优越性,将该模型与LGDF模型进行了对比,并通过分割时间、迭代次数以及相似度等指标,对分割结果进行了客观、定量分析。最终结果表明,该模型不但对初始轮廓具有较高鲁棒性,而且对灰度不均匀图像具有较高的分割准确性与分割效率。

基于小波和模糊集的多尺度边缘检测算法

针对传统边缘检测算子对噪声敏感问题和使用固定阈值小波变换造成的强弱边缘,提出了一种基于B样条小波变换和广义模糊算子(GFO)的边缘检测方法。首先对图像进行多尺度分解,并应用广义模糊算子对各尺度子图增强,再结合自适应阈值选取的方法,在每种尺度下分别提取图像边缘;而后利用边缘信息的多尺度特性,融合多尺度边缘得到了单像素宽边缘。通过计算机仿真对该方法进行验证,实验结果表明该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,效果优于传统的边缘检测算法。

提升小波尺度自适应非线性预测算子构造方法

提出一种提升小波尺度自适应非线性预测算子的构造方法。通过相空间重构将剖分信号转换成训练样本,采用基于高斯核函数的支持向量回归机算法进行回归训练,给出所构造预测算子的结构,并说明基于高斯核函数实现最小均方误差原则的机理。通过仿真实验验证用所构建预测算子在故障诊断时具有较好的识别能力和较强的抗噪能力,在信号降噪时信噪比较高、效果良好。

DCC工艺技术灵活性及其在化工型炼油厂的应用

对催化裂解(DCC)和增强型催化裂解(DCC-plus)技术的特点以及两者的关系进行了简述,DCC-plus技术比DCC具有更高的丙烯产率,同时干气和焦炭产率明显减少。对于1套加工50%常压渣油与50%加氢裂化尾油混合原料的2.2 Mt/a DCC-plus装置,其乙烯和丙烯产率分别达到5.6%和21.5%。对1套1.2 Mt/a DCC-plus装置进行了油品方案和烯烃方案两种生产模式的切换操作,与油品方案相比,按烯烃方案操作时丙烯产率增加125.8%,裂解石脑油和裂解轻油产率分别减少37.4%和20.0%。DCC技术成熟可靠,装置大型化和长周期运转都已得到工业验证。对于以DCC装置为核心的化工型炼油流程,油品率(汽油、柴油和喷气燃料的总产量占原油加工量的比例)可以低至16.0%,而化学品率(丙烯、芳烃和乙烯原料的总产量占原油加工量的比例)高达67.3%,成为构建新一代全化工型炼油厂具有竞争力的技术选择。

一种红外搜索系统中弱小目标自适应检测算法

为解决红外搜索系统中场景起伏造成的背景预测不准确这一问题,提出了一种自适应调整的空间滤波方法。该算法在估计背景的同时,对背景残差进行计算,根据残差值调整滤波参数,使背景残差趋于最小,以适应背景的起伏。当背景包含较多复杂因素时,不利于目标提取,多尺度形态学算子通过不同尺度不同形态的结构体参与计算,可以全面地估计背景,进一步抑制背景残差,再通过计算图像全局阈值,自适应分割出潜在目标。采用并行运算,可将算法实现于现场可编程器件(FPGA)上。试验结果表明:即使当场景较复杂,场景信噪比较低时,依然可以使处理后的图像信噪比大于3,从而可显著提高红外搜索系统的检测概率,实现弱小目标的检测。

基于半高斯梯度算子的尺度自适应纹理滤波

为了解决现有纹理平滑方法不能在抑制纹理的同时保持细窄结构的问题,提出一种基于半高斯梯度算子的尺度自适应纹理滤波算法.首先提出一种具有结构保持和纹理抑制效果的半高斯梯度算子,其幅值能够较好地区分结构和纹理,方向能够较好地反映结构法向;然后基于半高斯梯度的幅值为每个像素估计最优的滤波尺度,并借助高斯滤波得到一幅大部分纹理得到抑制的引导图像;最后在双边滤波的基础上引入基于半高斯梯度方向的滤波方向核,提出一种基于引导图像的三边纹理滤波算法,能够有效地避免图像平滑结果中存在的结构附近毛刺残留现象.大量实验结果证明,该算法可以在抑制纹理的同时保持结构的完整性,尤其是在保持细窄结构以及结构周围的整洁等方面超越了已有的方法.

一种基于自适应Canny算子的舰船红外图像边缘检测方法

提出了一种用于舰船红外图像边缘检测的自适应Canny算子边缘检测方法。先利用图像的局部最大标准差值为参考值设定高斯滤波尺度参数,然后采用基于梯度幅度直方图的类间方差最大法计算Canny算子的高低闽值,从而实现边缘的自动检测。实验结果表明,采用该方法检测出的舰船边缘清晰连续,噪声较少,优于传统的Canny算子边缘检测方法,并且具有很好的工程适用性。

引入正弦余弦算子和新自花授粉的花授粉算法

针对花授粉算法在处理高维优化问题时,收敛精度较低,易陷入局部极值的缺陷,提出了一种花授粉算法的改进算法。在异花授粉阶段,改进算法使用正弦余弦算子对花粉个体进行逐维扰动,以增强花粉个体的多样性;在自花授粉阶段,基于自然界优胜劣汰的生存法则思想,提出了一种新的自花授粉策略。与7种算法对比,在9个基准函数上进行性能对比实验,结果表明:改进算法在收敛精度和收敛速度上较对比算法有显著优势;在函数维度达到5000维时,改进算法没有陷入“维数灾难”,收敛的精度较高。在悬臂梁设计和压力容器设计2个工程实例上进行应用实验,验证了改进算法的性能和实用性。

基于自适应变分模态分解的扩展工况传递路径分析方法

为削减扩展工况传递路径分析在信号采集过程中干扰噪声的影响,提高分析精度,提出了一种结合自适应变分模态分解和巴氏距离的优化OPAX方法。该方法考虑到多尺度模糊熵能够较好地表征非稳态复杂信号,将其作为适应度函数。采用模拟退火粒子群算法和粒子群算法分别对信号进行自适应变分模态分解,并通过模拟信号证明了模拟退火粒子群算法的泛化性和准确性。最后采用巴氏距离对分解信号进行筛选,以区分相关模态和非相关模态,将相关模态进行重组实现OPAX采集信号的有效去噪。在确定去噪算法的准确性后,以某轻型客车为例,建立了振动测点到驾驶员右耳的传递路径分析模型,在90 km/h匀速行驶工况下采集整车主要结构点悬置主被动端的加速度信号,并对采集信号进行了降噪处理。以驾驶员右耳声压的测试值为参考,对比了OPAX优化前后计算结果。结果表明:优化后OPAX计算值的信噪比提高了71.2%,均方根误差减小了66.9%,在峰值频率处的误差均控制在5%以内;该方法能有效滤除OPAX在信号采集过程中的干扰噪声,有效保留信号的完整性,提高OPAX方法的分析精度。

基于多尺度自适应加权的改进Canny算子

在Canny算法框架下,对彩色遥感图像进行多尺度滤波分析。定义多个不同尺度的高斯滤波器,在每个尺度下,分别对遥感图像RGB三个通道进行滤波和梯度计算,取三个通道的梯度最大值为该尺度下的遥感图像梯度值。根据各个尺度的滤波器对噪声的抑制能力及边缘定位能力的不同,自适应地确定相应的权值大小,然后再将这些不同尺度下检测到的梯度图像用自适应确定的权值进行加权合成最终的梯度图像。在此基础上,由非极大值抑制和双阈值处理得到图像边缘。实验结果表明,该算法比传统的Canny算子在噪声抑制和边缘定位方面具有更优的性能,适合彩色遥感图像的边缘检测。

对传统家庭农户组织形式创新的思考——以广东农业承包大户为分析对象

与承包大户相比,传统的家庭农户在生产要素投入、生产力的适应状况、自我完善能力及发展前景等方面存在明显不足。立足于传统家庭农户这一基本国情,必须实现在家庭农户小块土地集约耕作的基础上,不断拓展其现行经营模式的生产盈利空间,并推行适度规模的开发经营,以不断提高传统家庭农户对生产要素的投入水平,增强其适应生产力发展要求的能力,使之不断完善和发展。

大规模柔性作业车间组批调度及求解方法研究

针对大规模柔性作业车间排程调度问题,采用基于工件组批调度方法降解问题规模,并利用自适应遗传算法优化求解.该方法首先将加工工艺类似、管径尺寸在同一范围内且毛坯材质相同的零件进行组批,从而减小问题求解规模.其次在优化过程中,采用OBX(Order-Based Crossover)交叉方法,根据最优交叉点个数与染色体长度的关系,改进自适应遗传算法,提高其优化速度及求解能力.最后经实例验证该方法可以有效地缩减工件完工时间、减少订单拖延期和寻优时间.