武汉科技大学学习资源共享库的设计与实现

武汉科技大学学习资源共享库是一个定位于武科大学子的资源共享网站,该平台基于目前流行的Web框架LAMP搭建,采用MVC的设计模式,具有易扩展、可维护性好、逻辑结构清晰的特点。系统在具体设计过程中不断地修改和完善,经过测试系统运行基本稳定。

两种固体氧化物燃料电池系统的故障建模与仿真对比研究（英文）

固体氧化物燃料电池(SOFC)系统的建模方式较多,而基于机理模型的故障诊断是能够通过系统的动态趋势辨别故障的有效手段之一,但该方法对机理模型的准确性有要求.此外,不同的燃料供给系统采用的系统结构也是有差异的,进而导致在相同故障下SOFC系统的动态响应也是不同的.因此,本文基于两种燃料供应方式,提出了分别以纯氢气和天然气作为燃料的SOFC系统结构,并基于原有机理知识进行MATLAB/Simulink系统建模.经与真实SOFC系统实验对比,搭建的系统模型能够有效模拟系统在无故障状态下的动态变化;另外,在无故障模型的基础上,分别加入两类常见故障,其一为风机故障,其二为燃料供应管路泄露.最后通过仿真分析,明确了所搭建模型的合理性,且发现了两种燃料供应对SOFC系统热响应特性是不同的,对SOFC系统故障的检测和设备选型具有重要意义.

带钢表面缺陷在线检测系统的设计与实现

带钢表面质量的优劣将直接影响到最终产品的性能和质量。本文研究了一种基于图像处理和模式识别的带钢表面缺陷检测系统,它采用了特殊的软件设计结构和模块化设计的理念,实验表明该软件对钢板表面进行在线式缺陷实时检出,具有较高精度,而且系统对缺陷数据管理并提供报表及打印功能。

对HUSTOJ在线评测系统的若干优化与创新

在原有HUSTOJ开源在线评测系统的基础之上,分别对系统的竞赛模式的类别、竞赛的权限设置、用户信息的处理、系统的数据库结构进行修改与创新。使得新的系统相比原有的系统竞赛方式更多样,竞赛和整个系统之间的数据更加的独立,不会产生相互的干扰;而且使得用户信息的统计更加科学和合理化。

固体氧化物燃料电池监控系统的设计与实现

为了实时监控固体氧化物燃料电池(SOFC)的工作状态,设计并实现了一种基于VC的SOFC监控系统。该系统中可编程逻辑控制器(PLC)作为下位机进行数据采集,PC机作为上位机监控SOFC的运行情况,使用户实时直观地获取SOFC工作参数并且对系统下达控制指令。实验结果表明,该系统运行可靠性高,为进一步优化SOFC设计与分析提供了必要条件。

基于扰动的精英反向学习粒子群优化算法

针对粒子群算法容易陷入局部极值、进化后期收敛精度低的缺点,提出了一种基于扰动的精英反向学习粒子群算法。算法采用在粒子迭代的过程中,以一定的概率对当前的最优个体进行动态一般反向学习生成其反向解,引导粒子向最优解空间靠近;用一种非线性递减的方式改变惯性权重,以提高算法的收敛速度和收敛精度;采用扰动的方式增强算法的局部探索能力,帮助粒子跳出局部最优解。在14个标准函数上进行仿真测试,结果表明改进算法具有更高的收敛速度和收敛精度,能有效地避免陷入局部最优,适合求解函数优化的问题。

基于机器学习的带钢表面缺陷分类方法研究

对基于BP神经网络和支持向量机的带钢表面缺陷类别识别方法进行了研究,基于检测出缺陷的目标图像,根据不同缺陷的灰度均值设定两种阈值,进行二值化处理;结合目标图像和二值化图像提取几何特征、形状特征以及灰度特征。在基于BP神经网络训练分类器时,采用三层神经网络模型,通过多次实验确定隐含层神经元数;在基于支持向量机训练分类器时,采用高斯径向基函数作为核函数,通过交叉验证确定相关参数,采用"一对一"的策略实现多分类。实验结果表明,支持向量机模型分类准确率更高,BP神经网络平均识别时间优于支持向量机。

多尺度卷积递归神经网络的RGB-D物体识别

为充分利用RGB-D图像提供的潜在特征信息,提出了多尺度卷积递归神经网络算法(multi-scale convolutional-recursive neural networks,Ms-CRNN)。该算法对RGB-D图像的RGB图、灰度图、深度图及3D曲面法线图进行不同尺度分块形成多个通道,每个通道与相应尺寸的滤波器卷积,提取的特征图经局部对比度标准化和下采样后,作为递归神经网络(recursive neural networks,RNN)层的输入以得到更加抽象的高层特征;融合后的多尺度特征由SVM分类器进行分类。基于RGB-D数据集的仿真实验结果表明,综合利用RGB-D图像的多尺度特征,提出的Ms-CRNN算法在物体识别率上达到88.2%,与先前方法相比有了较大的提高。

基于卷积神经网络的视频图像失真检测及分类

为了检测不同失真类型的视频图像,实现对失真视频图像的分类处理,提出一种基于卷积神经网络的视频图像失真检测及分类方法。将视频图像分割成较小的图像块作为输入;然后利用卷积神经网络主动学习特征,引入正负例均衡化和自适应学习速率减缓过拟合和局部最小值问题,由softmax分类器预测图像块的失真类型;最后采用多数表决规则,得到视频图像的预测类别。采用仿真标准图像库(LIVE)和实际监控视频库对该方法进行性能测试,前者的总体分类准确率达到92.22%,后者的总体分类准确率达到92.86%。整体的分类准确率高于已有的其他三种算法。引入正负例均衡化和自适应学习速率后,CNN的分类准确率得到明显提升。实验结果表明,该方法能主动学习图像质量特征,提高失真视频图像分类检测的准确率,通用于任意失真类型的视频图像分类检测,具有较强的鲁棒性和实用性。

基于变参数模型的锂电池荷电状态观测方法（英文）

锂电池荷电状态(SOC)观测技术作为电池管理系统(BMS)的关键技术,在维持电池系统设备安全高效运作、延长电池组整体生命周期等方面均起着不可或缺的作用.本文以改善锂电池荷电状态的观测结果为目的,对锂离子电池荷电状态的观测方法进行了研究,基于二阶变参数锂电池模型,设计了一种有效的改善SOC观测精度的方法.首先,根据SOC的定义,建立了安时积分估计(AH),通过引入二阶变参数锂电池模型建立扩展卡尔曼滤波估计器(EKF),然后结合Takagi-Sugeno模糊模型原理,设计Takagi-Sugeno和EKF联合估计器(TS–EKF).最后,在Simulink仿真平台上验证了SOC观测方法的准确性和实用性.结果表明,本文所设计的Takagi-Sugeno和EKF联合估计器可以改善SOC观测精度.

面向微博图文相关关系识别的多模态特征组合研究

微博是常用的社交媒体,但对于微博图片和文本相关性的研究还很少。为研究中文图文微博相关性,使用了三种方法计算图文微博相似度特征,并将其与图文微博文本特征、社会特征组合起来,采用三种机器学习方法进行相关性分类。实验结果表明,针对三种图文相似度特征计算方法,基于Word Net的方法与基于WordEmbedding的方法效果较好,基于余弦相似度的方法效果较差;而加入文本特征和社会特征后,相关关系识别结果在三种机器学习算法上都有所提高。综合考虑三种因素,使用Word-Embedding方法计算图文微博相似度特征,将其与文本特征和社会特征相组合,采用BP神经网络进行相关关系识别效果最好。

基于深度学习的SOFC球壳结构检测方法

为优化固体氧化物燃料电池(SOFC)制备工艺提供数据支持和理论依据,提出一种基于光学显微镜微观图像的球壳检测方法。在SOFC阳极微观图像上如果出现球壳结构,表明氧化镍(NiO)未完全还原,该现象严重影响电池的电化学性能、稳定性和使用寿命。为此,利用深度学习方法对SOFC光学显微镜图像进行球壳结构检测,分析阳极NiO的还原程度,通过预选框尺度、网络结构及参数的优化来提高检测性能。为充分利用有限的数据训练网络模型,对训练数据进行扩增。实验结果表明,该检测方法可准确有效地检测与识别形状复杂的SOFC阳极球壳结构,具有检测速度快,球壳结构定位精度较高等优点。

基于ACM/ICPC的学生专业能力和创新能力培养研究

计算机专业能力和创新能力是IT企业检验学生的两大标准。针对目前高校学生编程能力低、毕业竞争力差的问题,结合基于ACM/ICPC的计算机专业育人模式,总结管理和实践的经验,为高校计算机大学生的专业能力及创新能力培养体系提供新思路。

基于合作规则的脉冲神经膜系统的小通用性

基于合作规则的脉冲神经膜系统是一类受神经元利用脉冲进行信息处理与通讯的生物功能启发得到的分布式并行计算模型的变体.在这类系统中,每个神经元具有相同有限数量的规则集合,且所有神经元中的集合用相同的标签进行标记,规则的集合称为组件.文中研究了基于合作规则的脉冲神经膜系统的小通用性:作为产生数的装置,构造了一个需要6个神经元的通用脉冲神经膜系统,这个结果回答了Metta等提出的一个公开问题。

量子衍生PDE医学超声图像去斑

目的医学超声图像常常受到斑点噪声的污染而导致质量降低,影响后续诊疗。为了解决医学超声图像在滤波去斑的同时保持图像边缘细节和结构特征的问题,借鉴量子力学的基础理论,提出一种量子衍生偏微分方程(PDE)医学超声图像去斑方法。方法针对传统P-M方程各向异性扩散的自适应去斑能力有限的问题,引入量子理论改进扩散系数增强去斑算法的自适应能力。同时构造出各向异性扩散模型,提出一种量子衍生的偏微分方程医学超声图像去斑方法。结果通过对模拟斑点噪声污染的图像和真实医学超声图像实验,比较信噪比(SNR)、边缘保持度、结构相似度(SSIM)等客观评价指标,本文方法较其他图像去斑方法更能有效去除斑点噪声,同时又能较好地保持图像边缘细节与结构特征。结论本文方法能够有效地解决医学超声图像去斑中保持图像细节特征的问题,同时,量子理论的引入也为后续医学超声图像的研究提供了新思路。

基于密度聚类和社区探测的蛋白质相互作用热区的预测方法

在蛋白质相互作用基础上,热点残基有聚集在一起形成模块的倾向,这样的模块被定义为热区。热区对揭示生物体的生命活动起着重要的作用,因此,如何有效而精确地对热区进行预测,是一个重要的研究方向。作者结合热区空间密度普遍大于非热区空间密度的特性,先采用聚类算法得到簇集,而后利用相关计算模型得到的结合自由能值过滤掉簇中非热点残基及某些不符合条件的簇。最后,使用社区探测技术处理过滤后的簇集,从而得到最终的预测热区。实验结果显示该热区预测方法具有较好的预测效果。