虚拟专辑

  • 显示方式:
  • 简洁模式
  • 摘要模式
  • 1  一种面向室内 AGV 路径规划的改进蚁群算法
    肖金壮,余雪乐,周 刚,孙可可,周 振
    2022, 43(3):277-285.
    [摘要](2374) [HTML](0) [PDF 5.70 M](3209)
    摘要:
    针对传统蚁群算法在大规模和复杂环境中,全局搜索效率差,收敛速度慢,路径转弯次数过多且不够平滑等问题,本文 提出一种改进蚁群算法。 该方法通过动态更新不同等级蚂蚁路径上的信息素,加快算法的收敛速度;通过引入距离函数和方向 函数作为启发因子,改善路径搜索质量;采用一种改进自适应伪随机转移策略,减小陷入局部最优解的概率;在最优路径的基础 上引入三次均匀 B 样条曲线进行优化,提高路径的平滑性。 通过在 2 种不同规模环境下的路径规划实验表明,本文算法相比传 统算法在分别减少 55. 6% 和 59. 4% 转弯次数的基础上,提升 87. 5% 和 100% 的收敛速度,验证了本文算法的优越性。 最后,以 QBot2e 为平台,将本算法应用到室内自动导引车(AGV)路径规划中,进一步验证了算法的实用性。
    2  基于人工蜂群-自适应遗传算法的仓储机器人路径规划
    李艳生,万 勇,张 毅,匡衡阳
    2022, 43(4):282-290.
    [摘要](1510) [HTML](0) [PDF 8.77 M](11233)
    摘要:
    为了规划出一条更加节能的拣选路径,针对基本遗传算法的性能依赖于初始种群的质量、遗传算子的选择、交叉和变异 操作,提出一种适用于仓储机器人路径规划的人工蜂群-自适应遗传算法。 首先通过人工蜂群算法初始化种群以增强种群多样 性;将路径长度、转弯次数和机器人运行能耗作为适应度函数的评价指标;然后基于三角函数设计自适应策略调整的交叉、变异 算子以提高算法的收敛速度。 仿真实验表明,在 20×20 大小的栅格地图中,本文提出的人工蜂群-自适应遗传算法规划的路径 能耗比基本遗传算法减少 5. 22% ;而在 40×40 大小的栅格地图中,本文提出的人工蜂群-自适应遗传算法规划的路径能耗比基 本遗传算法减少 9. 08% 。 最后实验表明,采用本文提出的人工蜂群-自适应遗传算法规划的能耗减少 7. 64% ,且规划的路径更 平滑,更加适用于仓储机器人的路径规划。
    3  基于多注意力 Faster RCNN 的噪声干扰下 印刷电路板缺陷检测
    陈仁祥,詹 赞,胡小林,徐向阳,蔡东吟
    2021(12):167-174.
    [摘要](1053) [HTML](0) [PDF 6.79 M](3370)
    摘要:
    针对工业环境中噪声干扰导致的印刷电路板缺陷检测困难的问题,提出基于多注意力 Faster RCNN 的印刷电路板缺陷检 测方法,分别于特征提取以及特征融合部分引入注意力机制以获得具有抗干扰能力的特征表示,提升检测效果。 首先使用分离注 意力网络提取缺陷特征,使网络自动关注到缺陷特征,以降低噪声干扰的影响;其次,使用平衡特征金字塔融合不同分辨率特征, 利用非局部注意力机制对融合特征进行全局感受野内不同区域特征的加权,增强其缺陷表征能力并进一步抑制噪声干扰;最后, 依据所获得的特征表示,利用区域建议网络生成缺陷候选框并利用全连接层对其进行位置以及类别的确定以得到检测结果。 在 不同程度噪声干扰下的印刷电路板缺陷数据集上进行实验验证,平均检测精度达到 92. 4% ,证明了所提方法的有效性和可行性。
    4  融合多层级特征的遥感图像地面弱小目标检测
    闫钧华,张 琨,施天俊,朱桂熠,刘 勇,张 寅
    2022, 43(3):221-229.
    [摘要](2191) [HTML](0) [PDF 21.44 M](3234)
    摘要:
    为解决遥感图像地面弱小目标检测中弱小目标信息量少、信息真假混杂的难题,本文提出一种融合多层级特征的遥感 图像地面弱小目标检测算法 CC-YOLO。 该算法首先利用深度卷积神经网络逐级对目标图像进行特征提取,得到高低层特征空 间金字塔图;然后,对空间金字塔图进行跨层级通道特征融合,结合新增的位置注意力机制 CA,分别沿两个空间方向聚合特征, 保留弱小目标精确的位置信息;最后,在聚合后生成的双支路特征图上进行端到端的目标检测,联合多通道检测信息输出检测 结果。 为解决算法实验中图像数据匮乏的问题,构建了遥感图像地面弱小目标数据集 GDSTD。 实验结果表明,算法 AP0. 5 ∶0. 95 达到 42. 3% ,AP0. 5 达到 94. 6% ,检测速率 FPS 达到 58. 8 帧/ s,具有一定的鲁棒性和实时性。
    5  融合层次特征和注意力机制的轻量化矿井图像 超分辨率重建方法
    程德强,陈 杰,寇旗旗,聂帅杰,张剑英
    2022, 43(8):73-84.
    [摘要](3219) [HTML](0) [PDF 12.50 M](5045)
    摘要:
    针对矿井图像灰暗模糊、边缘不清晰等问题,提出了一种融合层次特征和注意力机制的轻量化矿井图像超分辨率重建 方法。 首先设计一种残差坐标注意力模块,在残差块中融入坐标注意力机制,使网络获得更丰富的高频细节信息;其次采用层 次特征融合机制,对不同网络层次的特征信息进行特征融合,促进边缘细节信息的重建。 最后,再对融合后的特征进行降维以 减少模型计算量和参数量。 为了使模型在真实矿井场景中具有更好的泛化能力,构建了一种煤矿井下图像数据集 CMUID 用于 网络模型的训练和测试实验。 实验结果表明,本文算法的重建图像质量在客观指标和主观感受上均优于其他对比算法。 当缩 放因子为 4 时,与 OISR 算法相比,在煤矿井下数据集上 PSNR 和 SSIM 的平均值分别提升了 0. 318 5 dB 和 0. 012 6,在公共数据 集上 PSNR 和 SSIM 的平均值分别提升了 0. 1 dB 和 0. 003 5;网络模型参数量减少了 70. 7% 。
    6  强背景噪声条件下自适应图卷积神经网络的航空 发动机附件机匣故障诊断方法
    余晓霞,汤宝平,魏 静,邓 蕾
    2021(8):78-86.
    [摘要](954) [HTML](0) [PDF 12.80 M](3750)
    摘要:
    针对强背景噪声条件下航空发动机附件机匣故障难以诊断的问题,提出了自适应图卷神经网络(AGCNet)航空发动机 附件机匣故障诊断方法。 将航空发动机附件机匣振动信号通过小波包进行分解,并将小波包系数矩阵定义为包含节点与边的 图。 在图卷积神经网络中构建自适应图卷积核,基于切比雪夫多项式设计了一种自适应图卷积操作,通过自适应图卷积核对图 中节点与边进行特征提取,增强模型在强噪声条件下的泛化性。 最后利用全连接层进行特征抽取,进而实现航空发动机附件机 匣故障。 应用案例表明所提自适应图卷积神经网络模型(AGCNet);在强背景噪声条件下对航空发动机附件机匣故障平均诊断 精度为 86. 42% ,均高于 LeNet、ResNet 以及 GCNet 模型。 能够有效识别故障,可应用于航空发动机附件机匣故障诊断。
    7  一种远距离行人小目标检测方法
    石 欣,卢 灏,秦鹏杰,冷正立
    2022, 43(5):136-146.
    [摘要](2052) [HTML](0) [PDF 12.31 M](3767)
    摘要:
    远距离行人小目标成像像素少、缺乏纹理信息,深度卷积神经网络难以提取小目标细粒度特征,难以准确识别与检测。 本文提出一种远距离行人小目标检测方法。 首先,在 YOLOv4 的基础上引入浅层特征改进特征金字塔,提取行人小目标细粒度 特征,提出引力模型特征自适应融合方法,增加多层次语义信息之间的关联度,防止小目标特征信息流失。 然后,采用增强型超 分辨率生成对抗网络增加行人小目标特征数量,提高行人小目标检测准确率。 最后,选取图像像素中占比范围为 0. 004% ~ 0. 026% 的行人小目标建立试验数据集,通过与 Faster RCNN、ION、YOLOv4 对比实验验证。 结果表明,本文方法 mAP0. 5 提高了 25. 2% 、26. 3% 、11. 9% ,FPS 达到 24,研究成果在远距离安防监测监控领域具有重要应用价值。
    8  风力发电机组发电机前轴承故障预警及辨识* .txt
    尹诗 ,侯国莲,胡晓东,周继威,弓林娟 .txt
    2020, 41(5):242-251.
    [摘要](1426) [HTML](0) [PDF 7.90 M](4494)
    摘要:
    摘要:为实现风电机组发电机前轴承故障预警及辨识,将监控和数据采集系统(SCADA)时间序列数据和状态监测系统振动数据相结合,提出了一种时频域建模方法。首先,利用SCADA数据建立基于门控循环单元神经网络的发电机前轴承温度模型,并计算其温度残差特征;其次,提取发电机前轴承振动信号时域特征和频域特征;最后,将温度残差特征和振动信号时频域特征相融合,建立基于极限梯度提升的前轴承故障辨识模型,从而辨识发电机前轴承正常、内圈损伤、外圈损伤、轴不平衡、滚动体损伤5类情况。实验研究表明,该方法比单独利用振动信号特征开展前轴承故障预警辨识的准确率高,其正常、内圈损伤、外圈损伤的平均辨识准确率从87%、585%、65%,分别提升到885%、675%和74%。 .txt
    9  基于二维平面靶标的线结构光标定*
    于龙龙 ,李艳文 ,栾英宝 ,陈子明 ,李赫
    2020, 41(6):124-131.
    [摘要](1310) [HTML](0) [PDF 7.23 M](4426)
    摘要:
    摘要:摘要为实现对线结构光的高精度标定,提出一种新的基于二维平面靶标的线结构光标定算法。首先拟合图像坐标系下光条直线方程,通过图像坐标系与相机坐标系的转换关系求解相机坐标系下在图像中的光条直线方程;求解过相机坐标系原点与此直线所确定的平面方程,之后确定二维靶标平面在相机坐标系下的平面方程,此两平面的交线即为标定板上的光条直线在相机坐标系下的方程;每幅标定板图像均做以上处理,通过最终提取出的多组光条中心线拟合激光平面方程。实验表明,在一般的实验环境下,此算法弥补了以往算法的标定点少的缺陷,具有高精度和操作简便的优点,最大差值为0006mm。
    10  基于偏最小二乘的数控机床热误差稳健建模算法
    魏新园,钱牧云,冯旭刚,苗恩铭,陈雨尘
    2021(5):34-41.
    [摘要](643) [HTML](0) [PDF 7.02 M](2951)
    摘要:
    建立预测模型对热误差进行预测和补偿是解决机床热误差问题的常用方法,该方法中模型的预测精度和稳健性易受环 境温度影响而明显下降,对此本文提出了基于偏最小二乘法的热误差稳健建模算法。 首先使用相关系数法筛选温度敏感点,并 建立热误差偏最小二乘回归预测模型。 进而基于全年环境温度下的多批次热误差实验数据,分析最佳的温度敏感点个数。 最 后建立热误差偏最小二乘回归模型,并与普通多元线性回归模型的预测效果比对分析。 结果表明本文所提算法平均预测精度 为 5. 7 μm,模型稳健性为 0. 56 μm,相较于普通多元线性回归算法,预测精度和稳健性分别提高 13. 8% 和 49. 5% 。 说明本文所 提的热误差稳健建模算法能够在环境温度变化较大时保持高预测精度和高稳健性。
    11  基于电化学阻抗谱的退役动力电池荷电状态 和健康状态快速预测
    骆 凡,黄海宏,王海欣
    2021(9):172-180.
    [摘要](814) [HTML](0) [PDF 3.25 M](3161)
    摘要:
    针对现阶段检测退役动力电池健康状态存在的耗时长、精度低和能耗大等问题,提出了一种基于电化学阻抗谱(EIS) 的电池荷电状态(SOC)和健康状态(SOH)的快速预测方法。 通过对退役磷酸铁锂动力电池在不同 SOH、不同 SOC 和不同温度 下的 EIS 测试和分析,建立了 EIS 等效电路模型。 然后,利用常相位元件参数与退役动力电池 SOC 和 SOH 之间的关系,建立数 学模型,实现对退役动力电池 SOC 和 SOH 的快速估计。 验证实验表明,利用这种方法,可以大大减少测试时间至 20min 以内、 节约能源以及实现对未知荷电状态和健康状态的电池的快速估计,预测误差在 4% 以内。
    12  融合改进 YOLOv5 算法的图像全站仪全自动测量方法
    郎 松,曹 选,张艳微,高若谦,巩 岩
    2022, 43(5):120-127.
    [摘要](2319) [HTML](0) [PDF 4.38 M](3090)
    摘要:
    针对图像全站仪在无棱镜合作工作模式下无法实现目标点全自动测量的问题,提出一种融合改进 YOLOv5 算法的图像 全站仪全自动测量方法。 应用融合卷积注意力机制模块的 YOLOv5 算法,实现了反射片靶标的广角镜头识别与检测;应用目标 自动照准算法,实现了反射片靶标中心的长焦镜头精确照准,进而实现目标点位置坐标的全自动测量。 借助自研的图像全站仪 开展了反射片靶标的识别与检测实验和目标点全自动测量实验。 实验结果表明,利用改进的 YOLOv5 算法对反射片靶标的识 别与检测的准确率可达 98. 65% ;目标点全自动测量方法具有与人工照准测量方法相当的测量精度且测量效率较后者提高了 1. 5 倍。 所提方法具有较高的测量精度和测量效率,可广泛应用于无人值守的全自动测量工作场合。
    13  基于长短时记忆和卷积神经网络的手势肌电识别研究
    陈思佳,罗志增
    2021(2):162-170.
    [摘要](1478) [HTML](0) [PDF 5.62 M](3976)
    摘要:
    用表面肌电进行手势识别具有细节信息可选择性和抗外界干扰能力强的优势,但现有方法的适应性和识别准确性还不 足。 通过在卷积神经网络的基础上增加长短时记忆网络处理层,构筑手势识别模型,它能捕获手势动作过程的肌电时序特征, 一定程度上减少了过拟合的现象。 利用手势肌电丰富的时频域信息,提取手势肌电的小波包特征图像,并与手势肌电图像一起 作为识别模型的输入数据,拓展手势识别模型中肌电信号的类别信息,同时在长短时记忆网络处理层与卷积神经网络层之间引 入注意力机制,使得该模型能间接提高关键手势肌电通道的权重。 实验结果证实本识别模型结合肌电两种特征输入的处理方 法,与普通卷积神经网络模型以肌电图像输入的方法相比,识别准确率提升了 4. 25% 。
    14  基于改进深度稀疏自编码器及FOAELM的电力负荷预测*
    张淑清,要俊波,张立国,姜安琦,穆勇
    2020, 41(4):49-57.
    [摘要](1208) [HTML](0) [PDF 15.61 M](2945)
    摘要:
    摘要:智能电网的发展使得电网获取的数据逐渐增多,为了从多维大数据中获取有用信息并对短期内电力负荷进行准确的预测,提出了一种基于改进的深度稀疏自编码器(IDSAE)降维及果蝇优化算法(FOA)优化极限学习机(ELM)的短期电力负荷预测方法。将L1正则化加入到深度稀疏自编码器(DSAE)中能够诱导出更好的稀疏性,用IDSAE对影响电力负荷预测精度的高维数据进行特征降维,消除了指标间的多重共线性,实现高维数据向低维空间的压缩编码。采用FOA优化算法优化ELM的权值和阈值,得到最优值,能够克服因极限学习机随机选择权值和阈值导致预测精度低的缺点。首先将气象因素通过IDSAE降维,得到稀疏后的综合气象因素特征指标,协同电力负荷数据作为FOA优化的ELM预测模型的输入向量进行电力负荷预测。通过与DSAEFOAELM、DSAEELM和IDSAEELM等模型的对比实验,证明了提出的预测模型能有效提高预测精度,经计算得出预测精度提升大约8%。
    15  基于混沌映射与差分进化自适应教与学优化算法的太赫兹图像增强模型
    孙凤山,范孟豹,曹丙花,叶 波,刘 林
    2021(4):92-101.
    [摘要](867) [HTML](0) [PDF 10.44 M](3184)
    摘要:
    为消除功率起伏效应引起的太赫兹(THz)图像局部伪影,构建了基于同态滤波的 THz 图像增强模型。 然而,模型各参 数取值差异大且耦合性强,给其参数确定带来了困难。 为此,本文提出了混沌映射与差分进化自适应教与学优化算法以求解增 强模型最优参数。 首先,改进了标准 Logistic 混沌映射,提高了种群多样性。 其次,引入适应度更新率,构造了自适应惯性权重 调节函数,平衡了全局与局部寻优能力,利于种群向最优解逼近。 然后,基于差分变异思想构建了教改阶段,避免算法陷入局部 最优。 最后,制备了缺陷样品,开展了太赫兹无损检测实验,结果表明:较其他 3 种方法,本文方法消除伪影效果最佳,THz 图像 二维熵分别提升了 16% 、5% 、10% ,平均梯度分别提升了 39% 、8% 、19% 。
    16  基于生成对抗网络的风电机组在线状态监测*
    金晓航 ,许壮伟,孙毅 ,单继宏 ,王欣
    2020, 41(4):68-76.
    [摘要](1765) [HTML](0) [PDF 10.34 M](3813)
    摘要:
    摘要:基于风电机组数据采集与监控系统(SCADA)的大量时序数据分析,提出一种基于生成对抗网络(GAN)的风电机组在线状态监测方法。首先,通过GAN模型中的生成器获得一组与SCADA数据相同维度的生成数据;其次,利用生成的和真实的SCADA数据对GAN模型进行优化训练进而得到用于区分机组健康状态的判别器模型。利用所提方法分别对一台故障风电机组和一台健康风电机组的SCADA数据分析后发现:GAN方法能够有效监测风电机组的在线运行状态,比SCADA系统提早5 d发现故障机组的异常;当风电机组正常工作时,GAN方法比其他方法(如马氏距离、主成分分析、深度神经网络、支持向量机等)误报的次数更少;当机组发生故障后,GAN方法比上述其他方法能检测出更多的异常样本。