摘要:三维靶镜是微纳米坐标测量机系统中的重要组成部分,其各面间正交性对保障系统测量精度至关重要。 为检验三维靶 镜加工是否符合测量机精度要求,对三维靶镜正交偏差角进行测量及不确定度评定,在量值特性分析建模基础上,研究了测量 不确定度表示指南传统方法(称为 GUM 法)、蒙特卡洛方法(MCM)及自适应蒙特卡洛方法(AMCM)3 种测量评定方法。 测量 评定结果对比表明,三维靶镜加工精度基本符合预期要求,其中 Z-X 面和 Y-Z 面的面间夹角均为 0. 5″左右,X-Y 面间夹角在 3. 3″左右;3 种方法所得评定结果基本一致,MCM 和 AMCM 较 GUM 法评定结果更合理,AMCM 相对 MCM 更高效。 所做工作为 后续研究微纳米坐标测量机面向任务的测量不确定度评定提供了借鉴方法。

摘要:本文提出一种压力传感器幅频特性不确定度评定方法。 首先,基于核密度估计法计算压力传感器模型参数的概率密度 分布,采用舍选抽样法生成符合概率密度分布的伪随机数;然后,提出一种自适应蒙特卡洛迭代收敛阈值优化方法,实现最优迭 代次数的准确估计;最后,基于最优迭代次数,采用自适应蒙特卡洛法对压力传感器幅频特性的不确定度进行评定,得到其最优 估计值、标准不确定度和给定置信概率下的不确定度区间。 通过压力传感器幅频特性不确定度评定实验验证本文方法的性能。 实验结果表明,本文方法得到的压力传感器幅频特性不确定度绝对误差的均值和最大值分别为 8. 837×10-5 和 5. 103×10-3,与 蒙特卡洛法(实验次数为 100 000)相比分别降低了大约 55%和 76%,与自适应蒙特卡洛法相比分别降低了大约 67%和 79%,说 明本文方法可以有效地评定压力传感器幅频特性的不确定度。

摘要:长度是 7 个基本物理量之一,在人们工作和生活中有着广泛的应用场景。 本文提出了一种由两个激光测距传感器构成 的双臂激光测距系统,可以通过非接触方式测量仪器与空间中任意一点以及空间中任意两点之间的距离,还具备测量阴角、阳 角和二维垂直度的功能。 本系统测量误差从理论上被分析,并通过 MATLAB 软件进行了仿真。 实际的实验测试表明,测量距 离在 1 m 以内时绝对误差能控制在 1 mm 以内,测量距离在 50 m 以内时相对误差能控制在 1‰的数量级。 同时,重复性测量实 验和测量不确定度评定验证了本系统的误差指标,也为本系统的改进指明了方向。 本仪器还具有功耗低、成本低和便于便携化 等优势,因此有着广阔的应用前景。

摘要:矢量网络分析仪的初始相位具有随机性,利用其对极化特征参数 H/ α — 进行测量时会出现较大误差。 本文提出了一种 利用矢量网络分析仪进行全极化散射矩阵测量及校准,准确获取极化特征参数 H/ α — 的方法。 首先构建了全极化散射矩阵测量 系统,然后利用圆盘,0°二面角和 22. 5°二面角对测得的极化散射矩阵进行校准,消除了矢量网络分析仪初始相位随机性带来的 误差,实现了极化特征参数 H/ α — 的准确测量。 在微波暗室内对金属平板进行了实验验证,结果表明,通过极化校准得到的散射 角 α — 与理论值相比误差小于 3°,说明了该方法通过测量和校准极化散射矩阵的幅度和相位,能够准确地获得目标的极化特征 参数 H/ α — 。

摘要:微波射频芯片进行时域测量时,数字示波器的宽带探头是测试芯片的一个关键子系统,为准确测量芯片,必须要清楚示 波器探头系统的传输性能。 为此,设计了一种包含接地共面波导的数字示波器宽带探头校准系统,依据校准系统的信号传输特 性,用反卷积求出数字示波器宽带探头系统的频率响应,并计算其带宽,以实现对该探头系统的校准。 之后用该方法对 Keysight Infiniimax 高频差分有源探头系统进行了校准,得到其带宽数值约为 12 GHz 与标称带宽 12 GHz 相符,表明设计的校准系统合 理可行。

摘要:本文研制了一种二级曲面扫描测量装置,目的是解决传感器高精度和大量程之间的矛盾,让矢高较大的曲面的测量成 为可能。 采用二级测量系统,对高精度传感器的量程进行扩展,实现大量程高精度的曲面扫描测量。 二级测量系统采用音圈电 机驱动柔性铰链带动高精度传感器做直线运动,使被测曲面始终保持在高精度传感器的测量范围内并由高精度传感器的测量 数据作为一级测量数据,高精度光栅尺对柔性铰链的位移测量数据作为二级测量数据,通过对两级测量数据进行处理即可获得 测量点信息,最终实现了 5 mm 的量程扩展。 同时,高精度光栅尺还作为柔性铰链伺服系统反馈装置。 随后对二级测量系统进 行性能评估,对其不确定度进行了分析计算,最后对测量装置的大量程扫描能力进行了实验验证,证明该装置具备大量程扫描 测量的能力。

摘要:单能 X 射线标定装置是基于布拉格衍射原理产生单能 X 射线的装置,能量连续可调的单能 X 射线可以为探测器提供 能量可选的详细标定实验。 使用蒙特卡洛计算软件对两个不同型号的硅漂移探测器的探测效率进行模拟计算,得到 3 ~ 50 keV 能量段的探测效率,在单能 X 射线标定装置上完成了硅漂移探测器探测效率的标定实验,得到实验测量的探测效率曲线,并与 模拟效率曲 线 对 比。 其 中, PNDetector 公 司 的 MLC 型 硅 漂 移 探 测 器 的 实 验 结 果 与 理 论 计 算 结 果 的 误 差 最 大 值 为 4. 23%@ 15 keV,KETEX 公司的 BEV 133 型硅漂移探测器的实验结果与理论计算结果的最大误差为-6. 88%@ 12 keV。 结果表 明,在 7~ 16 keV 能量段,两个探测器的实验标定结果与理论计算结果相符,在 8 keV 左右,实际探测效率大于 90%。 研究成果 验证了使用基于布拉格晶体衍射原理的单能 X 射线用于探测器标定的优越性,为国产化 X 射线探测器提供可靠的性能研究与 测试平台。

摘要:针对 EAST 全超导托卡马克装置的分子泵在数据集不平衡条件下导致的故障识别率低,模型容易过拟合等问题,提出 了一种基于时频域分析与改进的 LightGBM 算法相结合的方法。 首先,利用在 EAST 搭建的分子泵实验平台采集正常与故障的 振动数据,再对数据进行时频域特征提取。 其次,通过优化误分类代价,建立了代价敏感型 LightGBM 故障检测架构。 最后,将 得到的特征量作为代价敏感型 LightGBM 算法的输入,实现分子泵故障检测。 经实验验证,该方法的正确率达 99. 4%,同时,所 提出的方法在误报率和漏检率方面均优于传统分类算法与 LightGBM 算法。 此方法能够有效解决模型过拟合问题,实现对分子 泵故障的高准确率检测。

摘要:针对网络入侵检测中攻击样本和流量特征不足的问题,提出一种基于自监督特征增强的 CNN-BiLSTM 网络入侵检测方 法,实现在流量数据中检测异常网络流量的目标。 通过分析流量特征数据分布差异,采用 IQR 异常值处理方法进行数据预处 理,使用自编码器对攻击样本进行数据增强,构建 CNN-BiLSTM 神经网络和自编码器组成半自监督模型,分别提取高维流量特 征和自监督特征,将组合特征作为最终特征输入到分类模型中进行预测分类,实现网络入侵检测。 实验结果表明,与其他入侵 检测方法相比,所提方法在准确率和 F1 分数上分别达到了 85. 7%和 85. 1%,能够有效提高网络入侵的检测精度以及对未知攻 击的检测能力。

摘要:时序控制系统是冷原子干涉实验、重力仪研制及应用测试必不可少的组成部分,负责协调、驱动和控制各子系统的运 行,是冷原子干涉控制的中枢单元。 针对冷原子干涉过程中高精度调节、多路同步及可灵活调控的时序控制需求,设计实现了 一套基于 ARM+FPGA 架构的冷原子干涉可编程时序控制系统,其由时序主控模块和多个从设备模块构成,具有同步触发、模拟 调制、射频驱动、信号采集和数据处理等功能。 系统测试和冷原子干涉实验结果表明,该系统时序调节精度可达 10 ns,控制精 度和多路同步精度均优于 2 ns,符合冷原子干涉时序控制应用需求,成功用于冷原子干涉重力测量。

摘要:受电弓-接触网作为牵引供电系统的重要组成部分关系着高速列车的安全与稳定,及早的对弓网电弧进行识别对于保 障列车稳定运行具有十分重要的意义。 通过计算更符合列运实际的“Z”字摩擦速率并对列车的运行时速、接触压力及接触电 流依次进行单变量调整,模拟了 4 种不同工况的弓网受流实验。 基于实验数据,从特征供给和参数优化两方面出发:首先,利用 D-score 评估准则对电流特征进行对比,筛选出电弧识别特征及其显著区间;其次,设计样本定容环节考察特征信息的完备性; 最后,利用海鸥算法( seagull optimization algorithm,SOA)优化支持向量机( support vector machine,SVM)对弓网电弧建模识别。 经测试结果与对比分析得出,SOA-SVM 能够快速、有效的对弓网电弧建模识别,平均识别水平达 98. 5%、总体识别水平在 97% 以上。

摘要:现有的针对 PCB 裸板的缺陷检测方法存在精确度低、实时性差且难以在移动端部署等问题,本文以 YOLO( you only look once)v4 算法为基本框架并对其进行改进,提出了一种专门针对 PCB 裸板的缺陷检测算法。 针对 YOLOv4 算法难以在移 动端部署的问题,采用 GhostNet 取代 CSPDarknet53 以轻量化整个检测网络。 为弥补 YOLOv4 算法在多尺度特征融合方面的性 能不足,提出了一种双向自适应特征融合网络 AF-BiFPN 取代 PANet 网络。 为进一步提高模型的检测精度,在 AF-BiFPN 特征 融合网络的采样的过程中插入 m-ECANet 通道注意力机制。 实验结果证明,改进后的 YOLOv4 算法的模型大小为 18. 64 MB,检 测的平均精度(mean average precision,mAP)为 98. 39%,检测速度为 62. 23 FPS,可为实际 PCB 裸板检测提供理论指导。

摘要:针对单一源域信息有限、域自适应对齐粒度不足导致滚动轴承剩余寿命( remain useful life, RUL)预测精度低的问题, 提出了一种多源域子域自适应(multi-source subdomain adaption network, MS_SAN)的滚动轴承剩余寿命预测方法。 首先,将采 集的原始振动信号进行快速傅里叶变换得到频域信号作为模型的输入。 其次,利用一维卷积将多个源域与目标域数据映射到 一个公共的特征空间,采用局部最大均值差异将每个源域与目标域的退化阶段在独立的特征空间进行领域自适应,缩小多个源 域与目标域之间的分布差异。 最后,通过综合各领域 RUL 预测模块的输出得到最终轴承剩余寿命预测结果。 在 PHM2012 数 据集上的测试结果表明该方法的预测准确率高于对比方法,能够对滚动轴承剩余寿命进行有效的预测。

摘要:对锅炉受热面积灰程度的有效预测,可为锅炉提升生产效率和故障预警提供重要依据。 采用清洁因子来评估受热面的 灰污沉积状况,针对其序列非线性、非平稳性的特点,提出一种基于互补集合经验模态分解与时间卷积网络的受热面积灰预测 方法。 首先,通过互补集合经验模态分解将经过小波阈值去噪处理后的原始序列分解为一组子序列分量;然后,针对不同子序 列分别构建基于时间卷积网络的时序预测模型,并优化网络超参数提升预测准确性;最后,将各 IMF 分量的预测结果叠加得出 清洁因子的预测数值。 由实验结果可得,相较于其他两种模型,预测精度分别提高 62. 1%和 57. 1%,CEEMD-TCN 模型对受热 面积灰状况预测精度最高,验证了该模型的准确性和可靠性。

摘要:针对铝板早期疲劳损伤检测和损伤程度评估问题,本文提出了基于异常指数(AI)的铝板疲劳损伤量化评估方法。 鉴 于铝板疲劳损伤引起的结构系统响应的非线性非平稳和混沌动态特性,引入了 Lamb 波时/ 频变换与相空间重构理论对铝板损 伤特征进行了多维度提取,并根据特征与损伤状态相关性及单调性进行了敏感特征筛选。 将铝板损伤检测问题转换为在一组 损伤敏感特征在状态描述空间中的二分类问题,采用自组织特征映射网络( SOM)对金属板正常状态和损伤异常状态进行辨 识。 为了进一步量化表征铝板损伤程度,采用 SOM 对损伤敏感特征进行了融合,采用 AI 值对铝板损伤状态进行了定量评估。 仿真和实验的结果表明,本文提出的基于 SOM 的异常指数对铝板疲劳损伤演化具有较高的敏感性与较好的动态追踪能力,在 铝板结构的健康监测与管理中既有较好的应用前景。

摘要:当前稻米等级的判定多依赖于人工挑拣称重计算,具有人工主观性强、检测效率低等缺陷,因此实现快速自动判定稻米 等级是稻米行业的必然趋势。 本文基于机器视觉技术设计并开发了稻米等级快速自动判定系统。 通过成像技术获取稻米籽粒 高分辨率图像,利用 Watershed 算法和自适应阈值函数对图像进行处理,对不同籽粒进行标记并运用卷积神经网络训练,选取 最优训练模型对糙米分类,利用线性回归分析数据,实现对稻米等级的判定。 本系统与人工对同一批稻米等级的判定结果相似 度可达 91. 4%,采用本方法设计的系统在对稻米等级判定的过程中不仅排除了人为的主观性,还在检测速度上有了显著提升, 从而提高了稻米分级判定效率。

摘要:为了更精确地从语谱图中提取特征信息,提出了一种基于 A-DResUnet 的语音增强方法。 A-DResUnet 模型在 ResUnet 模型的基础上融合了空洞卷积,提升捕获语音上下文信息的能力;同时在编码器中加入卷积注意力模块(CBAM),提高对噪声 谱图特征的关注。 实验结果表明,与模型输出目标为干净语音语谱图相比,用噪声谱图作为模型输出目标时,该模型对未知噪 声具有更强的分离能力;相较 ResUnet 模型,提出的 A-DResUnet 模型减少了语音细节信息的损失;对比基于 DNN、GAN 的语音 增强方法,PESQ 平均提升了 22. 81%、33. 11%,STOI 平均提升了 9. 62%、15. 33%,为复杂环境下的语音增强提供了一种更有效 的方法。

摘要:针对变压器故障诊断精度低的问题,本文提出一种改进寄生捕食算法(IPPA)优化概率神经网络(PNN)的电力变压器 故障诊断模型,首先利用主成分分析(PCA)对故障数据进行数据降维减少无效特征,然后利用混沌反向学习,柯西变异算子和 融合贝塔分布的线性递减函数的权重等多策略改进寄生捕食算法( IPPA),提高其优化能力,并使用改进后的 IPPA 算法优化 PNN 网络的平滑因子,以提高 PNN 的分类精度和鲁棒性。 最后将 PCA 处理后的数据输入到 IPPA-PNN 模型中进行故障诊断 并以变压器数据为依据进行测试,测试结果表明,IPPA-PNN 模型准确率达到 93%相比于 PPA-PNN 和 PSO-PNN 模型提高了 7%和 10%能够有效地提高变压器的故障诊断性能。

摘要:现有的无监督域自适应故障诊断方法大多只基于单一域信号实现,提取的故障信息不够全面。 只注重实现源域和目标 域特征的边缘分布对齐,忽略了样本的条件分布差异,限制了诊断精度的提升。 为克服以上问题,提出一种基于联合分布偏移 差异(joint distribution offset difference, JDOD)的跨域滚动轴承故障诊断方法。 使用两个结构一致的卷积神经网络(CNN)分别 提取信号的时域与频域特征,获取更完整的故障信息。 提出联合分布偏移差异,实现不同域特征的边缘分布对齐和条件分布对 齐。 在两个多工况轴承数据集上与多种先进方法展开对比实验,取得了 99%以上的平均诊断精度。 实验结果表明联合分布偏 移差异有效提升了跨域故障精度。

摘要:蓝牙技术联盟在蓝牙 5. 1 规范引入寻向功能,为大幅提升蓝牙定位技术的精度提供了新的解决途径,但并未对信号的 角度测量算法提供统一方案。 针对低功耗蓝牙在室内环境多径干扰下到达角估计困难这一问题,提出了一种面向矩形阵列的 改进二维 MUSIC 算法,通过对矩形阵列天线阵元进行二次划分,采用前后向平滑的方法修正一维子阵的协方差矩阵,再利用接 收信号矩阵的广义逆求出各个子阵协方差的关系,从而修正整个阵列接收信号的协方差矩阵。 该算法在没有降低信号协方差 矩阵维数的同时,恢复了信号协方差矩阵的秩,有效抑制室内多径信源引起的干扰。 经过仿真实验,证明了本文算法在低快拍 数、低信噪比的情况下对角度估计的精度有着较大改善。 并设计了相应的硬件系统进行室内与室外的实验,结果表明在多径干 扰严重的室内定位时定位精度改善更为明显,室内定位圆概率误差降低了 26. 75% ~ 60. 25%。 仿真和现场定位实验证明了本 文提出角度估计算法的有效性,该算法对其他应用领域的来波方向估计也具有重要参考意义。

摘要:针对现有方法对锂电池剩余使用寿命(RUL)预测精度不高,模型训练时间较长的问题,提出一种基于梯度提升决策树 算法(GBDT)结合网格搜索法(GS)的预测模型。 首先,分析锂电池的充放电循环过程,确定电压、电流、温度为可用健康因子 (HI);其次,处理历史数据中的异常值,并均值化可用健康因子数据为特征输入;最后,通过 GBDT 算法建立锂电池剩余使用寿 命预测模型,并采用 GS 优化模型参数。 基于 NASA 锂电池容量衰减数据,实验结果表明,模型在 RMSE、MAE、MAPE 评价指标 上相对其他方法均提升了约 10 倍,并且可将锂电池剩余使用寿命预测误差率控制在 0. 05 以内,训练时间缩减至 4. 5 s。

摘要:针对串联电弧故障检测困难,以及基于分解策略的检测方法难以捕获敏感判别分量的问题,提出一种融合自适应噪声 的完备经验模态分解(CEEMDAN)和敏感本征模态函数(IMF)精选的串联电弧故障检测方法。 本方法采用 CEEMDAN 算法对 故障电弧电流进行完备分解;并定义了电弧电流的 12 个特征指标,以敏感性较强的峭度指标和能量特征作为判定依据,从而实 现了 IMF 分量的频段划分;在此基础上,提出了基于时间窗的特征计算方法,通过获取各高频 IMF 分量的时间维度局部特征, 并通过比较方差、均方根值等特征指标实现敏感 IMF 分量的准确选取。 最后,针对电流特征集,采用主成分分析实现二次降 维,并基于支持向量机(SVM)实现串联电弧故障检测。 实验证明了所提方法的可行性和电弧故障检测的有效性。

摘要:针对在网状织物缺陷检测过程中因纹理复杂造成误检问题,提出了一种结构化矩阵分解的网状织物缺陷检测方法。 首先,通过 Retinex 算法对图像进行增强,利用所提取的底层图像特征生成特征矩阵,并将其分解为含有织物图像背景信息 的低秩矩阵和含有缺陷信息的稀疏矩阵;其次,引入了高级先验矩阵和索引树两个部分,通过利用增强后图像进行获取,并 对两个部分进行特征融合,实现缺陷显著性增强。 通过计算稀疏矩阵的值,获得缺陷的显著性的大小;最后,通过最佳阈值 分割算法分割缺陷显著图,从而得到缺陷检测结果。 利用公开数据集 TILDA 和 BASLER 工业相机采集到的网状织物缺陷图 像验证了算法的性能。 研究表明,与其他算法相比,本文算法的识别准确率达到 94. 25%,召回率达到 92. 48%,分类准确率 达到 90. 12%。

摘要:以提高螺杆转子等具有螺旋曲面零件铣削表面质量为目的。 根据螺杆转子加工特点,针对主轴转速、进给倍率和间歇 进给量进行单因素轮换铣削加工实验。 采用改进粒子群算法确定 BP 神经网络初始权值和阈值的最优值,采用训练后的改进 BP 神经网络算法对铣削后的螺杆转子表面粗糙度进行预测,并与传统 BP 神经网络进行对比。 结果表明,传统 BP 神经网络对 表面粗糙度的训练精度最低,改进算法中粒子群迭代 2 000 次的平均相对误差最小,为 1. 21%。 利用模型进行工艺参数对表面 粗糙度影响规律的预测,可以看出,其他工艺参数不变的前提下,随着主轴转速的升高,表面粗糙度呈现降低趋势;随间歇进给 量的增大,表面粗糙度先降低后升高;表面粗糙度随进给倍率的增加,呈现先降低后升高的趋势。 结论:改进神经网络算法可以 准确预测铣削后的螺杆转子表面粗糙度,为螺杆转子铣削加工中的工艺参数选择提供理论指导。

摘要:针对微网逆变器带不平衡和非线性负载时三相逆变器输出电压电流谐波大的问题,提出一种最优滑模预见重复控制的 方法,实现对不平衡负载和非线性负载等非正常工况的快速响应和参考电压的高精度跟踪。 首先,在前馈补偿环节引入预见控 制器,并利用差分算子,设计包含目标值信号和滞后环节反馈的扩大状态误差系统,将逆变器的控制问题转化为线性离散系统 的调节问题;进一步,利用 Lyapunov 方法和线性矩阵不等式及最优控制器的设计方法,得到包含滑模控制、状态反馈、重复控 制、和预见补偿的最优滑模预见重复控制器。 实验结果表明,最优滑模预见重复控制带线性负载时电压波形畸变率从 3. 12%减 少到 0. 78%,响应时间从 10 ms 减小为 5 ms;其带非线性负载时电压波形畸变率从 6. 72%减少到 0. 92%,验证了所提方法的有 效性。

摘要:水下环境鱼类分割是实现体长测量、体重估算和群体计数等智能化测量的关键技术,为了提高分割的准确性,提出一种 融合边缘监督的改进 Deeplabv3+鱼类分割方法。 编码部分采用更少的下采样次数,浅层增加卷积块注意力机制( convolutional block attention module,CBAM),以减少信息丢失并增强浅层语义信息;通过设计混合膨胀卷积( hybrid dilated convolution,HDC) 改进空洞空间卷积池化金字塔(atrous spatial pyramid pooling,ASPP)模块,提取深层特征;在解码输出部分结合 Canny 边缘检测 算子引入边缘监督,通过边缘损失函数来获得边缘预测和边缘标签的误差以更好地学习边缘特征;最后根据不同类像素比率引 入优化的损失函数,进一步提升模型的语义分割性能。 该方法在 VOC2012 数据集上 mIoU 达到 84. 56%,较 Deeplabv3+方法提 升了 3. 27%,验证了其泛化能力。 在 DeepFish 数据集上做消融实验,mIoU 高达 93. 66%,均高于 Deeplabv3+、Unet 和 PSPNet 等 常见方法。 该研究提升了水下环境鱼类分割的精度,可为水产养殖智能化提供支持。

摘要:为有效提升高速铁路道岔维护效率和故障定位准确率,面向其故障文本数据,提出了一种基于字词融合的高速铁路道 岔多级故障诊断组合模型。 首先,建立高速铁路道岔专业词库,将文本表示为字向量与词向量并进行深度融合。 其次,考虑到 故障文本存在类别不均衡问题,采用 Borderline-SMOTE 算法对不均衡文本数据进行处理,优化故障文本数据分布。 接着使用 BiLSTM(Bi-directional long short-term memory)-CNN(convolutional neural network)的组合神经网络提取故障文本深度特征,最后 通过分类器实现智能故障诊断。 采用我国高速铁路道岔故障文本数据进行模型性能验证,结果显示所提模型的一级故障诊断 准确率达到 95. 62%,二级故障诊断准确率达到 93. 81%,证明多级故障诊断精度可达到理想效果。

摘要:车道线检测任务包含道路磨损、阴影遮挡和弯道等困难样本,这些样本中线条信息均有不同程度的缺失,使检测结果 出现漏检或误检现象。 基于深度学习的检测方案通过卷积操作提取特征信息。 卷积操作摒弃人工设计滤波器等一系列传统图 像处理的繁琐操作,得益于权重共享和归纳偏置大大减少了特征提取的工作量。 该操作在缩小图像分辨率的同时获取长距离 的信息,导致小分辨率的特征图损失区域边缘等细节,影响检测结果的质量。 深度学习中分割模型比检测模型处理的信息更细 致,本文在分割模型的基础上引入 Transformer 改进采样方式,改善卷积操作在获取全局信息上的不足。 模型改进后在 Tusimple 上测试准确率提高 0. 4%,像素精准度提高 0. 3,乘法累加运算量增加 36. 09 G。 结果表明 Transformer 特有的采样方式可以改善 卷积操作采样的不足,改善语义分割网络对车道线困难样本识别漏检的情况。

摘要:针对变压器热点温度预测精度问题,提出一种蚁群算法( ant colony algorithm,ACO)结合改进主成分分析法( improved principal component analysis,IPCA)优化 BP 神经网络的热点温度预测模型。 首先采用 IPCA 去除数据冗余信息,并解决参数间 相关性问题,提高网络泛化能力。 为了避免 BP 神经网络容易陷入局部最优和收敛速度慢,利用 ACO 优化网络权值和与阈值, 加快算法速率,提高预测精度。 通过变压器温度实测数据验证,预测结果中的 mae、mse、mape 指标分别为 0. 065 7、0. 006 7、 0. 44%,预测精度和网络性能优于 IEEE、BP、IPCA-BP 模型,从而验证所提模型的有效性和可行性。