基于FPGA的概率检测CSMA协议设计与实现

基于现场可编程门阵列(FPGA)电路设计为概率检测载波侦听多路访问(CSMA)协议提供一种实现方案。根据协议控制原理,讨论了设计的难点和设计方案。运用MATLAB与Quartus两种软件,生成满足泊松分布的信源模块,同时结合发送状态长度控制与选择性读取等模块搭建了系统电路。测试结果表明系统电路的吞吐量、节点能耗的统计值与理论值一致,证实了该设计的正确性、稳定性等特点,能够体现协议的高效传输特性。     

求解低碳车间调度问题的改进鲸鱼算法

针对传统柔性作业车间调度问题只考虑完工时间,设备利用率,完工成本等因素的局限,构建了以碳排放成本和完工时间成本加权和最小为目标的低碳柔性作业车间调度问题模型,并设计了一种改进的鲸鱼优化算法对其进行求解。首先,采用等长的两段式编码方式来表示柔性作业车间调度问题,引入基于ROV规则的转换机制,实现鲸鱼个体位置向量与调度解之间的相互转换。其次,采用基于一定比例的全局搜索、局部搜索和随机搜索的混合式种群初始化方法,生成一定质量的初始种群,同时设计了非线性收敛因子和自适应惯性权重系数来加强算法协调全局搜索和局部寻优的能力。再次,引入自适应调整搜索策略以提高算法跳出局部最优的能力。最后,通过实验数据验证了改进鲸鱼算法在求解低碳柔性作业车间调度问题方面的有效性。     

基于多尺度卷积神经网络的玻璃表面缺陷检测方法

卷积神经网络在图像处理中的应用越来越广泛,针对图像处理技术手段在玻璃生产表面缺陷有效检验,分析了基于卷积神经网络的机器学习原理与方法,提出一种基于多尺度卷积神经网络(MCNN)图像识别模型,将MCNN模型在玻璃表面缺陷识别中进行应用实践研究,通过采用不同的算法模型和分类器进行对比实验,并运用混淆矩阵和F1值来评估学习器性能。实验结果表明,所设计的MCNN均比传统卷积神经网络(CNN)识别方法的准确率较高,尤其是在划痕缺陷和杂质缺陷图像的识别准确率上提高了较大的幅度,F1值均提高了5.0%以上,在玻璃缺陷检测的整体识别准确率上较优。     

基于机器视觉的手机电池表面缺陷检测

针对手机电池表面质量人工检测情况,开发了电池表面缺陷无损检测系统软件。首先电池表面经过倾斜矫正、感兴趣区域提取和字符灰度值修改等预处理操作,通过基于灰度密度分布和灰度差的自适应阈值亮度法对感兴趣区域进行子图像遍历,融合有重合区域的缺陷子图像并滤除没有明显缺陷的区域;然后采用支持向量机多种类分类法,提取二值图像像素分布规律作为训练特征,识别电池表面缺陷种类;最后设计了人机交互界面,确定最佳的可变参数,实验测试缺陷识别率达95%以上。     

深部软岩巷道方钢约束混凝土拱架基本构件力学特性及参数影响机制研究

方钢约束混凝土支护体系以其强度高、施工方便的优点,在深部软岩巷道中的应用日益增多。节点作为拱架连接的关键构件,是进行支护结构合理设计的前提,对拱架内力分布及承载力发挥具有重要影响。但目前约束混凝土拱架节点设计大多基于工程类比,针对其力学特性的深入研究较少。本文以典型深部软岩矿井——巨野矿区万福煤矿为工程背景,对约束混凝土拱架常用的法兰节点及套管节点进行对比分析。开展方钢约束混凝土无节点构件、法兰节点构件及套管节点构件的纯弯室内试验和数值试验,对比各构件的变形过程及破坏形态;基于M-θ曲线,综合分析各参数对无节点构件、法兰节点及套管节点力学性能影响规律,提出依托工程方钢约束混凝土拱架节点设计建议。基于上述研究结果,进行方钢约束混凝土拱架的现场应用。试验结果表明,依托工程现场采用方钢约束混凝土支护体系,围岩变形得到很好控制。套管节点传力明确、承载力高,极大地缩短了施工难度,降低了经济成本,应作为方钢约束混凝土拱架优选的节点形式。     

基于方向梯度直方图的陨坑预检测算法

陨坑是行星软着陆导航与避障过程中的主要检测目标,目前陨坑检测方法需要被检测图像尽可能地包含完整且清晰的单一陨坑,因此对图像陨坑进行预检测处理得到了广泛关注。通过人工模拟地形方法建立行星陨坑图像数据库,提出一种基于灰度梯度直方图特征(HOG)的支持向量机(SVM)图像陨坑分类方法。该方法可以有效地提取图像中可能包含陨坑的图像子图,并作为后续精确标记陨坑位置的图像处理方法的输入数据。仿真结果表明,该方法能够有效地提高陨坑标记的准确性和实时性。     

换热网络优化中换热单元生成频次的影响分析及策略改进

换热单元的生成频次对换热网络优化有直接的影响，分析其机理可以指导求解算法的改进。本文采用节点非结构模型及强制进化随机游走算法，通过设置不同的换热单元生成概率与生成个数以改变换热单元的生成频次，观察并记录个体在优化过程中产生的年综合费用变化情况。发现不同生成频次下整型变量和连续变量的相对优化频率发生了变化，从而改变了整体优化过程，并且与个体当前优化状态不适应的生成频次会造成相对优化频率不平衡、优化结果较差。基于此，本文提出了一种具有生成参数动态调节策略的换热单元生成方式，在优化过程中根据个体状态实时调整换热单元的生成概率与生成个数，平衡整型变量与连续变量的相对优化频率。最后，采用15SP、10SP和20SP算例进行验证，换热网络的年综合费用较文献结果分别下降了1.06%、0.16%、0.68%，验证了该策略使得换热单元的生成频次更为合理，有效地提高了算法的优化效率。     

基于深度学习的渔业领域命名实体识别

为了解决基于分词的渔业领域命名实体识别效果受分词准确度影响这一问题,采用一种基于深度学习的渔业领域命名实体识别方法。该方法使用神经网络训练得到字向量作为模型输入,避免了分词不准确对渔业领域命名实体识别效果造成的影响;针对渔业领域命名实体长度较长这一特点,使用LSTM单元保持较长时间记忆信息,并将标记信息融入到CRF模型中构建Character+LSTM+CRF实体识别模型。为验证方法的有效性,在渔业领域语料集上进行多组实验,结果表明,本研究中提出的Character+LSTM+CRF方法具有较好的效果,与LSTM模型相比较,在准确率、召回率、F值上分别提升了3.39%、2.99%、3.19%,对于渔业领域实体识别具有较好的效果。     

基于彩色图像处理的浮选尾煤灰分软测量研究

浮选尾煤灰分是浮选产品的一个重要指标。针对选煤厂浮选尾煤灰分多采用离线检测而无法实现在线准确测量，以及当前浮选软测量多采用单一的灰度图像从而导致软测量模型精度及适应性较差的问题，提出了一种基于彩色图像处理的浮选尾煤软测量方法，建立了基于最小二乘支持向量机(LSSVM)的浮选尾煤灰分软测量模型。模型以不同颜色空间的彩色特征、灰度均值以及浓度特征为输入变量，以尾煤灰分作为输出变量，采用粒子群优化算法对LSSVM模型参数进行优化。结果表明：所建立的尾煤灰分软测量模型可以较好地实现浮选尾矿灰分的在线预测，引入浮选尾矿图像的彩色特征可以提高尾煤图像分析的精度，预测精度达96.89%。研究成果在柳湾选煤厂现场应用，并取得了较好的尾矿灰分测量效果。