基于深度学习的高压隔离开关分合状态检测算法研究

高压隔离开关的正常工作是电力系统稳定运行的前提。为正确识别隔离开关的分合状态,提出一种轻量化改进型YOLOv5s目标检测算法。首先,针对隔离开关数据集,采用二次优化K-means++聚类算法重新获取锚框参数。然后,将模型中的损失函数由CIOU替换为具有更强收敛性能的EIOU,加快模型训练的收敛速度。最后,在模型主干特征提取网络的最后一层添加CBAM注意力模块,加强模型特征提取能力。在此基础上,采用通道稀疏化剪枝的方法对改进后的模型进行轻量化处理,减小模型体积和算力消耗。实验结果表明,改进后的模型识别平均精度均值到达97.4%,轻量化处理后的模型大小为3.92 MB,使得模型更加容易部署到移动端设备完成实时检测。     

基于随机森林的配电网故障分布特征预测方法

影响配电网故障的因素繁多,且故障特征冗余性强,传统的预测模型难以实现有效的配电网故障预测。提出一种基于随机森林的配电网故障分布特征预测方法。基于随机森林算法,建立配电网故障分布特征预测模型;分析故障影响因素,构建输入故障特征变量集;量化故障分布等级,构建输出故障特征分布集。采用探索性数据分析技术,筛选故障特征变量,构建最优特征变量集;优化预测模型参数,获得在当前数据背景下的最优预测效果。以南方某市配电网中的120条馈线为例,测试所提故障预测方法,验证故障预测的准确性和合理性。     

Construction of VS2/VOx Heterostructure via Hydrolysis-Oxidation Coupling Reaction with Superior Sodium Storage Properties

Heterostructure engineering is one of the most promising modification strategies for reinforcing Na⁺ storage of transition metal sulfides. Herein, based on the spontaneous hydrolysis-oxidation coupling reaction of transition metal sulfides in aqueous media, a VO_x layer is induced and formed on the surface of VS₂, realizing tight combination of VS₂ and VO_x at the nanoscale and constructing homologous VS₂/VO_x heterostructure. Benefiting from the built-in electric field at the heterointerfaces, high chemical stability of VO_x, and high electrical conductivity of VS₂, the obtained VS₂/VO_x electrode exhibits superior cycling stability and rate properties. In particular, the VS₂/VO_x anode shows a high capacity of 878.2 mAh g⁻¹ after 200 cycles at 0.2 A g⁻¹. It also exhibits long cycling life (721.6 mAh g⁻¹ capacity retained after 1000 cycles at 2 A g⁻¹) and ultrahigh rate property (up to 654.8 mAh g⁻¹ at 10 A g⁻¹). Density functional theory calculations show that the formation of heterostructures reduces the activation energy for Na⁺ migration and increases the electrical conductivity of the material, which accelerates the ion/electron transfer and improves the reaction kinetics of the VS₂/VO_x electrode.     

基于贝叶斯优化的无标签网络剪枝算法

针对深度神经网络（DNN）的参数和计算量过大问题,提出一种基于贝叶斯优化的无标签网络剪枝算法。首先,利用全局剪枝策略来有效避免以逐层方式修剪而导致的模型次优压缩率;其次,在网络剪枝过程中不依赖数据样本标签,并通过最小化剪枝网络与基线网络输出特征的距离对网络每层的压缩率进行优化;最后,利用贝叶斯优化算法寻找网络每一层的最优剪枝率,以提高子网搜索的效率和精度。实验结果表明,使用所提算法在CIFAR-10数据集上对VGG-16网络进行压缩,参数压缩率为85.32%,每秒浮点运算次数（FLOPS）压缩率为69.20%,而精度损失仅为0.43%。可见,所提算法可以有效地压缩DNN模型,且压缩后的模型仍能保持良好的精度。     

基于永磁形状的BLDC永磁电机转矩分析与优化

无刷直流永磁电机因节能高效、便于使用等优势而受到广泛关注。然而,该类电机通常因空载感应电动势波形不理想而具有转矩脉动较大等问题。以24槽4极无刷直流永磁电机为例,基于气隙磁场调制理论分析了转子永磁型无刷直流电机的空载感应电动势等电磁特性,以磁场调制原理中的永磁初始磁动势源为切入点,探讨影响电机空载感应电动势波形系数的因素并揭示感应电动势形成的内在机理。首先,针对24槽4极传统转子永磁无刷直流电机的运行原理和空载气隙磁场进行分析,并根据得出的结论采取永磁体谐波削极的方式优化电机空载感应电动势波形系数,最后通过仿真验证了理论分析和优化方案的合理性。     

融合双注意力机制的人群计数算法

针对背景复杂、遮挡、人群分布不均等人群计数常见问题,提出了一种结合联合损失的空间-通道双注意力机制卷积神经网络模型(joint loss-based space-channel dual attention network, JL-SCDANet).该网络前端进行图像粗粒度特征提取,中间加入空间注意力机制以及通道注意力机制突出图像重点区域,后端使用可加大感受野且不丢失图像分辨率的空洞卷积提取深层二维特征.此外,该模型结合联合损失函数进行训练,以增强模型的鲁棒性.为了验证模型的改进效果,在3个公共数据集(ShanghaiTech Part B、mall和UCF＿CC＿50)上分别进行了对比实验,在ShanghaiTech Part B数据集中平均绝对误差(MAE)和均方误差(MSE)分别达到了8.13和13.13;在mall数据集中MAE、MSE达到了1.78和2.28;在UCF＿CC＿50数据集中MAE、MSE分别达到了182.12和210.24,实验结果证明了该网络在提高人数统计准确率上的有效性.     

基于统计过程控制的水清洗控制系统

为了将水清洗机接入工业网络并实现智能自动化控制,本文提出了一种基于统计过程控制(SPC)可重构程序的水清洗控制系统.该系统根据水清洗设备的参数和组件特性构建了该设备的控制协议;根据协议指令制定了指令判断模块;根据SPC理论设计了过程控制模块.控制协议让该系统的清洗程序具有重构和联网的功能;指令判断模块为重构后的指令提供了安全性保障;过程控制模块让该系统的清洗过程具备动态调整清洗组件的功能.这些功能使得该设备可以实现智能自动化控制.通过测试,该系统比原有系统的清洗次数平均减少了15%,水清洗液的使用率提升了约5%,并扩展了3项功能,提高了设备的利用率和智能化水平,最终满足节能省水、多用途和联网的需求.     

混合遗传蚁群算法优化BP神经网络预测空气质量

为了进一步提高空气质量指数预测精度,提出一种混合遗传蚁群算法优化BP神经网络的方式对空气质量指数进行预测.首先初始化蚁群算法的信息素分布,对不满足适应度条件的进行遗传算法的交叉、变异操作,进而计算蚁群的状态转移概率和信息素浓度,当适应度值满足条件要求时,将寻优结果作为BP神经网络的最优权值和阈值,来改善单一BP神经网络的不足.最后通过运用西安市的空气质量指数日历史数据进行验证,实验表明,本文所提模型的各个评价指标相对其他对比模型误差更小,在预测精度方面具有更高的说服力,因此能够有效地预测空气质量指数.     

基于多元回归算法的PaaS平台资源自动化分配方法

针对PaaS平台下资源离散性过强、数据量过大导致的分配不均问题,提出了一种基于多元回归的自动化分配算法实现有效解决。统计所有资源数据样本,利用多元回归算法计算观测序列中残差平方和最小的样本集,代入损失函数中求出损失差值,得到最小损失值,根据梯度下降规律寻找集合中梯度值最优样本,以该样本作为分配参照。设立一套内容为分配与参考样本值相关度最高的资源数据约束条件,不断迭代计算直至求得所有符合约束条件的资源,将符合条件的为一组分配,剩余为另一组分配。根据资源的时间和位数的分布序列,不断实施离散捕捉查找残留资源,再实施二次分配。仿真实验证明,所提方法分配后PaaS平台资源吞吐量增加,消耗代价减少,算法分配时间较低,整体实用能力强。     

改进残差网络的猴痘病毒皮肤病变分类

目前猴痘病毒在全球范围内传播,这种病毒在临床上与其他皮肤疾病难以区分,特别是天花病毒和水痘病毒.在确定性聚合酶链式反应技术和其他生物检测技术还没有完全成熟的情况下,通过计算机辅助诊断技术检测猴痘病毒皮肤病变是一种可行的方法,因此提出了一种基于残差网络的猴痘病毒皮肤病变分类算法.该算法以残差网络为基本框架,结合深度可分离卷积和轻量化注意力,在降低模型计算量与复杂度的同时,也提高了模型的分类性能.实验结果表明,该算法对猴痘病毒皮肤病变表现出较好的分类性能,对猴痘皮肤病变的分类准确率、召回率和精度分别为97.3%, 96.8%和97.2%,且均优于实验中所对比的常见分类模型和其他研究方法.