长距离下运带式输送机选型设计

以金家庄煤矿二采区输送带巷带式输送机为例,分析了长距离下运带式输送机各种运行工况,根据原始参数,对带式输送机的设计计算进行了详细的阐述,对实际工作中长距离下运带式输送机的选型计算具有一定的参考价值。     

ALO优化下1DCNN-BiLSTM-Attention锂电池SOH预测

锂电池因具有质量轻、寿命长、功率承受力高、自放电率低等优点,在绿色能源汽车制造、航空航天等领域得到了广泛应用。为了进一步提高锂电池健康状态(SOH)的预测精度,提出了一种基于一维卷积神经网络(1DCNN)和双向长短时记忆网络(BiLSTM)的锂电池SOH预测方法。1DCNN用于提取老化特征,BiLSTM用于特征分析。利用1DCNN参数少、抑制过拟合性能高的优点,并结合BiLSTM能充分考虑样本之间的关联性及有效结合数据过去和未来的状态等优势,模型能够在实现高预测精度的基础上兼具高计算速度。通过引入蚁狮优化算法(ALO)对模型的超参数进行优化,在减少耗时的基础上有效避免了人工调参的不确定性。同时引入注意力机制,通过对输入数据赋予不同权重,提高神经网络对重要信息的捕捉能力。以NASA锂电池数据集的电池参数为依据进行验证,结果表明该模型在B0005、B0006、B0007 3种锂电池单体上估计SOH的MAE均值为0.0064,相对于1DCNN-LSTM(0.0111)、CNN-LSTM&GRU(0.0197)模型分别降低了42.34%、67.51%,且在各方面评价指标上均优于其消融模...     

保持几何特征的自适应弹性二次曲线模型

物体形状特征的准确提取往往受到图像获取、目标分割等过程中各种因素的影响,因而需要构造一种鲁棒的形状表现来保有其本质特征。揭示弹性二次曲线(EQW)模型中能量权重因子和样条重叠度因子与形状几何特性间的关系,提出一种自适应保持几何特征的EQW形状表现模型,并将该模型与交互式Live Wire算法相结合,应用至图像分割中,对于各种模态图像中的目标进行分割实验。直观上,本文方法能够在去除噪声同时较好地保持目标形状的显著特征;量化结果方面,交互式分割误差保持在较小稳定范围内,引入EQW模型带来的时间开销亦在可接受范围内。     

基于LBP纹理特征的随机游走图像分割

本文通过求解融入纹理特征信息的对称、半正定线性方程组,提出一种新的基于随机游走(Random Walker)的纹理图像分割算法。为了构造该方程组,首先通过局部二元模式(Local binary pattern,简称LBP)算子来描述纹理,将图像映射至不同纹理之间有显著区别的LBP图(LBP map)上,进而将其与梯度和几何信息结合并构造倒数型像素相似度,形成方程所需的权值矩阵,在随机游走模型下使已标号区域向未知区域传递,从而实现纹理图像分割。最后以纹理图像、噪声合成图像、MRI、CT图像为实验对象来验证算法的有效性。定性及定量实验结果表明,在多目标分割任务下,本方法有更好的有效性和精确性。     

联合骨架与边界特征的平面形状分解

在形状分析及其相关应用中,将形状分解成有意义的几个部分往往具有重要意义。骨架与轮廓都蕴含了丰富的物体形状全局与局部信息。提出一种联合骨架与边界特征的平面形状分解方法。该算法引入符合视觉特性的弯曲度比率作为约束,获得可控的分解结果以满足不同细节尺度的要求。算法充分利用对轮廓进行离散曲线演化时得到的信息,避免几个重要的部分被合并为一个整体。由于采用了鲁棒的骨架生成方法,使得算法对较高噪声干扰具有一定的鲁棒性,且能使得一个重要的部分不被进一步误分解。以MPEG7形状库等形状为实验对象,对算法的有效性进行了验证。分解实验结果均较为符合人类的主观感觉,同时对噪声污染的形状也具有较为鲁棒的结果。     

MOF衍生的多孔ZnO/C、Ag/ZnO/C复合材料光催化性能研究

以金属有机骨架(MOF-5)为前驱体, 通过高温热处理和湿化学法获得ZnO/C和Ag/ZnO/C两种光催化复合材料。采用X 射线衍射(XRD)、扫描电子显微镜(SEM)、X射线能谱(EDS)和紫外-可见分光漫反射(UV-Vis DRS)等方法对所得样品的晶体结构、形貌特征、组成及光谱特性进行了表征。结果显示, 高温热处理保留了MOF-5的原始结构。ZnO/C比表面积为390 m²/g, 载银后比表面积仍达232 m²/g, 负载的银颗粒尺寸约30 nm。光催化降解实验表明ZnO/C和Ag/ZnO/C复合材料对亚甲基蓝(MB)都具有很高的降解效率, 均优于商业TiO₂。Ag/ZnO/C的光催化性能更好, 且具有较好的重复利用和稳定性。因此, 适度的高温碳化和掺杂贵金属是获得优良光催化性能的根本原因。     

液压支架供液管路动态特性分析

以液压支架供液管路为研究对象,建立了包括长管路的支架液压系统数学模型,并利用MATLAB/Simulink工具包对其动态特性进行仿真分析,研究了管长、管径、管材体积弹性模量对立柱升柱速度曲线的响应时间及超调量的影响。建模及仿真方法可为其他液压系统动特性研究提供借鉴。     

弹性二次曲面模型下的3维形状表现与平滑

本文研究了能够保持几何特征并且对噪声鲁棒的形状表示方法。根据弹性二次曲线(Elastic QuadraticWire,EQW)的基本思想,对模型加以推广,提出用于曲面表示的弹性二次曲面(Elastic Quadratic Patch,EQP)模型。通过对曲面上每一点构造在参数平面上彼此重叠的二次曲面片,进而建立相邻曲面片之间0阶与1阶不连续势能函数。由于此势能函数是关于该曲面点的二次型,因而容易求得使其最小的二次曲面参数向量。对整个曲面的逐点迭代,进而获得稳定且保持显著几何特征的形状EQP表示。实验部分以3维人脸成像数据为例,验证了本文模型在平滑与细节保持等方面的性能。在不同噪声水平下,分析了参数变化对EQP模型性能影响。与常见样条与小波方法结果进行定量和定性比较,分析了不同噪声水平下(方差N=1,5,10)整体与局部区域中各方法优劣。在噪声水平较高时,在信噪比和直观效果等定量与定性方面上,EQP模型与对比方法相比具备一定优势。     

层次式图切分快速分割算法

图切分(Graph Cuts,GC)是近年来兴起的基于图论框架的图像分割方法,该理论的新颖之处在于它的全局最优性和结合多种知识的统一性。但当图像较大时运算非常耗时。该文提出了一种基于GC的层次式图像分割方法。先在低分辨率中用GC以较低的分割代价获取粗尺度的初始分割,再将结果轮廓映射回高分辨率图像中并构造出窄带,进而采用matting思想,在窄带内获取精确分割。实验结果表明,本文方法在确保分割结果准确性的同时,运算速度大幅度提高。     

基于自适应稀疏结构学习的神经精神疾病特征选择方法

在计算机辅助诊断神经精神疾病研究中,需要专业人士为样本进行诊断级的语义标注,耗费大量时间和精力,因此,以无监督的方式开展神经精神疾病辅助诊断研究具有重要意义.文中提出基于自适应稀疏结构学习的无监督特征选择方法,用于精神分裂症和阿兹海默症辅助诊断.在统一框架下同时学习稀疏表示和数据流形结构,并在该框架中采用一般化范数对稀疏学习的重构误差进行建模,不断迭代更新数据集的流形结构,解决传统特征选择方法存在的鲁棒性不足问题.在精神分裂症和阿兹海默症两个公共数据集上的实验表明文中方法在神经精神疾病分类中的有效性