基于门控循环单元网络的输电杆塔螺栓紧固检测

输电塔杆螺栓紧固检测是保障高压电网安全的重要依据,传统的人工检测方法需要员工爬上输电杆塔检测操作,通常伴有一定程度的风险,而采用无人机巡检受许多外在的因素的影响,其检测效果并不理想.因此,本文提出一种基于门控循环单元网络的输电杆塔螺栓紧固检测方法,利用振动传感器和传感分析仪构建一套采集输电铁塔声波数据的作业流程,提取训练样本中声波数据的线性预测倒谱系数LPCC构成特征向量;训练门控循环单元网络(Gated Recurrent Unit,GRU)分类模型从而检测未知紧固状态的声波样本,实验结果达到实用分析性能.通过本算法的应用,解决了在检测输电铁塔螺栓紧固问题上传统方法上的人力和方法性能问题.     

基于LabVIEW的透镜多参数自动检测系统开发

质量检测是光学透镜生产的重要环节,目前大部分透镜生产企业还停留在半自动检测阶段,质检的效率和精度很大程度上取决于工人的熟练程度;且不同参数的检测需要人工搬运镜片到不同的质检工位上,质检过程中的反复搬运容易造成镜片表面污染和损伤;为此提出一种基于LabVIEW的透镜多参数自动检测系统的设计方法,在一个工位上同时完成多个质量参数的测量,并对透镜进行自动搬运和分选,检测结束后自动生成质检报表;最后使用某型号凸型圆形透镜对开发的检测系统进行了实验验证,实验结果表明,检测系统具有测量精度高、可扩展能力强、界面直观等优点。     

基于RFID技术的四旋翼无人机轨迹跟踪控制系统设计

为促进四旋翼无人机的飞行自主性,增强无人监管情况下飞行器主机所具备的避障行进能力,设计基于RFID技术的四旋翼无人机轨迹跟踪控制系统;采用RFID标签识别技术,调制处理既定控制信号,利用标签识别协议,连接微型四旋翼轨迹控制器与内环姿态控制器,通过数据通信链路,提取轨迹跟踪控制所需的传输电子量,完成轨迹跟踪控制系统硬件设计;利用动力系统中的参数辨识策略,确定与轨迹姿态控制相关的物理规律标注,实现四旋翼无人机轨迹跟踪控制;实验结果表明,与机器视觉型控制系统相比,基于RFID技术的控制系统的SSI避障行进指标数值相对较高,全局最大值达到了 79％,四旋翼无人机滚转角平均值为85°,能够有效抑制四旋翼无人机滚转角的数值上升趋势,增强无人监管情况下飞行器主机避障行进能力.     

基于宽度学习的结构沉降预测

结构监测是确保工程结构建设在施工和运营阶段安全的关键因素,因此采用合理有效的预测模型对结构沉降监测数据进行科学准确的预测成为了当前结构沉降预测研究的重点。针对传统预测方法与深度学习方法用于结构沉降预测存在的预测精度不够高、模型结构复杂、训练耗时等问题,提出了一种基于宽度学习的结构沉降时间序列预测模型。通过实测地铁地下隧道沉降监测数据对宽度学习、人工神经网络、支持向量回归和深度置信网络-支持向量回归预测模型的预测结果进行对比分析。实验结果表明:宽度学习系统(broad learning system,BLS)应用于结构沉降预测具有良好的效果,其训练速度更快,预测精度更高。验证了所提出的宽度学习算法应用于结构沉降预测的可实施性和有效性。     

基于评分填充和时间的加权Slope One算法

针对数据稀疏性,常用的评分矩阵填充方法主要是通过平均数、中位数等进行填充,该文提出一种新的评分矩阵填充方法。利用项目-属性矩阵计算用户对项目属性偏好,由于每个项目都有各自属性,从而可以获得用户对项目的偏好值,以用户平均评分为基准,实现对评分矩阵填充。基于填充后的评分矩阵,又考虑到用户兴趣爱好随时间会发生改变,因此引入时间因子,提出一种基于评分矩阵填充和时间因子的加权slope one算法(FTWSOA)。通过时间函数修正评分矩阵,优化的评分数据可以更好地体现用户兴趣爱好随时间变化的情况。在时间加权的评分矩阵下,计算出属性兴趣偏好,在共同评分很少甚至没有时,利用属性兴趣偏好可以较为准确地计算用户相似度。由于在共同很少或者没有时,原始评分矩阵中用户没有交集,而在属性兴趣矩阵下用户会存在交集,因此,使用参数λ将填充矩阵下的用户相似度和属性兴趣偏好矩阵下的用户相似度相结合得到最终的用户相似度,可以缓解在稀疏数据下相似度计算性能差的问题,最后使用加权slope one预测评分时,将时间衰减函数加入到预测公式中来优化预测评分公式。通过在MovieLens100k数据集上的实验表明,相比于其他算法,FTWSOA算法准确度有所提高。     

面向动用计划的车辆装备备件预测研究

针对动用计划下的车辆装备备件的消耗特点,研究了车辆装备维修备件消耗量和库存控制两个预测优化问题。考虑动用计划期内车辆装备的预防性维修和修复性维修,实现定时定程维修和自然随机故障维修下装备维修备件的消耗量的预测。在此基础上,根据备件库存检查方式的特点,建立基于定期检查策略的联合补货库存控制模型,根据模型的结构特点确定决策变量界限,并利用多类种群位置更新方式改进了果蝇优化算法。仿真结果表明,改进的果蝇优化算法具有良好的求解效率,本文所提出的优化方法可为车辆维修保障资源优化提供决策依据。     

网络中多节点故障定位的探测路径选择算法

针对现有故障定位技术不能满足多节点故障定位的要求,尤其当网络中存在大量故障节点时,提出了一种基于主动探测的探测路径选择算法。该算法主要包括用于故障检测的贪婪路径选择算法和用于故障定位的禁忌链路搜索算法。在故障检测阶段,使用贪婪路径选择算法迭代地选择具有最小权重的探测路径覆盖网络中的节点。在故障定位阶段,使用禁忌链路搜索算法多次生成候选路径集以选择最合适的探测路径来解决多节点故障定位问题。在随机网络拓扑和真实网络拓扑上的仿真结果表明,与现有的节点故障定位算法相比,探测路径选择算法具有更高的成功定位率和更低的探测成本。     

基于CIMISS的土壤水分质控应用研究

气象资料业务系统MDOS(meteorological data operation system)的质控方法使用通用阈值去质控土壤水分数据,会漏检和误检出部分疑误数据,且疑误结果多以“未通过降水关系检查”为主,降低值班人员的数据审核效率。为了提高土壤水分质控效率,结合本地土壤特性,分析海南土壤水分历史数据,总结适合本地的阈值范围参数,提出基于CIMISS(China integrated meteorological information service system)的MQCSM(multiple quality control method of soil moisture)算法。该算法引入时变检查、持续性检查等检查方法,多重质控原始土壤水分数据,能快速、准确地质控出疑误数据,并分类展示疑误结果于web监控页面工值班人员筛查。业务试用结果表明,对比现有质控方法,该算法能准确、有效地筛查出疑误土壤水分疑误数据,且质控监视平台实时展示疑误结果,提高了值班人员对疑误数据的审核效率。     

基于深度学习的图像本征属性预测方法综述

真实世界的外观主要取决于场景内对象的几何形状、表面材质及光照的方向和强度等图像的本 征属性。通过二维图像预测本征属性是计算机视觉和图形学中的经典问题,对于图像三维重建、增强现实等应 用具有重要意义。然而二维图像的本征属性预测是一个高维的、不适定的逆向问题,通过传统算法无法得到理 想结果。针对近年来随着深度学习在二维图像处理各个方面的应用,出现的大量利用深度学习对图像本征属性 进行预测的研究成果,首先介绍了基于深度学习的图像本征属性预测算法框架,分析了以获得场景反射率和阴 影图为主的本征图像预测、以获得图像中材质 BRDF 参数为主的本征属性预测及以获得图像光照相关信息为主 的本征属性预测 3 个方向的国内外研究进展并总结了各自方法的优缺点,最后指出了图像本征属性预测的研究 趋势和重点。     

基于BIM的钢筋骨架语义设计点云自动生成算法

当前预制构配件钢筋骨架质量检查主要依靠人工,存在效率低、容易出错的问题。建筑信息模 型(BIM)、三维重建等技术为改进预制构配件钢筋骨架质量检查方法提供可能。运用这些技术时,有必要由钢 筋骨架 BIM 模型生成可区分每根钢筋的点云。为此,提出了语义设计点云的概念,并构建了基于 BIM 的钢筋 骨架语义设计点云自动生成算法。该算法首先从钢筋骨架 BIM 模型中提取每根钢筋并分别存储于不同的文件, 然后对每根钢筋所在文件进行格式转换,接着生成每根钢筋的语义设计点云,最后基于每根钢筋的语义设计点 云生成钢筋骨架语义设计点云。分别用简单钢筋骨架和复杂钢筋骨架对基于 BIM 的钢筋骨架语义设计点云自 动生成算法进行实验验证,结果表明,该算法能够自动并快速地生成准确的钢筋骨架语义设计点云。