基于支持向量机的风力发电机组故障诊断预警模型

当前的风力发电机组故障诊断预警模型设置的矩阵一般为单元式的,预警的范围受到限制,导致预警响应时间延长,为此提出对基于支持向量机的风力发电机组故障诊断预警模型的设计与验证分析。根据当前的测定需求及标准,提取故障诊断预警特征量,采用多目标的方式,打破预警范围的限制,设计多目标诊断预警矩阵,以此为基础,构建支持向量机故障诊断预警结构,采用阶次分析实现故障诊断预警处理。测试结果表明：对比传统机器学习风力发电机组故障诊断预警模型测试组、传统MSK-CNN和多源机电信息融合风力发电机组故障诊断预警模型测试组,此次所设计的支持向量机风力发电机组故障诊断预警模型测试组最终得出的预警响应时间被较好地控制在0.25 s以下,说明在支持向量机的辅助下,所设计模型对故障诊断预警的效率较高,针对性更强,具有实际的应用价值。     

锅炉检修专家系统设计

随着计算机技术的不断发展,锅炉专家系统智能化程度的不断提高,建立一个具有高智能的自动化专家系统是适就在电厂控制、管理自动化的重要环节。为满足现场管理自动化,本文编写出《检修规程》子系统和相应的试题库及修改程序;同时完成锅炉的校核热力计算,为电厂检修公司检修现代化管理奠定了基础。     

一种扩展VIFB的红外与可见光图像融合基准

红外与可见光图像融合是机器视觉的一个重要领域,在日常生活中应用广泛。近年来,虽然红外与可见光图像融合领域已有多种融合算法,但目前该领域还缺乏能够衡量多种融合算法性能的算法框架和融合基准。在简要概述了红外与可见光图像融合的最新进展后,提出了一种扩展VIFB的红外与可见光图像融合基准,该基准由56对图像、32种融合算法和16种评价指标组成。基于该融合基准进行了大量实验,用来测评所选取的融合算法的性能。通过定性和定量结果分析,确定了性能优良的图像融合算法,并对红外与可见光图像融合领域的未来前景进行了展望。     

CAN总线在自行火炮监测系统中的应用设计

设计了一套基于CAN（controller area network）总线的自行火炮监测数据采集系统，解决了目前监测布线复杂、可靠性低、不适于营连成网的问题。系统由6大部分和若干可增减的CAN节点组成，分别对自行火炮的底盘技术状态信息和武器系统状态信息进行监测，主控PC机用PC—CAN适配卡与各个节点通信，并完成CAN节点、PC-CAN适配卡的软、硬件设计和整个系统的调试工作。     

基于特征加权聚合的图像检索目标对抗攻击方法

基于深度学习的图像检索技术使得图像隐私泄露成为一个亟待解决的问题.利用对抗攻击生成的对抗样本,可在一定程度上实现隐私保护.但现有针对图像检索系统的目标对抗攻击方法易受选取目标样本质量和数量的影响,导致其攻击效果不佳.针对该问题,提出了一种基于特征加权聚合的图像检索目标对抗攻击方法,该方法将目标图像的检索准确率作为衡量样本质量的权重,利用目标类中少量样本的特征进行加权聚合获取类特征作为最终攻击目标.在RParis和ROxford两个数据集上的实验结果表明,该方法生成的对抗样本相比TMA方法,检索精度平均提升38％,相比DHTA方法,检索精度平均提升7.5％.     

高温酷暑送清凉 市公司领导深入生产现场慰问一线员工

由中国电信重庆分公司承办的中小企业信息化论坛暨主城区巡展,8月10日在君豪酒店举行。围绕“创新信息化应用、助力企业腾飞”这一主题,中小企业信息化、政府监管信息化、平安校园信息化等多个解决方案成为众多中小企业关注的焦点。当天,重庆市中小企业局和中国电信重庆公司签署战略合作协议,双方携手将积极推进我市中小企业信息化进程。     

新能源车电机用硅钢选材分析

为了提升新能源车用驱动电机的功率密度,各大电机厂商都在不断地提升电机转速,随之而来的问题就是电机的铁耗也在不断增高,如何降低电机铁耗成为了电机厂商必须要解决的难题。本文讨论了电机铁耗的组成部分及影响因素,并对1台8极48槽的永磁同步电机分别使用3种不同厚度的材料进行仿真,对比其效率及铁耗分布,推导出驱动电机中硅钢厚度、铁耗及成本的关系,最后对驱动电机选材提出建议。     

跨模态行人再识别的协同学习方法

跨模态行人再识别是实现全天候智能视频监控系统的一项关键技术.该技术旨在匹配某一特定身份行人在不重叠摄像头场景下的可见光图像和红外图像,因而面临着巨大的类内变化和模态差异.现有方法难以较好地解决这两大困难,很大程度上是由于欠缺了对特征判别能力的有效挖掘和对多源异质信息的充分利用.鉴于以上不足,使用协同学习方法设计了一个精...     

利用麻雀搜索算法优化深度置信网络的入侵检测研究

针对人工经验设定深度置信网络的网络结构致使其很难达到最优,进而导致深度置信网络的性能无法完全发挥的问题,提出利用麻雀搜索算法优化深度置信网络的入侵检测模型.实验结果表明:相比未优化的深度置信网络,性能有显著提升,该模型优异的性能有效提高了入侵检测识别的效率.     

基于改进MAE和YOLOv5的遮挡目标两阶段检测方法

无人装备侦察过程中,自然地物形成的前景遮挡严重干扰目标检测算法提取侦察图像特征,导致算法对装甲车辆目标图像识别准确率大幅降低,甚至无法识别,影响军事人员对侦察回传的图像进行分析、研判。对此,本文提出了一种基于改进掩码自编码器（masked autoencoders, MAE）和YOLOv5的被遮挡装甲目标两阶段识别方法,以改进MAE作为“修复器”,修复装甲目标的被遮挡部分,再利用YOLOv5作为“检测器”获取修复后的目标类别和位置。该方法为大面积遮挡目标识别提出了一种“先修后检”的思路,其他行之有效的修复模型、检测模型同样可以尝试利用这一方法解决此类问题。仿真实验的定量对比和定性分析证明了本文提出的两阶段检测方法具有可行性;另外,在不同遮挡比例下,该方法的装甲目标检测效果也通过实验进行了展示和分析。面对大面积前景遮挡的装甲目标非实时检测问题,两阶段检测方法有效解决了难以识别或识别准确率低的问题,降低了军事人员确认算法检测结果的难度。