摘要:

摘要:

摘要:

摘要:

摘要:当前主流的单目3D目标检测网络采用关键点检测,在时序特征建模、几何约束与深度估计方面存在局限性,限制了3D检测器的性能发挥.本文提出一种改进的单目3D目标检测算法MonoTGD,引入时序特征交互模块,利用多帧序列的长短期时序信息增强特征表达的一致性和动态建模能力;几何结构增强模块通过扩展关键点集合并引入几何一致性约束提升关键点预测的准确性;伪深度生成与监督模块在不引入激光雷达数据的同时生成的伪深度图为深度估计提供有效的监督信号.上述模块仅在训练阶段使用,推理阶段不引入额外的计算成本.在KITTI3D数据集上的实验结果表明,相比基线方法MonoCon,MonoTGD在验证集上的3D检测平均精度指标,在简单类别上提高了4.25个百分点,而在测试集上,中等难度类别提高了4.82个百分点.特别是测试集上中等难度类别的性能提升,充分验证了本方法在实际应用场景中的有效性.

摘要:针对传统裂缝检测算法在复杂路面场景中存在的多尺度特征丢失、背景干扰敏感等问题,本文提出一种融合多尺度混合注意力与迁移学习的全卷积网络(HA-FCN-TL)路面裂缝检测算法.首先,基于ResNet34预训练模型构建FCN主干网络,通过迁移学习策略加速模型收敛并增强特征表示能力;然后,设计混合注意力模块,在编码阶段将卷积块注意力(CBAM)与自注意力(Self-Attention)动态耦合,实现微观裂缝边缘增强与宏观拓扑连续性保持的协同优化,有效抑制路面污渍、光照不均等噪声干扰;最后,引入多尺度特征融合机制,利用跳跃连接跨层聚合浅层细节与深层语义信息.在DeepCrack数据集上的实验结果表明,该方法在断裂纹理修复和弱裂缝检出方面优势明显,为复杂环境下路面结构安全评估提供了高鲁棒性解决方案.

摘要:受复杂背景、模糊、扭曲及变形等因素的影响,从低分辨率文本图像中恢复高分辨率图像极具挑战性.现有方法多依赖递归神经网络提取文本上下文信息,在捕捉长距离依赖及有效运用语义信息方面存在局限.为解决上述问题,本文提出一种融合场景多模态先验与稀疏注意力的文本图像超分辨率方法.首先,创新性地提出场景多模态先验分支,借助先进的内容解析单元和轮廓感知单元,充分挖掘并利用文本识别信息与视觉信息.其次,基于稀疏注意力的超分辨率增强模块从文本行提取上下文信息,并利用多头注意力机制的全局可见性构建字符间相关性,缓解处理长文本序列时的性能衰退.最后,引入结合梯度轮廓和文本结构感知的联合损失函数,显著增强模型提取文本轮廓及处理变形文本方面的能力.实验结果表明,相较于基线模型TATT,本文方法在TextZoom测试集的识别准确率平均提升4.3个百分点,平均峰值信噪比和结构相似性指数指标分别达到21.4 dB与0.790 9,提升了真实场景文本图像超分辨率的性能.

摘要:针对传统电力负荷预测方法依赖单一区域数据训练模型,导致跨区域预测时泛化能力显著下降的问题,设计了一种基于时序卷积网络(Temporal Convolutional Network,TCN)、长短期记忆(Long Short-Term Memory,LSTM)网络和注意力机制的混合模型(TCN-LSTMs-Attention),并结合去中心化聚合学习(Decentralized Aggregation Learning,DAL)策略,通过在同一服务器上顺序训练来自不同区域的数据,构建多个子模型,最终得到可进行区域预测的全局模型.同时,结合动态学习率减半与参数重置机制,进一步加速模型收敛.基于第九届"中国电机工程杯"竞赛数据集的实验结果表明,相较于独立区域训练模型,所提方法在跨区域预测任务中均方误差、平均绝对误差、均方根误差和平均绝对百分比误差分别提升43.0%、29.5%、24.4%和35.4%,验证了其在高异质性负荷场景下的鲁棒性与工程实用性.

摘要:为了降低2 m气温传统数值预报模型(GRAPES_GFS)的预测值和观测值之间的高偏差,提高预测精度,本文结合气象数值模式(GRAPES_GFS)格点资料以及对应的观测资料,提出一种基于卷积长短时记忆(ConvLSTM)网络并结合注意力机制的2 m气温预报订正模型.首先,由局部特征提取模块提取输入数据的局部浅层特征;其次,将提取到的特征图输入特征注意力模块,对数据的不同通道维度与不同空间维度赋予不同的权重,抑制与2 m气温相关性低的气象要素的权重,实现对2 m气温数据中高温地区的局部增强;最后,采用ConvLSTM网络捕获数据时间维度特征,同时输出预报订正结果.实验结果表明:本文所提模型在时效为12~36 h的2 m气温预报中,与GRAPES_GFS模式预报结果相比,各项数值评价指标均有改善,皮尔森相关系数从0.55左右提升到0.87左右,均方根误差从1.74~2.06 ℃降低到0.90~1.10 ℃,平均绝对误差从1.36~1.64 ℃降低到0.69~0.84 ℃.与主流订正模型相比,本文模型也取得了较好的订正效果.

摘要:有效波高(Significant Wave Height,SWH)具有复杂的非线性动态特性,这使得对其精确预测成为一大挑战.时频分解技术是处理复杂非线性数据的有效手段,但现有方法未考虑SWH分解后分量的不同时频特性.因此,利用排列熵将集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)后得到的SWH分量分为高、低频两类,根据其各自特性构建优化的长短时记忆-时间卷积网络(Long Short-Term Memory-Temporal Convolutional Network,LSTM-TCN)双通道时间特征提取模块,并考虑到不同分量预测值对最终SWH预测结果的影响不同,引入贝叶斯模型平均(Bayesian Model Averaging,BMA)法进行权重分配.最终,本文提出一种基于优化深度学习的SWH双通道混合预测模型.实验结果表明,与现有先进模型相比,该模型在1、3、6、12 h的SWH预测中,评价指标RMSE、MAE和MAPE显著降低,具备较好的精度和稳定性.

摘要:在以锂电池为动力的运行系统中,长期准确预测锂电池寿命至关重要.本研究以马里兰大学锂电池数据集中的CS2_35和CS2_36两块锂电池及美国国家航空航天局(NASA)的B0007号电池作为基础数据,通过结合长短时记忆(Long Short-Term Memory,LSTM)网络的长短时记忆能力与Kolmogorov-Arnold网络(KAN) 的非线性数据处理能力,构建LSTM-KAN寿命预测模型,同时引入哈里斯鹰优化算法确定组合模型最优超参数.首先,对数据进行预处理,从电压、电流、温度等数据中提取与锂电池容量具有一定相关性的特征.接着,从提取的特征中选择斯皮尔曼系数绝对值大于0.9的特征作为模型的输入,简化输入数据的复杂度.然后,通过哈里斯鹰优化算法对LSTM-KAN模型的超参数进行优化,将数据放入优化后的预测模型中进行预测,对预测值与目标值进行分析,完成预测.实验结果表明,所构建的预测算法具备锂电池寿命预测能力,能够准确预测锂电池的长期退化过程,且均方差指标与预测样本数均优于其他电池寿命预测模型.

摘要:针对移动机器人路径规划中的双向快速拓展随机树(Bi-RRT^*)算法存在采样点冗余、路径规划质量不高和路径曲折的问题,本文提出一种改进的APF-Bi-RRT^* 算法.首先,在Bi-RRT^*的基础上引入动态目标偏置函数,减少采样点,提高路径规划的效率;其次,在人工势场方面引入动态斥力系数,实时调节斥力大小,提高路径规划质量;最后,对剪枝算法进行改进,通过引入安全距离检测策略,结合三次B样条曲线,改善路径曲折的问题.将算法应用于多种环境进行仿真实验,结果表明,相较于APF-Bi-RRT^*、Bi-RRT^*和RRT^*算法,规划效率分别提升16.46%、22.52%和62.68%,改进后的算法在耗时、采样点上大幅减少,路径长度更短、平滑度更高.

摘要:针对现有无人潜航器(UUV)在复杂海洋环境中自主避障效率较低的问题,本文提出一种融合速度障碍法(VO)与动态窗口法(DWA)的三维避障算法.首先,引入碰撞圆锥体和极坐标系,并开发了适用于碰撞圆锥体的碰撞检测方法,从而将原本局限于二维平面的速度障碍法与动态窗口法扩展至三维空间.其次,通过设定UUV的探测球范围,将进入该区域的障碍物区分为动态与静态两类,分别采用碰撞圆锥体和极坐标运动模型进行碰撞检测,并筛选出可行轨迹集合.最后,通过评价函数从可行轨迹中选取最优路径,循环执行该过程,实现UUV的高效避障.三维仿真实验表明,采用该融合算法的UUV能够实现零碰撞避障.在全动态障碍物场景中,其轨迹长度相较于速度障碍法减少5.78%,任务完成时间较动态窗口法缩短16.91%,且算法运行耗时更少.所提算法对提升无人潜航器在复杂环境中的自主避障能力具有一定的参考价值.

摘要:磁性元件在电力电子系统中主要用于实现磁能的传递、存储及滤波等关键功能,直接影响功率变换器的体积、质量、损耗、成本,精确预测磁芯损耗具有重要意义.为解决在使用磁性元件时无法对磁芯损耗做出精确评估的问题,本文提出一种基于数据驱动的磁芯损耗建模方法.使用决策树和XGBoost模型进行励磁波形分类,绘制出测试集中各材料的磁通密度分布图、波形特征图.建立XGBoost、支持向量机、梯度提升回归树和K近邻等4种磁芯损耗预测模型,对测试集中的样本进行磁芯损耗预测.为优化磁性元件性能参数,提出基于遗传算法、粒子群算法的单目标优化模型和基于NSGA-Ⅱ算法的多目标优化模型,得到最优目标函数下相应的温度、频率、波形等参数条件.实验结果表明:XGBoost在波形分类和磁芯损耗预测方面效果最佳,其中,训练集和测试集的磁芯损耗预测准确率分别为85.66%和84.83%;NSGA-Ⅱ算法在磁芯损耗和传输磁能的联合优化中表现最佳.

摘要:针对国省干道缺少路缘石导致在点云场景中不易确定公路边缘,从而造成国省干道点云难以精确提取的问题,提出形状特征向量筛选与局部粗糙度结合的国省干道点云提取方法.首先对原始点云数据构建网格索引,以网格为基本单元,设计基于协方差矩阵的形状特征向量分析方法,据此方法计算单元内点云形状特征向量,构建正交基求解特征值,筛选获取地面点云;其次采用KD树索引重构地面点云,计算分析点云局部粗糙度,以先验阈值为参考,引入欧式聚类算法实现对路面及路面周边点云的有效提取,实现路面点与非路面点有效划分.对10 km移动激光扫描国省干道点云数据进行测试,平均准确率和召回率分别为99.64%与99.59%.与欧式聚类分割算法相比,所提算法的平均准确率及F₁分别提高8.95和4.57个百分点,对原始点云处理速度为32.4 km/h,计算效率明显提升,具有良好的路面提取精度和鲁棒性.

摘要:石墨相氮化碳(g-C₃N₄)作为一种无金属二维纳米材料在光催化领域具有广阔前景.本文通过叔丁醇钠剥离的方法修饰体相g-C₃N₄得到碱剥离g-C₃N₄,调节石墨烯量子点(GQD)投加量,制成不同GQD掺杂的碱剥离g-C₃N₄复合材料.采用XRD、FT-IR、SEM、UV-Vis、PL等表征手段对系列复合材料的形貌、结构、组成成分进行详细分析,并探究其光降解染料亚甲基蓝的性能.结果表明,与体相g-C₃N₄相比,通过碱剥离能够缩短载流子的传输距离,同时GQD的引入能有效改善电子-空穴对的复合.当GQD掺杂量为5.0%时,对亚甲基蓝的光催化降解效率达90.9%.此外,通过自由基捕获实验确定光降解中活性组分为·O₂^-和h⁺,并提出一种可能的亚甲基蓝光催化机理.

摘要:采用原位生成法制备了Bi₂O₂CO₃/Bi₄Ti₃O₁₂复合异质结光催化剂,通过X射线衍射测试(XRD)、透射电子显微镜(TEM)、高分辨率透射电子显微镜(HRTEM)、X射线光电子能谱测试(XPS)、紫外-可见漫反射光谱(UV-Vis DRS)等表征方法,研究了所制备材料的晶体结构、微观形貌、元素组成和光电性能.通过在可见光下降解抗生素氧氟沙星,研究了所制备材料的降解活性.结果表明,复合光催化剂的降解活性优于单一组分光催化剂,其中,最佳复合样品BTC-2的表观速率常数分别为纯Bi₂O₂CO₃和Bi₄Ti₃O₁₂的6.3倍和2.2倍.4次循环实验结果表明复合样品有着良好的稳定性.根据电化学测试结果得知,BOC/BTO复合光催化剂有着良好的光生载流子分离效率和优秀的电荷迁移效率,所以对氧氟沙星展现出良好的降解活性.自由基捕获实验结果表明光催化实验中BOC/BTO复合的主要活性物种是空穴和超氧自由基.此外,通过自由基捕获实验和能带理论,提出了电荷转移路径和提高活性的机理.

摘要:港口作为经济的"海上门户",既是全球贸易的枢纽,也是碳排放的重要源头.本文突破传统研究中单一港口短期数据的局限,构建了多港口、长周期的分析框架,系统整合港口运营、经济发展等多维度的10项关键指标,为港口碳排放的长期动态预测提供科学依据,为港口低碳发展提供前瞻性决策支持.运用主成分分析与灰色关联分析相结合的方法,对指标进行科学筛选,剔除冗余信息,精准提取最具代表性的核心指标.在此基础上,进一步采用岭回归分析优化指标体系,避免多重共线性问题,确保指标的有效性和可靠性.随后,引入支持向量回归(SVR)模型进行碳排放预测,并融入GML指数进行改进,以动态反映港口效率变化对碳排放的深远影响.通过对比分析,研究发现:1)集装箱港口碳排放与码头泊位数量、货物吞吐量、集装箱吞吐量和运营成本等因素密切相关,以这些核心指标为基础构建的预测模型,能够有效地反映港口碳排放的变化趋势;2)引入生产效率特征显著提升支持向量回归模型的预测精度,能够更为精准地揭示港口运营中的碳排放变化规律,从而为低碳管理提供有力的理论依据和实践支持.