不同惯性权重设置的粒子群算法的仿真实验

惯性权重是粒子群算法的一个重要参数.为了验证惯性权重对粒子群算法性能的影响,选取3个有代表性的惯性权重设置,与线性权值递减策略进行各个方面的比较,采用3个标准测试函数测试这些策略对算法的影响.实验结果表明采用w1PSO的惯性权值设置方式,所取得的效果要优于其他惯性权值策略.     

基于粒子群算法与循环神经网络的短期电力负荷预测

针对循环神经网络算法在电力负荷预测中存在易陷入局部最小值和全局搜索能力较弱的缺陷,提出了基于粒子群算法和循环神经网络的预测方法|针对标准粒子群算法易因粒子早熟收敛现象而陷于局部最优的缺陷,提出了合理粒距的概念,生成一种改良后的学习方法。采用改良后的粒子群算法对结点权值参数进行寻优,以测量值与预测值的误差作为评价依据,从而实现模型参数的优化选择。最后采用改良后的粒子群算法和循环神经网络预测模型对短期电力负荷进行预测,并与标准粒子群算法循环神经网络预测模型和循环神经网络预测模型对比。实际算例比较表明,这种预测方法具有良好的收敛特性和较高的预测准确度。     

变电站指针式仪表示数识别方法研究

为对处于复杂环境中的变电站指针式仪表进行示数识别,提出一种基于深度学习的指针式仪表示数识别方法.首先使用目标检测算法YOLOv3检测图片中仪表和仪表刻度值的位置,并使用基于LeNet-5网络的字符识别算法识别刻度数值;然后使用语义分割算法DeepLabv3+分割出仪表指针区域;最后使用角度法读取仪表示数.实验结果表明,...     

高清整皮表面缺陷自动检测与定位

针对传统CCD皮革检测系统成像视场小,以及传统皮革缺陷检测方法主要对皮革局部区域进行检测,应用在整张皮革缺陷检测上还需进行图像拼接等问题,提出一种高清整张皮革表面缺陷自动检测方法。首先根据高清整皮一次成像系统获取的整张皮革（整皮）图像特点,提出基于饱和度的整张皮革有效区域提取方法提取皮革区域（Region of Interest, ROI）;然后,为了在整皮图像ROI区域内一次对多种不同类型缺陷进行检测与定位,提出基于增强缺陷边缘的算法对皮革表面缺陷进行自动检测与定位。与传统皮革局部区域缺陷检测方法相比,该方法直接对整皮图像进行检测,无须再应用图像拼接算法得到最终结果,且能在一定程度上克服光照不均的影响,因此可以快速、准确地自动检测与定位整张皮革缺陷。     

基于Faster R-CNN的圆柱形金属工件表面缺陷检测

为有效进行圆柱形金属工件表面缺陷检测,设计一套利用深度学习框架——Faster R-CNN的表面缺陷检测系统。该系统算法利用Resnet网络进行特征提取,采用RPN方法提取缺陷的候选目标矩形区域,再利用Fast R-CNN在候选区域基础上进行缺陷检测。此外,为克服金属表面反光并获得高质量图片,设计一套合适的图像采集系统。实验表明,该检测系统能有效克服光滑金属表面的强反射,从而获取高质量图片;同时利用基于Faster R-CNN框架的方法进行缺陷检测,较好地解决了圆柱形金属表面缺陷检测能力弱的问题,在置信度阈值为0.9时,其查全率为95.0%,查准率为96.0%,检测速度为65ms/幅。     

解决多属性群决策问题的一种线性规划法

研究方案极大综合属性值下的多属性群决策问题.采用区间数熵值法确定属性权重;利用各加权评价专家评分落差构造评分区间,区间及两端点平均值作为属性值取值约束条件,建立方案综合属性值下的单目标线性规划模型,提出一种新的多属性群决策算法,并把该算法用在教师教学评价当中,决策结果验证了算法的可行性.     

三维视域下的概率犹豫模糊集及决策应用

在三维视角下定义了概率犹豫模糊集,并在此基础上设置了解决概率犹豫模糊集多属性群决策问题的两种算法．首先将隶属度、概率、决策专家权重看作以三维点坐标形式进行书写的三维变量,建立了计算概率犹豫模糊元的几何距离函数模型、离差程度函数模型以及概率犹豫模糊数的模糊值模型,然后在考虑概率犹豫模糊元的几何距离与离差程度两个因素的基础上计算属性权重．之后,利用加权的几何距离值与离差程度值计算概率犹豫模糊元的综合值,采用Maclaurin对称平均算子对概率犹豫模糊元的综合值进行集结进而对方案排序;计算概率犹豫模糊数的模糊值,以模糊值的上下确界分别作为区间数的右左端点,用区间数来近似表示概率犹豫模糊元的决策信息,同时,使用区间数的积型贴近度公式对各概率犹豫模糊元进行两两测度,通过比较属性的测度结果来鉴定各方案优劣．最后,将两种算法进行了实例验证,决策结果表明了算法的可行性．     

基于工业生产设备表面缺陷检测的实验设计

构建了工业自动化生产设备表面缺陷检测框架,包括机械结构、照明设备、成像设备及处理算法、控制卡及软件集成模块,分析了框架各模块的作用和相互联系,面向生产线检测任务,建立系统化思维框架。以电路板表面缺陷检测应用为实例,开展了具体的缺陷检测实验,针对咖啡色电路板线路缺陷检测问题,利用局部阈值增强的二值化图像算法完成了缺陷区域检测,并实现了软件并行加速优化。实践结果表明,工程实践教学模式能够激发学生的学习兴趣,加深理论知识理解,提高动手实践能力,取得了良好的教学效果。     

基于模糊加权的多模型预测控制在过热汽温系统中的仿真研究

针对大多数复杂热工控制对象非线性特性与运行工况密切相关的实际特点,提出了一种基于模糊加权的多模型预测控制算法。该算法采用多模型自适应控制（MMAC）中模型集选取的方法,权重计算则通过多模型优化模糊加权算法,将各子模型输出概率加权平均值作为对实际对象的预测输出值,通过一个动态矩阵预测控制器计算最终控制。并对一个超临界600MW直流锅炉过热汽温对象进行仿真,验证了该算法的有效性。     

粒子群优化的加权核范数低秩矩阵补全算法

针对加权核范数最小化矩阵补全方法存在阈值决策函数单一、收敛精度不高等问题,提出一种粒子群优化的加权核范数最小化低秩矩阵补全算法。改进算法利用粒子群的启发式智能搜索能力,为待恢复矩阵的奇异值自适应地匹配恰当的阈值,以提升算法的收敛性能。改进工作主要包括：（1）设计多种奇异值阈值决策函数,为矩阵提供多种阈值分配策略;（2）改进粒子群的速度迭代公式,提出基于余弦函数的速度惯性调节公式以增强粒子群的全局搜索性能;（3）利用改进的粒子群优化算法为阈值决策函数搜索最优的参数组合,然后再通过阈值决策函数生成奇异值的阈值,重构恢复结果并提升算法的收敛精度。在人工数据和图像数据上的实验结果表明,与加权核范数最小化方法、奇异值阈值化方法以及低秩矩阵拟合方法相比,改进方法具有收敛精度更高、恢复结果更清晰等优势。