全部分类/
科学普及/
现代电子技术

现代电子技术

2025年24期

本刊以电子技术为主体，探讨和报道信息产业及电子行业中新技术，新器件，新应用的学术论文及成果；提供国内外最新的电子技术发展动态及产品市场信息；为企业的新产品，新技术，新成果在产业及行业内的推广架起一座金桥。

扫码免费借阅

目录

快速导航

电子与信息器件 | 面向芯粒互连的低延迟AXI适配器设计

电子与信息器件 | 面向芯粒互连的低延迟AXI适配器设计

摘要：芯粒间(D2D)互连技术是决定芯粒系统性能的关键。芯粒互连要尽可能满足低延迟、高带宽、低功耗以及高可靠性的要求。然而，现有标准对主流片上总线的支持不够，需要兼容AXI等总线的D2D适配方案。为了响应上述需求，设计一种支持AXI总线的D2D适配器。在一种分层的芯粒互连接口传输协议架构基础上，完成协议层和数据链路层的硬件设计。在协议层硬件实现中，为了尽量隐藏打包延时，提出一种活跃业务通道数据合并(拼接)策略;在数据链路层，针对芯粒间互连低延迟、面积小的需求和误码率低的特点，采用基于 n? 回退的自动重发请求(ARQ)重传机制。运用硬件描述语言SystemVerilog完成了适配器的寄存器传输级设计，并基于TSMC 28nm 工艺库进行综合。实验结果表明，系统的延迟为11.02ns ，功耗为 15.58mW ，相比于UCIe接口控制器，延迟降低了 16% ，功耗降低了 22.5% ，能够满足更低延迟和功耗的片上总线适配要求。
电子与信息器件 | 基于ICFOA-VMD和混合神经网络的交流串联电弧故障检测

电子与信息器件 | 基于ICFOA-VMD和混合神经网络的交流串联电弧故障检测

摘要：低压交流配电系统中的负载种类繁多，且环境干扰因素较强，这使得串联电弧故障的检测变得困难，从而严重影响用电安全。针对交流串联电弧故障检测能力不足的问题，提出利用改进捕鱼优化算法(ICFOA)优化变分模态分解(VMD)参数，提取变分模态分量(IMFs)的特征信息，通过深度学习模型实现串联电弧故障检测的方法。首先，搭建低压交流串联电弧故障实验平台，并采集正常与电弧故障情况下的电流数据；其次，利用ICFOA算法对VMD进行优化，获取最佳参数，并通过ICFOA-VMD分解电流信号，得到 k 个IMFs分量；最后，对IMFs分量提取多维特征作为输入量，通过CNN-LSTM混合神经网络模型实现对电弧故障的精准检测。实验结果表明：所提方法适用于阻性、感性和容性负载，具有良好的普适性；针对不同负载的检测平均准确率达到约 99.72% ，能够实现高准确率的电弧故障检测。
电子与信息器件 | 基于电阻抗成像的肺部呼吸监测系统

电子与信息器件 | 基于电阻抗成像的肺部呼吸监测系统

摘要：针对现有的电阻抗成像(EIT)系统结构复杂、成本高等问题，以STM32为核心，设计一种低成本、结构简单的EIT数据采集系统，并基于Matlab开发了配套的上位机控制系统，使用一步高斯牛顿法进行图像重建，将其应用于肺部呼吸监测;同时提出了最大值等效幅值法，即将一组ADC转换值的最大值等效为所需信号的幅值，显著提升了数据解调的速度，提高了成像的实时性。所设计系统具备波形图实时显示、数据存储和图像重建等功能，且支持 5～100kHz 的信号输出及数据采集。数据解调实验结果表明：与快速傅里叶变换(FFT)相比，最大值等效幅值法解调1帧数据耗费的时间减少约 1.5s ，且数据的相对误差小于 0.331% 。成像实验结果表明，重建的图像能够有效反映呼吸过程中肺内空气量的变化，验证了所设计系统的准确性和应用于肺部呼吸监测的可行性。
电子与信息器件 | 基于多特征的IHO-KELM模拟电路故障诊断

电子与信息器件 | 基于多特征的IHO-KELM模拟电路故障诊断

摘要：为了提高模拟电路故障诊断的准确率，提出一种基于多特征融合和改进的河马优化(IHO)算法优化核极限学习机(KELM)的故障诊断方法。首先，结合统计特征与加权马氏距离特征构造多特征融合的特征集;其次，在河马优化算法的基础上引入Sobol序列来初始化种群，并且加入动态莱维步长、正余弦算法振荡性与柯西分布随机性策略实现对HO的改进；最后，利用IHO对KELM的正则化参数 (C) 与核函数参数 (ρ_g) 寻优，以此建立IHO-KELM故障诊断模型，并且用BUCK电路进行仿真实验,验证方法的可行性与高效性。仿真实验结果表明，对比其他方法，所提方法显著提高了模拟电路故障的诊断准确率和效率。
电子与信息器件 | 基于FPC矩阵电涡流传感器裂纹识别系统研究

电子与信息器件 | 基于FPC矩阵电涡流传感器裂纹识别系统研究

摘要：大型基础设施如信号塔、桥梁中的高承压金属结构部件随着时间的推移，会受到环境侵蚀、高应力等影响，出现疲劳开裂现象，而定期检测高承压部件的健康度可以有效减少或防止重大事故发生。阵列涡流检测(ECA)是涡流检测的新兴分支，其传感器线圈按照一定方式阵列排布，在无需运动扫查结构的情况下可以实现大面积快速扫查，提高检测效率。故基于涡流检测原理，设计一种FPC矩阵电涡流传感器与裂纹识别系统，并基于Matlab给出了上位机图形可视化处理程序。其次，对识别系统进行实验验证，为模拟真实缺陷，在非平面结构金属被测试件表面设置人为缺陷，使用FPC矩阵电涡流传感器及裂纹识别系统对模拟缺陷进行检测识别。结果表明，所设计系统能够有效识别到长 10mm 宽 1mm 深 0.5mm 的缺陷。
电子与信息器件 | 面向磁控溅射全过程的复杂电磁环境分析与优化

电子与信息器件 | 面向磁控溅射全过程的复杂电磁环境分析与优化

摘要：在磁控溅射工艺中，磁场设计是决定溅射效率、薄膜质量及工艺经济性的核心因素。文中基于磁场-等离子体-薄膜性能的耦合机制，提出一种动态可调磁场与多区域协同优化策略，以解决传统静态磁场在复杂工艺中的调控瓶颈。针对靶材参数优化问题，采用粒子群优化(PSO)算法对磁轭结构、磁场强度等关键参数进行全局寻优。在全流程的多目标优化过程中，通过非支配排序遗传算法(NSGA-II)来同步优化薄膜均匀性、靶材利用率、沉积速率及能耗效率，构建Pareto最优解集。实验测试结果表明，所提方法在代际距离（ GD=4.58×10^-5. 间距指标（ SP=7.55×10^-3 和超体积（ ΔHV=0.551 等综合评价指标上均优于对比算法，验证了该方法具有良好的收敛性、多目标协同优化能力及综合性能。
电子与信息器件 | 基于优化轨迹控制的DNPCLLC谐振变换器软启动研究

电子与信息器件 | 基于优化轨迹控制的DNPCLLC谐振变换器软启动研究

摘要：针对传统LLC谐振变换器采用降频启动时因启动频率较高导致的开关器件损耗增加、寄生参数和电磁干扰显著等问题，分析二极管钳位型(DNPC)LLC谐振变换器状态控制的建立过程，并在现有调频控制基础上加入移相控制，提出一种移相调频轨迹控制软启动方法。文中分析了移相调频软启动的轨迹波形，且给出了移相调频控制中各阶段的频率求解方法。在Matlab/Simulink中搭建了DNPC LLC谐振变换器模型，通过仿真分析启动时频率和谐振电压、电流的变化过程。最后,基于DNPCLLC谐振变换器硬件平台，验证所提移相调频轨迹控制软启动方法的有效性。结果表明，所提方法在启动初期谐振电感电流都稳定在最大电流限制带附近，且相比于传统轨迹控制，在启动初期具有更高的谐振电容电压，启动过程也更快。
计算机科学与应用 | 融合边权自适应与层级专家混合的谣言检测模型ERLMGcn

计算机科学与应用 | 融合边权自适应与层级专家混合的谣言检测模型ERLMGcn

摘要：针对社交网络谣言检测模型存在边关系含噪声、缺乏多尺度特征聚合以及节点表征过度平滑的问题，提出一种融合自适应边权重与层级专家混合的图神经网络模型ERLMGcn。先以BERT提取文本表示，并对元数据采用通用策略编码;随后将二者拼接并线性投影为统一节点特征。在每层GCN中引入自适应边属性机制，在信息传递时突出重要的传播链路并减少噪声的影响;通过门控网络对不同卷积层的节点表示沿层级维度进行选择性聚合，从而同时捕获局部和全局特征并缓解过度平滑。在 Ma_-Weibo 与CED_Dataset上开展对比与消融实验，与最优图基线模型相比，该模型在两个数据集的准确率分别提升 8.43% 与 3.39% ，在其他指标上也均有一定的性能提升。消融结果验证了边权重自适应与层级专家门控机制对于模型的贡献程度，该模型为中文社交媒体谣言检测提供了有效方案。
计算机科学与应用 | 基于1D-CNN的消防水力系统状态监测与故障诊断

计算机科学与应用 | 基于1D-CNN的消防水力系统状态监测与故障诊断

摘要：为了对消防水力系统的运行状态进行实时监测与故障诊断，提出一种基于一维卷积神经网络(1D-CNN)的消防水力系统故障诊断算法与监测系统。该系统利用RS485总线，通过ModBusRTU协议采集消防泵转速、取力器输入/输出轴温度、进出口压力以及管道流量等参数，使用基于Winform搭建的上位机对采集参数进行实时显示与分析;接着使用1D-CNN和LSTM算法进行故障诊断实验;最后将1D-CNN模型接入监测系统中进行应用,实现故障诊断功能。实验结果表明：1D-CNN故障诊断准确率高达 98.66% ，模型性能较LSTM更佳；监测系统运行稳定，能够实时显示各项监测数据；与传统方法需要人工提取特征相比，将故障诊断模型接入监测系统后，可以直接将多传感器采集的信息作为输入，融合特征提取与分类过程，实现消防水力系统端到端的故障诊断。该监测系统人机界面友好，参数监控精确，故障反馈及时，适合消防部队日常使用。
计算机科学与应用 | 基于动态时间规整与Transformer的连续语音识别与发音校正算法

计算机科学与应用 | 基于动态时间规整与Transformer的连续语音识别与发音校正算法

摘要：针对传统动态时间规整(DTW)算法在大规模语音数据处理中效率低、非特定人识别鲁棒性不足，以及Transformer模型在短时语音时序对齐精度欠佳的问题，提出一种DTW与Transformer融合的连续语音识别与发音校正算法。该算法通过DTW实现短时语音帧的精准时序对齐，利用Transformer的多头注意力机制捕捉长时语音序列的全局依赖关系，构建"局部对齐-全局建模"的双层处理架构。在公开语音数据集TIMIT和自建语言学习发音数据集上的实验结果表明：所提算法的连续语音识别词错误率(WER)较传统DTW算法降低 18.9% ，较单一Transformer模型降低 5.7% ；发音校正的音素错误检出率达 95.3% ，实时响应延迟控制在 280ms 以内，可以满足语言教育、智能评测等场景的应用需求。
计算机科学与应用 | 基于改进Apriori的网络高维数据关联特征挖掘

计算机科学与应用 | 基于改进Apriori的网络高维数据关联特征挖掘

摘要：为可靠挖掘具有维度高、倍增特点且呈稀疏分布的网络数据之间的关联特征，提出一种基于改进Apriori的网络高维数据关联特征挖掘方法。采用Boruta算法在原始网络高维数据中筛选出最具有代表性的特征，并有效处理其中的冗余特征数据;通过K最近邻插补子空间聚类算法插补选择的特征数据，以提升特征数据的完整性和连续性;利用改进Apriori算法挖掘插补后的特征数据集，结合关联规则支持度、置信度和提升度的计算结果确定多个关联规则强度，更好地判断特征之间的关联程度，实现网络高维数据关联特征的挖掘。测试结果表明：所提方法具有较好的特征选择能力，归一化互信息结果均在0.909以上，特征冗余程度均低于0.0155;且能够较好地实现缺失特征插补处理，并依据设定阈值范围完成网络高维数据关联特征挖掘。
计算机科学与应用 | 时频特征选择下认知类疾病的正负网络失衡

计算机科学与应用 | 时频特征选择下认知类疾病的正负网络失衡

摘要：在认知类疾病研究中，常使用静息状态功能磁共振成像(rs-fMRI)功能连接(FC)结合机器学习技术，探索疾病组与对照组间的差异。但由于个体的差异性，不同数据集或方法中识别异常FC区域存在不一致性。为了解决这一问题，提出一种FC特征选择方法，不再仅关注单个脑区，而是寻找整个脑网络的一致性特征。利用公开rs-fMRI数据进行的实验结果显示，在三类认知类疾病中，所选的正网络特征数量比负网络特征均多出约 4% ，这指出了网络中可能存在某种失衡。这种失衡现象不仅在不同数据集中普遍存在，而且在传统特征选择方法中也有所体现。此外，采用所提出的方法进行分类的准确率比传统方法提升了约 20% 。这一发现凸显了新方法在区分疾病组与正常组方面的显著优势，且为网络失衡假设提供了有力的支持。
能源技术 | 基于WOA优化的VMD-CNN-BiGRU储能电站负荷预测

能源技术 | 基于WOA优化的VMD-CNN-BiGRU储能电站负荷预测

摘要：储能电站是新能源发电端与大电网之间重要的电能缓冲纽带，高精度的电力负荷预测模型对确保储能电站电能配储的稳定性至关重要。为此，提出一种基于信号分解处理、优化算法与深度学习模型相结合的负荷预测方法。首先利用样本熵函数(SE)与鲸鱼优化算法(WOA)对变分模态分解(VMD)参数进行优化，将负荷序列分解为多个子序列;随后构建基于WOA优化的卷积神经网络(CNN)和双向门控循环单元(BiGRU)预测模型，并结合斯皮尔曼秩相关系数筛选相关特征，与子序列共同输入模型进行预测；最后将各分量预测结果叠加，输出整体负荷预测值并计算误差指标。实验结果表明，所提方法相较于主流模型具有更高的预测精度，平均绝对百分比误差(MAPE)降低至 0.013% ，决定系数 R² 高达0.984，验证了该模型的有效性和优越性。
能源技术 | 基于CPO-ICEEMDAN-DBO-TCN-GRU模型短期风电功率预测

能源技术 | 基于CPO-ICEEMDAN-DBO-TCN-GRU模型短期风电功率预测

摘要：随着风力发电机大规模接入电网，风速的间歇性、波动性等特点易导致风电功率输出不稳定。针对短期风电功率预测精度不高的问题，提出一种基于CPO-ICEEMDAN-DBO-TCN-GRU的短期风电功率预测模型。利用改进自适应噪声完备集合经验模态分解算法(ICEEMDAN)将风速和风电功率分解为不同频率的模态并融合，形成新特征；同时利用冠豪猪优化（CPO)算法对ICEEMDAN的核心参数（如噪声幅值权重和噪声添加次数)进行寻优。随后建立TCN-GRU预测模型，并利用蜕螂优化(DBO)算法对模型的相关参数进行优化。最后对融合的特征进行训练，得到最终的预测结果。实验结果表明,与其他单一模型和组合预测模型相比，所提模型的MAE、RMSE和MAPE指标具有更高的精确度，验证了该模型具备更高效的短期风电功率预测能力。
能源技术 | 计及氨能多元利用的综合能源系统优化调度

能源技术 | 计及氨能多元利用的综合能源系统优化调度

摘要：随着全球能源需求的持续增长及环境保护意识的提升，传统能源使用方式正面临严峻挑战。为提高能源系统的效率与可持续性，提出一种计及氨能多元利用的电-热-氨综合能源系统低碳优化调度模型。首先，构建电转氨(P2A)等多种模型，并引入富氧燃烧(OEC)装置以提升能源的利用率。P2A系统通过电解水制氢，随后与氮气反应生成氨，从而实现可再生电力的存储与转化。其次，将氨能引入可调热电联产(CHP)和氨燃料电池(AFC),与储能系统相结合，分析其在能源转换、存储及消费方面的多重效益。构建涵盖购能成本、弃风光成本、运维成本以及碳排放成本的综合目标函数，并对其进行优化求解，通过采用多情景对比分析，验证了该优化模型在显著降低能源成本的同时，还能有效减少碳排放。
航空航天航海技术 | 自主水下航行器无线充电原边模糊控制方法

航空航天航海技术 | 自主水下航行器无线充电原边模糊控制方法

摘要: 无线电能传输技术在自主水下航行器(AUV)领域的应用日益广泛。该技术通过电磁感应实现无电气连接的能量传输,以解决有线充电的便携性差、操作繁琐等问题。然而,传统无线充电系统依赖高速通信,易受水下信号衰减影响,导致系统的可靠性下降。针对这一问题,提出一种适用于AUV的双LCC无线充电系统方案,验证原边输入电流与副边输出电压在暂态性能上的一致性。采用原边模糊控制方法调节逆变器移相角,以维持原边输入电流恒定;其次控制副边输出电压,无需实时通信。仿真结果表明,与传统PI控制器相比,所提方法在负载突变时的响应时间缩短了50%,电流波动幅度降低了68.75%。
激光与红外技术 | 基于B-样条小波的分布式光纤光栅信号解调方法

激光与红外技术 | 基于B-样条小波的分布式光纤光栅信号解调方法

摘要：针对噪声干扰、光栅反射光谱重叠等导致的信号解调困难问题，提出一种基于B-样条小波的分布式光纤光栅信号解调方法。构建分布式光纤光栅信号解调框架，宽带光源释放的光束经过隔离器、耦合器A后注入到分布式光纤光栅上，生成反射光信号；再采用B-样条小波对反射光信号进行降噪处理，通过耦合器B将处理后的反射光信号分成两个光传输路径，流经长周期光纤布拉格光栅(LPFG)，由光电探测器实现反射光信号的捕捉；之后采用双长周期光栅双边缘滤波的光纤光栅解调算法，通过测量两个光传输路径输出的电压比值，并结合高斯模拟函数来描述FBG反射光信号和LPFG传输信号的光谱特性，推算光纤光栅中心波长，实现分布式光纤光栅信号解调。实验结果表明：所提方法可实现原始FBG反射光信号的去噪，去噪后的信号曲线平滑、连续，且峰值清晰可辨;解调后的FBG中心波长受温度影响小，误差介于 0.002～0.012nm ○
前沿交叉科学 | 基于语义相似和变分自编码器的非负矩阵分解主题模型

前沿交叉科学 | 基于语义相似和变分自编码器的非负矩阵分解主题模型

摘要：为解决传统NMF主题模型难以处理短文本数据稀疏性，以及随机初始化导致聚类结果不稳定的问题，提出一种基于语义相似和变分自编码器的非负矩阵分解主题模型(VSNMF)。该模型在传统的NMF基础上引入单词共现和文本相似度的正则化约束，保证因子矩阵的近似正交性，从而缓解数据稀疏性的缺点，使模型适应不同长度的文本数据集。同时，利用变分自编码器(VAE)初始化因子矩阵，将编码器最后一层输出的直接作为因子矩阵，以增强模型的收敛性和稳定性。在4个不同长度的文本数据集上,将所提出的VSNMF模型与其他模型进行对比,得出该模型优于对比模型，在BBCNews、BBCsport、AGNews、Snippets数据集上的聚类准确率(ACC)分别为 94.3%,96.1%.81.5%.93.8% ；基于VAE的初始化方法具有良好的收敛性和稳定性，模型分别经过30、40、40、40次的选代就已经收敛，聚类准确率的标准差分别为 0.3、0.0、1.0、0.0 实验结果表明，VSNMF模型对不同长度的文本数据集具有良好适应性和泛化能力,VAE的初始化方法加快了模型的收敛性，提高了聚类的稳定性。
前沿交叉科学 | 极区冰基浮标数据安全传输方法研究

前沿交叉科学 | 极区冰基浮标数据安全传输方法研究

摘要：在极地考察的战略地位日益提升的背景下，针对极区冰基浮标采集的数据包未经处理，直接通过公共信道回传国内所带来的安全性和可靠性问题，结合极区数据传输的特点，提出一种基于混沌加密算法的数据安全传输方法。通过合并多包原始数据，将其视为初始灰度图像。利用三维Lorenz混沌映射算子辅以高斯噪声对数据进行加密处理，以提升安全性；利用Huffman编码进行数据压缩，为后续校验码腾出数据空间;针对混沌加密鲁棒性弱的特点，基于Reed-Solomon编码，为加密数据增添校验码进行差错控制，以提升传输过程中的可靠性。最终实现了在不改变甚至缩小总体数据量的前提下，提升数据传输的安全性及可靠性。该方法已应用于第14次北极考察的部分浮标中，通过分析极区浮标回传的数据包，验证了该方法的可行性。
前沿交叉科学 | 基于改进RT-DETR模型的轻量化条形码识别算法研究

前沿交叉科学 | 基于改进RT-DETR模型的轻量化条形码识别算法研究

摘要：为了解决复杂环境下条形码检测精度不足、模型体积大且不利于硬件移植等问题,提出一种基于改进RT-DETR模型的轻量化检测算法，即CS-RT-DETR。该算法采用轻量化ConvNeXtV2主干进行特征提取，降低模型参数量冗余；设计一种多尺度MSG-Conv卷积替换编码器中的常规卷积，提升模型多尺度特征信息的识别能力;提出一种并行膨胀卷积网络结构CSP-FAFB，使模型获得更大感受野;提出一种基于Gate机制下的注意力采样方法，提高模型对重要特征的敏感性；采用Inner-DIoU损失函数提升模型收敛速度。结果表明，相较于基线算法，所提算法召回率提升 0.51% ，精确率提升0.48% ，参数量、浮点运算量、内存占用量分别下降 45.2%,55.9%,47.3% 。CS-RT-DETR模型在不损失检测精度的同时满足了轻量化要求。
前沿交叉科学 | 面向热点事件传播态势感知的融合算法设计

前沿交叉科学 | 面向热点事件传播态势感知的融合算法设计

摘要：为了对热点事件舆情传播过程中的情感变化、演进预测以及传播态势进行深度分析，提出一种融合多模态特征提取与图注意力的热点事件传播态势感知算法。该算法通过引入多模态特征提取技术，对文本和图像等多种数据类型进行处理，并对各类数据中的信息特征进行全面捕捉，丰富了舆情分析的数据来源，提升了分析结果的可靠性和有效性。同时，还构建了图注意力机制对特征识别与提取过程进行优化，实现对图结构数据中噪声和冗余信息的高效处理，减少无关信息的干扰，增强與情传播态势预测的准确性。基于公开社交平台传播数据集进行的实验测试结果表明，所提算法的态势预测准确率和态势预测效率均高出其他对比算法约 5% ，态势分析效率可达 99.5% ，具有良好的态势预测能力和分析能力。
前沿交叉科学 | 基于ARIMA-LSTM模型的水体重金属浓度预测研究

前沿交叉科学 | 基于ARIMA-LSTM模型的水体重金属浓度预测研究

摘要：为了提高河流水体重金属浓度的预测精度，提出一种基于ARIMA-LSTM组合模型的水体重金属浓度预测方法。以汉江汉中段水体为研究对象，选取该流域段蒙家渡、南柳渡、烈金坝三个监测断面2013年1月—2022年12月期间水体重金属实际监测数据，分别运用ARIMA模型、LSTM模型和ARIMA-LSTM组合模型对三种重金属元素 Cu,As,Cr 的浓度进行时间序列预测。结果表明：相较于ARIMA模型,ARIMA-LSTM组合模型的平均相对误差（MAE）、均方根误差（RMSE）、平均绝对百分比误差(MAPE)分别平均降低了 30.40%,32.98%,45.40% ；相较于LSTM模型，上述三项误差指标分别平均降低了78.88%.77.74%.75.58% ，由此说明ARIMA-LSTM组合模型在水体重金属浓度预测方面优于单一的ARIMA模型、LSTM模型，其预测结果与监测断面的实际浓度更为接近，验证了该组合模型的有效性。
前沿交叉科学 | 基于交集相似日及MSGWO-LSTM模型的短期光伏发电功率预测

前沿交叉科学 | 基于交集相似日及MSGWO-LSTM模型的短期光伏发电功率预测

摘要：针对目前光伏功率预测存在的预测精度不足问题，提出一种基于交集相似日选取和多策略灰狼优化(MSGWO)算法优化长短期记忆(LSTM)神经网络的短期光伏发电功率组合预测模型。采用最大信息系数(MIC)方法去除与光伏发电不相关的气象特征；利用K-means ⁺⁺ 算法进行相似天气日的聚类，并通过模糊C均值(FCM)聚类对初聚类样本进行边缘样本修正。为了提高灰狼优化算法的性能，引入Tent混沌映射、差分进化策略和动态权重策略，优化LSTM模型以实现预测精度最优。最后，以两个实际光伏电站数据源进行测试，仿真结果表明，所提组合模型在不同天气条件下的预测精度优于其他对比模型。
人工智能 | 基于改进Canny算法的印刷品表面缺陷检测

人工智能 | 基于改进Canny算法的印刷品表面缺陷检测

摘要：针对传统包装印刷品表面缺陷检测问题，提出一种基于改进Canny算法的印刷品表面缺陷检测方法。该方法从滤波方式、梯度模板及阈值分割方面对印刷品缺陷图像进行处理。首先，针对传统算法不能有效滤除椒盐噪声的问题，采用改进的双边滤波替代高斯滤波；然后使用Scharr算子计算梯度幅值及方向，以更有效地检测边缘信息；最后采用最大类间方差（OSTU)阈值分割算法实现阈值的自适应选取。通过对比不同算法对印刷品表面进行检测，实验结果显示，改进后的Canny算法较传统算法在平滑噪声方面表现更好,能够有效检测印刷品表面的缺陷，具有较强的实用性。
人工智能 | 基于GRU神经网络的旋转机械故障趋势预测方法

人工智能 | 基于GRU神经网络的旋转机械故障趋势预测方法

摘要：针对旋转机械故障信号的时间依赖性强、存在动态变化的特点，从而影响故障趋势预测性能的问题，提出一种基于GRU神经网络的旋转机械故障趋势预测方法。采用基追踪方法，依据与原始旋转机械振动信号匹配的原子提取旋转机械故障信号的时频特征。将所提取的时频特征作为GRU神经网络的输入，GRU神经网络采用更新门与重置门捕捉旋转机械故障趋势的长期依赖关系，利用隐藏单元记录旋转机械的故障信息状态，利用重置门控制上一时刻的信息传递数量，生成备选的更新信息。将GRU神经网络输出的隐藏状态值作为注意力层的输入，利用注意力分配机制为旋转机械振动信号赋予权重，再采用加权后的旋转机械振动信号输出旋转机械故障趋势预测结果。实验结果表明，所提方法能够依据旋转机械的振动峰峰值预测旋转机械故障趋势，有助于提高设备运行稳定性。
人工智能 | 基于多域特征融合的多模态命名实体识别

人工智能 | 基于多域特征融合的多模态命名实体识别

摘要：多模态命名实体识别（MNER)致力于准确检测文本中的命名实体，并结合图像信息将其分类到预定义类型中。然而，现有的MNER模型在不同模态特征的使用上仍存在不足，如图文噪声难以避免，不相关的图像区域可能误导文本信息，导致模型性能下降。为此，提出一种基于多域特征融合的MNER方法。该方法通过提取图像的频域特征作为补充模态，并结合特征融合工程对三种模态的特征向量进行整合，以捕获模态间的深层语义联系，从而提高命名实体识别的准确性。在Twiter-2015和Twiter-2017两个公开数据集上的实验结果表明，所提方法能够显著提升MNER任务中的实体识别准确率，验证了该方法的有效性。
人工智能 | 深度卷积神经网络架构下智能车3D车道线检测研究

人工智能 | 深度卷积神经网络架构下智能车3D车道线检测研究

摘要：针对单目视觉2D车道线检测方法不能获取车道线3D空间位置的问题，设计一种用于3D车道线检测的卷积神经网络结构。采用深度残差网络ResNet50作为特征提取网络，并引入坐标注意力机制，实现车道线的浅层特征提取、多尺度特征图生成以及小尺度高阶特征信息提取。采用特征融合网络BiFPN对不同尺度的特征图进行双向特征融合，提高车道线检测精度。同时设计一种车道线锚线3D车道检测头，实现多尺度特征图快速融合下采样，通过设置预测车道线和锚线间的偏置实现车道线的3D位置检测。在Openlane数据集上验证所设计的3D车道线检测系统，并与目前的主流方法进行对比。实验结果表明，所设计方法不仅能够检测出车道线的空间位置，还能对车道线的颜色、虚实、单条双条、左虚右实和左实右虚等属性加以识别。
深海深空深地技术 | 多通道远程时间同步单元设计与实现

深海深空深地技术 | 多通道远程时间同步单元设计与实现

摘要：为解决海水对海底设备GPS信号的屏蔽问题，提出一种基于CPLD的远程时间同步技术。利用光纤数据传输技术设计实现串口转光纤功能，通过万米光电复合电缆将GPS秒脉冲和时间信息传输到海底设备;再基于传输的GPS秒脉冲,采用PID算法对压控振荡器进行校准，解决恒温晶体振荡器的误差积累问题，大幅提高海底设备的时间同步精度。实验结果表明,采用所提方法，海底设备的时间同步精度可达 3μs 。

过往期刊

更多

猜你喜欢

中国音乐学院电子阅览室