基于参数化建模的凸轮动态优化方法

为解决传统凸轮型线优化设计过程中的动力学模型简单、几何精度低以及设计流程自动化程度低的问题,利用MSC.ADAMS平台的参数化建模技术,对设计流程重新进行组织和安排,提出"面向参数化样机的凸轮动态优化方法"的解决方案.本文建立了配气机构的参数化样机,对凸轮型线进行了动态优化设计.优化在考虑零件柔性的同时,提高了几何精度以及设计流程的自动化程度.     

自适应进化模型下的土壤重金属含量预测

针对Elman神经网络在土壤重金属含量预测时出现预测精度低、模型收敛速度慢等问题,提出一种自适应进化模型(AEM)。该模型以Elman神经网络为基础,运用贝叶斯正则化优化Elman神经网络的目标函数,提高网络模型预测精度;为解决网络模型收敛速度慢和易陷入局部极值等缺陷,采用自适应灰狼算法(AGWA)对网络模型初始参数进行优化;采用基于熵权距离的离群点检测法剔除数据中的离群点,以降低离群点对预测结果的干扰。以武汉市农业科学院采集的农田土壤重金属含量数据进行预测试验,AEM模型预测重金属含量的平均绝对误差和平均绝对百分比误差分别为1.623和17.48%,其决定系数比Elman的提高了0.394。AEM、自调整反距离加权插值模型(SIDIM)、小波神经网络模型(CBSA–WNN)、双向门控循环神经网络模型(SBGRNN)及Elman神经网络模型等5种不同预测模型进行对比试验表明,AEM模型在土壤重金属含量预测上具有更高的准确性。消融试验结果表明,贝叶斯正则化优化、自适应灰狼算法优化和基于熵权距离的离群点检测的离群点数据剔除等3个改进点对于提升土壤重金属含量预测精度均有一定的贡献。     

碳钢-水热管换热器的结构优化

把热管传热量公式中的各参数转化为热管结构参数，从而推导出一数学模型。利用该模型，采用复合形优化法，用QBASIC语言编程，在安装热管的面积一定状况下对碳钢-水热管换热器的结构进行优化。得到了较为理论的优化结果，为热管换热器的设计提供了理论依据。     

基于欠驱动原理死鸡捡拾末端执行器设计与仿真分析

为解决规模化养殖场人工识别捡拾死鸡劳动强度大、效率低等问题,以3～7周周龄笼养肉鸡为操作对象,基于欠驱动理论设计3关节4指死鸡捡拾机器人末端执行器.在肉鸡体尺测量、力学特性测量基础上,采用ADAMS建立机械指参数化模型与肉鸡模型,并依据目标函数、设计变量和约束条件开展机械指结构优化,优化结果显示目标函数增大28.6％....     

基于改进SSA-BP神经网络的复烤水分和温度预测

为解决烟叶复烤中加工一致性问题,为复烤工艺参数设置提供依据,本文针对工艺参数建立了BP神经网络模型对烟叶的水分以及温度进行预测。提出了采用Tent混沌映射改进的麻雀搜索算法(SSA)优化神经网络,提升模型的各方面性能。最后以麒麟复烤厂某个批次烟叶复烤加工的数据进行实验验证,并与未优化的BP模型、未改进的SSA-BP模型、GA-BP模型和PSO-BP模型进行对比,结果显示,Tent-SSA-BP模型在预测精度和性能上都更好,为复烤工艺参数设置提供了依据。     

基于神经网络PID算法的优化饲料配制系统

【目的】设计饲料配制控制系统,并采用神经网络PID优化算法实现对配料精度的提高。【方法】以西门子S-200 smart型PLC为主控设计饲料配制控制系统,针对现有常规PID算法的控制策略存在超调大、收敛慢等缺陷和BP神经网络梯度下降过程容易出现局部最小化问题,提出以附加动量项的BP神经网络PID算法实现称重误差的降低。【结果】基于动量项的梯度下降法建立的BP神经网络PID算法模型解决了参数自学习整定问题,在响应速度上该算法与PID算法对比为3∶1,试验后平均精度99.6%。并在收敛速度和改善超调现象具有更高效的表现。【结论】配料系统经算法优化后误差得到有效控制。     

基于改进ConvNeXt网络的人参分级模型

为了解决人参分级特征差异性小、严重依赖专业人员的问题，建立了一个包含5 116张图像，不同背景下的3种级别的人参数据集，提出了一种基于改进ConvNeXt框架的人参分级模型。首先，在主干网络下采样后嵌入通道混洗（Channel Shuffle）模块，使通道特征充分融合以提升分级精确度；其次，对ConvNeXt Block模块进行优化改进，将结构重参数化（Re-parameterization）模块与其进行融合，提高模型的表征能力，丰富卷积块的特征空间，进一步提升模型准确率；最后，将原激活函数GELU替换为PReLU激活函数，以增加神经网络模型的非线性变异性，提高了模型精度和效率。结果表明：该方法对人参分级的准确率、精确率、召回率以及特异度分别达到了94.44%,91.58%,91.04%和95.82%，损失率降低至0.24%，验证了其在人参质量评估中的准确性和可靠性，为人参质量分级的智能化提供了技术支持。     

多学科优化中基于实例推理的气动近似模型

为提高飞机多学科优化效率,对气动近似计算模型进行了改进。在比值修正模型所构造的气动近似模型的基础上,引入了基于实例的推理技术对其加以改进。通过采用与飞机气动特性相关的参数作为实例属性,建立了飞机方案实例,并改进了实例检索公式,最后通过复用与当前方案最相似实例的修正因子改进了优化中的气动近似模型。以常规布局民用飞机概念设计为例,采用改进的气动近似模型进行了多学科优化研究。结果表明,对于具有大量设计变量的飞机方案优化问题,采用改进的气动近似模型能够有效提高计算精度与优化效率。     

农机虚拟装配分类检测网络数据集构建方法

目的 虚拟装配在工业中可节约生产成本,提升机械部件生产效率。现有的虚拟现实引擎缺乏自动建立碰撞体功能,无法完整还原实际装配过程中的物理属性;通用化构建零件网格实体是提升虚拟装配实用性、精确性及通用性的重要途径。方法 以批量农机部件为样本对象,设计批量预处理算法及改进采样相关算法,通过构建三维模型样本的图片数据集,训练人工智能分类检测网络,从图片中分类并检测相关参数,实现自动构建碰撞体功能。结果 经过优化算法处理训练得到的分类检测网络从图片分类零件种类的精度在98%以上,从图片检测零件各项碰撞体构建参数的精度在98%以上;未经优化处理训练的网络不收敛。结论 本研究方法可以有效提升人工智能分类检测网络的识别精度及训练效率,结合碰撞体参数化构建程序,可提升碰撞体建模精度。     

基于改进卷积神经网络的番茄品质分级方法

为了解决番茄人工分级精度低、工作效率低等问题，基于卷积神经网络提出1种用于番茄品质分级的网络结构，并给予优化改进。设计的卷积神经网络由7个权重层(6个卷积层和1个全连接层)和4个池化层(3个最大池化层和1个全局平均池化层)构成，利用批量归一化和压缩激励模块(SE模块)进行网络结构优化。采用自采集的番茄图像数据集，通过数据增广将原1 455张图片增广至8 730张图片并进行训练和测试，用精确度、召回率、F₁值(精确度和召回率的调和平均数)评估模型的各分类差异。优化后的网络模型测试精度为96.57%,比未优化的网络模型测试精度提高了2.58个百分点。并且与传统经典网络AlexNet、MobileNet-V2、NasNet-Mobile、ShuffleNet 4种模型相比，具有收敛速度更快的优势，训练时间减少了22%～96%,测试精度提高了0.18～1.89个百分点，单张照片测试时间降低了37%～83%,计算统一设备架构(CUDA)内存占用比例也得到了一定程度的降低。优化后的网络训练过程更加稳定，模型注意力更多地集中在整个番茄上，在一定程度上降低了背景干扰，提升了算法的...     

基于遗传算法优化的支持向量机干旱预测模型

为了克服支持向量机参数人工选择的盲目性和依靠经验的缺陷,采用遗传算法优化支持向量机的C,g两个参数,实现支持向量机参数的优选,减少参数选择的工作量,并提高模型的预测精度。并将遗传算法优化的支持向量机模型应用到浑河流域干旱预测中,通过matlab编程建立该模型。以海城、大洼、辽阳、沈阳4个站的降雨量进行建模预测,结果表明:模型的预测值和真实值拟合度较高,模型的预测精度满足要求,说明该模型用于浑河流域的干旱预测具有可行性,为决策部门能及时有效地指导和部署抗旱工作、合理利用分配现有的水资源提供依据。     

基于叶片图像复合参数的烟叶成熟度判定模型

【目的】构建叶色参数与鲜烟叶片成熟度的关联模型，为精准判断大田烟草鲜叶采收成熟度提供技术支撑。【方法】运用多元回归及BP神经网络构建叶色参数-烟叶成熟度判定模型，通过比较不同参数体系和不同建模方式对不同叶位鲜烟叶片成熟度的判定准确度，筛选最优成熟度智能化判定模型。【结果】以叶色偏态分布复合参数集（N2，共33个参数）作为输入因子，基于BP神经网络构建的F4（33-10-1）模型是最佳的叶片成熟度判定模型，可以满足对不同叶位不同成熟度的判定精度需求，对下部、中部和上部烟叶成熟度的判定精度分别为84.44%、96.10%和92.56%，总体精度达94.15%。【结论】采用叶色偏态分布复合参数集（N2）作为输入因子且采用BP神经网络构建的不同叶位鲜烟叶成熟度的判定方法可在一定程度上解决烟草叶片成熟度田间判定准确度低的问题，且可为烟叶实际生产过程中鲜烟成熟度的智能化识别提供新思路。     

优化BP神经网络算法在油茶产量预测中的应用

针对标准的BP神经网络模型对我国南方的重要木本油料树种油茶产量进行预测过程中存在的缺陷,采用相对误差逐步优化回溯算法在迭代过程的参数,使原始的BP神经网算法在运算精度和计算速度上均得到显著的提高,即一种改进的回溯算法优化BP神经网络预测模型。经过试验效验与仿真证明,得到的改进算法不仅能提高油茶产量预测的收敛速度,而且在油茶产量预测精度上也有很大的提高。优化后的BP神经网络算法为多要素因子之间相互影响事件的结果预测,提供了新的设计思路和更好的解决方法。     

一种基于改进YOLOv5s的电动车头盔佩戴检测方法

为了解决电动车驾乘人员头盔佩戴检测问题,提出了一种基于改进YOLOv5s模型的电动车头盔佩戴检测方法。该方法以YOLOv5s模型为基础,首先使用GhostBottleneck模块替换YOLOv5s中的卷积模块以减少参数量;其次设计了GhostCSP-Bottleneck来优化特征提取结构;最后在主干网络增加注意力机制提升检测精度。实验结果表明,改进后的模型平均准确率均值为84.2%,较YOLOv5s提升了1.3个百分点;模型参数量和体积分别压缩为原来的51.39%和47.95%,在小目标和密集目标场景下具有较好的泛化性;将模型移植到NVIDIA Jetson Xavier NX开发板上,检测速度达到28.2 FPS,满足检测的实时性和准确性要求。     

两种植物电信号的自适应AR参数模型分析

根据植物电信号非平稳、非线性等特点,以盆栽植物君子兰和观音莲为研究材料,对采集的两种植物电信号进行自回归模型(AR模型)分析,并采用自适应技术对模型参数进行优化。首先采用Akaike信息检验准则估计植物电信号的模型阶次,然后基于最小二乘参数估计法建立植物电信号模型并拟合,最后利用自适应AR参数算法对两种植物电信号进行预测。结果表明:基于最小二乘法的AR模型对植物电信号进行短期预测是可行的。为了解决预测中误差随预测点数增加而增大的问题,提出了基于Kalman滤波算法的AR模型参数估计法,使得预报精度以及收敛速度得以优化。进一步预报的数据可作为温室或塑料大棚控制系统中重要的输入参数,该方法为植物生物信息学提供了新的研究基础。     

基于改进残差网络的葡萄叶片病害识别

葡萄病害是导致葡萄严重减产的主要因素，大多数病害症状都反映在葡萄的叶片上，但是人工针对叶片的识别费时且效率低。本研究提出了一种基于改进残差网络的葡萄叶片病害识别模型。该研究在ResNet50的基础上采用金字塔卷积网络，通过其包含不同大小和不同深度的卷积核来处理输入，然后以特征融合来获得不同程度的病害特征细节。在金字塔网络结构上采用深度超参数化卷积层代替传统的卷积层，能够加快模型收敛速度，有效提升模型精度。结果表明，改进后的残差网络模型与AlexNet、MobileNetV2、ResNet50/101、VGG16模型相比，在准确性方面具有显著优势。与原模型相比较，识别准确率提高3.18百分比，改进模型对病害识别准确率高达98.20%。可以为识别葡萄叶片病害提供参考。     

弧底梯形明渠正常水深的简化计算法

弧底梯形断面明渠正常水深计算涉及高次方程求解,无法直接完成。由于目前工程上采用的试算法及图表法存在计算烦琐且精度不高问题,而利用计算机求解又涉及编程不便实际应用。本文采用多参数优化拟合的方法,以标准剩余差最小为目标函数,在工程适用参数范围内,经逐次逼近拟合计算获得了表达形式简单、求解精度较高的近似公式,具有一定的实用意义。     

基于嵌入式GPU的低功耗渔船驾驶舱人员检测方法

针对传统图像检测方法占用过多处理器资源、功耗高、发热量大,无法适应渔船船载电子设备防水防腐防盐雾的密封无风扇设计要求等问题,本文基于嵌入式低功耗处理平台,以可变形部件模型(DPM)算法为基础,采用嵌入式GPU及Open CL编程模型对算法的滑动窗口检测部分进行并行化加速。在保证系统识别效果的前提下,提高了系统综合运行效率。实验结果表明,与CPU版本的检测性能相比,优化后的方法获得了3.75～4.23倍的加速比;与现有基于工控计算机的船载检测系统的检测方法相比,优化后的方法可以获得6.74～7.37倍的加速比,有效解决了在渔船上进行人员检测效率过低及功耗过高的问题。     

基于改进UPerNet和国产高分遥感数据的冬小麦种植区提取

遥感技术能够获取大区域下冬小麦的空间分布，为冬小麦估产提供良好基础。基于2020年5月4日的高分2号多光谱卫星影像，构建包含光谱特征和植被指数的数据集，并通过改进UPerNet模型的上采样结构、激活函数以及增加注意力模块来优化模型提取冬小麦效果。选取杨凌示范区2块地物类型丰富地区作为研究区域，以此探究方法的可行性；然后基于最优方法，提取杨凌区冬小麦种植区域。研究区域结果表明，与仅使用光谱信息作为模型输入特征相比，基于多光谱和植被指数的分类效果更好。在融合光谱特征和植被指数的数据集上，改进的UPerNet模型分类精度最高，冬小麦提取精度为97.78%,总体分类精度相比于改进前的UPerNet提升了2.49%,对比DeepLab V3+提升了3.48%。基于改进方法，实现了杨凌示范区的冬小麦种植区提取；通过实地调查以及对比统计年鉴数据的方式，验证了杨凌示范区冬小麦空间分布与实际情况基本一致。改进后的UPerNet模型能够有效区分遥感数据中的地物类别，提升冬小麦种植区域提取精度，也为基于卫星影像获取冬小麦空间分布提供了技术支持。     

基于改进粒子群算法的再入飞行器轨迹优化

采用基于距离量度和自适应惩罚相结合的约束处理技术的改进粒子群优化算法（PSO）应用于再入飞行器轨迹优化,避免适应值函数中复杂的罚函数及罚因子的设计,提高优化算法的通用性。以高超声速飞行器最小控制量再入轨迹优化为例,并对飞行器运动模型进行简化及控制量参数化。对两种不同的高超声速飞行器模型进行优化,仿真结果验证算法的有效性及通用性。