检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于密集连接卷积神经网络的结构损伤识别

地震工程与工程振动 2024年第3期44卷 61-72页

作者：吁强蔡晓丽李翠朱学坤伍晓顺朱驰江西理工大学土木与测绘工程学院(南昌) 江西南昌330013 江西交通职业技术学院信息工程学院江西南昌330013

提出一种经验模态分解(empirical mode decomposition, EMD)和密集连接卷积神经网络(densely connected convolutional network, DenseNet)相结合的结构损伤识别网络模型(E-DenseNet)。对采集的加速度信号进行EMD得到多个本征模态函数(intrinsic mode function, IMF)分量,接着剔除皮尔逊相关系数绝对值较小的弱相关IMF分量。根据输入数据的组织方式,设定3种E-DenseNet模型:E-DenseNet1利用强相关IMF分量重构信号建立一维单通道输入数据;E-DenseNet2将各强相关IMF分量分别视作一个通道来建立一维多通道输入数据;E-DenseNet3利用所有强相关IMF分量组成二维矩阵来建立二维单通道输入数据。某简支梁算例分析表明:E-DenseNet1计算速度快但识别精度低,E-DenseNet2计算速度快且识别精度高,E-DenseNet3识别精度高但计算速度慢;与一维多通道残差卷积神经网络(residual network, ResNet)及标准卷积神经网络(convolutional neural network, CNN)相比,E-DenseNet2的识别精度明显更优;E-DenseNet2因而具有兼顾计算效率和识别精度的优点。E-DenseNet2可视化分析表明了其识别过程,对于相同工况下的不同样本,输出层越深其输出特征越相似,直至全连接层给出极大相似输出特征。

关键词：损伤识别神经网络动力测试灵敏度分析经验模态分解

在线全文

学校读者我要写书评

暂无评论

基于双深度Q网络的车联网安全位置路由

无线电通信技术 2024年

作者：米洪郑莹南京交通职业技术学院电子信息工程学院

作为智能交通系统中的支撑技术，车联网(Internet of Vehicle， IoV)已受到广泛关注。由于IoV网络拓扑结构的动态变化以及灰洞攻击，构建稳定的安全位置路由是一项挑战工作。为此，提出基于双深度Q网络的安全位置路由(Double DQN-based ... 详细信息

作为智能交通系统中的支撑技术，车联网(Internet of Vehicle， IoV)已受到广泛关注。由于IoV网络拓扑结构的动态变化以及灰洞攻击，构建稳定的安全位置路由是一项挑战工作。为此，提出基于双深度Q网络的安全位置路由(Double DQN-based Secure Location Routing， DSLR)。DSLR路由通过防御灰洞攻击提升消息传递率，并降低消息的传输时延。先构建以丢包率和链路连通时间为约束条件的优化问题，再利用双深度Q网络算法求解。为了提升了DSLR路由的收敛性，基于连通时间、丢包率和传输时延构建奖励函数，引导智能体选择满足要求的转发节点。采用动态的探索因子机制，平衡探索与利用间的关系，进而加速算法的收敛。仿真结果表明，相比于同类算法，提出的DSLR路由提升了消息传递率，并减少了传输时延。

关键词：车联网位置路由灰洞攻击双深度Q网络动态的探索因子

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

结构损伤识别的二次反馈岭估计法

机械强度 2024年第4期46卷 932-938页

作者：李翠朱学坤俞记生伍晓顺江西交通职业技术学院信息工程学院南昌330013 江西交通职业技术学院路桥工程学院南昌330013 中交长江咨询集团有限公司南昌330013 江西理工大学土木与测绘工程学院(南昌) 南昌330013

为了克服灵敏度方程的病态最小二乘问题,提出一种基于模态柔度变化的结构损伤识别二次反馈岭估计法。采用模态特征值和振型来组集模态柔度矩阵,建立由模态柔度变化求解单元损伤系数的损伤识别线性方程组。在损伤定位阶段,先分别利用非... 详细信息

为了克服灵敏度方程的病态最小二乘问题,提出一种基于模态柔度变化的结构损伤识别二次反馈岭估计法。采用模态特征值和振型来组集模态柔度矩阵,建立由模态柔度变化求解单元损伤系数的损伤识别线性方程组。在损伤定位阶段,先分别利用非负最小二乘法和反馈岭估计法来初步评估损伤位置。由于这两种方法的损伤定位结果常受到不同未损单元的干扰,所以通过对它们的计算结果取交集来综合确定疑似损伤单元。在损伤定量阶段,将正则化矩阵中对应疑似损伤单元的对角元素缩小,同时将对应其余单元的对角元素放大,进行二次反馈岭估计以最终完成损伤定量识别。某简支梁数值分析表明,相比非负最小二乘法和反馈岭估计法,所提方法具有更强的抗噪鲁棒性。无论是损伤定位还是损伤定量,均具有更加可靠的识别精度。

关键词：损伤识别模态柔度模态识别结构健康监测损伤灵敏度

无人机辅助通信网络中基于强化学习的用户速率优化算法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

火力与指挥控制 2024年第2期49卷 42-47页

作者：张延年吴昊张云南京交通职业技术学院电子信息工程学院南京211188

无人机辅助地面蜂窝基站,形成混合的通信网络有望成为提升用户速率的一种重要手段。针对无人机辅助基站的通信网络,提出基于多臂赌博机的用户速率优化算法(multi-armed bandits-based rate optimization,MBRO)。先建立联合优化问题,再... 详细信息

无人机辅助地面蜂窝基站,形成混合的通信网络有望成为提升用户速率的一种重要手段。针对无人机辅助基站的通信网络,提出基于多臂赌博机的用户速率优化算法(multi-armed bandits-based rate optimization,MBRO)。先建立联合优化问题,再分别利用改进后K-means聚类算法和多臂赌博机算法求解。MBRO算法利用K-means聚类算法实现无人机的部署,并利用多臂赌博机算法完成信道分配和无人机的传输功率分配。仿真结果表明,相比于同类的基准算法,MBRO算法提高用户端速率。

关键词：无人机基站用户速率 K-means算法多臂赌博机

基于D-LinkNet与形态学计算的高分遥感图像车流量监测

在线全文

学校读者我要写书评

暂无评论

电讯技术 2024年第5期64卷 663-669页

作者：刘颖吴凌寻朱明辉南京交通职业技术学院电子信息工程学院南京211119

针对城市交通路面车流量监测实时性和准确性高的需求,设计了一种利用高分遥感图像进行道路网自动提取和车辆自动监测的处理方法。综合利用D-LinkNet和形态学计算实现道路区域的二值化语义分割及连贯性、边缘扩展以及平滑性优化,同时将... 详细信息

针对城市交通路面车流量监测实时性和准确性高的需求,设计了一种利用高分遥感图像进行道路网自动提取和车辆自动监测的处理方法。综合利用D-LinkNet和形态学计算实现道路区域的二值化语义分割及连贯性、边缘扩展以及平滑性优化,同时将道路信息作为掩码并外溢后进行车辆目标检测,有效避免非道路区域车辆目标干扰。提出采用热力图的形式改进车流量监测方法,可以更直观显示道路拥挤程度。综合利用现有数据集对所提方法进行评价,车辆检测的平均精度达91.7%,道路提取平均交并比达85.3%,可以实现道路车流量的有效监测。

关键词：道路网提取车流量监测车辆检测高分遥感影像形态学运算

基于SVR-LSTM的人体上肢运动遮挡轨迹补偿方法

在线全文

学校读者我要写书评

暂无评论

郑州大学学报(理学版) 2024年

作者：彭金柱刘涵菲卞英楠郑州大学电气与信息工程学院河南交通职业技术学院物流学院

在人机协作过程中,由于光照条件等环境因素和机器人设备摆放等遮挡原因,导致使用基于视觉的运动捕捉设备对人体运动进行捕捉时时间序列的轨迹数据有缺失,进而导致意图识别不准确,增加了机器人运动的不确定性。因此,提出了一种基于支持... 详细信息

在人机协作过程中,由于光照条件等环境因素和机器人设备摆放等遮挡原因,导致使用基于视觉的运动捕捉设备对人体运动进行捕捉时时间序列的轨迹数据有缺失,进而导致意图识别不准确,增加了机器人运动的不确定性。因此,提出了一种基于支持向量回归(support vector regression,SVR)和长短期记忆(long short-term memory,LSTM)的人体上肢运动时间序列轨迹缺失补偿方法。采用网格搜索法对SVR模型中的参数进行优化来完善历史样本数据集,结合长短期记忆网络对短、长时间序列轨迹缺失的预测补全更精确的优势,将SVR模型补全的历史样本数据集输入LSTM模型训练,进一步降低补偿误差。实验结果表明,轨迹缺失程度为10%时,在三维空间350 mm的运动尺度范围内,SVR-LSTM模型补偿轨迹的平均误差是0.14 mm;轨迹缺失程度为30%时,在三维空间350 mm的运动尺度范围内,SVR-LSTM模型补偿轨迹的平均误差是0.47 mm。

关键词：遮挡轨迹时间序列意图识别轨迹补偿 SVR-LSTM模型

基于SSA-MPC-SMC的四旋翼无人机轨迹跟踪

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

弹道学报 2024年第3期36卷 49-57页

作者：唐亮刘响响江西工业工程职业技术学院信息工程学院江西萍乡337000 上海海事大学物流工程学院上海201306

为解决六自由度四旋翼无人机(UAV)在轨迹跟踪控制过程中,因为存在复杂的外部未知干扰,而使系统的轨迹跟踪精度产生较大波动的问题,设计了一种新型的级联双闭环控制系统,分别针对速度误差和位置姿态误差。首先,使用模型预测控制(MPC)设... 详细信息

为解决六自由度四旋翼无人机(UAV)在轨迹跟踪控制过程中,因为存在复杂的外部未知干扰,而使系统的轨迹跟踪精度产生较大波动的问题,设计了一种新型的级联双闭环控制系统,分别针对速度误差和位置姿态误差。首先,使用模型预测控制(MPC)设计速度闭环控制器,麻雀搜索算法(SSA)因具有快速收敛性和强鲁棒性,被应用于MPC滚动优化进程求取最优解。为了克服MPC存在的计算量过大的缺点,使用滑模控制(SMC)分别设计位置和姿态动力学控制器。SMC对外界干扰不敏感、鲁棒性强、无需精确建模,从而解决了UAV外部干扰不确定以及难以准确建模的问题。使用饱和函数替代符号函数,使实际系统的输入具有连续性,从而有效地减轻SMC中的高频抖振现象。最后使用李雅普诺夫理论验证所提出的SSA-MPC控制器的稳定性。实验结果表明:在受到复杂的外部未知干扰以及参数不确定的情况下,所提出的方法能够保证六自由度四旋翼UAV实现高精度跟踪,且控制效果明显优于传统单一控制器构成的UAV控制系统。所提出的级联控制器可以有效地实现复杂的外部未知干扰下的四旋翼UAV轨迹跟踪。

关键词：四旋翼无人机轨迹跟踪控制模型预测控制麻雀搜索算法滑模控制

基于跨模型模态应变能变化的结构损伤识别两阶段法

在线全文

学校读者我要写书评

暂无评论

力学季刊 2024年第1期45卷 210-221页

作者：朱学坤李翠俞记生张雅儒伍晓顺江西交通职业技术学院路桥工程学院江西南昌330013 江西交通职业技术学院信息工程学院江西南昌330013 中交长江咨询集团有限公司江西南昌330013 江西理工大学土木与测绘工程学院(南昌) 江西南昌330013

为提高结构损伤识别精度,采用跨模型模态应变能变化(Cross-model Modal Strain Energy Changes,CMSEC)代替传统的模态应变能变化(Modal Strain Energy Changes, MSEC)建立先定位后定量的结构损伤识别两阶段法.与传统模态应变能(Modal St... 详细信息

为提高结构损伤识别精度,采用跨模型模态应变能变化(Cross-model Modal Strain Energy Changes,CMSEC)代替传统的模态应变能变化(Modal Strain Energy Changes, MSEC)建立先定位后定量的结构损伤识别两阶段法.与传统模态应变能(Modal Strain Energy, MSE)计算时仅利用结构损伤后的振型不同,跨模型模态应变能(CMSE)的计算同时利用结构损伤前后的振型.先利用CMSEC构建CMSECI (Cross-model Modal Strain Energy Index)损伤指标来确定损伤位置,筛选出疑似损伤构件后,再利用CMSEC建立定量识别损伤程度的灵敏度方程.采用基于奇异值截断的迭代法求解该方程,以避免迭代过程中可能出现的病态方程问题.根据公式构成可以定性判断CMSEC比MSEC更难被噪声干扰.某简支梁算例表明,本文方法在损伤定位和损伤定量两个阶段均比传统方法具有更高的识别精度.为了深入考察本文方法的优越性,采用蒙特卡洛法从宏观的相对误差上界和具体的相对误差分布这两个视角解释了本文方法优于传统方法的原因.

关键词：损伤识别模态应变能模态识别结构健康监测损伤灵敏度

融合预训练和双级元蒸馏的医学短文本分类方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年

作者：廖列法姜炫至江西理工大学信息工程学院江西现代职业技术学院

为解决医学文本使用预训练模型处理速度慢、对硬件的算力要求高、难以分辨少样本类别，使用传统小模型由于自身限制难以做到足够的准确度的问题，提出了一种融合预训练和元蒸馏的文本分类模型PTMD(Fusion of Pre Training and Meta Dist... 详细信息

为解决医学文本使用预训练模型处理速度慢、对硬件的算力要求高、难以分辨少样本类别，使用传统小模型由于自身限制难以做到足够的准确度的问题，提出了一种融合预训练和元蒸馏的文本分类模型PTMD(Fusion of Pre Training and Meta Distillation models)。PTMD针对医学文本的多标签问题，通过对比训练对RoBERTa预训练方法进行微调，再由双向内置注意力简单循环单元充分获取语义信息。最后在传统蒸馏模型的基础上融合元学习和助教的思想，通过教学实验和双级模型等方法，提高模型的教学水平，最终在减少训练成本的基础上得到一个高性能医学文本分类模型。实验结果表明，教师模型在CHIP2019评测三数据集上的F1值达到了85.47%，同时学生模型在损失1.45%f1值的情况下，将模型规模缩小到教师模型的近1/6，效果高于大多数传统预训练模型和知识蒸馏模型，证明了该模型具有良好的实用价值。

关键词：文本分类预训练模型知识蒸馏