检索结果-内蒙古大学图书馆

新工科背景下科教融合培养创新型人才的探索与实践——以华北电力大学科技学院自动化专业人才培养为例

教书育人（高教论坛） 2021年第9期 92-94页

作者：李冰张妍贾俊菊华北电力大学科技学院华北电力大学自动化系

针对新工科背景下科教融合协同育人理念在自动化专业应用型创新人才培养中的应用进行了探索与实践研究。结合电力行业背景特点以及电力行业对自动化专业人才创新能力的需求,通过调整专业培养方案、将科研项目与教学过程相融合、进行课... 详细信息

针对新工科背景下科教融合协同育人理念在自动化专业应用型创新人才培养中的应用进行了探索与实践研究。结合电力行业背景特点以及电力行业对自动化专业人才创新能力的需求,通过调整专业培养方案、将科研项目与教学过程相融合、进行课程教学方法改革、改进课程考核方式等,促进科教融合协同育人在自动化专业人才培养中的实践,鼓励和引导学生参与科研,并通过科教融合提高学生分析问题、解决问题的能力以及创新能力。

关键词：新工科科教融合协同育人创新型人才

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv8n-Aerolite的轻量化蝴蝶兰种苗目标检测算法

引用

农业工程学报 2025年第4期41卷 220-229页

作者：翟永杰田济铭陈鹏晖王家豪胡东阳徐大伟华北电力大学自动化系保定071003

小型植物组织检测对植物自动化培养产业的发展具有重要意义,为了提升蝴蝶兰种苗夹取点视觉检测效率以及解决现有模型参数量较大,检测速度较慢的问题,该研究提出了一种轻量化目标检测算法YOLOv8n-Aerolite。首先,采用StarNet作为主干网络... 详细信息

小型植物组织检测对植物自动化培养产业的发展具有重要意义,为了提升蝴蝶兰种苗夹取点视觉检测效率以及解决现有模型参数量较大,检测速度较慢的问题,该研究提出了一种轻量化目标检测算法YOLOv8n-Aerolite。首先,采用StarNet作为主干网络,在此基础上增加嵌入大核可分离卷积的池化层SPPF_LSKA(large-separable-kernel-attention),实现轻量化的同时保证准确率;然后在颈部网络中采用结合StarBlock的C2f_Star模块,提高模型对蝴蝶兰种苗检测的准确率;最后,采用以共享卷积为基础的轻量级检测头Detect_LSCD(lightweight shared convolutional detection head),提升模型对小目标检测的精度和速度。在对蝴蝶兰种苗图像数据集的目标检测试验中,YOLOv8n-Aerolite算法的平均推理速度达到了435.8帧/s,精确度达91.1%,权重文件大小仅为3.1 MB,对于夹取点所在小目标检测精度达91.6%,在种苗夹取试验中成功率为78%,研究结果可为发展小型作物自动化栽培技术提供参考。

关键词：深度学习 YOLOv8n 蝴蝶兰种苗轻量化检测速度小目标检测

来源：评论

学校读者我要写书评

暂无评论

基于OU过程和Vine-Copula的多风电场短期风速预测

引用

太阳能学报 2025年第2期46卷 529-538页

作者：王东风张博洋李青博黄宇华北电力大学自动化系保定071003

针对风电场各风电机组风速间复杂的时空相关性问题,提出一种基于(Ornstein-Uhlenbeck,OU)过程与Vine-Copula建模的多风电场短期风速预测方法。该方法首先根据风速的物理特性,研究风速与湍流强度之间的关系,并根据各季节风速的不同分布... 详细信息

针对风电场各风电机组风速间复杂的时空相关性问题,提出一种基于(Ornstein-Uhlenbeck,OU)过程与Vine-Copula建模的多风电场短期风速预测方法。该方法首先根据风速的物理特性,研究风速与湍流强度之间的关系,并根据各季节风速的不同分布确立其相应的OU随机过程实现风速模拟;然后,通过构建Vine-Copula模型对风电场内多风电机组风速相关性进行分析;最后,将模拟值归一化处理后代入Vine-Copula的分位数回归模型,实现各风电机组的短期风速预测。应用OU随机过程,可为准确的风速预测奠定基础;通过Vine-Copula建模,可解决风速空间相关性问题。以中国北方某电场风电机组实测数据进行验证,在单步和多步预测中,所提方法的均方根误差RMSE相较于传统方法分别降低了2.68%、9.94%、23.79%、32.10%,提高了风速预测的准确性。

关键词：风电场风电机组风速预测随机过程 Vine-Copula 奥恩斯坦-乌伦贝克过程

来源：评论

学校读者我要写书评

暂无评论

考虑季节性与趋势特征的光伏功率预测模型研究

引用

太阳能学报 2025年第3期46卷 348-356页

作者：王东风李青博张博洋黄宇华北电力大学自动化系保定071003

针对光伏功率预测中未充分考虑光伏功率季节性与趋势特征的问题,提出一种基于Neural-Prophet(NP)与深度神经网络的光伏功率预测方法。首先,通过互信息法筛选出影响光伏功率的主要因素,利用NP模型对光伏功率建模得到光伏功率的季节性与... 详细信息

针对光伏功率预测中未充分考虑光伏功率季节性与趋势特征的问题,提出一种基于Neural-Prophet(NP)与深度神经网络的光伏功率预测方法。首先,通过互信息法筛选出影响光伏功率的主要因素,利用NP模型对光伏功率建模得到光伏功率的季节性与趋势特征,将季节性与趋势特征及主要影响因素作为模型输入。其次,采用改进残差网络(ResNet)和双向门控循环单元(BiGRU)建立NP-ResNet-BiGRU光伏功率预测模型并完成光伏功率预测。利用春夏秋冬四季的数据进行实验,结果显示相较于其他方法,所提方法的MAE至少提升7.44%,RMSE至少提升4.62%。

关键词：光伏发电预测神经网络残差网络 Neural-Prophet

来源：评论

学校读者我要写书评

暂无评论

基于级联查询-位置关系的输电线路多金具检测方法

引用

图学学报 2025年第2期46卷 288-299页

作者：翟永杰王璐瑶赵晓瑜胡哲东王乾铭王亚茹华北电力大学自动化系河北保定071003

针对输电线路航拍图像的金具目标尺寸小与密集遮挡问题,提出了基于级联查询-位置关系的输电线路多金具检测方法(CQPR)。首先提出了级联稀疏查询模块,通过小尺度特征图上小目标的粗略位置来查询大尺度特征图中的小目标精确位置,提高小目... 详细信息

针对输电线路航拍图像的金具目标尺寸小与密集遮挡问题,提出了基于级联查询-位置关系的输电线路多金具检测方法(CQPR)。首先提出了级联稀疏查询模块,通过小尺度特征图上小目标的粗略位置来查询大尺度特征图中的小目标精确位置,提高小目标金具检测的准确性。接着,提出了位置特征关系模块(PRM),通过利用图像中不同金具之间的位置关系建立PRM,提取金具位置关系,丰富遮挡区域的特征,进而优化了密集遮挡下的金具检测效果。多个基线模型上的实验结果表明,将CQPR应用到基线检测框架时,Faster R-CNN,Cascade R-CNN,Libra R-CNN和Dynamic R-CNN的准确率分别达到82.9%,82.4%,83.7%和77.3%,优于其他先进目标检测模型,对其中小目标金具和存在遮挡情况的金具检测准确率的提高较为明显,推理速度也有一定的提高,同时兼顾定位精度与检测实时性。

关键词：输电线路金具深度学习目标检测小目标密集遮挡

来源：评论

学校读者我要写书评

暂无评论

基于点云特征增强的复杂室内场景3D目标检测

引用

图学学报 2025年第1期46卷 59-69页

作者：苑朝赵明雪张丰羿冯晓勇李冰陈瑞华北电力大学自动化系河北保定071003

在复杂室内场景下的3D点云目标检测中,点云规模大且目标密集细节多。针对现有检测算法处理点云数据时会丢失大量局部特征且不能提取足够的空间信息与语义信息,致使检测精度低的问题,提出了一种基于改进VoteNet的点云特征增强的复杂室内... 详细信息

在复杂室内场景下的3D点云目标检测中,点云规模大且目标密集细节多。针对现有检测算法处理点云数据时会丢失大量局部特征且不能提取足够的空间信息与语义信息,致使检测精度低的问题,提出了一种基于改进VoteNet的点云特征增强的复杂室内场景3D目标检测(PFE)算法。首先,利用动态特征补偿模块模拟种子点集与分组集点云特征的交互查询过程,逐步恢复丢失的特征来进行特征补偿;其次,在特征提取部分引入残差MLP模块,通过残差结构搭建更深层的特征学习网络以挖掘更细节的点云特征;最后,在目标提案生成阶段引入特征自注意力机制对一组独立的目标点进行语义关系建模,生成新的特征映射。在公开数据集SUN RGB-D和ScanNet V2上进行实验,实验证明改进后的模型对室内目标的检测精度相较于基准模型在mAP@0.25上分别提升了5.0%和11.5%,大量的消融实验证明了每个改进模块的有效性。

关键词：室内场景三维点云目标检测特征补偿交互查询残差自注意力机制特征映射

来源：评论

学校读者我要写书评

暂无评论

基于沙戈荒地区源荷随机特性的多能源优化运行研究综述

引用

高电压技术 2025年第2期51卷 507-519页

作者：马爽张弘毅马炜翔吴佳艺许刚北京信息科技大学自动化学院北京102206 华北电力大学电气与电子工程学院北京102206

沙戈荒地区因其独特的自然环境和资源条件形成了丰富的可再生能源,但其引入的随机性给新能源电力消纳与外送带来了极大的挑战,采用电能、热能和储能等多种能源互补运行的方式有利于提高能源供应的稳定性。为此,针对沙戈荒地区的多能源... 详细信息

沙戈荒地区因其独特的自然环境和资源条件形成了丰富的可再生能源,但其引入的随机性给新能源电力消纳与外送带来了极大的挑战,采用电能、热能和储能等多种能源互补运行的方式有利于提高能源供应的稳定性。为此,针对沙戈荒地区的多能源优化运行方法进行了系统性综述。首先,概述了该地区的能源构成及分布,在分析沙戈荒地区源荷随机特性的基础上,探讨了典型的“源网荷储”分布式多能源系统架构与互补运行方案。其次,从系统运行随机性、多时间尺度和碳市场交易3个方面综述了可适用于沙戈荒地区的多能源系统优化运行方法。最后,通过归纳现阶段研究中存在的问题,展望了未来的关键技术与发展趋势。研究为可再生能源的高效利用以及沙戈荒地区能源稳定发展提供理论支持。

关键词：沙戈荒地区多能源系统源荷随机性运行优化多时间尺度碳市场交易

来源：评论

学校读者我要写书评

暂无评论

基于鲁棒正则化极限学习机的声学层析温度分布重建

引用

发电技术 2025年第2期46卷 361-369页

作者：张立峰董祥虎华北电力大学自动化系河北省保定市071003

【目的】声学层析成像作为非侵入式温度检测技术,在工业过程监测中具有重要价值,但其受限于病态反演导致的空间分辨率不足与噪声敏感问题。为此,提出了一种基于鲁棒正则化极限学习机(extreme learning machine,ELM)的声学层析温度分布... 详细信息

【目的】声学层析成像作为非侵入式温度检测技术,在工业过程监测中具有重要价值,但其受限于病态反演导致的空间分辨率不足与噪声敏感问题。为此,提出了一种基于鲁棒正则化极限学习机(extreme learning machine,ELM)的声学层析温度分布重建方法。【方法】构建两阶段重建框架,第一阶段基于声波飞行时间与低分辨率温度数据训练网络,获得粗网格下的低分辨率温度分布;第二阶段利用低分辨率温度分布与高分辨率温度分布训练网络,得到细网格下温度分布的高分辨率重建。对典型的温度场模型进行数值模拟,并与传统的Tikhonov正则化方法、Landweber算法、代数重建算法(algebraic reconstruction technique,ART)及ELM算法进行对比。【结果】鲁棒正则化ELM算法的平均相对误差和均方根误差分别为0.28%和0.38%,重建质量明显高于其他算法。【结论】基于鲁棒正则化ELM的声学层析温度分布重建方法兼顾计算效率与重建精度,为电站锅炉等设备的高分辨率温度监测提供了新方案,特别是在高温、强干扰等恶劣工况下展现出重要工程应用价值。

关键词：发电厂电站锅炉声学层析成像温度分布高分辨率重建鲁棒正则化极限学习机数值模拟重建算法

来源：评论

学校读者我要写书评

暂无评论

基于神经网络滑模控制的船舶事件触发预设性能跟踪控制

引用

控制工程 2025年第2期32卷 193-200页

作者：焦建芳包端华胡正中华北电力大学(保定)自动化系河北保定071003

针对在通信资源受限情况下具有模型不确定性及未知干扰全驱动船舶的轨迹跟踪控制问题,提出一种基于神经网络滑模控制的事件触发预设性能控制策略。该策略通过引入事件触发机制进行控制器的设计,在保证控制品质的前提下减少了控制器与执... 详细信息

针对在通信资源受限情况下具有模型不确定性及未知干扰全驱动船舶的轨迹跟踪控制问题,提出一种基于神经网络滑模控制的事件触发预设性能控制策略。该策略通过引入事件触发机制进行控制器的设计,在保证控制品质的前提下减少了控制器与执行器之间的信息传输。同时引入性能函数对误差进行约束,从而使系统输出具有优良的品质。利用径向基函数(radial basis function,RBF)神经网络逼近船舶模型不确定项;利用动态面技术解决了滑模控制器设计过程中虚拟控制量求导时的微分爆炸问题,并引入非线性增益函数与自适应律,进一步优化控制器。最后,通过Lyapunov稳定理论证明了系统的稳定性,并通过仿真验证了该控制策略的有效性。

关键词：事件触发神经网络预设性能自适应轨迹跟踪

来源：评论

学校读者我要写书评

暂无评论

基于音频信号的气固两相流检测方法研究

引用

计量学报 2025年第3期46卷 383-390页

作者：仝卫国门国悦蔡天娇崔建昕华北电力大学自动化系河北保定071003 河北省发电过程仿真与优化控制技术创新中心(华北电力大学) 河北保定071003

利用气固两相流在管道流动中产生的音频信号包含大量流体信息的特点,将音频信号引入气固两相流检测。提出一种基于音频信号的气固两相流分类的检测方法:对音频信号利用小波包分析进行多尺度分析,其去噪效果优于集合经验模态分解重构方... 详细信息

利用气固两相流在管道流动中产生的音频信号包含大量流体信息的特点,将音频信号引入气固两相流检测。提出一种基于音频信号的气固两相流分类的检测方法:对音频信号利用小波包分析进行多尺度分析,其去噪效果优于集合经验模态分解重构方法。在重构后的音频信号中选取梅尔频率倒谱系数(MFCCs)作为特征,输入到长短期记忆(LSTM)递归神经网络中。实验结果表明,在气固两相流的弯管处上升段所收集到的音频信号的幅值更大,适合安装采样设备。检测方法对实验中6种流动状态的气固两相流分类效果好,准确率为96.11%,证明了音频信号在气固两相流检测中的可行性。

关键词：流量计量气固两相流小波包分解音频信号梅尔倒谱系数长短期记忆递归神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：