检索结果-内蒙古大学图书馆

光学精密工程 2025年第2期33卷 220-235页

作者：康升征王浩文南京信息工程大学自动化学院江苏南京210044

为实现细胞级的操作如细胞捕获、切割、分离及注射,本文设计了一种面向生物细胞工程的柔性并联压电定位台,并对其进行了建模、仿真和测试。该定位台由动平台、底座、三级放大机构和三个压电作动器组成。压电作动器所产生的位移经三级放... 详细信息

为实现细胞级的操作如细胞捕获、切割、分离及注射,本文设计了一种面向生物细胞工程的柔性并联压电定位台,并对其进行了建模、仿真和测试。该定位台由动平台、底座、三级放大机构和三个压电作动器组成。压电作动器所产生的位移经三级放大机构进行放大,并通过反馈控制实现定位台的精确运动,从而达到目标定位效果。在设计过程中,采用了伪刚体法结合柔性铰链刚度计算模型对该机构进行运动静力学分析。利用Lagrange方程,采用集中质量法建立所设计的柔性并联压电定位台动力学模型。在确定结构参数后,对其进行了有限元分析,以验证推导出的理论模型,仿真结果表明:理论与仿真模型的误差小于10%,该机构能够实现大行程以及较高频率的运动。此外,还搭建了柔性并联压电定位台样机系统,进行了实验测试,以评估其开环和闭环性能。实验结果表明:所设计的定位台具有125μm×126μm的工作行程,X和Y方向上的固有频率分别为128.9 Hz,132.8 Hz,相应的运动分辨率均优于400 nm。

关键词：细胞微操作压电作动器柔性并联机构微定位平台

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络的硅基混合复用/解复用器设计

引用

光学学报 2025年第7期 138-147页

作者：张淋谢龙勤相子涵蔡忠贸高亚太蒋卫锋南京信息工程大学自动化学院

深度神经网络（DNN）在光子器件的快速设计中展现出卓越性能,成为硅光子学领域的前沿技术。基于DNN逆向设计一种TM0、TE0和TE1三种模式的硅基混合复用/解复用器,优化设计得到的混合复用/解复用器件尺寸为4.8μm×2.56μm。实验测试... 详细信息

深度神经网络（DNN）在光子器件的快速设计中展现出卓越性能,成为硅光子学领域的前沿技术。基于DNN逆向设计一种TM0、TE0和TE1三种模式的硅基混合复用/解复用器,优化设计得到的混合复用/解复用器件尺寸为4.8μm×2.56μm。实验测试结果显示:在1550 nm中心波长处,TM0、TE0和TE1模插入损耗分别为0.56 dB、0.31 dB和0.93 dB,复用/解复用串扰小于-17.63 dB,且工作带宽大于100 nm。基于DNN的逆向设计方法可快速设计并实现高集成度、高性能硅基混合复用/解复用器,为大容量片上光通信和光互联提供关键器件。

关键词：深度神经网络逆向设计模分复用硅基混合复用/解复用器

来源：评论

学校读者我要写书评

暂无评论

基于变截面支柱的点阵强化设计方法

引用

机械强度 2025年第3期47卷 143-150页

作者：李昊朱奎孙丰勇韩基泰李寅南京信息工程大学自动化学院南京210044 无锡学院自动化学院无锡214105

体心立方(Body Centered Cubic,BCC)点阵结构具有优异的力学性能,然而节点处的应力集中现象限制了其力学性能的进一步发展。目前多采用添加球形节点或变截面支柱的方法来缓解节点应力集中,实现点阵结构的强化设计,但缺乏节点与支柱体积... 详细信息

体心立方(Body Centered Cubic,BCC)点阵结构具有优异的力学性能,然而节点处的应力集中现象限制了其力学性能的进一步发展。目前多采用添加球形节点或变截面支柱的方法来缓解节点应力集中,实现点阵结构的强化设计,但缺乏节点与支柱体积比对强化效果影响的研究。基于三角函数削减的新型变截面支柱,设计变截面体心立方(Variable Cross-section BCC,VC-BCC)点阵结构,并通过支柱的直接相连实现动态节点设计,以探究最佳的节点与支柱体积比。对VC-BCC结构体积进行理论公式估算,同时基于铁木辛柯梁模型,对VC-BCC结构的等效弹性模量进行理论分析,以等截面等效的方法建立简化模型。对不同节点支柱占比的VC-BCC结构进行了有限元仿真分析,通过选区激光熔融技术制造点阵试件进行准静态压缩试验。结果表明,理论计算与仿真分析相差较小,VC-BCC结构最大应力显著降低,且等效屈服强度提升明显。在所有分析中变截面参数为0.6的VC-BCC结构均表现优异,整体力学性能最佳。

关键词：节点强化点阵结构体心立方有限元仿真选区激光熔融

来源：评论

学校读者我要写书评

暂无评论

基于GMM聚类和ICEEMDAN-IBWO-BiLSTM的短期光伏发电功率预测

引用

中国测试 2025年

作者：顾晋豪俞斌白隆徐婕南京信息工程大学自动化学院无锡学院自动化学院

准确的光伏发电功率预测能够有效的帮助电力调度部门做好电力系统的调度计划。针对单一预测模型适应性差、精度不足等问题，该文提出一种基于高斯混合聚类（GMM）和ICEEMDAN-IBWO-BiLSTM结合的短期光伏功率预测模型。首先，通过皮尔逊... 详细信息

准确的光伏发电功率预测能够有效的帮助电力调度部门做好电力系统的调度计划。针对单一预测模型适应性差、精度不足等问题，该文提出一种基于高斯混合聚类（GMM）和ICEEMDAN-IBWO-BiLSTM结合的短期光伏功率预测模型。首先，通过皮尔逊相关性分析筛选输入特征，并利用GMM对历史光伏功率数据进行划分，选出待测日的相似日；其次，利用改进的自适应噪声完备集合经验模态分解（ICEEMDAN）对光伏功率的历史数据进行分解，并用排列熵对模态分量进行重构；然后，利用IBWO-BiLSTM模型对重构后的子序列进行预测，并将子序列预测结果叠加得到光伏功率预测值；最后，以某光伏电站的真实数据为例对模型进行验证，结果表明：在晴天、多云和阴雨天气下，相比其他对比模型，所提模型的MAE平均降低了56.30%、45.40%和37.95%，RMSE平均降低了57.52%、45.62%和31.99%，R2平均提高了1.55%、4.72%和5.64%，AIC平均降低了36.39%、21.42%和22.89%，验证了该模型的有效性与优越性。

关键词：短期光伏功率预测高斯混合聚类 ICEEMDAN 白鲸优化算法 BiLSTM

来源：评论

学校读者我要写书评

暂无评论

场景结构知识增强的协同显著性目标检测

引用

计算机工程 2025年第1期51卷 31-41页

作者：胡升龙陈彬张开华宋慧慧南京信息工程大学自动化学院江苏南京210044

现有的协同显著性目标检测(CoSOD)方法通过挖掘组内一致性与组间差异性来学习判别性表征,这种范式因缺乏语义标签的引导导致所学表征的判别性受限,难以应对复杂的非协同目标的干扰。为了解决这一问题,提出一种新的场景结构知识增强的Co... 详细信息

现有的协同显著性目标检测(CoSOD)方法通过挖掘组内一致性与组间差异性来学习判别性表征,这种范式因缺乏语义标签的引导导致所学表征的判别性受限,难以应对复杂的非协同目标的干扰。为了解决这一问题,提出一种新的场景结构知识增强的CoSOD模型SSKNet。SSKNet利用大模型mPlug构建目标间场景结构语义关系并通过分割一切模型(SAM)将这种结构语义关系转移到最终的协同显著性结果中。具体来说:首先,为了学习语义知识,引入图像场景理解大模型,对图像组中的图像进行理解,并得到表示结构语义的文本描述组,这些文本描述组以文本的形式描述图像的显著内容;接着,为了获取协同显著信息,设计协同提示提取(CoPE)模块,通过在一组描述文本中使用协同注意力机制获取协同显著文本;最后,为了将协同显著文本转化为协同显著掩码,引入SAM,将协同显著文本以文本提示的方式引导SAM分割协同显著目标,获取最终的协同显著检测掩码。在3个公开数据集CoSal2015、CoCA和CoSOD3k上的实验结果表明,SSKNet模型的综合评估指标Fβ的取值分别为0.910、0.750和0.887,达到了先进水平。

关键词：场景结构知识大模型分割一切模型协同显著性目标检测深度学习

来源：评论

学校读者我要写书评

暂无评论

优先价值网络的多智能体协同强化学习算法

引用

控制工程 2025年第4期32卷 691-698页

作者：苗国英孙英博王慧琴南京信息工程大学自动化学院江苏南京210044

为了提高多智能体系统的智能决策能力,针对多智能体强化学习的经验回放存在的弊端,以及智能体决策强调动作值而忽略状态值等问题,提出一种基于优先价值网络的多智能体强化学习算法。首先,该算法引入优先经验回放机制,根据重要性权重进... 详细信息

为了提高多智能体系统的智能决策能力,针对多智能体强化学习的经验回放存在的弊端,以及智能体决策强调动作值而忽略状态值等问题,提出一种基于优先价值网络的多智能体强化学习算法。首先,该算法引入优先经验回放机制,根据重要性权重进行经验复用,解决通过随机采样进行经验复用存在的问题;其次,该算法在智能体的值网络中引入价值优势网络形式,对比状态值与动作优势的信息,使智能体更快地学习到优势动作。多个协同场景的实验结果表明,该算法能够提升多智能体系统的学习与合作质量,使智能体更快、更好地做出决策,完成给定任务。

关键词：多智能体强化学习优先经验回放价值优势网络状态值

来源：评论

学校读者我要写书评

暂无评论

基于改进CenterNet的轻量级目标检测算法

引用

计算机应用与软件 2025年第4期42卷 135-141,149页

作者：倪一华闫胜业南京信息工程大学自动化学院江苏南京210044

针对CenterNet检测算法存在网络参数量大且未能充分有效利用多尺度局部区域特征的问题,提出一种MIR-SPPA-CenterNet目标检测方法来改进CenterNet检测网络。具体来说,在CenterNet的骨干网络中引入混合反残差(MIR)模块以达到轻量化的效果... 详细信息

针对CenterNet检测算法存在网络参数量大且未能充分有效利用多尺度局部区域特征的问题,提出一种MIR-SPPA-CenterNet目标检测方法来改进CenterNet检测网络。具体来说,在CenterNet的骨干网络中引入混合反残差(MIR)模块以达到轻量化的效果,此外,还引入一种改进的带有注意力机制的空间金字塔(SPPA)结构,对多尺度局部区域特征进行池化、级联和筛选,使网络能够自适应地学习到更加全面有效的目标特征。实验证明,该方法在通用PASCAL VOC数据集上和自建L-KITTI数据集上均表现出更好的检测效果。

关键词：目标检测轻量化 CenterNet

来源：评论

学校读者我要写书评

暂无评论

复杂环境下无人机视觉惯性里程计设计

引用

中国惯性技术学报 2025年第2期33卷 140-146页

作者：汤琴琴王立喜侍经纬李春辉刘云平敖洋钒无锡学院轨道交通学院无锡214015 南京信息工程大学自动化学院南京210016 梅特勒-托利多测量技术有限公司常州213001

为提高无人机在快速移动、光照变化大等复杂环境下的位姿精度,设计了一种单目事件相机/单目标准相机/惯性测量装置(IMU)融合的视觉惯性里程计。首先利用IMU的角速度和视觉惯性里程计后端的线速度补偿事件帧的旋转和平移,生成高质量事件... 详细信息

为提高无人机在快速移动、光照变化大等复杂环境下的位姿精度,设计了一种单目事件相机/单目标准相机/惯性测量装置(IMU)融合的视觉惯性里程计。首先利用IMU的角速度和视觉惯性里程计后端的线速度补偿事件帧的旋转和平移,生成高质量事件帧;其次采用BEBLID描述子提取算法增强事件帧和标准帧的特征匹配能力,使用基于帧的特征跟踪方法对事件帧和标准帧进行独立跟踪,结合随机抽样一致算法和三角测量进行深度估计,并以基于优化的方式将三种传感器进行紧耦合。最后在UZH-FPV数据集上进行了实验验证。实验结果表明,在明暗变化大的场景下,所提方法的无人机平均绝对定位误差相比PL-EVIO减小了19.6%;在高速场景下,相比Ultimate SLAM减小了46.9%。

关键词：事件相机视觉惯性里程计运动补偿图像匹配无人机

来源：评论

学校读者我要写书评

暂无评论

多尺度注意力网络的水下图像增强算法

引用

机械科学与技术 2025年第3期44卷 505-512页

作者：陈海秀陆康何珊珊刘磊颜秋叙南京信息工程大学自动化学院南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044

针对水下环境中的图像存在严重的偏色、模糊等问题,该文提出了一种新型的生成对抗网络。采用U-Net作为生成网络的基础模型并对其进行了改进,首先将注意力机制引入到网络中,并设计多尺度特征提取模块,来提取不同层次的特征。其次通过预... 详细信息

针对水下环境中的图像存在严重的偏色、模糊等问题,该文提出了一种新型的生成对抗网络。采用U-Net作为生成网络的基础模型并对其进行了改进,首先将注意力机制引入到网络中,并设计多尺度特征提取模块,来提取不同层次的特征。其次通过预处理操作输入白平衡图像提升模型的鲁棒性。为解决单一损失造成图像细节恢复不均匀的问题,在传统的对抗损失函数中联合L1损失与内容损失。实验结果表明:此方法在水下图像的颜色恢复和提高清晰度方面具有很好的效果,其中结构相似度、峰值信噪比、水下彩色质量评估和水下图像质量度量的平均值分别为0.8906、29.0761、0.4454和3.1810。在主观评价和客观评价指标上,综合来说该文算法实验结果均优于对比算法。

关键词：水下图像增强生成对抗网络注意力机制多尺度

来源：评论

学校读者我要写书评

暂无评论

基于多边特征引导聚合网络的变化检测算法

引用

计算机工程与应用 2025年第3期61卷 264-274页

作者：冯星宇朱灵龙张永宏阚希曹海啸马光义南京信息工程大学自动化学院南京210044 无锡学院物联网工程学院江苏无锡214105 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044

现有的遥感图像变化检测方法主要依赖卷积神经网络(convolutional neural network,CNN)或Transformer进行构建,但这些方法通常未能充分平衡这两种技术的优缺点,并且往往没有专门针对变化检测的任务特性(对变化区域特征信息进行提取学习... 详细信息

现有的遥感图像变化检测方法主要依赖卷积神经网络(convolutional neural network,CNN)或Transformer进行构建,但这些方法通常未能充分平衡这两种技术的优缺点,并且往往没有专门针对变化检测的任务特性(对变化区域特征信息进行提取学习)进行优化设计。针对这一问题,充分利用了Transformer的全局信息处理能力和CNN的局部信息捕获能力,提出了一种充分结合两者各自优势并由多条支路组成的多边特征引导聚合网络模型,该模型通过基于Transformer的主网络来对图像的全局信息进行提取,通过设计的基于CNN的多尺度特征提取模块来对图像的局部信息进行提取,通过特征聚合网络将图像的全局信息分别与变化和未变化区域信息进行聚合后输出得到预测结果图。为了验证模型的有效性,构建了一个包含多种地表覆盖类型,涵盖不同季节的新的遥感图像变化检测数据集。同时在实验部分也利用两个公开数据集来进一步验证了模型的泛化性和鲁棒性。实验结果表明,与现有先进方法相比,所提算法在三个数据集上的平均交并比(mean intersection over union,MIoU)指标分别提高了0.83、0.71、0.7个百分点。

关键词：遥感图像变化检测卷积神经网络 Transformer 特征聚合

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：