检索结果-内蒙古大学图书馆

传感技术学报 2016年第2期29卷 213-219页

作者：王君洪陈跃东陈孟元安徽工程大学安徽省电气传动与控制重点实验室安徽芜湖241000

为了降低智能配电网事故,提高智能配电网无线传感器网络(WSNs)数据通信的可靠性与实时性,探索了一种基于模糊认知图的智能配电网WSNs数据通信建模与控制的方法。首先,定性分析影响智能配电网WSNs数据传输的性能指标的主要因素,构建模糊... 详细信息

为了降低智能配电网事故,提高智能配电网无线传感器网络(WSNs)数据通信的可靠性与实时性,探索了一种基于模糊认知图的智能配电网WSNs数据通信建模与控制的方法。首先,定性分析影响智能配电网WSNs数据传输的性能指标的主要因素,构建模糊认知图模型,根据网络环境的变化利用数学方法表达网络节点各概念顶点之间的因果关系;然后,再利用模糊认知图的方法进行推理,获得动态决策路由路径和调整网络参数的控制变量值;最后,对本文方法进行仿真实验,对数据传输性能进行了测试分析。实验结果表明所提出的方法可为智能配电网WSNs数据传输提供良好的Qo S(服务质量)。

关键词：智能电网模糊认知图无线传感器网络可靠性实时性

来源：评论

学校读者我要写书评

暂无评论

基于ADμC845的LVDT位移传感器非线性补偿

引用

传感技术学报 2013年第4期26卷 541-544页

作者：柏受军杨元园王鸣邱月友安徽工程大学安徽省电气传动与控制重点实验室安徽芜湖241000

针对LVDT位移传感器测量电路输出电压值和位移量之间存在非线性特征,设计和制作线性度为0.05%高精度传感器比较困难的现状,在分析产生非线性误差主要原因和传统校正方法的基础上,利用单片机软件算法进行非线性校正以提高传感器设计精度... 详细信息

针对LVDT位移传感器测量电路输出电压值和位移量之间存在非线性特征,设计和制作线性度为0.05%高精度传感器比较困难的现状,在分析产生非线性误差主要原因和传统校正方法的基础上,利用单片机软件算法进行非线性校正以提高传感器设计精度。以传感器标定数据为样本,用曲线拟合法求出非线性校正环节的特性曲线,并给出在MATLAB环境下拟合多项式系数的最小二乘求解方法,编程实现位移量和电压输出。仿真分析和实验结果表明,其测量位移的线性度达到了设计要求,非线性校正效果明显,具有良好的应用价值。

关键词：差动变压器非线性补偿曲线拟合最小二乘法 ADμC845

来源：评论

学校读者我要写书评

暂无评论

改进Canny边缘算子和高斯混合模型的运动目标检测

引用

电子测量与仪器学报 2019年第10期31卷 142-147页

作者：陆华才贺华展黄宜庆高文根安徽工程大学安徽省电气传动与控制重点实验室

在对视频中运动目标的检测,高斯混合模型能够达到较好的效果,但是容易受到光照突变和环境噪声的影响,并且运动目标完整的轮廓难以提取,在对Canny边缘检测算法进行改进,用中值滤波器和双边滤波器构成的混合滤波器代替边缘检测算法中固有... 详细信息

在对视频中运动目标的检测,高斯混合模型能够达到较好的效果,但是容易受到光照突变和环境噪声的影响,并且运动目标完整的轮廓难以提取,在对Canny边缘检测算法进行改进,用中值滤波器和双边滤波器构成的混合滤波器代替边缘检测算法中固有滤波器,并且使用Otsu算法取代人工设置双阈值,避免丢失真实边缘,保证边缘信息的完整性,并且用隔帧处理的四帧差分法的到差分图像,获得运动目标区域,再利用高斯混合模型提取前景图像,结合两种算法的前景图像能够获得较完整的运动目标轮廓。根据实验结果分析,和传统的高斯混合模型相比,该算法能够避免一定的光照突变的影响,解决了目标图像出现空洞及漏检造成边缘信息丢失的问题,具有更强的鲁棒性。

关键词：高斯混合模型边缘检测空洞 Otsu算法

来源：评论

学校读者我要写书评

暂无评论

动力电池分层均衡控制研究

引用

电子测量与仪器学报 2023年第12期37卷 234-241页

作者：汤祥宇陆华才安徽工程大学电气传动与控制安徽省重点实验室芜湖241000

提出一种分层均衡电路,用于解决锂离子电池在串联成组时,由于单体电池的不一致性,产生的部分电池过充和过放的问题。分层均衡电路以单体电池荷电状态(state of charge,SOC)值作为均衡变量,将电池组分为3个小组,组内进行基于Buck变换器... 详细信息

提出一种分层均衡电路,用于解决锂离子电池在串联成组时,由于单体电池的不一致性,产生的部分电池过充和过放的问题。分层均衡电路以单体电池荷电状态(state of charge,SOC)值作为均衡变量,将电池组分为3个小组,组内进行基于Buck变换器的均衡;在各小组之间搭建Buck-Boost电路,进行组间均衡。组内均衡与组间均衡相结合,提高了均衡效率。在MATLAB/Simulink平台搭建的仿真结果表明,相对于基于Buck变换器和基于Buck-Boost变换器的均衡电路,分层均衡电路在静置、充电和放电3种工况下,均衡时间相比基于Buck的均衡电路分别降低了21%、18%和30%,相比基于Buck-Boost的均衡电路分别降低了17%、29%和15%。电池组的均衡实验表明,该电路提高了单体电池一致性,能将电池组SOC值极差控制在0.1%以内,解决部分电池过充和过放问题,同时提高了均衡效率。

关键词：锂电池 Buck变换器 Buck-Boost变换器分层均衡

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的脸部年龄预测算法

引用

计算机工程 2021年第5期47卷 267-272页

作者：张亮亮张明艳程凡永周鹏安徽工程大学安徽省电气传动与控制重点实验室安徽芜湖241000

为提高脸部年龄预测的准确性,在深度学习的基础上提出一种可有效预测脸部年龄的算法。通过对人脸图像进行预处理,获取左眼、右眼、鼻子和嘴巴四个部分的局部图像,利用迁移TensorFlow深度学习库中的Inception V4模型,提取脸部图像四个部... 详细信息

为提高脸部年龄预测的准确性,在深度学习的基础上提出一种可有效预测脸部年龄的算法。通过对人脸图像进行预处理,获取左眼、右眼、鼻子和嘴巴四个部分的局部图像,利用迁移TensorFlow深度学习库中的Inception V4模型,提取脸部图像四个部分的多尺度局部特征,并将提取的局部特征使用串联方式相连接以得到融合特征,再将不同年龄的融合特征输入双向长短期记忆中,以学习不同年龄融合特征间的相关性,进而完成年龄预测。在公开数据集FG-NET和MORPH上的实验结果表明,该算法通过利用脸部多尺度融合特征和不同年龄融合特征间的相关性,能够显著提高年龄预测的准确性和鲁棒性。

关键词：深度学习卷积神经网络递归神经网络脸部图像年龄预测

来源：评论

学校读者我要写书评

暂无评论

基于动态耦合与空间数据关联的RGB-D SLAM算法

引用

机器人 2022年第3期44卷 333-342页

作者：牛珉玉黄宜庆安徽工程大学电气工程学院安徽芜湖241000 安徽省电气传动与控制重点实验室安徽芜湖241000 高端装备先进感知与智能控制教育部重点实验室安徽芜湖241000

为了解决动态环境下视觉SLAM(同步定位与地图创建)算法定位与建图精度下降的问题,提出了一种基于动态耦合与空间数据关联的RGB-D SLAM算法。首先,使用语义网络获得预处理的语义分割图像,并利用边缘检测算法和相邻语义判定获得完整的语... 详细信息

为了解决动态环境下视觉SLAM(同步定位与地图创建)算法定位与建图精度下降的问题,提出了一种基于动态耦合与空间数据关联的RGB-D SLAM算法。首先,使用语义网络获得预处理的语义分割图像,并利用边缘检测算法和相邻语义判定获得完整的语义动态物体;其次,利用稠密直接法模块实现对相机姿态的初始估计,这里动态耦合分数值的计算在利用了传统的动态区域剔除之外,还使用了空间平面一致性判据和深度信息筛选;然后,结合空间数据关联算法和相机位姿实时更新地图点集,并利用最小化重投影误差和闭环优化线程完成对相机位姿的优化;最后,使用相机位姿和地图点集构建八叉树稠密地图,实现从平面到空间的动态区域剔除,完成静态地图在动态环境下的构建。根据高动态环境下TUM数据集测试结果,本文算法定位误差相比于ORB-SLAM算法减小了约90%,有效提高了RGB-D SLAM算法的定位精度和相机位姿估计精度。

关键词：动态耦合分数值动态区域剔除空间平面一致性空间数据关联

来源：评论

学校读者我要写书评

暂无评论

基于聚醚砜(PES)超滤膜的粘杆菌素发酵液预处理过程优化

引用

食品与发酵工业 2011年第10期37卷 88-91页

作者：魏安静田丽凤权安徽工程大学安徽省电气传动与控制重点实验室

利用超滤对粘杆菌素发酵液进行膜分离处理并对其工艺过程进行优化。根据膜材料特性,选择聚醚砜(PES)为基材的超滤膜,通过不同截留分子量超滤膜的分离性能比较、操作条件选择,最终确定PES-10(截留分子质量为10 000 u)为超滤膜件,适宜的... 详细信息

利用超滤对粘杆菌素发酵液进行膜分离处理并对其工艺过程进行优化。根据膜材料特性,选择聚醚砜(PES)为基材的超滤膜,通过不同截留分子量超滤膜的分离性能比较、操作条件选择,最终确定PES-10(截留分子质量为10 000 u)为超滤膜件,适宜的操作压力为0.3 MPa、料液pH值为6。经过超滤处理,滤液蛋白质含量为4.6mg/100mL,蛋白质去除率为96%,吸光度为0.185,发酵液中的色素得到有效地去除。

关键词：发酵液聚醚砜超滤优化

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv5算法的交通标志识别技术研究

引用

电子测量与仪器学报 2021年第10期35卷 137-144页

作者：吕禾丰陆华才安徽工程大学电气传动与控制安徽普通高校重点实验室芜湖241000

针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种改进YOLOv5算法的交通标志识别方法。首先改进YOLOv5算法的损失函数,使用EIOU损失函数代替YOLOv5算法所使用的GIOU损失函数来优化训练模型,提高算法的精度,实现对目标... 详细信息

针对传统方式识别交通标志算法存在的检测精度较低的问题,提出了一种改进YOLOv5算法的交通标志识别方法。首先改进YOLOv5算法的损失函数,使用EIOU损失函数代替YOLOv5算法所使用的GIOU损失函数来优化训练模型,提高算法的精度,实现对目标更快速的识别;然后使用加权Cluster非极大值抑制(NMS)改进YOLOv5本身所使用的加权NMS算法,提高生成检测框的准确率。实验结果表明,改进后的YOLOv5算法在由长沙理工大学制作的CCTSDB交通标志数据集上训练的模型的mAP值达到了84.35%,比原始的YOLOv5算法提高了6.23%。所以改进YOLOv5算法在交通标志识别中有更高的精度,能够更好的应用到实践当中。

关键词：深度学习 YOLOv5 Cluster NMS EIOU 交通标志识别

来源：评论

学校读者我要写书评

暂无评论

基于节点负载均衡的分布式光伏发电无线安全监控网络研究

引用

电子测量与仪器学报 2016年第1期30卷 92-100页

作者：陈孟元安徽工程大学安徽省电气传动与控制重点实验室芜湖241000

为解决分布式光伏发电并网容易对电网产生扰动的问题,引入针对分布式光伏发电无线监控网络,延长网络生命周期,对传统的LEACH协议进行改进,提出LEACH-NEW协议。LEACH-NEW协议将整个无线监控网络划分为等面积的若干个环形区域,依据传感器... 详细信息

为解决分布式光伏发电并网容易对电网产生扰动的问题,引入针对分布式光伏发电无线监控网络,延长网络生命周期,对传统的LEACH协议进行改进,提出LEACH-NEW协议。LEACH-NEW协议将整个无线监控网络划分为等面积的若干个环形区域,依据传感器节点剩余能量在各个子区域内以不同概率选取簇头,使距离基站越近的簇包含更多的簇头,避免热区簇头因转发任务而过早失效。同时采用多跳路径完成数据传输,避免基站远处的簇头因一跳通信而过早失效。NS2的仿真结果表明:LEACH-NEW协议有效地均衡了网络能耗,延长了网络生命周期,使无线监控网络可提供更为可靠的监控,运行更加稳定,网络能耗也更加均衡,且当基站距离监测区域越远,LEACH-NEW协议的优越性越显著。

关键词：无线传感器网络低功耗自适应集簇分层型协议网络生存周期多跳簇头

来源：评论

学校读者我要写书评

暂无评论

基于注意力残差U-Net的皮肤镜图像分割方法

引用

智能系统学报 2023年第4期18卷 699-707页

作者：沈鑫魏利胜安徽工程大学电气工程学院安徽芜湖241000 安徽工程大学安徽省电气传动与控制重点实验室安徽芜湖241000

针对皮肤镜图像类内差异性、类间相似性、数据集不平衡等问题,本文提出了一种基于注意力残差U-Net(attention residual block-UNet,ARB-UNet)的皮肤镜图像分割方法。将卷积块注意力机制模块(convolutional block attention module,CBAM... 详细信息

针对皮肤镜图像类内差异性、类间相似性、数据集不平衡等问题,本文提出了一种基于注意力残差U-Net(attention residual block-UNet,ARB-UNet)的皮肤镜图像分割方法。将卷积块注意力机制模块(convolutional block attention module,CBAM)引入到U-Net模型的“跳过连接”中;同时将CBAM模块集成到残差模块DRB(dilated residual networks)中得到注意力残差结构(attention residual block,ARB);且选取Focal Tversky Loss作为该模型的损失函数;在ISIC2016数据集上对所提ARB-UNet模型进行训练和测试,并与传统方法和UNet等经典方法进行了对比实验,实验结果中灵敏度(sensitivity,SE)达到了92.9%,特异性(specificity,SP)达到了94.1%,Dice相似指数(dice similarity cofficient,DSC)达到了92.1%,整体上均优于其他对比方法,从而验证了本文方法是有效的和可行的。

关键词：图像分割皮肤镜卷积神经网络注意力残差U-Net 注意力机制卷积块注意力机制模块深度学习残差网络

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：