针对现有可靠性分析未体现出 5G/ B5G(5th Generation and Beyond 5th Generation Mobile Communication Technology)网络信道特征的问题, 开发了一个基于多状态流网络可靠性的通信网络优化平台。引入无线信道的路径损耗和阴影衰落, 构建信道相关的多状态流网络的链路可靠性。 提出递归型蒙特卡洛算法, 增加启发式规则, 减少了可靠性生成的模拟次数及最小路集数量。采用前后端分离架构, 设计开发了基于可靠性的网络优化平台。实验表明, 所提方法在求解大型网络可靠性方面收敛快、精度高, 所开发平台具有友好的人机交互界面, 生成网络拓扑简单、快捷。

针对变分模态分解(VMD: Variational Mode Decomposition)中预设尺度 K 值难以确定以及有效的模态分量难以选取的问题, 提出了一种修正余弦相似度(CCS: Corrected Cosine Similarity)与 VMD 相结合的方法。首先,通过 VMD 算法把原始信号分解为K个不同特征时间尺度的固有模态函数(IMF: Intrinsic Mode Function); 然后利用修正余弦相似度方法确定预设尺度 K 和有效的模态分量, 并把有效的模态分量进行信号重构; 最后, 在管道泄漏信号的去噪中使用此方法。仿真实验和实际泄漏信号处理结果表明, 通过VMD_CCS算法可以准确地确定预设尺度K值并且选取出有效的模态分量, 管道泄漏信号的去噪效果得到了有效改善。

针对在实际场景中, 人体与背景之间存在相似的颜色和纹理, 且人体运动涉及姿态的多样性, 在其复杂多变的背景下运动, 使分割出人体轨迹较为困难的问题, 提出对称差分算法下人体运动轨迹图像分割技术。采用七帧对称差分算法提取人体运动图像序列的前 3 帧和后 3 帧图像, 计算其绝对差分图像, 获取人体运动目标区域; 采用非参数的统计迭代(Mean Shift)算法提取像素模值点分布情况, 生成超像素, 利用非参数贝叶斯聚类模型融合超像素提取人体运动目标轮廓; 利用高斯混合模型建立人体运动轨迹模型, 采用极限学习机求解模型识别人体运动轨迹, 实现人体运动轨迹图像分割。实验结果表明, 所提方法 IOU( Intersection Over Union)值最高可达 97% , 提取运动目标区域和识别运动轨迹精度较高、分割性能较好, 适用于人体运动轨迹图像分割。

为使多无人机集群在特定网络条件下实现通信性能、任务效率与飞行安全的综合优化, 使其更好完成城市区域的巡查任务, 对多目标约束下的航线规划问题进行了研究。基于双深度强化学习技术, 对已知通信质量分布的空域进行空间离散化处理, 建立空间、能耗与通信模型, 设计包含数据获取量、飞行安全、剩余电量及路径消耗的多维度奖励函数, 通过经验回放与目标网络机制稳定训练过程。实验表明, 训练后的网络模型在未预知环境中仍能生成最优无线网络传输策略与安全飞行轨迹, 可有效解决多目标约束下的航线规划问题,验证了双深度强化学习在该领域的适用性。

针对电能质量扰动导致电压、电流波形畸变, 并且不同形式的畸变造成电能质量信号在时域和频域上表现出复杂的特征, 增加了信号分析和处理的难度问题, 以多特征融合为基本手段, 提出电能质量扰动信号调制算法, 使信号更易高效地实现检测和识别。从 S 变换、小波变换得到的所有电能质量扰动信号特征中, 利用分类回归树和基尼重要度, 选择出具有表征性的时域信号特征和频域信号特征, 并通过主成分分析法完成多特征融合。根据 LSTM(Long Short-Term Memory)基于融合特征给出的电能质量扰动信号类别, 由信号生成器输出调制后的电能质量扰动信号。实验结果表明, 选取的信号特征的信噪比值均超过 90 dB, 具有较强的表征能力;该算法调制的信号具有较强的易识别性, 单一和复杂类型均能实现准确识别; 频率偏差在±0. 1 Hz 范围内小幅波动, 电能质量有显著提高。

针对由于网络状态或环境的动态变化, 使负载平衡面临复杂性挑战, 存在难以准确预测未来负载问题,提出一种考虑节点优先级的通信流量负载动态平衡算法。利用网络分析工具获取使用 sFlow 技术接收的通信中节点流量数据的负载情况, 并对其进行整合处理, 获取节点负载基础数据集。根据其数据集上节点负载情况, 通过节点优先级方法选择可被优先分配更多流量的节点。建立基于生态差分方程的生态捕食者-被捕食者模型, 将选取的节点作为模型的输入, 通过模型不断迭代更新, 实现网络通信流量负载的动态平衡。实验结果表明, 所提方法的通信流量负载动态平衡算法可提高网络吞吐量和 CPU 利用率, 并具有更好的实际应用效果。

为进一步提高微电网运行的经济性和低碳性, 充分挖掘负荷侧电热负荷和电动汽车等可调度资源参与微电网运行, 结合连续型和离散型负荷需求响应特性, 提出一种多类型负荷综合满意度指标, 用于评估微电网负荷满意度水平, 防止负荷过度响应。针对传统碳捕集方式, 提出利用新能源参与碳捕集设备供电的协调运行策略。实验结果表明, 负荷需求响应离散特性的加入, 进一步增强了负荷的灵活性, 新能源参与碳捕集, 使微电网降低了微电网运行成本、碳排放量和购气成本。

针对传统算法在面对局部遮阴情况下光伏阵列的输出曲线呈现多峰现象而无法追踪到最大功率点、容易陷入局部最优的问题, 提出一种基于改进金枪鱼群算法和改进扰动观察法的复合控制策略。首先对金枪鱼群算法进行针对性初始化, 并且改进种群越界策略, 加快前期搜索速度, 当达到最大迭代次数后切换为变步长的扰动观察法, 进行最终的局部寻优。仿真结果表明, 与单独金枪鱼群算法、复合布谷鸟算法、灰狼算法相比,有效提高了追踪的速度和精度, 使系统更加稳定。

针对永磁同步电机在实际应用过程中控制性能的优劣对参数依赖性较高的问题, 对无差拍模型预测控制系统进行研究, 将多新息理论引入扩展卡尔曼滤波参数辨识算法中, 构建不同新息长度下的多新息扩展卡尔曼滤波算法。通过实验对比验证表明, 基于多新息扩展卡尔曼滤波观测算法辨识出的电感和磁链参数优于传统扩展卡尔曼滤波算法。通过将多新息扩展卡尔曼滤波算法和无差拍模型预测控制相结合获得准确的参数标称值, 解决了系统不确定性导致的无差拍模型预测控制性能下降问题, 使转速和定子电流的谐波更小, 可以获得永磁同步电机控制系统较好的动态性能和鲁棒性。

为减轻光伏阵列在局部阴影下的功率失配损失, 提高光伏阵列的发电效率, 针对全交叉连接(TCT:Total-Cross-Tied)的光伏阵列, 提出了一种融合 Logistic 混沌映射的二进制萤火虫算法 ( BFA: Binary Firefly Algorithm), 用于局部阴影下 TCT 光伏阵列的动态重构。该方法仅通过调整光伏组件间的电气连接方式, 使光伏阵列各行之间的辐照度达到均衡, 从而减轻局部阴影对光伏阵列输出功率的影响。在 Matlab / Simulink 软件中搭建光伏阵列模型, 将所提方法与现有静态重构方法中数独( SuDoKu)方法和动态重构中的哈里斯鹰算法

(HHO: Harris Hawks Optimization)分别在短宽型(SW: Short Wide)阴影、长宽型(LW: Long Wide)阴影和随机型3种阴影模式下进行仿真分析。结果表明, BFA 算法较未重构的 TCT 光伏阵列输出功率分别提高 34. 6% 、26. 0% 和 9. 36% , 证明所提算法在光伏阵列优化重构方面具有较强能力, 并对不同阴影模式适应性较强。

针对高校实验教学中缺乏面向人机协同的线控转向系统实践平台的问题, 研发了一套基于多场景仿真的实验教学平台。该平台基于整车电动助力转向 EPS(Electric Power Steering)系统和主动转向电机, 实现人工/自动驾驶模式的无缝切换; 并基于 Matlab / Simulink 构建快速控制原型算法, 利用 CarSim 软件建立联合仿真模型并搭建多场景仿真环境, 包括常规驾驶、 紧急避障、执行器失效等典型工况。同时开发了分层次实验项目,线控执行机构特性测试、人机协同控制策略设计、多场景系统集成等内容。应用结果表明, 该平台可有效提升学生对线控转向系统的认知和实践能力, 为培养汽车智能化领域的复合型人才提供了有效支撑。

针对传统的机场跑道分割算法存在跑道大部分时间处于小目标状态, 即前景背景不平衡, 检测难度大;并且在飞机进近过程中, 机场跑道视场变化大, 背景复杂, 一般算法难以适应的问题, 提出了一种融合梯度交叉金字塔的改进 Segformer 算法用于机场跑道分割。首先, 在编码器部分优化了前馈神经网络与重叠块合并部分, 着重提取跑道有效信息; 其次, 在解码器部分提出了一种梯度增强的金字塔结构用于适应不同视场下的机场跑道分割; 最后, 设计了基于注意力机制的特征对齐模块和权重特征融合模块, 用于着重提取跑道边缘信息以及捕获跨层间的跑道语义关系, 以提升跑道掩码质量提高跑道分割精度。在自建数据集中验证了该算法, 结果表明, 其交并比与准确率达到了 91. 44% 和 97. 31% , 优于目前主流算法, 并能满足在可见光条件下对机场跑道的精准分割需要, 可为飞行员提供充足的跑道信息。

为解决当前医学图像配准算法普遍存在的精度不足的问题, 设计了基于金字塔结构的双流解码器辅助配准算法。该算法将卷积神经网络的局部依赖特性与注意力机制的全局依赖建模能力相结合, 通过独特的双流解码器设计, 实现对核磁共振脑图像的逐级精细配准。与传统将待配准图像简单拼接后处理的方法相比,其巧妙结合了交叉注意力计算和通道维度拼接两种特征融合方式的优势, 能识别多种变形模式并筛选出合适的变形场, 同时在保证性能的前提下最大限度地减少计算量。为验证算法的有效性, 在 2个3D脑部MRI(Magnetic Resonance Imaging) 数据集 LPBA( LONI Probabilistic Brain Atlas) 和 Mindboggle 上进行了综合实验。实验结果表明, 与常用配准算法相比, 该方法在多个评估指标上实现了最先进的性能, 充分展示了模型在可变形医学图像配准中的强大能力与应用潜力。

针对现有业务规则建模标准 SBVR( Semantics of Business Vocabulary and Business Rules)主要面向业务专家, 无法被计算机系统直接理解的问题, 基于最新的 SBVR 2019 标准, 提出了一种 SBVR 向 Web 本体语言OWL2(Web Ontology Language)的转换方法。首先, 通过分析 SBVR 和 OWL2 的结构差异, 设计了相应的映射规则和转换算法; 其次, 开发了一个 SBVR 到 OWL2 的在线转换系统, 以标准化、可扩展的方式实现了业务流程的语义化; 最后, 通过石油领域的业务流程案例验证了该方法的可行性和实用性, 证明了其在促进企业数字化转型中的应用潜力, 并能为企业在业务流程的语义化和跨系统的知识共享方面提供有效的技术解决方案。

为解决服务机器人跨楼层自主导航存在的问题, 设计能在多楼层间自主定位导航的服务机器人。利用激光雷达和 SLAM(Simultaneous Localization and Mapping)建图技术实现平层的自主定位导航, 利用 Lora 机器人-电梯无线通信技术实现楼层的切换; 针对服务机器人扩展能力弱的问题, 设计软硬件接口并搭载消杀箱、快递柜、扎带机等执行装置, 完成了多样化的任务, 具有较强的兼容性; 对系统的整体功能进行了设计优化, 机器人具有较高的易用性和实用价值。经测试表明, 该机器人能实现跨楼层的自主移动并具有完成多样化任务的能力, 具有良好的市场前景。

针对滚动轴承故障诊断中单一传感器信息不足及复杂环境下诊断率偏低的问题, 提出了一种基于变分模态分解(VMD: Variational Mode Decomposition) 和多头交叉注意力机制的多模态融合方法。其通过对声振信号的自适应分解, 提取关键本征模态分量(IMFs: Intrinsic Mode Functions), 并利用交叉注意力机制对声振信号特征进行交互融合, 从而实现多模态信息的深度提取与噪声抑制。最后通过 Softmax 分类器进行故障识别。实验结果表明, 所提方法有效降低了噪声干扰, 显著提高了故障诊断准确率, 相较传统方法表现出更高的鲁棒性和精度。

针对随着信息技术的飞速发展, 传统图书馆信息管理系统已难以满足现代用户对高效、便捷和个性化服务需求的问题, 设计并实现一个基于人工智能的图书馆信息管理系统, 以提升图书馆的管理效率和服务质量。系统采用分层架构设计, 包括前端用户界面、后端业务逻辑和数据存储层, 确保系统的高性能、 高可用性和高扩展性。功能模块涵盖用户、 图书管理, 智能检索和数据分析等, 能满足用户多样化需求。通过集成自然语言处理、机器学习和图像识别等人工智能技术, 系统实现了语义检索、个性化推荐和多模态检索等功能,显著增强了用户体验。 开发过程中, 遵循敏捷开发流程, 采用 Python、Django、MySQL 等技术栈, 确保系统的高效开发与稳定运行。测试结果表明, 系统响应时间在高并发情况下仍能保持在 2 s 以内, 用户满意度达到85% 。其不仅为图书馆信息管理领域的研究提供了新的视角和方法, 还为图书馆的数字化转型和智能化升级提供了有力的技术支持。

针对在原油库较为复杂的环境下, 受不同的外界干扰因素的影响和现有硬件设备资源有限的限制, 导致仪表定位检测时模型的精度低、计算复杂度高, 难以推广应用的问题, 提出了一种以 RT-DETR(Real-Time Detection Transformer)为基础网络的原油库指针式仪表定位方法。首先, 引入 FasterNet 网络对仪表输入图像的部分通道进行特征提取, 模型的参数量和计算复杂度明显减小; 其次, 引入 HiLo 注意力模块, 通过两条路径分别对指针与刻度细节区域和表盘平滑区域进行特征选择, 增强了模型对仪表关键特征的提取能力; 最后,为了增强多尺度特征融合的能力, 充分利用仪表的特征信息, 引入基于上下文信息特征融合模块(CGFM:Context-Guide Fusion Module), 进一步提升模型的鲁棒性。实验结果表明, 仪表的检测精度达到了 97. 6% ,模型的参数量为 10. 91 MByte, 相较于 YOLO(You Only Look Once)目标检测模型, 具有很大的优势。

视频内容的多样性和复杂性使视频标签分类变得困难, 由于不同的视频可能具有相似的特征但属于不同的类别, 或同一类别的视频在表现形式上可能存在巨大差异, 为有效提升影视视频标签分类结果的准确性, 提出一种结合 CNN(Convolutional Neural Network)和旋转森林的影视视频标签分类算法。将影视视频标签分类划分为两个阶段。第1阶段利用旋转森林算法实施影视视频标签样本集分割, 通过特征变换将每个样本子集转换到全新的特征空间, 得到多个差异较大的全新样本子集。 采用 AdaBoost 算法在样本集中进行多次迭代并组建多个AdaBoost 分类器, 引入概率平均法对分类结果融合, 得到初步标签分类结果。第 2 阶段, 将通过四元数Gabor 滤波卷积算法捕获的影视视频特征和第 1 阶段获取的标签初步分类结果作为 CNN 的输入, 在全连接层中引入 L1 正则化, 约束模型的复杂度, 并防止过拟合, 通过多轮次迭代训练完成影视视频标签分类。测试结果表明, 所提算法具有良好的影视视频标签分类性能, 能有效满足用户个性化需求。

针对卫星遥感因其被动观测卫星的云识别和 CTH(Cloud Top Height)产品的精度通常有所欠缺, 而主动观测卫星虽然提供了高精度的 CTH 和云识别信息, 但观测范围有限的问题, 提出一种 GA-LightGBM(Genetic Algorithm-Light Gradient Boosting Machine)模型。该模型利用哨兵五号( S5P: Sentinel-5P)、第五代再分析数据(ERA5: Fifth generation ECMWF atmospheric reanalysis of the global climate)、 CALIPSO(Cloud-Aerosol Lidar and Infrared Path nder Satellite Observation)的数据, 分别进行云识别和 CTH 预测。使用 2018 年6月-2020 年 12 月的数据训练模型, 并应用 2021 年全年的数据测试模型性能。实验结果表明, 在测试集中, 云识别模型的准确率为 86% , 能很好地识别出云和晴空; 云顶高度反演模型的平均绝对误差( MAE: Mean Absolute Error) 为1. 26 km, 均方根误差(RMSE: Root Mean Square Error)为 1. 87 km, 决定系数 R2 为 0. 797 1, 反演结果与真实值存在较好的一致性, 证明了方法的有效性。

为准确提取影视视频的关键帧, 提出一种融合 K-均值和帧间相似性的影视视频关键帧提取算法。将空间差异度量和感知哈希度量两种视频特征融合, 形成像素差异度量。设定阈值, 结合像素差异度量和直方图度量判断是否发生镜头切换, 实现影视视频镜头分割。提取影视视频的特征, 根据帧间相似度和阈值确定初始聚类中心位置和数量, 利用K-均值对初始聚类中心进行优化, 提取聚类中心的帧作为影视视频关键帧。实验结果表明, 所提算法在保真度和镜头重构度能力上得到显著提升, 实现了影视视频关键帧的精准提取, 可以较全面地描述视频的主要内容。

由于设备电子信息涉及到的数据来源广泛、类型多样, 为了准确从海量的数据中提取出有用的信息,提出基于知识图谱的设备电子信息资源精准推荐算法。建立设备电子信息资源的知识图谱, 并以文本和结构为基础, 利用卷积神经网络(CNN: Cellular Neural Network)补全知识图谱, 使算法覆盖资源更全面。分析用户的兴趣和偏好, 提取设备电子信息资源的特征。最后, 采用协同过滤推荐算法得到资源相似度矩阵度, 由矩阵预测用户的检索行为, 从而获得推荐列表。经实验证明, 所提算法的覆盖率平均为 94. 5% , 命中率平均为96. 7% , 归一化折损累计增益达到了 0. 91, 可以准确为用户推荐需要的信息资源。

为解决智能信息化数据库数据泄露的问题, 提出了一种基于同态加密的智能信息化数据库隐私保护方法。首先利用主成分分析法提取智能信息化数据库数据特征; 其次, 通过 K-means 聚类算法完成数据库数据分类, 以提高后续的数据加密效率; 最后采取椭圆曲线同态加密算法对聚类后的数据库数据实施加密, 实现数据库的隐私信息保护。实验结果表明, 该方法的总熵值均接近于 0, 最大熵值不超过 0. 01, 且加密后的数据分布不存在规律性, 数据间的距离较为一致; 同时, 泄露概率保持在 1% 以内, 整体上升幅度较小。证明了所提方法在数据库隐私保护方面的实用性。

为探究机器学习方法预测冠状动脉疾病(CAD: Coronary Artery Disease) 患者血运重建适应证的能力,比较极限梯度提升模型(XGBoost: Extreme Gradient Boosting) 结合沙普利可加解释性方法( SHAP: SHapley Additive exPlanations)与传统模型在血运重建筛选中的效能。回顾分析 2020 年 1 月-2025 年 5 月在吉林大学第一医院纳入的 466 例 CAD 或疑似 CAD 患者, 收集患者影像学指标。XGBoost 模型通过整合多维度指标构建,采用 5 折交叉验证优化, 结合 SHAP 量化特征贡献度。结果显示, XGBoost 模型曲线下面积(AUC: Area UnderCurve)达 0. 899(95% CI: 0. 871 ~ 0. 927), 显著高于传统逻辑回归模型(AUC = 0. 812)、 冠状动脉计算机断层扫描血管造影参数逻辑回归模型(AUC= 0. 786), SHAP 分析明确表示最小管腔面积和最狭窄程度为最关键预测因子。XGBoost 模型结合 SHAP 的方法可有效辅助 CAD 患者血运重建适应证筛选, 且预测效能与可解释性均优于传统模型, 为临床精准干预提供可靠支持。

为解决现有课程评价模型在跨句语境敏感性不足、文本语义重要性挖掘不充分等问题, 提出一种基于多粒度语义分析的课程评价模型, 以更准确地表征学生文本中的真实意图并支持后续的情感分类与知识提取任务。该模型结合预训练模型和深度神经网络, 提取词、句和词性粒度文本特征向量对语义分析和处理, 并以课程评价文本为例进行实验和分析。模型采用精确和模糊匹配评估方式, 同时引入 Dropout 和 ReLU(Rectified Linear Unit)激活函数以提高模型的泛化能力。通过不同的文本预处理策略, 结合停用词去除和重要词汇筛选,提升模型的分类性能。实验结果表明, 该模型在课程评价情感分析任务中表现优异, 尤其在处理模糊情感边界时, 准确率达到 92. 53% 。该语义分析模型有助于全面捕捉学生对课程的细致反馈, 为教育领域提供了有效的自动化评价工具, 优化教学质量。

为使交叉口各向交通流能构达到最佳生态运行的引导控制, 基于集群协同思想, 将智能网联交叉口车流控制转化为网联车辆与信号组成的异构智能体集群控制问题。综合交叉口宏观交通流特性与车辆微观生态效益, 构建融合车辆引导与信号协同优化的交叉口车流生态引导协同控制方法; 以交通流-队列协控方式与迭代反馈策略, 生成系统生态效益最优的车辆行驶与信号配时组合方案; 设计基于多智能体强化学习的控制快速求解方法, 提升控制方案求解过程的精确性与时效性。实验结果表明, 该模型在智能网联环境下, 能实现动态生成交叉口车辆引导与信号协控方案。

针对传统安全管理主要依赖人工监控与事后处理、效率低下且难以及时发现异常行为的问题, 设计了一套多模态智能安全管理系统。该系统主体由基于华为 Atlas 200I DK A2 开发套件运行的视觉识别算法、基于单片机的语音报警装置及配套软件构成。通过视觉处理算法与音频关键词检测实现行为智能识别, 当发生危险情况时, 可经软件自动将信息及时反馈给管理人员, 有效保障现场人身安全。针对视觉算法部分, 通过优化 YOLOv5(You Only Look Once version 5)网络结构, 引入 CA(Coordinate Attention)注意力机制以增强对小目标与复杂场景的检测能力, 并修改损失函数, 添加对 EIoU(Efficient IoU)损失函数的支持, 使模型更好地适应场景变化, 从而实现对打架与摔倒行为的高效识别。实验结果表明, 本方法在多种场景下的平均精度均值(mAP@ 0. 5)均有明显提升, 检测速度满足实时性要求, 可为公共场所的安全管理提供智能化解决方案。