文章-世纪中文出版社

高压电机作为工业生产中的核心动力设备，其运行状态稳定性直接影响生产效率与安全。针对高压电机运行中易出现的机械与电气故障，本文围绕运行状态监测技术、故障类型分析、数据处理方法及优化策略展开研究。通过对比振动、温度、电流电压及绝缘状态等监测技术的应用参数与精度，明确不同技术适用场景；结合定子、转子、轴承等常见故障的成因与特征参数，建立故障判定阈值体系；采用小波变换预处理、时域 - 频域特征提取及 BP 神经网络诊断模型，实现监测数据有效分析，诊断准确率达 92% 以上。最后提出优化监测布局、完善数据管理及加强人员培训的策略，数据表明该策略可使故障漏检率降低 25%、误判率降低 18%，为高压电机安全稳定运行提供技术支撑。

深度学习驱动的射频器件参数化建模与仿真加速下载：36 浏览：228

刘缨缨陶佳张红梅《中国建筑》 2025年7期

摘要:

随着现代通信和电子技术的飞速发展，射频器件作为关键组件，其性能对系统整体性能起着决定性作用。传统射频器件建模与仿真方法在效率和精度上存在局限，难以满足日益增长的需求。本研究提出深度学习驱动的射频器件参数化建模与仿真加速方法，通过选用合适的深度学习模型，如卷积神经网络和循环神经网络，构建模型结构以提取射频器件特征并实现参数化表示，同时优化仿真流程，减少不必要计算环节。实验结果表明，该方法显著节省了计算资源与时间，有效提升了仿真效率。研究成果为射频领域提供了新的技术思路，有望推动射频器件设计与应用的进一步发展。

基于中美贸易摩擦背景下我国水产品出口贸易风险预警研究下载：45 浏览：510

陈明康1,2,3 杨正勇1,2,3 《海洋研究》 2023年3期

摘要:

水产品出口贸易在我国农产品对外贸易中占有重要地位,然而中美贸易摩擦已经在一定程度上影响到我国水产品的出口。文章以水产品出口额增长率作为警情指标,通过时差相关分析和均数原则分别确定警兆指标和警情区间,构建了我国水产品出口贸易风险预警指标体系。根据各警兆指标的特点采用ARIMA模型、线性回归等方法对警兆指标进行预测,将所得预测值同历史数据相结合,建立双隐层3层BP神经网络。在此基础上对我国水产品未来风险进行了系统预警,并将预测值和实际值对比,得出预测值准确性良好,未来3年我国水产品出口贸易将面临较大的风险,出口额持续下跌,需做重度防范。最后针对预警结果提出了促进水产品出口结构转型和质量标准体系建设,逐步扩大水产品国内销售市场并培育多元化国际新兴市场,政府要积极协助,水产行业和协会要强化自身作用等建议。

基于机械学习理论的海冰风险短期预报研究下载：47 浏览：374

于嵩松1 李思茵1 张大勇1 王刚1 岳前进1,2 李刚2 《海洋研究》 2021年4期

摘要:

海冰管理是抵御寒区海洋资源开发海冰威胁的有效手段,海冰风险的准确、快速预测是海冰管理系统的关键组成部分。文中面向海冰管理中的冰情短时预测需求,明确了基于现场监测的海冰风险预测模式,开展了应用机械学习理论的海冰风险短时预测方法研究,并以渤海辽东湾海冰管理为例,讨论了神经网络与小波分解等非线性预测方法在冰情短时预测中的适用性。结果表明,时间序列小波神经网络在短时(6 h)冰厚预测中的预测精度与Elman神经网络相仿,而在24～48 h预测中的精度偏差较大;Elman神经网络在6 h、24 h与48 h的冰厚预测中均能保持较好的预测精度,在冰流速与来冰方向预测中,模型预测精度达到80%左右。

电力机车牵引变流器的故障诊断研究下载：87 浏览：900

李杉《电力研究》 2024年6期

摘要:

牵引变流器是电力机车电能转换的关键设备，不仅承担着牵引变流的重要任务，还确保电力机车主电路的稳定运行。本文以HXD1牵引变流器为研究对象，深入分析了牵引变流器的故障特征，通过db3小波变换对变流器输出电压进行变换，成功提取了故障特征信息，对传统的BP神经网络进行了针对性改进，并结合变流器的故障特征构建了诊断模型。经过验证，该模型展现出了良好的诊断性能，为电力机车的故障诊断提供了有效的新方法。

基于自注意力机制和CNN-LSTM深度学习的对虾投饵量预测模型下载：48 浏览：409

何津民1 张丽珍1,2 《中国水产学报》 2022年4期

摘要:

为提高对虾饲料的利用率，减少养殖成本，提高养殖效益，提出了一种基于自注意力机制(self-attention, ATTN)和卷积神经网络(convolutional neural network, CNN)-长短期记忆网络(long short term memory, LSTM)的对虾投饵量预测模型(CNN-LSTM-ATTN),以水温、溶解氧、对虾的数量与质量作为预测模型的输入数据，通过CNN挖掘输入数据间的内在联系，提取出数据特征信息，利用LSTM的长期记忆能力保存数据特征信息，使用ATTN突出不同时间节点数据特征的重要性，进一步提升模型的性能。结果表明，本研究中提出的CNN-LSTM-ATTN预测模型的均方根误差、平均绝对误差和平均绝对百分误差分别为0.816、0.681和0.018,均小于BP(back propagation)神经网络、LSTM和CNN-LSTM 3个基准模型，其模型预测能力和稳定性优于其他模型。研究表明，本研究中构建的模型能较好地实现对虾投饵量的准确预测，可为对虾养殖投饵量的管理调控提供参考依据。

基于深度学习YOLOV5网络模型的金枪鱼延绳钓电子监控系统目标检测应用下载：34 浏览：443

王书献1,2 张胜茂2 朱文斌3 孙永文1,2 杨昱皞1,2 隋江华1 沈烈1 沈介然4 《中国水产学报》 2021年6期

摘要:

为评估金枪鱼延绳钓系统运行质量、降低人工成本,以及从金枪鱼延绳钓系统电子监控EMS系统中提取浮球、金枪鱼数量等信息,本文提出一种基于深度学习YOLOV5网络模型的金枪鱼延绳钓电子监控系统浮球及金枪鱼目标检测方法,从HNY722远洋渔船EMS系统视频监控数据中截取包含有目标浮球和金枪鱼的15 578帧关键帧,将所有关键帧及其标记文件划分为14 178个训练数据及1 400个验证数据,基于YOLOV5s、YOLOV5l、YOLOV5m、YOLOV5x等4种YOLOV5神经网络模型,设计分组训练试验对比训练效果。结果表明:参与训练的4种神经网络模型均可完成金枪鱼延绳钓电子监控系统的目标检测任务,但网络模型的选择对广义交并比损失(GIoU loss)、目标检测损失(objectness loss)、准确率(precision)、召回率(recall)、多类别平均精度值(mAP)等参数具有显著性影响(P<0.05),对目标分类损失(classification loss)参数无显著性影响(P>0.05);检测效果表现较好的模型是YOLOV5l和YOLOV5m,二者的mAP@0.5值分别为99.1%和99.2%,召回率分别为98.4%和98.3%,但YOLOV5m网络模型在GIoU损失等表现上劣于YOLOV5l。研究表明,4种网络模型中YOLOV5l模型是最适合应用于金枪鱼延绳钓电子监控系统目标检测的网络模型。

基于主成分分析及GA-LM的水产养殖环境溶解氧和氨氮含量预测下载：64 浏览：430

姚启1 缪新颖1,2 《中国水产学报》 2021年6期

摘要:

为了精准预测水产养殖过程中最重要的两个环境参数溶解氧和氨氮,针对预测模型需要解决的有效影响因子确定、预测算法和网络结构优化等问题,将Levenberg-Marquardt（LM）神经网络、遗传算法（genetic algorithm, GA）和主成分分析（PCA）算法相结合,提出一种基于GA-LM-PCA的水产养殖环境溶解氧和氨氮含量预测模型,即采用PCA确定影响因素,实现影响因素的去耦合降维,采用遗传算法对网络结构进行优化,确定合适的隐层节点数目和权值,采用LM训练神经网络,提高神经网络的收敛速度。为了验证GA-LM-PCA的预测效果,将GA-LM-PCA的预测效果与未用PCA方法的GA-LM预测模型进行了试验比较,并探讨了影响因素数量对预测效果的影响。结果表明:用GA-LM-PCA方法预测的溶解氧和氨氮值与实测值吻合较好,平均绝对误差和均方根误差分别为0.004 7、1.872 7×10-4（溶解氧）和0.006 5、9.428 7×10-4（氨氮）,适用于影响因素数量较多的场合。研究表明,GA-LM-PCA是一种有效的水产养殖环境溶解氧和氨氮预测工具,尤其对于影响因素复杂繁多的非线性系统效果更好。

基于注意力机制和深度学习模型的外来海洋生物命名实体识别下载：68 浏览：483

贺琳张雨巴韩飞《中国水产学报》 2021年3期

摘要:

为解决因外来海洋生物领域实体复杂且实体间存在嵌套导致命名实体识别效果较差等问题,提出基于融合注意力机制的卷积神经网络(CNN)-双向门控循环单元网络(BiGRU)-条件随机场(CRF)网络模型进行外来海洋生物命名实体识别,并构造词向量、词性特征向量等特征作为网络模型的联合输入,以提升网络模型识别效果。结果表明:使用融合多特征向量的CNN-BiGRU-CRF网络模型对外来海洋生物名称实体、时间实体、地名实体3类实体上的命名实体识别结果平均准确率达到了90.62%,平均召回率达到了89.50%,平均F1值达到了90.05%,较传统命名实体识别方法均有较大提高。研究表明,本研究中提出的网络模型可以充分提取文本特征,解决了文本的长距离依赖问题,对外来海洋生物领域的命名实体识别具有较好的识别效果。

基于神经网络的空中交通管制冲突场景识别模型设计要点探究下载：30 浏览：1548

魏德宸焦园圆《交通技术研究》 2025年3期

摘要:

管制中的冲突识别是管制工作体现出有效性和针对性的重要影响因素。飞行冲突识别和调配活动是管制工作效果保障的重要核心因素。在空中交通管制的冲突场景识别模型设计的工作中，需要分别针对性的分析和确认冲突的类型，管制调配的流程以及管制指令数据的规划。结合上述因素对航迹数据变化的实际情况和时序特征，时空相关特性，提出相应的基于神经网络的冲突调配模型，以便更好的为空中交通管制以及冲突场景的识别和判断，提供重要的支持提升交通管制工作的精准性和有效性。

基于多传感器网络与深度学习的公交车安全监测系统下载：27 浏览：429

齐宇硕汪钊旭胡鑫婷张锐枭詹云彤马月坤《传感器研究》 2025年3期

摘要:

随着城市化进程的不断加快和人们绿色出行意识的增强，公交车逐渐成为大多数市民上班出行的首选交通工具。然而与高铁飞机等交通工具相比，公交车安全监测系统仍不够健全，可能会发生自燃、侧翻、胎压失衡等突发情况。基于此，本项目研究了一种多传感器网络与深度学习技术相融合的公交车智能安全监测系统，旨在及时发现公交车安全隐患，降低危险事故发生率，保证乘客生命安全，提高公交安全水平。

基于神经网络的薄荷生长环境对成分提取影响预测与优化研究下载：78 浏览：875

魏艺腾赵斌陈奕霖刘丽《神经科学研究》 2024年11期

摘要:

本文研究了基于神经网络的薄荷生长环境对成分提取的影响预测与优化。利用神经网络，预测薄荷在不同生长阶段的成分含量，并优化成分提取过程。通过收集生长环境数据和植物状态图像，建立预测模型，优化提取条件，以提高薄荷的成分提取效率和品质。该项目将结合传统薄荷学知识与现代技术，为薄荷产业提供创新方法，提升薄荷的质量和有效成分的利用率。该研究为薄荷种植和成分优化提供了数据驱动的决策支持，具有实际应用价值，并为相关领域的进一步研究奠定了基础。

BP神经网络技术在固化土强度预测中的应用下载：78 浏览：874

吴建霖王国才过煜浩《神经科学研究》 2024年11期

摘要:

为探究固化剂种类、掺量水平以及养护龄期对废弃固化土强度特性的影响，通过BP神经网络技术建立了6个输入节点、1个输出节点的单隐含层BP模型，计算各材料掺量和龄期对固化土强度的权重贡献和权重贡献率，对不同固化剂掺量和养护龄期下固化土的抗压强度值进行预测，并与实测结果进行对比分析。结果表明：预测值和实测值相关性较高，表明该模型有较高的拟合度，性能优异；养护龄期对固化土强度影响最大，固化材料种类对抗压强度影响从大到小依次是：水泥、粉煤灰、无水氯化钙、萘系减水剂、聚乙烯醇纤维。

战争智能化趋势下基于图像处理的目标检测算法研究下载：145 浏览：1668

袁海东郝宇欣杨敏巍杨帅高家乐《信号处理与图像分析》 2023年11期

摘要:

随着战争智能化趋势的推进，智能技术在战争领域得到了广泛而深入的应用。本文针对战争智能化趋势下的图像处理方法进行研究，在目标检测中复杂背景下目标检测的算法占据越发重要的地位，本文搭建了目标检测网络并应用到目标检测中，获取目标位置信息。

基于全卷积神经网络的计算机视觉目标检测算法下载：96 浏览：1075

闫景瑞《神经科学研究》 2024年3期

摘要:

近年来，计算机视觉技术迅猛发展，尤其是目标检测领域备受瞩目，目标检测技术在自动驾驶、智能监控、图像搜索等诸多领域有着重要的应用价值，随着深度学习的兴起，全卷积神经网络作为一种强大的模型结构，为目标检测任务带来了新的机遇和挑战。本文将深入剖析基于全卷积神经网络的计算机视觉目标检测算法，包括其核心思想、算法设计及实现流程等方面，为读者提供一个清晰的认识和全面的理解。

基于BP神经网络模型的乳腺癌分类应用研究下载：100 浏览：1210

童璐瑶李文《神经科学研究》 2023年12期

摘要:

乳腺癌的早期诊断和治疗是提高患者生存率的关键。为探索诊断和治疗乳腺癌的新思路，本文以乳腺癌数据集为研究对象，提出一种基于BP神经网络的乳腺癌分类预测模型。结果显示，结合BP神经网络能够较好地解决非线性的映射问题，BP神经网络模型在乳腺癌分类任务上具有较高的准确性和鲁棒性，为乳腺癌的分类、预测问题提供了建设性的依据。

自动驾驶系统中人工干预模式的建模与优化下载：105 浏览：1135

冯鼎然《航空航天学报》 2024年6期

摘要:

本文首先结合道路状况和驾驶系统条件改进了标准NaSch模型，求解得出交通流特征；其次利用BP神经网络对交通状况指标进行拟合回归；然后通过启发式算法对人工干预参数寻优；最后基于云模型对自动驾驶系统进行整体评估，并据此对人工干预的运作模式提出了合理建议。对于车辆，最优干预频率为16.3%，需较频繁地切换至手动模式以保证安全；对于驾驶员，需保持小于0.5s的平均反应时间，以避免事故率上升；对于交管部门，现阶段应重点缓解交通流量并简化事故处理。

卷积神经网络技术及潜在军事应用价值浅析下载：100 浏览：1281

王树源范顺宇王可杰吴英捷《神经科学研究》 2023年9期

摘要:

以卷积神经网络技术为核心的深度学习点燃了人工智能领域的热情，掀起了新一轮技术革命热潮。本文以卷积神经网络技术为研究对象，从卷积神经网络组成、网络结构特点、权值共享思想等方面，介绍了卷积神经网络的基本概念，结合该技术的特点，设想了其在军事领域的应用场景，为人工智能技术落地应用提供一定参考。

基于双前馈模糊神经网络的PMSM直接转矩控制下载：103 浏览：1285

姜元昊1 李佳懿2 李昕3 《神经科学研究》 2023年8期

摘要:

针对永磁同步电动机传统直接转矩控制存在转矩脉动大、电动机系统运行和受到外部扰动时系统参数的时变不确定性问题，将双前馈模糊神经网络控制(Dual Feedforward Fuzzy Neural Network，DFFNN)引入PI调节器，设计了一种基于双前馈模糊神经网络PI控制器，用神经网络实现模糊推理，进行参数的自整定，应用于永磁同步电动机的直接转矩控制系统，使系统转速响应快，超调小，对参数变化有较强的抗干扰能力。

基于BP神经网络的PID温度控制系统设计下载：108 浏览：1296

王欣瑞王伟《神经科学研究》 2023年8期

摘要:

工业过程控制中，PID调节作为重要的控制手段，取得了令人满意的效果。为了进一步达到更好的控制效果，在传统PID控制模型上，利用神经网络的自主学习的特性，建立了新型的BP-PID控制模型，优点在于无需手动设定，即可完成PID参数的整定。本文通过MATLAB软件，用可视化工具Simulink设计的温度控制模型，证明了结果可行。本文给出了设计思路，并通过仿真进行了验证。为实际生产中，温度控制系统设计提供了新的思路。

[1/4]

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com