1960年1月创刊（半月刊）
主管/主办:重庆西南信息有限公司（原国家科技部西南信息中心）
ISSN:1674-778X
CN:50-1201/TP
- 最高浏览
- 最高下载
- 最高引用
- 01一种潜入式无轨智能AGV设计及导航的研究
- 02工业机器人动力学参数辨识及其模型建立
- 03人工智能技术在KR脱硫扒渣改造上的应用
- 04220 kV内桥接线海上升压站典型保护配置与运维风险管控
- 05基于蚁群算法的变电站巡检机器人全局路径规划研究
- 06电振给矿智能自动化系统研究
- 07基于区块链技术的调度操作指令防篡改技术的研究
- 08火电煤场门式斗轮堆取料机自动控制系统的研究及应用
- 09基于PLC 技术的轨道交通信号自动化控制系统设计
- 10航空发动机加力锁定功能失效故障的研究
-
一种自动清洗水尺装置的设计与应用研究
黄睿，程鹏，海得琛，李振，赵帅
摘要：水尺作为水电站(水库)监测水位的关键装置，其表面清洁度直接影响水位观测的准确性。然而，传统人工清洗方式存在安全风险高、作业难度大、效率低下等问题。针对这些痛点，研发了一种自动清洗水尺装置。该装置集成了清洗、升降、控制等模块，实现了水尺的自动化清洗。经实践验证，该装置有效降低了安全风险，提升了作业效率，显著降低了维护成本，为水电站水尺的高效运维提供了可行方案。
-
奶瓶冲泡清洗智能机器人的设计
何将，陈新语，吕文兵
摘要：随着现代家庭生活节奏的加快和婴幼儿护理需求的日益复杂化，家长在喂养环节面临诸多挑战。针对传统人工喂养耗时费力、难以保障婴幼儿安全的弊端，设计了一款含储存、冲泡、清洗闭环系统的奶瓶冲泡清洗智能机器人。利用SolidWorks软件进行机器人模型的绘制，针对其核心零部件开展有限元仿真分析，结果表明，各参数满足安全要求。此外，通过Fusion 360软件对机器人关键零件进行轻量化优化设计，显著减轻了零件的整体质量。该研究成果可作为奶瓶冲泡清洗智能机器人设计的理论参考，为智能育儿设备研发提供支持。
-
基于深度学习的风电机组状态监测与故障预警系统优化
方海瑞
摘要：构建一种基于深度学习的风电机组状态监测与故障预警系统，并针对宁夏风电场特殊环境设计自适应滤波算法与卷积神经网络(CNN)-长短期记忆网络(LSTM)混合模型。该系统通过动态阈值调整机制实现多级预警，实验表明，故障识别准确率达93.6%，相较于传统方法提升7.9%，风速突变时误报率降至1.1%。该系统具备毫秒级响应能力与模块化扩展特性，可降低运维成本35%。该研究成果可为复杂环境下风电场智能运维提供可靠的技术支撑与实践依据。
-
基于深度强化学习的风电塔筒清洗机器人路径规划研究
刘德福，王景涛，徐光平
摘要：随着风电装机容量的快速增加，因风电塔筒表面污染而引发的发电效率降低问题日益凸显。在风电塔筒圆柱曲面的清洗场景中，传统路径规划方法存在适应性差、效率低下的问题。为此，设计了一种改进的近端策略优化(PPO)算法框架。该框架融合了分层动作空间、好奇心驱动探索机制以及优先级经验回放技术，以有效应对效率方面的挑战。通过仿真与物理实验验证，所提方法在清洗覆盖率、作业效率以及能耗控制等方面均优于传统规划策略，为高空风电塔筒的自动化清洗提供了新的有效方案。
-
基于深度学习的油田电气系统故障诊断与预防方法研究
孙龙，魏晨华，李高原，张龙音
摘要：为了确保能源生产的安全性以及油田电气设备的稳定运行，需要强化该系统的故障诊断与预防能力。深入分析了油田电气系统的故障特征与数据采集方法，并研究了基于深度学习的故障诊断技术。通过构建融合卷积神经网络(CNN)与长短期记忆网络(LSTM)的故障诊断模型，同时提出结合剩余寿命预测的故障预防方法。旨在提高故障检测的精确度，优化检测时效性，缩短设备停机时间并降低维修成本，最终实现油田电气系统运行效率与维护策略的双重优化。
-
基于多模态大模型的机器人运动控制技术研究
孙斌
摘要：随着机器人应用场景的不断拓展，复杂环境下的运动控制对环境理解与自主决策能力提出了更高要求。为此，基于多模态大模型对机器人运动控制技术展开深入研究。通过构建多模态感知与分层运动控制架构，引入大模型生成控制代码的轨迹规划方式，结合多模态反馈实现闭环修正机制。搭建仿真验证平台对所提方法进行测试，结果表明，该方法在语义抓取与长程操作任务中具有良好的泛化能力与抗干扰特性，能够有效增强机器人在复杂环境中的自主运动控制能力。
-
基于深度强化学习的机器人柔性抓取策略优化
王新欣，侯飞，王新杰，姜向恒
摘要：针对机器人柔性抓取策略优化问题，首先将柔性抓取过程建模为马尔可夫决策过程，并以此为基础构建柔性抓取策略优化模型；然后以软演员-评论家(SAC)算法为切入点，结合强化学习与高维连续动作空间下的最大熵思想，使用SAC算法实现对策略在高维连续动作空间下的高效探索、稳定收敛，并利用双Q网络解决价值函数的过估计问题，同时利用经验回放增加训练样本数，以提高样本效率。为了验证所提框架的有效性，实验在Python下搭建了SAC开发环境，并采用PyBullet建立柔性抓取仿真平台。结果表明，针对柔性目标抓取任务，该方法可实现高成功率及快速收敛，具有较强的鲁棒性和适应性。
-
基于机器视觉的变电站电气设备检修方法研究
李浩田
摘要：传统变电站人工巡检方法存在效率低下、易受人为因素影响等问题，导致电气设备检修精度较差。为此，提出一种基于机器视觉的变电站电气设备检修方法。基于机器视觉技术采集并预处理变电站电气设备的图像，通过卷积神经网络识别视觉图像，判断变电站电气设备故障程度，实现检修决策。实验结果显示，通过设计方法检修后，不同故障程度的变电站电气设备的消缺率均能满足设备检修指标考核要求，表明该方法可行，且可靠度较高。
-
基于YOLOv8 的小目标轻量化检测模型研究
曹可兵，张伟，蔡振宇
摘要：针对YOLOv8在嵌入式设备与小目标检测中存在的模型复杂度高、检测精度不足的问题，提出一种轻量化改进模型GDS-YOLO，以兼顾检测性能与模型实用性。首先，引入GhostNet-L结构模块，利用廉价操作生成更多特征图，显著压缩模型参数规模；然后，进一步集成深度可分离卷积模块(DSConv-M)，以降低计算开销，并保持有效的特征传递能力；最后，在检测头前融合无参注意力机制SimAM-L，以提升模型对关键目标区域的响应能力。在VisDrone数据集上开展实验，结果表明，与原始YOLOv8n相比，该模型的mAP50提升0.8个百分点，同时，模型参数量和计算量分别减少6.7% 和3.7%，推理速度显著加快，嵌入式部署效率显著提高。
-
基于机器视觉的Mark 点识别算法研究
郑明杰，朱建晓，宋杰，包建东
摘要：在工业智能化转型背景下，Mark点识别作为机器视觉的核心技术，其性能直接影响自动化生产效率。针对现有算法在复杂工业环境下存在的识别精度低、实时性差、鲁棒性不足等问题，提出一种融合多特征描述子与旋转不变性策略的改进模板匹配算法。通过构建尺度不变特征变换(SIFT)特征点与灰度模板的互补表达框架，引入自适应尺度空间构建方法及方向归一化匹配策略，实现对Mark点形变的有效应对。在包含2 000张工业图像的数据集上进行实验，结果表明，在Mark点旋转、缩放及30% 局部遮挡场景下，识别准确率分别为93.8%，94.6%，91.2%，且单张图像平均处理时间控制在20 ms以内，满足工业实时性需求。该算法为工业自动化生产中的高精度定位提供了有效解决方案，对推动智能制造发展具有重要意义。
-
基于改进K-means 与MSET 的柱塞泵故障预测方法
信振东，卢冬梅，王磊
摘要：柱塞泵工作状态的好坏直接关系到相关工业设备能否正常可靠运行。当遇到高维度和强噪声数据时，传统的故障预测方法存在局限性，误差大且无法保证实时性。为此，提出一种结合改进K-means算法和多元状态估计技术(MSET)的故障预测方法。首先，利用分层自适应小波阈值法对原始信号去噪；然后，通过主成分分析(PCA)算法提取出信号的特征值；最后，利用改进K-means算法建立记忆矩阵，通过MSET模型估计系统状态，并根据滑动窗口残差判断故障。结果表明，与传统的故障预测方法相比，所提方法在信噪比(SNR)、聚类轮廓系数(SC)、预测均方根误差(RMSE)等指标上都有所提高，而且可以及时准确地发现柱塞泵的故障情况，保障柱塞泵的正常稳定运行，达到精准维护的目的。
-
基于图卷积的自动化装配设备故障诊断知识图谱补全模型构建
刘伟
摘要：在构建自动化装配设备故障诊断知识图谱的过程中，传统方法通常采用基于推理规则的方法来实现知识图谱的补全。然而，由于规则的泛化能力有限，补全后的知识图谱无法准确诊断设备的故障情况。因此，提出一种基于图卷积的自动化装配设备故障诊断知识图谱补全模型。该模型首先利用分层注意力机制来学习知识图谱中各节点的相对重要性，从而识别出设备故障诊断所涉及的关键实体。然后，模型获取关键故障实体结构信息对应的嵌入向量，并通过映射和拼接处理实现信息的有效融合。最后，模型将实体感知模块和信息融合模块与图卷积神经网络相结合，构建出一种完整的知识图谱补全模型。该模型通过深入挖掘故障结构信息中的隐藏关联，成功补全了知识图谱中的缺失链接。实验结果表明，经过该模型补全处理后，基于知识图谱推导出的自动化装配设备故障诊断结果的命中率达到了0.8以上，显著提高了故障诊断的准确性。
-
基于深度学习和图像处理的裂缝几何参数测量
黄大伟，陈盛根，张灿
摘要：桥梁裂缝几何参数的精确测量对判定其结构安全及功能寿命意义重大。为实现自动化与高精度检测，采用一种融合深度学习与图像处理的裂缝几何参数测量方法。该方法以嵌入高效通道注意力(ECA)机制的U-Net模型为核心，实现对裂缝的精准像素级分割，并基于分割结果自动化计算生成具有明确物理意义的几何参数。实验结果表明，改进后的U-Net(ECA)模型在自建数据集上的精确率和交并比分别为82.8% 和59.7%，性能优于基准模型。所构建的参数量化流程能稳定输出包含长度、宽度、面积及圆度等的多类几何参数，对不同形态裂缝均具有良好适用性与可靠性。该工作为桥梁裂缝表观检测提供了一种从智能识别到参数量化的完整技术方案。
-
基于计算机视觉的输电线路施工现场危险源自动检测
张杭锋，胡东东
摘要：针对固定锚框在多尺度场景图像像素检测中有效性低的问题，开展基于计算机视觉的输电线路施工现场危险源自动检测研究。利用拉普拉斯算子输出高通像素的输电线路施工现场视觉图像，实现对细节的增强处理。利用轻量级YOLOv2的卷积层输出危险源的特征像素度，在尺寸自适应的锚框下对图像像素进行检测，避免固定大小锚框导致识别精度低的问题。测试结果表明，所提方法对12类危险源检测结果的F1值稳定在0.90以上，具有较高的有效性。
-
基于机器视觉的翻车机自动摘复钩无人化系统精准定位研究
武锦峰，刘长旭，潘超
摘要：针对当前火电厂翻车机半自动化摘复钩试验系统采用激光测距与预编程轨迹定位方法存在的定位误差大、适应性差、效率受限等问题，构建了机器视觉定位模块。通过设计车钩特征点的四叉树均匀化提取、基于图像金字塔的LK光流法车钩动态跟踪、车钩位姿解算与定位补偿等方法，实现动态工况下车钩亚毫米级定位及1 min内完成定位调整，满足了翻车机作业节拍需求。
-
基于四分位滤波和改进最小二乘法的管坯定心打孔控制方法
杨柳
摘要：为解决传统管坯冷定心机依赖人工、无法自适应不同规格管坯及定心精度低的问题，设计了一套全自动定心打孔控制系统，并提出一种基于四分位滤波(QF)与改进最小二乘法(MLS)的圆心定位方法。系统采用“先扫描定位，后精准打孔”的方案，通过激光位移传感器扫描管坯轮廓；QF-MLS算法首先对数据预处理并利用QF剔除非高斯噪声与异常点，再通过MLS进行圆拟合，将非线性问题线性化以降低计算复杂度。实验表明，该方法显著提升了定位精度与鲁棒性，将拟合误差率从传统方法的0.101% 降至0.021%。最终，系统将圆心坐标转换至机床坐标系，驱动碳棒精准完成打孔。实际应用验证，定心误差稳定在2 mm设计要求内，实现了全程自动化与高精度加工。
-
多模态教育数据融合下的K-means 学生画像建模研究
闫寒
摘要：随着信息技术的飞速发展，教育领域的数字化程度不断提高。多模态数据的获取有利于从多个维度深入了解学生的学习表现和行为特征，为学生画像的构建提供充足的数据依据。通过分析学生平均学分绩点(GPA)、一卡通消费金额、图书借阅频率、奖学金获得情况等多维数据，结合K-means聚类算法进行数据融合，进而构建个性化的学生画像。结果表明，学生群体可分为学术型、均衡发展型和生活型，揭示了不同群体的行为差异和需求特征。
-
一种电力营销现场作业中风险识别与任务分配的综合框架设计
汪亮，尹飞鸿
摘要：电力营销现场作业的安全性和效率一直是电力行业关注的重点和难点。随着电力市场化改革的不断深入，现场作业的复杂性和动态性显著提升，对技术手段提出了更高的要求。现有的管理方法中，风险识别和任务分配作为两个独立的功能模块，往往缺乏系统的联动和协作，导致资源利用率低、安全保障不足以及响应速度偏低等问题。为了应对这些挑战，提出了一种兼顾安全和效率的电力营销现场作业管理综合框架。首先，建立具有风险数据的现场作业库，并基于BP神经网络设计风险识别系统，进而构建风险决策库。依托预置风险决策对作业数据或监控数据进行评价，并将评价结果推送至现场作业终端。此外，预定现场作业分配策略，建立作业工单和作业人员之间的匹配关系模型。该模型能根据现场作业和人员情况动态分配工单，在提升电力营销现场作业安全性的同时，显著提高资源调配效率和响应速度，避免任务堆积和资源浪费。模拟实验验证结果表明，综合框架能够有效降低高风险场景的发生率，提高作业响应速度和工单处理效率，为电力行业提供了一种创新性的解决方案。
-
铁道信号集中监测系统数据分析与自动诊断技术
陆鹏
摘要：针对铁道信号系统运行中数据异构性强、故障定位滞后、诊断精度不足等问题，提出融合多维度分析与智能诊断技术。通过优化数据预处理流程、构建多源数据融合模型、设计多级故障诊断机制，实现信号数据的高效处理与故障的精准识别。基于某铁路站段10个车站6个月的实测数据对该技术进行验证，结果表明，与传统支持向量机(SVM)方法相比，该技术在道岔系统、轨道电路、联锁系统三大关键场景中的性能具有显著优势。
-
基于注意力机制的日前市场电价预测方法研究
韩啸
摘要：随着电力市场化程度的不断加深，日前市场电价波动性和不确定性显著增强，传统预测方法难以满足高精度预测需求。为提高日前市场电价预测的准确性与稳定性，在分析电价主要影响因素的基础上，引入注意力机制与深度学习方法，构建了一种基于双向长短期记忆网络的混合预测模型。通过在特征维度和时间维度引入双阶段注意力机制，实现对关键输入变量和关键历史时刻的自适应加权建模。以典型电力市场公开数据为例开展算例分析，结果表明该方法在预测精度和泛化性能方面均优于对比模型，验证了其在日前市场电价预测中的有效性和实用价值。
