【摘 要】
：
船用柴油机监测数据具有样本数据多、特征呈非线性等特点,使得状态预测比较困难.为提高船舶运行可靠性和数据预测的实时性,利用某船用柴油机实际运行数据,提出一种基于LightGBM机器学习算法的柴油机运行状态预测模型,利用箱线图剔除噪声点降低信息损失.预测结果表明,算法模型对两种不同特征参数均保证较高准确率,且构建迅速,具有高可用性和高实时性.
【机 构】
：
北京理工大学信息与电子学院,北京100081 北京理工大学信息与电子学院,北京100081;中国船
【出 处】
：
第十四届全国信号和智能信息处理与应用学术会议
论文部分内容阅读
船用柴油机监测数据具有样本数据多、特征呈非线性等特点,使得状态预测比较困难.为提高船舶运行可靠性和数据预测的实时性,利用某船用柴油机实际运行数据,提出一种基于LightGBM机器学习算法的柴油机运行状态预测模型,利用箱线图剔除噪声点降低信息损失.预测结果表明,算法模型对两种不同特征参数均保证较高准确率,且构建迅速,具有高可用性和高实时性.
其他文献
为了更好地提高SAR图像中舰船目标的检测能力,提出了一种基于SAR图像混合滤波增强的Haar-like特征改进型CFAR检测算法.利用Refined Lee滤波、对数变换、离散小波变换和导向滤波对SAR图像进行预处理,去除SAR图像中存在的相干斑噪声.利用海陆分割屏蔽陆地区域的干扰,并通过基于Haar-like特征的CA-CFAR算法实现对舰船目标的检测.通过高分3卫星图像仿真,证明了提出的方法具
显著性区域提取旨在模拟人类视觉系统快速关注图像中感兴趣区域的能力,可作为图像预处理技术为后续的目标检测任务提供有价值的候选目标集,这在目标空间占比较小的图像场景中(如遥感图像)尤为重要.虽然当前以卷积网络为代表的显著性区域提取技术已取得长足进步,但仍存在诸多技术局限:(1)提取准确性有赖于大规模的训练数据,样本搜集与标注的人工代价高昂;(2)模型的训练与推理计算开销过大,不利于资源受限的嵌入式硬件
针对室内未知环境下的机器人定位导航问题,研究了一种基于单目视觉惯性里程计的机器人定位算法.该算法将采集到的视觉数据和惯性测量单元数据进行紧耦合处理,交给后端构建最小二乘问题,用于求解位姿估计得到实时的运动轨迹.在后端位姿估计方法中,引入信赖域优化算法,该算法具有强收敛性和稳定性.最后利用公开数据集与传统方法对比进行实验,评价了算法的实时性和定位精度,实验结果表明该算法具有更高的准确性和实时性.
随着现代军事装备的智能化升级,智能化武器装备对感知认知与智能控制提出了更高需求,越来越多的增强现实应用开始出现在国内外的飞机、车辆、舰船等军事装备中.在众多装备应用中,增强现实系统能够为军事装备乘员提供全面的战场环境参考信息,简化乘员任务决策过程,提升战场效率.这类应用不仅涉及头盔显示器的头部姿态获取、图像叠加技术,还与军事装备中的感知探测、信息融合、高速通信等技术紧密相关.详细论述了军事装备应用
针对工业流水线上外形相似、区分度较低的多种阶梯轴类零件,提出了一种利用单目相机对多个目标同时进行分类和定位的算法.工业相机拍摄到的图像经过滤波降噪、边缘提取、形态学处理等步骤后被分割成多个含有零件的感兴趣区域,沿区域中零件的长轴方向采样多条直径归一化后形成特征向量,并与模板向量进行匹配,进而完成分类;对于零件的实际位置坐标,通过内参矩阵的标定与外参矩阵的求解相结合便可求得.实验结果表明该分类与定位
光学遥感图像船只目标检测存在着检测率低、虚警高、计算量大的问题.面向卫星平台智能化船只目标检测系统,提出了一种层次化智能解译的船只目标检测算法.利用自适应阈值分割实现了海陆分离,去除了算法在陆地区域可能产生的虚警.利用Top-Hat算法进行了船只目标候选区域提取;设计了级联的虚警剔除方法屏蔽了大量的虚警;针对易混的虚警信息,通过卷积神经网络对ROI进行二分类,实现了船只目标的精确检测.
针对双基SAR系统的稀疏成像分辨率不高问题,提出采用基于结构配对贝叶斯学习(PC-SBL)的压缩感知算法进行块状稀疏信号恢复,将雷达成像问题转化成稀疏信号表示问题,通过建立雷达稀疏观测模型,对雷达成像问题进行求解.通过仿真实验可以证明,这种基于结构配对贝叶斯学习的块稀疏成像算法比传统双基地后向投影算法的成像分辨能力更高,同时与正交匹配追踪算法相比,基于结构配对贝叶斯学习的压缩感知成像算法的适用性更
热轧/冷轧钢卷边部缺陷(分层、开裂、烂边、划伤、缺损等),是卷板类钢材制品中常见的一类缺陷,会对生产安全、制造成本以及终端产品质量造成严重的影响,甚至制约着钢铁企业的生产效率和品牌形象.传统的钢卷边部缺陷主要依靠人工识别,准确性差、效率低、作业环境恶劣.基于先进的机器视觉技术,利用图像处理技术对钢卷侧面的纹理特征深度分析,并使用机器学习中的SVM算法训练纹理特征数据使得有无边部缺陷的二分类的准确率
水体中的溶解氧(DO)是污水处理生化反应过程中的一个重要控制参数,也是影响运行费用和出水水质的重要因素.而曝气反应过程是一种复杂的非线性的生化过程,其中水质水量不断波动,要实现准确测量水中溶解氧非常困难.为此提出了以曝气池水体图像为研究对象,检测水中溶解氧含量的新思路.通过图像处理提取曝气池水体图像的颜色特征,构建自适应遗传算法改进的BP人工神经网络为溶解氧检测系统建立了DO仿真预测模型.该方法具
介绍一种环路耦合原理测量接地阻抗的方法,给出基于MATLAB/SIMULINK的耦合电路仿真测量模型,并就此使用GUI工具箱对SIMULINK仿真结果进行分析和计算,实践表明理论推导与实测结果一致,为这种数字式阻抗测量传感器的开发提供了设计依据.