利用GPS定位技术建立矿区GPS基础网

论述了西山矿区GPS基础网的布设、数据采集网平差方法、约束点精度对网精度的影响,并提出保证GPS定位测量精度的几点建议。     

GPS网的优化设计

文章介绍了GPS网的设计指标 ,提高GPS网精度的方法 ,布设GPS网时起算点的选取与分布 ,高程拟合法适用范围     

苏州市GPS水准拟合方法的研究

采用高程拟合的方法求解GPS点的正常高，以苏州市GPS网为例，介绍了GPS水准拟合的原理与方法，并着重分析了不同数量的拟合点，不同分布的正常高拟合结果，将拟合结果与三、四等水准测量成果进行了比较，得出该方法可以达到国家三等水准测量的精度。     

对某区GPS高程测算探讨

通过建立某区GPS一级网,在实际测算中,总结应用GPS网中高程起算点的个数及分布,对整个网中各点高程精度的影响及测量时应注意的问题及解决方法。     

GPS网形结构对点位精度影响的探讨

GPS网一般采用全面边连式结构、点连式结构和导线网三种不同网形结构。本文通过对三种不同的网形结构进行平差分析,得知三种不同的网形结构的点位精度差异,边连式精度最高,点连式精度次之,导线网结构精度较低。     

小型GPS网测量精度的研究

GPS网的测量精度与其基线的测量精度及网型结构有关，而基线的测量精度又取决于基线两端测点的周围环境和基线的测量时间，通过实例就小型GPS网的上述问题进行了讨论．     

海宁市城市D级GPS工程控制网优化设计

GPS技术的发展为大地测量提供了一种新的高精度的测量手段.由于其精度高,速度快,费用省,操作简便等优点,GPS技术已成为大地测量的主要手段.在我国,1995年以后,由于GPS卫星已发射完毕,卫星的分布情况较好,另外GPS接收机的精度及其稳定性有了很大的提高,GPS网的布设也有了相应的变化.本文先总体叙述了我国GPS网的发展概况,然后从布设GPS控制网的目的,技术设计,实地选址与埋石,GPS网的野外布设,外业实施方案的优化,平差处理时应注意的问题,起算点精度对GPS基线的影响等几方面进行了论述,讨论了精度和密度方面应注意的问题,研究了需要如何设计GPS控制网,以保证精度高,密度分布均匀.     

开封市D级GPS三维空间大地控制网数据处理

GPS技术由于能独立、快速地确定地球表面空间任意点的位置,并且其相对定位精度较高,因此从军事和导航的目的迅速被扩展应用于控制网建设,利用GPS技术建立的控制网称为GPS空间大地控制网。由于采用GPS测得的大地高精度不够以及采用不同方法确定的大地水准面差距或高程异常的精度的制约,GPS水准的精度不高,故采用常规水准仪进行测量,配合开展高程拟合。阐述了D级GPS三维空间大地控制网的测量数据处理过程。     

基于格网的GPS高程剔除拟合优化

GPS平面控制网已经得到了广泛的运用,但是GPS高程却运用得不够,人们期望着能够用GPS高程测量代替传统的水准测量,这就需要利用GPS水准联测点进行高程拟合。常规六参数法、有限元法、多面函数法、移动曲面拟合等方法对水准拟合点的分布、数量考虑较少,精度有限,本文综合上述方法提出了基于格网的GPS高程剔除拟合优化算法,能够提高GPS高程拟合精度,提高劳动效率。     

GPS直伸型隧道平面控制测量贯通精度可靠性标准

对GPS直伸型隧道控制网贯通测量精度进行了分析，同时对GPS隧道控制点的内、外可靠性标准进行了讨论。为直伸型隧道的GPS平面控制网的优化设计提供了贯通精度和可靠性标准的计算公式。     

基于改进YOLOv5的绝缘子缺陷检测算法

绝缘子缺陷检测是电网巡检过程中重要的一环,为提高绝缘子缺陷检测的精度,该文提出一种基于改进YOLOv5算法的绝缘子缺陷检测算法——YOLOv5t,能够在保证网络运行速度的条件下,提升网络的检测精度.该算法在YOLOv5s的基础上,将三重注意力机制(triplet attention)添加到骨干网络中,给予每个特征通道不同的权重,以提高网络的检测精度;并采用CIoU Loss作为网络回归损失的损失函数,提升网络的收敛速度;同时将Soft-NMS作为网络的预测结果处理方法,降低网络的漏检率.YOLOv5t与几种常用的缺陷检测网络的对比实验结果表明,YOLOv5t的准确率达到97.2%,召回率达到98%,平均精度均值达到99.1%,较YOLOv5s算法分别提升了0.9%、5.1%和2.1%,并且检测速度没有受到影响.     

物流配送中心选址的IPSO-BP算法

改进标准粒子群优化算法（PSO）的惯性权重参数,提出基于IPSO的BP神经网络算法,以提高物流配送中心选址的预测精度。仿真结果表明,IPSO-BP神经网络算法的预测精度优于常规BP神经网络算法,不仅改进了网络的收敛速度并且提高了预测准确性。     

基于改进Elman网络的燃气负荷预测

为提高燃气负荷预测的精度,分析了燃气小时负荷的变化规律和影响因素,建立了燃气小时负荷预测模型,采用具有输出-输入反馈机制的改进Elman(OIF Elman)网络对燃气小时负荷进行预测.与传统的Elman网络比较,OIF Elman网络不仅计入了隐层节点的反馈,而且考虑输出层节点的反馈,以便从有限的训练样本中获得更多的信息.预测结果表明,在样本点较少时,无论在训练速度上,还是在预测精度上,OIF Elman网络明显优于Elman网络.OIF Elman网络提高了网络的泛化能力,既降低了对训练样本个数的需求,又能提高预测精度,在燃气负荷预测中得到成功的应用.     

一种机械臂像素级抓取检测方法的研究

目的 针对在平面抓取的场景下,机械臂如何感知目标物体的位置信息并完成抓取作业,提出了一种兼顾检测速度和精度的抓取检测网络。方法 根据抓取检测任务中输入与输出尺寸大小相同的特点,采用语义分割思想设计了抓取检测网络;输入为随机裁剪后的深度图片,输出为同尺寸的抓取置信度、抓取角度和抓取宽度特征图;为了提高平面抓取任务的效率,在综合考虑检测网络速度和精度的情况下,对网络结构进行了改进,除了在网络结构中加入了注意力机制外,还使用U-net和Deeplabv3算法替换了网络的主体结构;通过对比实验认为加入注意力机制的检测网络在检测速度和检测精度上平衡得较好,能够实现抓取任务,将抓取位姿传输给ROS系统,通过一系列的坐标变换和运动规划进行了抓取作业。结果 添加注意力机制后,检测网络的推理时间仍为毫秒级,最大抓取置信度提高了7.2%;采用U-net和Deeplabv3的网络检测速度较慢,U-net网络的抓取置信度Q_max提高了18.8%,Deeplabv3网络的准确率A_cc提高了12.8%;由于抓取检测网络应同时考虑检测速度和精度,因此加入注意力机制的检测网...     

基于卷积神经网络的脑电信号分类

针对现有卷积神经网络脑电信号(electroencephalogram,EEG)分类模型分类精度低、方法复杂且耗时的问题,对卷积神经网络的卷积层进行了改进,提出了多尺度卷积核卷积神经网络(convolutional neural networks,CNN)脑电分类模型,并在输入数据前加了系数矩阵,该系数矩阵可以随网络的训练逐步更新,代替了手工提特征再送入网络的步骤,有助于提高分类精度。最终本文的脑电分类模型在高原脑电信号的分类实验中,二分类准确率比改进前提高8%,三分类、四分类准确率分别达到92.87%、81.15%,分类准确率较高,对脑电信号的分类具有较高的参考价值。     

雷达组网目标定位精度分析和评估

分析了影响多雷达组网对目标跟踪精度的因素以及与单雷达的差异，提出了定义雷达网目标定位精度，以及评估多雷达组网后在目标定位精度方面带来增益的方法。推导了雷达网对目标定位精度和相应评估指标的估计公式。该文方法不要大量的计算机仿真就可以方便地评估2-D、3-D以及混合雷达网的目标定位精度和效能。通过应用实例说明了该文方法的优点和有效性。     

改进遗传算法在含DG配电网故障定位中的应用

大量分布式电源接入配电网使其结构复杂多变,导致标准遗传算法故障定位效率和准确性受到影响。根据配电网运行的实际情况搭建故障定位数学模型,对标准遗传算法的开关函数和评价函数进行改进,提高了算法的容错性和准确性;引入配电网分级处理的概念,对配电网进行分区处理,将整个配电网分为若干个独立区域,缩短了算法中解的维度,从而提高算法定位的效率;最后通过MATLAB对不同故障类型算例进行仿真,结果表明改进后的遗传算法在含分布式电源的配电网中有很好的容错能力,通过对其仿真时间和精准度进行分析,结果表明算法运算效率和准确性都很高。     

基于浅层残差网络的视线估计算法

针对目前的视线估计算法准确度较低的问题，提出一种基于浅层残差网络的算法。利用残差网络结构特点，对图片在不同层次提取到的特征进行融合计算。实验表明，使用基于浅层残差网络结构的算法与使用LeNet-5 结构算法相比，准确率提升了近 8． 5% ，视线估计算法准确度得到了有效的提升。     

一种基于通道域自注意力的特征图剪枝方法

同时保证网络剪枝方法的准确率和稳定性，提出一种基于通道域自注意力的特征图剪枝方法。该方法采用主成分分析（principle component analysis, PCA）算法降低噪声干扰，引入通道域注意力为特征图自动分配不同权重，移除低权重通道的滤波器，并对网络进行重训练和精调，以减少网络精度损失。在公开数据集上对VGG 16网络模型展开的实验表明，当剪枝率为60%时，达到视觉几何组模型Top 5的准确率为8923%；当剪枝率逐渐增加到80%时，仍保持73%准确率。相较于同类方法，本文提出的方法更能保证剪枝时模型的准确率和稳定性。     

基于RBF神经网络的热轧碳钢变形抗力预测

以凸轮式高速形变试验机得到的实验数据为基础,利用Matlab人工神经网络工具箱,建立了碳钢的变形抗力与其化学成分、变形温度、变形程度及变形速度对应关系的RBF神经网络预测模型.通过对函数newrb()中宽度系数的调整,确定了最佳的网络结构形式,提高了模型的预测精度以及网络的泛化能力.结果表明,与传统的BP网络模型相比较,RBF网络模型具有更高的精度和较强的泛化能力.