2025年, 第30卷, 第02期　
刊出日期：2025-02-25

  

• 全选
  |

• Select
  物料流元模型驱动的离散车间生产仿真研究

  杨涵覃, 丁国富, 刘名远, 谢家翔, 付建林, 薛盛中

  哈尔滨理工大学学报. 2025, 30(02): 1-10. https://doi.org/10.15938/j.jhust.2025.02.001

  摘要 ( )   可视化   收藏

  随着现代制造业中生产过程日益复杂和多样化,在多品种小批量生产需求下,制造系统构成更加复杂且物料流不规律,难以保证物料流建模的灵活性和仿真过程的准确性。针对此问题,建立了一种基于物料流元模型(material flow meta model,MFMM)的离散制造车间物料流生产仿真方法。基于七要素(seven element,SE)建模理论,进一步定义MFMM模型以描述物料流动和控制机制,并设计了一种基于MFMM的进程交互仿真算法以模拟物料流转过程,此外,还开发了相应的原型系统以支持所提方法。以某智能制造车间为例,对所提物料流建模与仿真方法进行验证。实验结果表明,与商业软件相比,所提方法的仿真准确性平均达到99.8%,且在物料流建模的灵活性方面也存在一定优势,证明了其在复杂制造环境中的有效性和实用性。
• Select
  基于ISMA-ELM混合模型的选择性激光烧结工艺参数优化

  李健, 聂倩, 蒋成雷, 郭艳玲, 王扬威

  哈尔滨理工大学学报. 2025, 30(02): 11-21. https://doi.org/10.15938/j.jhust.2025.02.002

  摘要 ( )   可视化   收藏

  针对选择性激光烧结(selective laser sintering, SLS)制件收缩的问题,本文提出一种由改进黏菌优化算法(improve slime mould algorithm,ISMA)和极限学习机(extreme learning machine, ELM)相结合的新型混合模型,以使用有限的输入数据来预测制件收缩率。首先,采用Levy飞行、随机反向学习以及高度破坏性多项式变异等三种改进策略全方面提高了黏菌优化算法的性能。随后利用ISMA优化ELM的关键参数,提出了一种ISMA-ELM模型用于预测SLS制件的收缩率。仿真结果表明,相较于标准及其他算法优化后的ELM模型,本文所提出的ISMA-ELM获得了最优预测结果。最后,利用ISMA-ELM模型预测出的最优加工参数指导加工,所获得成型件尺寸精度相较于ELM模型提高了29.62%,相较于SMA-ELM提高了18.02%,结果表明,该模型可以为SLS成型加工提供最优工艺参数,有效指导加工。
• Select
  面向高效通信联邦学习的设备故障诊断方法

  刘晶, 赵益晨, 刘兴华, 武优西, 季海鹏

  哈尔滨理工大学学报. 2025, 30(02): 22-31. https://doi.org/10.15938/j.jhust.2025.02.003

  摘要 ( )   可视化   收藏

  联邦学习在保护隐私情况下实现多工厂故障数据的联合训练建模,但由于工厂设备运行数据异质性大,导致传统联邦学习通信效率低。针对上述问题,提出一种基于高效通信联邦学习的设备故障诊断方法。首先,提出联邦动态加权平衡模型,动态调整工厂子端的训练次数以及上传参数量,通过降低通信时长提高通信效率;其次,提出带注意力机制的双跳门循环单元诊断模型,为不同特征赋予不同权重快速提取故障特征,有效缩短通信轮次提高通信效率;最后,采用西储大学与帕德博恩大学轴承故障数据集进行实验验证。实验结果表明,该方法相较于联邦平均算法与联邦近端算法在故障诊断准确率到达92.20%的同时,通信时长降低了56.88%与53.19%,通信轮次缩短了47.37%与41.18%,有效提升了通信效率。
• Select
  基于对比学习的三维模型分类

  曲中水, 刘珊, 高源, 丁博

  哈尔滨理工大学学报. 2025, 30(02): 32-41. https://doi.org/10.15938/j.jhust.2025.02.004

  摘要 ( )   可视化   收藏

  三维模型分类已经成为一个研究热点，海量三维模型不仅具有类内多样性，同时也具有类间相似性，严重影响了三维模型的分类准确率。针对此问题，提出了一种基于对比学习的三维模型分类方法，训练时分为样本区分性阶段和分类阶段。在样本区分性阶段，同类别三维模型互为正样本，其他类别三维模型互为负样本，利用对比损失对样本特征进行约束，将正负样本映射到同一个空间单中心单位超球体上，得到一个良好的三维模型分类语义表示空间。此外，为了捕捉视图之间的关联性和视图内的关键性区域，引入了多头自注意力模块和空间注意力模块，并通过引入通道注意力提高了多头自注意力对通道维度信息的获取能力。在分类阶段，通过微调网络参数，将网络模型迁移到分类任务中，完成三维模型分类。实验结果表明，在ModelNet10和ModelNet40数据集上，三维模型分类准确率分别达到了99.4%和97.5%。
• Select
  基于融合采样和图网络的三维目标检测

  李文举, 陈志霖, 曲建涛, 崔柳, 储王慧, 高慧

  哈尔滨理工大学学报. 2025, 30(02): 42-52. https://doi.org/10.15938/j.jhust.2025.02.005

  摘要 ( )   可视化   收藏

  在基于点云的三维目标检测技术中,存在点云计算代价大,目标尺度差距大等问题,导致目标检测效率低。针对此问题,提出了一种基于融合采样和图网络的三维目标检测算法。首先,引入点云融合采样技术对原始点云进行采样,以降低计算复杂度;其次,利用K-NN算法对采样后的点云进行图构造,并引入子图采样来解决图卷积过平滑的问题;最后,通过特征交互更新图节点的特征,以提高网络的特征提取能力,从而达到提升目标检测效果的目的。本研究在KITTI3D数据集上进行实验,结果相较于基准模型Point-GNN,对汽车目标的检测精度提升了3.89%。在简单场景和中等难度场景下,骑行者目标的检测精度分别提升了6.60%和4.36%。
• Select
  前景与背景交互融合网络用于伪装目标检测

  魏明军, 刘铭, 刘亚志, 李辉

  哈尔滨理工大学学报. 2025, 30(02): 53-63. https://doi.org/10.15938/j.jhust.2025.02.006

  摘要 ( )   可视化   收藏

  针对目前伪装目标检测(camouflaged object detection,COD)方法中检测结果不完整、边缘细节模糊的问题,提出了一种新颖的前景与背景交互融合网络(FBIFNet),通过前景与背景区域的共同探索来进一步提升COD的性能。FBIFNet中包含了一个关键的双边交互融合模块(BIF),该模块使用一对互补的注意力来引导网络从前景和背景两个方向联合对伪装对象进行推理,并利用基于双向注意机制的交互策略和加权融合策略学习前景与背景间的互补信息。此外,还包含了一个注意力级联定位模块(ACP),ACP能够从全局角度对伪装对象进行定位,并为BIF提供更准确的前景和背景引导。得益于所提出的两个模块,FBIFNet能够更精确地检测伪装目标。3个公共数据集(CAMO、COD10K和NC4K)上进行的大量实验表明,所提出的网络在4个评估指标上均优于相关领域的先进方法。
• Select
  结合特征降维和NGO-CNN-BiLSTM的招考智慧平台网络异常流量检测方法

  袁小鹏, 苗思蕊, 张荞君

  哈尔滨理工大学学报. 2025, 30(02): 64-72. https://doi.org/10.15938/j.jhust.2025.02.007

  摘要 ( )   可视化   收藏

  针对计算机病毒与网络恶意攻击给招考智慧平台系统运维带来的挑战,提出一种结合特征降维和北方苍鹰优化算法(northern goshawk optimization, NGO),优化卷积神经网络(convolutional neural network, CNN)以及双向长短期记忆网络(bi-directional long short-term memory, BiLSTM)的招考智慧平台异常流量检测方法。通过核主元成分分析方法(kernel principal component analysis, KPCA)对数据集蕴含的非线性信息进行降维,将降维后的数据作为深度学习网络模型的输入量。再通过NGO对CNN的卷积核进行优化得到最优卷积核,结合BiLSTM对异常流量进行检测。将CIC-IDS-2017数据集作为入侵检测网络模型的训练与测试样本分析,得到准确率与训练时间对比其他方法都有所提升,证实该方法的可行性和有效性。
• Select
  基于多级残差跳跃连接网络的图像超分辨率重建

  王小玉, 芦荐宇, 魏钰鑫, 俞越

  哈尔滨理工大学学报. 2025, 30(02): 73-81. https://doi.org/10.15938/j.jhust.2025.02.008

  摘要 ( )   可视化   收藏

  图像超分辨重建技术可以将低分辨率的图像转换成具有更高像素密度和更清晰细节的高分辨率图像,在军事、医学等领域发挥着重要作用。针对现有的图像超分辨率重建算法仍存在纹理细节、色彩还原度等方面处理不足的问题,本文提出了一种基于坐标注意力机制的多级残差跳跃连接网络(MRSCN),并将其应用于SRGAN模型,以实现对低分辨率图像特征的充分利用,判别模型引入PatchGAN思想,用于恢复图像细节,同时使用Charbonnier损失和TV损失对感知损失进行优化。该算法在Set5、Set14、Bsd100和Urban100数据集上进行4倍超分辨率重建测试,相对于其他常用的超分辨算法,本算法在重建图像时能够更好地保留纹理细节,得到的图像细节更加清晰,视觉效果更好并且有效降低了网络的参数量。客观评价指标方面,PSNR平均值相比原来的SRGAN提高了0.503 dB,SSIM平均值提高了0.007 6。
• Select
  基于CNN和Bi-LSTM模型的蛋白质甲基化位点识别

  马驰卓, 周文静, 雷志超, 王楚正

  哈尔滨理工大学学报. 2025, 30(02): 82-90. https://doi.org/10.15938/j.jhust.2025.02.009

  摘要 ( )   可视化   收藏

  甲基化是一种调节细胞功能的蛋白质翻译后修饰（PTM）,能对基因调控和疾病预测等领域的研究提供指导和帮助。当前,甲基化位点识别研究存在标注数据集少,正样本数据不足和甲基化研究识别准确率低等问题。为了解决这些问题,提出了一种基于CNN和Bi-LSTM模型的蛋白质甲基化位点识别方法。模型分为两个分支,CNN分支采用密集连接的方式使每一层的特征信息充分地传递和共享,堆叠的Bi-LSTM分支获得序列中双向的长期依赖关系,然后对两个分支特征融合用于甲基化识别。实验结果表明,利用该模型识别甲基化位点得到的准确率（ACC）、F1值(F_1-score)和马修斯相关系数（MCC）分别为0.851 9、0.849 4和0.728 4,相对比其他方法,本文提出的模型具有良好性能。
• Select
  融合N-Gram的水产养殖长文本实体关系联合抽取

  毕甜甜, 张思佳, 孙旭菲, 王水涛, 王祎涵, 安宗诗

  哈尔滨理工大学学报. 2025, 30(02): 91-103. https://doi.org/10.15938/j.jhust.2025.02.010

  摘要 ( )   可视化   收藏

  针对水产养殖长文本中存在大量与目标主题无关的信息,导致模型误判和丢失有效信息的问题,提出了融合N-Gram的水产养殖长文本实体关系联合抽取方法。该方法首先采用多模型融合算法提取基于BERT初始化的文本矩阵特征图,进一步利用级联BiLSTM提取深层次特征。然后逐层提取融合N-Gram算法预处理的长文本切片矩阵特征,建模切片矩阵的相对位置和绝对位置。在自构建的水产养殖长文本数据集和SKE公共数据集上的实验效果与基准模型相比有了明显提升。实验结果表明,该方法能够充分获取并处理水产养殖长文本中的语义信息,有效提高了实体关系抽取的准确性和完整性。
• Select
  永磁同步电机改进MPCC及广义预测速度复合控制

  吕德刚, 张泽冉, 刘站卓

  哈尔滨理工大学学报. 2025, 30(02): 104-113. https://doi.org/10.15938/j.jhust.2025.02.011

  摘要 ( )   可视化   收藏

  针对传统模型预测电流控制和传统转速控制中的稳态性能较差、电流和转矩波动大、非线性系统受采样时间影响过大和转速跟踪不准确等问题,提出了一种新型永磁同步电机复合控制策略。在改进占空比模型预测电流控制基础上,设计了永磁同步电机矢量控制系统广义预测转速控制器,使电机实际转速快速准确跟踪给定转速值,令采样时间选择更为灵活。由于非线性广义预测控制是一种基于模型的预测控制方法,未考虑外部扰动及参数变化,因此,加入基于扩展状态观测器的扰动补偿方法,有效抑制了扰动及参数变化对系统性能的影响。仿真和实验结果表明,所设计的新型复合控制策略,具有良好的转速响应速度,动态性能好,电流和转矩波动小。
• Select
  应急突发事件下配电网安全承载能力评估

  李佳宇, 王建军, 刘彦超, 刘杰, 李浩, 江俊杰, 滕佳伦

  哈尔滨理工大学学报. 2025, 30(02): 114-121. https://doi.org/10.15938/j.jhust.2025.02.012

  摘要 ( )   可视化   收藏

  随着分布式电源与储能设备的广泛应用,配电网呈现出更多未知的特性。而电力系统中应急突发事件对电网的稳定安全运行构成重大威胁。为了分析配电网的安全承载能力,首先依据M-阶邻居数与熵理论,构造节点影响力指标。其次,在考虑了应急突发事件对潮流分布的影响后,提出了一种考虑电网潮流分布均衡度的安全承载能力评估方法,并提出一种基于迭代法的关键安全约束选取策略,使得在优化模型中仅考虑关键安全约束即可满足所有潮流可行性,提高了求解效率。最后,将评估模型用在IEEE33节点测试系统进行分析,验证了所提方法在分析应急突发事件中配电网安全承载能力的同时,又能保证经济性,符合当下配电网的发展需求。
• Select
  基于LSTM和误差修正的光伏发电短期功率预测

  朱涛, 李俊伟, 朱元富, 叶志明, 汤奕

  哈尔滨理工大学学报. 2025, 30(02): 122-130. https://doi.org/10.15938/j.jhust.2025.02.013

  摘要 ( )   可视化   收藏

  为提高光伏发电并网稳定性,充分利用误差信息对模型预测结果进行修正,本文提出一种基于长短期记忆网络(long short-term memory,LSTM)和误差修正的光伏功率短期预测模型。首先通过LSTM对数据进行初步预测产生误差序列,然后利用经验模态分解(empirical mode decomposition,EMD)将误差序列分解成不同频率的子模态,并根据豪斯多夫距离(hausdorff distance,HD)进行相似性度量,对每个模态分量分配权重,再利用麻雀搜索算法(sparrow search algorithm,SSA)优化的LSTM预测误差模态分量,将加权后的预测误差和预测值结合实现误差校正。通过实验证明,本文所提模型在均方根误差(RMSE)、平均绝对百分比误差(MAPE)等评价指标上都优于传统的LSTM模型、反向传播(back propagation,BP)神经网络模型以及支持向量机(support vector machine,SVM)模型,验证了组合模型的有效性。
• Select
  基于GRNN的特高压直流输电线路故障识别方法

  谢佳, 刘锋, 柯艳国, 殷振, 阮巍, 姚金明

  哈尔滨理工大学学报. 2025, 30(02): 131-139. https://doi.org/10.15938/j.jhust.2025.02.014

  摘要 ( )   可视化   收藏

  针对特高压直流保护容易拒动和故障检测时间过长的问题,提出一种基于广义回归神经网络(generalized regression neural network,GRNN)的特高压直流输电线路故障识别方法。首先,基于广义S变换,获取频域下的故障特征量信息,构建GRNN的输入数据。其次,利用混沌量子粒子群算法(chaos quantum particle swarm optimization,CQPSO)优化GRNN参数,以适应度函数最低为原则形成理想的网络模型,更好地学习特高压直流输电线路故障特征,利用Softmax分类器将深层的特征量进行分类,把故障识别分成区外故障、母线故障和线路故障,故障分类为正极故障、负极故障和双极故障,输出识别结果。最后,利用在PSCAD/EMTDC仿真环境下搭建的特高压直流输电模型进行验证,验证结果表明,所提的方法在特高压直流输电线路继电保护的故障检测、故障选极上具有很好的效果,相比于传统卷积神经网络、广义回归神经网络、支持向量机等方法,本文所提方法的故障识别准确率分别提升了6.6%、0.65%、7.69%,满足特高压直流输电线路保护的快速性和可靠性需求。
• Select
  一种改进小波阈值函数的指纹图像去噪方法

  皮璐, 邓彩霞, 李雪晴, 林庆

  哈尔滨理工大学学报. 2025, 30(02): 140-149. https://doi.org/10.15938/j.jhust.2025.02.015

  摘要 ( )   可视化   收藏

  指纹识别技术常常会受到噪声的干扰,在采用小波阈值去噪方法降低指纹图像噪声的过程中,阈值函数的选取尤为重要,为此构造了一个介于传统的软硬阈值之间且带有可调参数的新阈值函数。新阈值函数克服了硬阈值函数在阈值点的不连续性,改善了软阈值函数的恒定偏差且在一定条件下可以达到零偏差。仿真实验表明,小波阈值去噪过程中使用新阈值函数去除指纹图像中的椒盐噪声和高斯噪声,相比选用传统阈值函数,已改进的阈值函数使均方根误差和扭曲程度更低,而使峰值信噪比、相关系数和结构相似度更高。这不仅提供了一种改进阈值函数的方法,而且为提升指纹图像去噪质量提供了一种有效手段。
• Select
  一类非自治随机积微分方程的最优控制问题

  刘梦杰, 范虹霞

  哈尔滨理工大学学报. 2025, 30(02): 150-158. https://doi.org/10.15938/j.jhust.2025.02.016

  摘要 ( )   可视化   收藏

  为了研究Hilbert空间中一类非自治随机积微分方程最优控制问题,采用随机分析、算子半群理论和Sadovskii不动点定理建立了所研究问题mild解的存在性定理,并在此基础上通过构造两次极小化序列,讨论了最优状态-控制对的存在性。