首页>
根据【关键词:在线调度,深度学习,强化学习,多目标优化,舰载机持续出动回收】搜索到相关结果 2 条
-
基于Kriging模型和NSGA-Ⅱ的航空发动机管路卡箍布局优化
-
作者:
柳强
焦国帅
来源:
智能系统学报
年份:
2019
文献类型 :
期刊
关键词:
发动机管路
管路振动
Kriging模型
多目标优化
卡箍位置
-
描述:
针对传统卡箍布局规划存在效率低且难以解决多目标优化问题等难点,提出一种基于Kriging模型和NSGA-Ⅱ算法的航空发动机管路卡箍多目标布局优化方法。提出并建立反映卡箍位置与管路振动性能关系的Kriging代理模型,同时结合拉丁超立方实验设计方法以及粒子群优化技术提高建模精度。以管路一阶固有频率和二阶固有频率为优化目标,应用NSGA-Ⅱ对管路卡箍位置进行布局规划以避免共振。在优化计算过程中,应用所建近似模型代替CAE分析程序对适应值函数进行评价,大大减小了计算量。发动机管路卡箍布局算例表明:所提方法可一次性获得多个满足要求的非支配解方案,不仅提升了管路系统的可靠性,而且计算效率亦得到了很大提高。最后仿真结果证明了所提方法的有效性。
-
一种基于级联神经网络的飞机检测方法
-
作者:
王晓林
苏松志
刘晓颖
蔡国榕
李绍滋
来源:
智能系统学报
年份:
2021
文献类型 :
期刊
关键词:
嵌入式设备
遥感图像
级联
卷积神经网络
两阶段
深度学习
飞机检测
由粗到细
-
描述:
由于旋转角度多样性、极端的尺度差异的影响,遥感图像中的飞机检测目前仍存在挑战。为了解决旋转和尺度的问题,目前的策略是将现有的自然场景下的目标检测算法(如Faster R-CNN、SSD等)直接迁移到遥感图像中。这些算法的主干网络复杂,模型占用空间大,难以应用到低功耗和嵌入式设备中。为了在准确率不降低的情况下提高检测速度,本文提出了一个仅包含9层的卷积神经网络来解决飞机检测问题。该网络采用了由粗到细的策略,通过级联两个网络的方式减少计算开销。为了评估方法的有效性,我们建立了一个针对飞机检测的遥感数据集。实验结果表明,该方法超越了VGG16等复杂的主干网络,达到了接近主流检测方法的性能表现,同时显著降低了参数量并使检测速度提高了2倍以上。