首页期刊导航|工业控制计算机
期刊信息/Journal information
工业控制计算机
工业控制计算机

刘海青

月刊

1001-182X

ipcm_nj@163.com

025-85411811

210042

南京市龙蟠路173号江苏省计算技术研究所

工业控制计算机/Journal Industrial Control Computer
查看更多>> 本刊是中国计算机学会工业控制计算机专委会会刊，国际国内公开发行，国内刊号为：CN32-1764/TP，国际刊号为：ISSN 1001-182X，订阅代号为：28-60，月刊，定价8.00元。本刊是《中国学术期刊综合评价数据库》来源期刊，由《中国期刊网》、《中国学术期刊（光盘版）》、《中国核心期刊（遴选）数据库》全文收录。自1988年创刊至今，始终坚持科研与生产相结合，关注工业自动化领域的最新技术与应用，为建立工控厂商与用户之间的良好沟通渠道而不懈努力。 经过10余年的建设，读者群涵盖电力、机械、石化、冶金、交通、通信、水利、轻工、医药、环保、智能建筑、仪器仪表等多个领域，成为国内知名的专业技术期刊之一，得到了广大工控、自动化界人士的认可。 随着数字化、智能化的发展，企业信息化的需要，以及计算机技术在各个领域的应用日益深入，我刊将发挥更大的影响。
正式出版
收录年代

    基于自适应阈值和改进粒子群融合的智能导航控制方法

    董沁雨
    104-106页
    查看更多>>摘要：智能图像导航技术已成为当今各领域的应用热点.针对于视觉系统对环境的强依赖性、传统Otsu算法只能用于灰度图的局限性、视觉系统精确模型建立困难的问题,设计了一种基于自适应阈值和改进粒子群融合的线性回归智能导航控制方法.所使用的自适应阈值截取算法,基于OPENMV视觉传感器能够提取图像彩色阈值中值信息的简单原理,设计能够在中值基础上左右循环加减,来实时截取目标阈值信息的创新算法.经实验效果对比验证,该算法能使OPENMV分别在彩图和灰度图模式下自动截取目标图像阈值,相较于传统阈值截取算法适用性更强.最后通过仿真结果证明基于以上组合算法的智能循迹控制能够有效降低视觉系统对环境的依赖性,方案可行.

    自适应阈值截取算法改进粒子群算法运动学建模仿真PID自整定

      原文链接:
    • 万方数据
    • 维普

    应用于VVC无损帧内编码的残差二次预测算法

    陈国捷
    107-108页
    查看更多>>摘要：在VVC无损帧内编码中,为了无失真地压缩视频,会跳过变换、量化等操作.未经过变换的帧内预测残差之间,存在较强的空间相关性.基于此,提出了一种残差二次预测(Residual Secondary Prediction,RSP)算法,来进一步降低残差能量.算法对经过帧内预测生成的残差样本进行二次预测,得到二次残差,选择绝对值之和较低的残差组作为最终的预测残差.在VVC测试模型(VTM)12.3上应用RSP算法,相较于基础的无损帧内编码,平均可以节省5.65％的比特率,编码时间增加14.6％,解码时间下降17.5％.RSP以增加较低编码复杂度为代价,高效地提升了 VVC无损帧内编码的性能.

    无损编码帧内预测预测残差二次预测通用视频编码(VVC)

      原文链接:
    • 万方数据
    • 维普

    环焦天线日照温度场数值分析

    王怡昕任毅行秦展鹏但成松...
    109-110,113页
    查看更多>>摘要：日照产生的温度载荷是影响天线性能的主要因素之一,获取天线的日照温度场特性对于天线结构研究与性能维护十分重要.针对现有温度场研究缺乏环焦天线案例问题,仿真计算了 9:00～16:00时间段某12 m天线的日照温度场.分析了该天线部件之间的温差现象和主反射面与背架全天逐小时温度变化趋势.结果表明:天线部件间接收热量与热物性参数的差异会造成部件间温差较大;天线结构之间的互相遮挡会造成结构内部产生明显温度梯度;部件内部温差与温度分布均匀程度有关.

    环焦天线日照温度场温度分布

      原文链接:
    • 万方数据
    • 维普

    基于元胞自动机的旅客登机模型研究

    郭玉洁刘潇
    111-113页
    查看更多>>摘要：为精准模拟旅客登机过程,对经典的元胞自动机登机模型进行改进,重新定义了过道元胞大小,优化了旅客移动规则,建立了新的登机模型,体现了旅客的差异性.利用MATLAB进行仿真,从登机时间、过道干扰次数、人均登机时间三个方面对不同登机策略的效率进行对比,最后分析了登机时间对行李分布数量变化的敏感性.模型为优化旅客登机过程、提高登机效率提供了依据.

    航空运输登机模型登机效率元胞自动机

      原文链接:
    • 万方数据
    • 维普

    基于混合嵌入和胶囊网络的恶意URL分类模型

    于晓琪金彦亮
    114-116页
    查看更多>>摘要：作为最常见的网络安全威胁之一,恶意URL攻击每年都会造成巨大的经济损失,尽管研究人员已经提出了许多方法来检测恶意URL,但现有方法存在不能充分利用URL提供的有用信息和对URL中的区分性特征提取不充分的问题,导致分类性能不佳.提出了一种基于混合嵌入和胶囊网络的恶意URL分类模型,引入高速网络和胶囊网络从URL的混合嵌入表示中提取区分性特征,提高了模型的分类性能.在公开数据集ISCX-URL2016上的实验结果表明,该文模型与其他基线方法相比,实现了更好的分类性能,能够有效应对混淆技术的多样性.

    恶意URL分类胶囊网络高速网络深度学习

      原文链接:
    • 万方数据
    • 维普

    基于YOLOv8的工业环境平面积尘识别与清洁度评定

    朱婧陈鲤文刘伟涛
    117-118,121页
    查看更多>>摘要：针对高清洁度要求的工业场景的平面清洁缺乏积尘识别的问题,利用高效的YOLOv8算法对平面上的灰堆、灰斑、反光进行类别和数量的识别,并分配不同的权重系数加权得到清洁度指数,然后对检测区域洁净度进行等级评定.系统根据清洁度等级来指挥平面清洁机器人进行清洁任务,使其高效完成清洁作业.实验结果表明:该模型在在测试集上的mAP@0.5达到80.6％,摄像头实时检测帧率可达到50～143 fps,可准确进行平面积尘识别并对检测平面进行清洁度评定.

    深度学习YOLOv8平面积尘识别平面清洁度评定

      原文链接:
    • 万方数据
    • 维普

    基于内卷特征提取和前景细节增强的图像协调化方法

    刘田岩诗李宇航丁友东
    119-121页
    查看更多>>摘要：在编辑合成图像时,前景区域与背景区域由于分属不同来源,外观通常存在较大差异,不能呈现真实的视觉效果.图像协调化主要消除合成图像的不真实感,通过将背景域的外观信息迁移到前景域中,使人眼尽可能少地感受差异.现有方法在将背景信息进行转移时,能触及到的背景范围有限,信息提取不充分使得图像协调效果不佳.同时,前景细节丢失会影响图像协调的整体效果.基于以上问题,提出内卷特征提取和前景细节增强模块,进行图像协调.在iHarmony4数据集上试验结果表明,该方法能生成细节更充分、真实感更强的图像效果.

    图像协调前景细节增强特征提取

      原文链接:
    • 万方数据
    • 维普

    3-PRC并联机构运动学分析及结构参数优化

    杨双楠于通许章彬
    122-123页
    查看更多>>摘要：根据3-PRC并联机构的结构特点,分析了并联机构的运动学逆解,通过牛顿迭代法得到并联机构的运动学正解.使用SolidWorks、MATLAB和Adams软件对并联机构进行三维建模和运动学仿真,并验证了并联机构运动学正反解的正确性.为了限制整体结构尺寸并获得较大的工作空间,对相关结构参数进行了优化,最终通过三维搜索法得到机构的工作空间.

    并联机构运动学结构优化工作空间

      原文链接:
    • 万方数据
    • 维普

    基于深度学习的太阳能电池板优化研究

    曾可尧黄靖钟万涵张子俊...
    124-125,128页
    查看更多>>摘要：太阳能电池板的缺陷检测是保障电气安全的重要措施,但目前在太阳能电池板缺陷检测上的传统研究方法都存在效率低、误检、漏检率高等问题.基于此,提出利用深度学习方法,将YOLOv5结合到太阳能电池板缺陷检测中,对其进行优化研究,首先引入坐标注意力机制增强目标特征,改善YOLOv5颈部网络对于特征信息的捕获程度,使整体网络能够更准确定位并识别 目标区域;将C3模块改进为CoT模块,提高网络对于太阳能电池板缺陷特征附近上下文信息的充分利用,加快收敛速度.改进模型在测试集上的精确率和召回率分别达到92.7％和93.6％,平均精度均值(mAP)达到了 95％,相较于原网络提升了 2％,在检测速度几乎不变的前提下,达到了比以往深度学习检测方法更高的精度.

    深度学习缺陷检测太阳能电池板YOLOv5

      原文链接:
    • 万方数据
    • 维普

    基于改进FaceNet算法的人脸智能识别方法

    王传传高婕
    126-128页
    查看更多>>摘要：人脸识别是计算机视觉与图像处理领域的研究热点,基于FaceNet网络模型的人脸智能识别系统,由于所需训练数据集大且对硬件资源条件要求较高,设计改进FacetNet的人脸智能识别算法.首先,通过MTCNN网络实现人脸图像非极大值抑制和边界框的回归问题;其次,把人脸对齐后的图像数据进行高斯归一化(Gaussian normalization)预处理后,再通过FacetNet算法网络模型进行训练.优化后的网络模型在LWF数据集上进行训练,实验验证得出改进后的人脸识别模型其平均误识率为0.06％,拒识率为5.13％和准确率为99.79％,并通过采集真实的人脸数据进行验证,均表现出了良好的识别效果.

    FaceNet网络MTCNN高斯归一化人脸智能识别

      原文链接:
    • 万方数据
    • 维普