基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。     

干旱区夏季晴空期超厚对流边界层发展的能量机制

在全球干旱区,因其特殊的气候环境背景,夏季晴天常常会出现其他地区少见的超厚对流大气边界层(superthick convective boundary layer, SCBL),这种特殊的边界层结构具有重要的天气气候意义,但目前对这种超厚对流边界层发展机制理解十分有限.这既制约了大气数值模式中针对这种超厚对流边界层的参数化改进,也限制了超厚对流边界层与天气气候背景相互作用的科学认识.通过选取我国西北干旱区敦煌荒漠戈壁为代表性研究区,利用以往在该区域开展的陆-气相互作用观测试验资料及长期业务探空观测资料,从大气边界层发展的能量机制出发,对该地区出现的超厚对流边界层的发展过程进行分析.分析表明:从日际尺度看在持续晴空期即使在白天地表感热通量日积分值不变甚至减弱的情况下,大气对流边界层(convective boundary layer, CBL)的日最大厚度仍然表现为逐日持续增高的特点,且地表感热提供的能量无法平衡对流边界层发展所需要吸收的能量.主要原因是深厚的近中性残余层(residual layer, RL)在对流边界层发展过程中发挥了重要作用,通过夹卷过程从残余层进入对流边界层的夹卷能量是对流边界层逐日持续发展的关键能量补充.在夏季连续晴空期,对流边界层与残余层之间会形成逐日循环增长机制,使干旱区夏季发展出超厚对流大气边界层.     

动力学模态分解方法重构及预测流场误差分析

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10-4左右.     

具有自适应电感共享策略的压电能量收集电路设计与实现

针对以电池为能量供给的传感设备必然存在因电池寿命的限制或自身电能的逐渐耗尽而造成的失效问题，提出了一种具有自适应电感共享策略的压电振动能量收集电路，通过将环境中的机械振动能量最大化地转换为电能并供给传感设备使用，可实现传感设备的无电池自获能供电，并大幅延长传感设备的使用寿命。该能量收集电路在原有并联电感的同步开关收集电路结构和buck-boost功率级拓扑的阻抗匹配变换器结构基础上，通过建立“先到先得”的自适应电感共享策略，避免了仲裁器的使用，大幅简化了电路设计，并实现了仅需单一电感的压电振动能量收集系统，提升了系统的集成度。此外，对电感共享造成的竞争给出了详细分析，并在此基础上进一步优化了整体电路，实现了最大功率点追踪算法。采用标准180 nm CMOS工艺，完成了压电能量收集电路的设计工作。仿真结果表明：bias-flip整流器在2 V和3 V开路电压激励下，输出功率分别达到了55.01μW和111.59μW,较传统全桥整流器，分别实现了6.40倍和4.48倍的输出功率提升；引入电感共享策略后，变换器的最大输出功率可达110.04μW,相比于非电感共享策略，电感共享策略下变换器峰值...     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。     

Ni~(26+)离子态分辨光复合过程的R矩阵理论研究

利用基于相对论R矩阵理论的DARC程序系统计算了Ni 25+离子基态1s22s(2S1/2)和激发态1s22p(2P1/2,2P3/2)的光电离截面,并通过细致平衡原理获得了统一的光复合过程(即辐射复合和双电子复合)态分辨的截面,计算结果给出了辐射复合与双电子复合过程间的干涉效应.为了标识和分析KLL共振能区所有的共振峰,基于相对论组态相互作用理论(RCI)的FAC程序被用来计算共振峰的能量、强度及其相关的双激发态的辐射、俄歇跃迁几率以及共振宽度等.利用统一的光复合截面进一步得到了KLL双电子复合过程的伴线强度,并与孤立共振近似下FAC的计算结果以及以前的理论和实验结果进行了比较,对存在的一致性和偏差进行了分析和讨论.     

3维Maxwell方程局部1维多辛格式的能量恒等式

在理想导体边界条件下,对3维Maxwell方程的局部1维多辛Preissman格式的能量守恒性质进行研究.运用能量分析法推导了2个能量恒等式,这些恒等式说明了给出的格式在所定义的离散范数下是能量守恒和无条件稳定的,数值算例验证了结论的正确性.     

变化海流环境下AUV能量最优三维路径规划

为获取变化海流环境下自主水下航行器(autonomous underwater vehicle, AUV)的能量最优路径, 基于最优控制理论提出一种用于AUV的三维能量最优路径规划算法。首先, 为了有效抑制海流对路径规划的影响, 将海流向量加入到AUV运动学模型中。其次, 在已知俯仰角及AUV位置的情况下, 利用庞特里亚金极小值原理, 获得能量最优控制律。最后, 利用线性定常系统的状态空间理论, 计算得到初始艏向角、航速以及能量消耗。在仿真环节, 通过与负反馈控制策略相比较, 说明所提算法能够规划出三维能量最优路径, 而且可以有效降低AUV的能量消耗。     

新形势下形体训练课程建设与实践分析

通过笔者多年的形体训练教学经验沉淀,以及对当下与形体发展方面新形势的些许浅薄见解,个人针对于新形势下的形体训练课程之建设以及其实践进行了相关深入分析。我们认为既然处于新形势的状态之下,我们的形体训练课程不能再套用以往的体系和方式,必须深度联系当下现实生活的状况,以如今的形势为基本出发点,制定符合当下学生形体现状和发展趋势的课程体系。我们深深地认为形体训练课程的"接地气"化教学体系的制定,既可以完成形体训练课程的最基本目标,也可以满足大学生身体发展以及生理发育所需,对大学生深度体育意识的形成和其强大体魄的构建具有极其重要的现实意义。     

方柱截面驰振分析的能量方法

针对驰振Den Hartog判据的局限性,发展了驰振的能量分析方法:应用CFD动网格技术,计算截面做强迫简谐振动时气动力输入结构的能量大小,判断截面是否具备发生驰振的可能.以方柱截面为主要研究对象,分别通过Den Hartog判据和能量分析方法判断了其不稳定驰振区域,并对两种方法的计算结果进行比较.在验证能量分析方法可靠性的基础上,进一步分析了振动频率、振幅、来流风速对气动力输入能量的影响,确定了方柱截面驰振的最大振幅及抑制振动所需的最小阻尼比.研究结果表明:Den Hartog判据和能量分析方法的结果较吻合,能量分析方法能够用于评判截面的驰振稳定性能.