数字孪生自演化驱动的地下工程沉降预测

随着城市地下空间发展,地下工程沉降问题应引起重视。传统沉降预测模型常存在模型预测精度 不高、模型可解释性差和难以模拟沉降规律的动态变化等局限性和不足,对此提出一种基于数字孪生自演化 的地下工程沉降预测方法。建立的地下工程孪生体为沉降预测模型的高精度建模提供了有效的支撑,开发 的“多项式回归+总体卡尔曼滤波”自演化算法每一步都具有可解释性,同时模型参数自主校正功能使预测 模型能够动态追踪沉降规律的改变。实验结果表明所提方法能够有效解决传统沉降预测模型的缺陷。     

海洋水下井口控压钻井系统装备配置方案探讨

控制压力钻井技术是解决窄密度窗口地层钻井井控问题的有效技术保障，在全球陆地、浅海和深水都得到了成功运用。深水是我国油气勘探开发的重要接替区，我国南海油气资源丰富，但是面临高温高压、窄密度作业窗口等难点，井筒压力控制难度较大，给安全高效作业带来了较大困扰。在当前深水控压钻井设备、工艺几乎被国外垄断和深水钻井作业量加大、钻井风险等级升高的背景下，拥有我国自主的深水控压技术及装备是必然的选择。由于水上、水下井口控压钻井技术和装备体系存在较大差异，现有水上井口控压钻井技术无法直接移植到深水。因此，基于我国深水钻井作业现状，提出海洋水下井口控压钻井关键装备自主化配套建设探讨方案。将环空背压的控压钻井系统作为自主化建设的主线，对水上井口的控压系统进行工艺适应性移植，通过综合比较分析，推荐水下井口控压钻井系统ATR配置方案。     

多AUV分布式模型预测深度和纵向速度控制

针对多自主水下航行器（Autonomous Underwater Vehicle,AUV）的深度和纵向速度耦合控制问题,提出一种基于分布式模型预测控制（Distributed Model Predictive Control,DMPC）的双子系统控制方法 .在DMPC的框架下,AUV和邻居共享信息以建立预测优化问题,实现多AUV的协同控制.考虑单个AUV的深度和纵向速度控制,深度控制子系统参考轨迹中的俯仰角序列作为速度控制子系统中俯仰角的实际值,同时纵向速度控制子系统参考轨迹中的纵向速度序列作为深度控制子系统中纵向速度的实际值,由此解耦为两个子系统,进而独立地求解预测优化问题.仿真实验结果表明,相对于整体系统DMPC方法,本文提出的双子系统DMPC方法可在牺牲一定深度控制收敛速度的基础上降低计算时间73.3%.     

基于混合模型的锂离子电池热失控预判方法

锂离子电池在储能系统中已得到普遍应用,但其会由于热失控而产生自燃、爆炸等引发安全事故, 如何对储能锂离子电池热失控故障风险进行超前预测和判定是当前研究的热点问题。将电热物理模型与深 度学习模型长短期记忆模型(LSTM)相结合,提出一种基于混合模型的储能锂离子电池热失控预判方法。 通过收集电池运行数据,利用电池的电热耦合模型进行电池内部温度、荷电状态(SOC)的估算;同时,将电池 表面温度、电池电压、电池电流等参数共同作为 LSTM 的输入,利用混合模型精确预测电池的表面温度和内 部温度。通过阈值方法判定热失控的发生并确定诱发原因,从而实现对电池热失控的准确预测。基于公开 数据集的实验结果表明,提出的混合模型进行热失控预判具有较好的精确性和快速性,在实际工程应用中有 着较好的应用前景。     

人工智能产业科技成果转化机制研究

<正>为切实加快人工智能科技成果向现实生产力转化，通过构建新型的校企合作模式，增强企业在科技成果转化前的参与程度，本文结合当前成果转化模式的政策短板，分析了不同转化模式下科研人员知识价值的衡量方式与方法，探索了以知识价值为导向的成果转化权益分配机制。     

基于改进YOLOv5的露天矿山目标检测方法

目前实地部署的商用采矿无人系统大都采用激光雷达和毫米波雷达作为感知传感器，难以准确识别障碍物的类型，尤其是较远处障碍物，不利于正确决策，从而影响无人作业的安全和整体效率.针对这些问题，本文采集了不同场景的矿山数据，并提出了一种基于YOLOv5S的图像目标检测算法.该算法主要进行了三方面改进：首先，使用不同的填充策略和空间注意模块优化采样方法，提高了模型的采样能力；其次，解耦Head预测分支，让每个分支专注自己的任务；最后，优化损失函数，耦合定位和分类，实现定位和分类任务的联合优化.试验表明，三种方法在保持实时性的前提下，可将YOLOv5S的平均精度（Average Precesion， AP）从49.9%提高至58.9%，实现白天、夜间场景下不同尺度的障碍物识别.     

院所巡礼——学科建设办公室/研究生培养处

盐城工学院学科建设办公室与研究生培养处合署办公。主要负责全校的学科建设、研究生教育和管理工作,部门下设学科建设科和研究生工作科。学校坚持有重点、分层次推进学科建设,现有机械工程、化学工程与技术、材料