基于深度学习的反无人机预警神经网络

为解决传统雷达探测设备面对"低小慢"无人机时产生的难检测与易突防问题,通过深度卷积神经网络对空中无人机进行实时识别,提取目标的类别与像空间位置信息;根据无人机像空间位置在时域下的变化趋势,绘制无人机飞行映射轨迹;利用长短期记忆网络对飞行映射轨迹进行预测,获取无人机在未来时域内的预测航迹方向,实现对无人机的预警跟踪、实时检测与轨迹推断。结果表明,所提出的算法中目标识别平均准确率可达到82%,轨迹预测平均准确率可达到80%计算速度可达到24帧/秒,可见能够在地基计算平台下对空中无人机进行实时精确预警,可以有效地防止识别领空内的非合作无人机渗透与突防。     

基于开源求解工具的超临界二氧化碳印刷电路板式换热器流动传热特性数值研究

超临界二氧化碳作为工质的布雷顿循环中印刷电路板式微通道换热器(printed circuit heat exchanger, PCHE)作为连接主压缩机、透平等涡轮机械的关键设备之一,其换热能力是否满足系统设计的工况要求,以及其运行的稳定性,对于整个发电循环的效率和安全性都有着重要的影响。采用流体-固体强耦合传热模型,对换热器内部超临界二氧化碳的流动和流固耦合传热过程进行数值分析。在稳定运行工况下,采用努塞尔数衡量换热器内部的换热不均匀性,得出沿着冷、热通道对流传热强度变化等指标。在非稳态工况下,不仅研究了流动传热特性,还研究了由于PCHE内部换热能力不均匀分布可能导致的部分二氧化碳工质偏离超临界态的风险区域,为超临界二氧化碳发电循环的设计优化和实验验证提供了参考。基于开源的流体力学及传热求解软件,通过测试开源求解工具对于PCHE流动传热特性分析的能力,为基于开源求解工具开发PCHE及超临界二氧化碳发电循环的数值分析专用工具平台,建立针对超临界二氧化碳发电设施的数字孪生系统奠定基础。     

基于突变理论的边坡监测预警概率性模型研究

为解决边坡系统演化过程中不确定因素的影响,得到非确定性的边坡预警结果。结合突变理论与广义胞映射理论提出了一种边坡监测预警概率性模型。该模型采用尖点突变理论识别边坡稳定状态;将边坡稳定性演化结果视为随机事件,基于广义胞映射理论计算滑坡在某一时刻准时发生、提前发生、滞后发生、滑坡不发生的概率,从而实现边坡概率性预警。利用该模型计算了某黄土区工程边坡在某时刻发生失稳的概率为100%,且滞后发生的概率为83.8%,判定边坡系统突变会在该时刻之后发生,预警结果与实际情况一致,验证了该模型的有效性。与传统模型相比,概率性预警模型可提供更丰富合理的信息,有助于提升监测预警的准确率,为边坡监测预警研究提供了一种新思路。     

小潜深充压式轻质防水耐压舱设计及分析

基于跨介质飞行器对小潜深、轻量化、严密封的综合控制舱的迫切需求,设计了一种充压式复合材料防水耐压舱。通过预先充入2 MPa气体产生内压以抵抗水下200 m附近工作时的外部静水压力,使舱体处于轻微受力状态,最大程度减小舱体壁厚,进而实现轻量化设计。开展舱体纤维铺层角度和铺层厚度等设计,建立有限元模型,对其刚度、强度和稳定性进行校核,并通过5轮充压2 MPa并浸泡、保压48 h测试,验证结构安全性和密封可靠性。设计的3 L容积耐压舱总质量仅390 g,比常规结构减重22.4%。本方法有望为后续跨介质飞行器控制舱设计提供参考。     

基于BERT与多通道卷积神经网络的细粒度情感分类

为了分析突发事件期间网络舆论的情感倾向,以更有效地调节人们的情绪,维护社会稳定。本文提出了一种融合BERT模型和多通道卷积神经网络的深度学习方法用于细粒度情感分类,以获取更加丰富的文本语义特征信息。通过BERT 对输入的文本进行编码,以增强文本的语义特征表示,再通过具有多个不同大小的卷积核的并行卷积层来学习文本特征,捕获文本的深层次特征,提升模型在文本分类的性能。对比实验表明,该模型在准确性、召回率和F1值方面均优于传统的情感分类模型,并能显著改善细粒度情感分类的性能。除此之外,本文还探究了表情符号对细粒度情感分类模型的影响,实验结果表明表情符号转换成文字后可以增强文本的情感特征提取能力,提升模型分类性能。     

基于强化学习的写字楼动态电力价格策略研究

针对城市商业区写字楼的微电网能源管理系统,如何有效的进行能量协同调度具有重要的理论价值与应用价值。本文提出了基于强化学习的写字楼能量调度的需求侧动态价格响应算法。首先,将物业与写字楼之间的模型建立为一个马尔可夫决策过程（Markov Decision Process,MDP）,通过使用Q-Learning算法中的贪婪策略（ε - greedy）来探索写字楼中每个时间间隙的最佳电力零售价格。实验表明,通过需求侧动态价格能量调度策略不仅可以提高电网的可靠性和能源的有效利用率,实现电力分流、削峰和填谷,也可有效降低写字楼的能量消耗,同时降低用户的电力能耗使用成本,使得各方利益最大化,验证了本文所提算法的有效性和实用性。     

利用CLUE-S模型对四川省未来10年土地利用变化的预测与分析

土地利用配置对生态环境和经济发展有着重要影响,通过研究土地利用配置对人类可持续发展具有重要意义。以我国四川省为研究区,设定了生态效益型、经济效益型和综合效益型3种发展情景,通过CLUE-S模型模拟研究区2030年的土地利用数据,计算了各情景下相应的生态服务价值量和经济效益,分析了3种情景下模拟结果各土地利用类型分布的相同和差异。研究结果表明,生态服务价值量在情景1下达到最大值,为108 405.5亿元;经济效益则在情景2下最大,为78 346.3亿元。从土地利用空间分布上来看,3种情景的变化趋势基本一致:生态用地中林地和水域的增加主要分布在攀西地区;建设用地的增加主要分布在攀西地区和四川盆地。研究结果可对四川省未来的土地规划管理提供参考。     

基于3×3耦合器的分布反馈激光器振动传感解调算法

本文采用分布反馈(DFB)激光器作为传感头,搭建了一种基于3×3耦合器的光纤振动传感系统。在基于微分交叉相乘算法(NPS)的基础上,提出了一种新的解调算法——反演微分交叉相乘算法(iNPS)。算法利用3×3耦合器三路对称的优点,采用3×3耦合器输出的两路信号反演出第三路信号,对三路信号校正后采用NPS算法对振动信号进行解调,系统采用两个光电探测器,与传统的NPS算法相比,降低了系统的成本及复杂程度。对iNPS算法与使用两路信号进行解调的微分交叉相乘算法(NRL)进行仿真分析,比较了两种算法在不同输入振动信号的信噪比和3×3耦合器的不同对称度条件下的解调结果。结果表明,在振动信号信噪比为32 dB的情况下,iNPS算法的信纳比比NRL算法信纳比提高了37.4 dB,总谐波失真率(THD)下降了28%。并且iNPS解调算法可以在3×3耦合器三路信号不对称的情况下解调出振动信号。     

基于虚拟同步补偿器的常规风电场“场站级”电压源型协同控制策略

为解决“双高”系统电压源缺失性及惯性和阻尼不够带来的电压稳定性问题,以构网变流器控制加储能技术为切入点,提出了风电场交流侧配备虚拟同步补偿器的解决方案。在直流侧配备储能,需要对整个风电场换代升级,经济性较差;在交流侧配备虚拟同步补偿器,虽升级简单,但采用独立控制策略,未从根本上解决新能源场站整体表现为电压源特性的问题。因此,提出了一个基于超级电容储能的虚拟同步补偿器协同控制方案,并充分考虑了超级电容储能容量的限制作用,该方案的有效性和可行性在MATLAB/Simulink仿真平台中进行了验证。结果表明：通过协同控制风电场与虚拟同步补偿超级电容的出力,能够在保证设备安全运行的前提下,整个风电场站表现出电压源特性,同时可为风电场提供阻尼支撑作用。可见,超级电容额定功率为15%的风机额定功率时,其协同控制效果即可实现最佳风电波动性抑制和阻尼性能。     

基于SC注意力机制和集成学习的冰箱食材识别

近年来,随着智能冰箱技术的不断发展,对冰箱果蔬食材进行精准的类别识别,进而对食材进行保鲜控制,得到了研究者越来越多的关注。目标检测技术依靠深度学习相关技术的发展,也渐渐应用于食材盘点的方法。通过对冰箱果蔬食材特性进行分析,提出了一种基于注意力机制和集成学习思想的YOLOv5和EfficientDet融合的方法。首先对冰箱食材数据集进行了伪彩色图像处理,将SE模块和CBAM模块整合提出了新的SC模块,并引入到YOLOv5s网络中,组成SC-YOLOv5s网络结构;然后将SC-YOLOv5s网络结构与EfficientDetd0网络进行异质集成;最后用集成后的整体网络对尺度有差异但外貌相似的食材进行识别。实验结果表明当IOU阈值为0.5时,在60类果蔬食材测试集上,改进后集成模型的平均最大精确度(mAP)从SC-YOLOv5s的95.88%和EfficientDetd0的83.22%提高到了97.36%,明显提升了对果蔬类食材的检测效果。