三段式Halbach阵列永磁电机解析建模与研究

针对传统子域模型在分析电机电磁性能时无法考虑软磁材料磁导率的缺陷,提出了一种考虑软磁材料磁导率为具体值的三段式Halbach阵列永磁电机多层解析模型。根据内部激励源和媒介的不同,将永磁电机全域划分成Halbach阵列永磁体层、气隙层、定子齿尖层和电枢绕组层4类磁场求解层。利用柯西乘积和复数形式的傅里叶级数来描述磁场求解层中媒介磁导率分布情况。基于麦克斯韦方程组建立了每个磁场求解层的拉普拉斯方程或泊松方程,结合边界条件求解出每个磁场求解层的磁矢位。利用多层解析模型计算了电机的气隙磁密、空载反电动势和输出转矩等电磁特性,并与有限元模型计算结果进行了对比。计算结果表明：多层解析模型和有限元模型计算得到的气隙磁密波形吻合得很好,两者的空载反电动势峰值和输出转矩平均值的相对误差均小于1%,证明了多层解析模型的正确性。最后利用多层解析模型研究了槽开口宽度、磁极宽度和充磁夹角对电机输出转矩的影响规律,给出了输出转矩最优的设计方案。仿真结果表明：优化后的输出转矩脉动削减了75.7%,证明所提出的多层解析模型不仅计算准确而且计算速度快,在电机的初始设计和电磁性能影响规律的探究上具有明显的优势。     

基于深度学习的红外与可见光图像融合综述

图像融合技术是指从不同的源图像中提取并融合互补的信息,生成一幅信息量更丰富、对后续高级视觉任务提供足够支持的图像.红外与可见光图像融合（Infrared and Visible Image Fusion,IVIF）是图像融合领域的一个重要分支.近年来,深度学习技术在视觉计算领域表现出了良好的性能,尤其是基于自编码器、卷积神经网络、生成对抗网络等几种基于深度学习的IVIF技术得到了蓬勃发展.为此,对基于深度学习的IVIF算法的方法、数据集和评估指标等进行了总结和阐述;通过大量的实验,进行定性和定量的结果分析,对比了各类基于深度学习IVIF算法的性能;最后,讨论了该领域未来发展的一些前景和研究方向.     

基于生成对抗网络的砂岩薄片图像视野外重建

利用生成对抗网络(GAN)模型,对砂岩薄片图像的微观颗粒和孔隙结构进行视野外重建,并对预测图像的语义进行评价。结果表明,模型能够预测2.25倍于原始视野的砂岩微观结构,并且针对不同类型的岩石图像语义均具有良好的性能。模型对不同颗粒的表面纹理、颗粒形态以及多颗粒间复杂接触关系等语义的图像视野外预测结果与真实图像较为吻合。但是,在微观特殊现象图像的视野外重建任务中,模型缺乏对特殊现象的敏感性。在孔隙结构重建时,模型对微孔面孔率的预测误差大于粒间孔、裂隙和溶蚀孔等孔隙空间。不同孔隙空间重建图像的预测效果可能与孔隙特征(如孔径大小和连通性)有关。     

基于特征类内紧凑性的不平衡医学图像分类方法

近些年,基于深度学习的算法和模型在各种图像分析任务中都取得了显著的成功,与常见的自然图像相比,医学图像数据集依然面临高度不平衡的问题,不平衡数据会导致特征空间里的决策边缘倾向样本多的类别,导致分类效果的下降.为了解决该问题,提出一种基于卷积神经网络考虑特征类内紧凑性的不平衡医学图像分类方法（Z-Score Compactness-based Convolutional Neural Network,ZC3NC）.首先,从一个卷积神经网络的最后一层卷积层提取训练集样本与测试集样本的特征图,随后引入一个新的Z分数来度量测试集数据的特征图相对训练集每个类在特征空间上的偏离度,偏离度的度量基于类内的紧凑度,其主要关注样本的分布特性,对各类样本数量的不平衡性不敏感.最终,根据计算的偏离度,对测试集的数据进行分类.在DermaMNIST数据集上的实验表明,在不对数据和神经网络模型做任何额外增强的情况下,该方法的平衡准确率比原卷积神经网络模型平均提高11.15%,最多提高14.08%,证明提出的分类方法能有效地提高多种卷积神经网络对不平衡医学图像数据的分类性能.此外,和最先进的不平衡分类方法 Und...     

宗教文化对泉州古城街道活力的影响分析

以泉州古城为例,利用多源数据构建街道活力与其影响因素的分析框架,建立包含街道物理环境影响因素和宗教文化影响因素的街道活力评价指标体系.分析宗教建筑对街道活力的影响,并进一步分析宗教建筑与街道的空间关系对街道活力的影响.研究结果表明：街道活力与街道两侧的寺庙宗祠的数量呈负相关,香火旺盛的寺庙宗祠会提升附近街道的活力,但与寺庙宗祠距离无显著相关关系;在寺庙宗祠入口设置广场或宽敞的步行区可以集聚人气,并在寺庙宗祠周围布置商业或与其他景点结合以形成连续的活力点,有助于提升街道活力.     

圆渐开线变截面涡旋压缩机型线的参数优化

圆渐开线变截面涡旋压缩机的优化设计均以几何性能为目标。为了得到在几何性能和力学性能方面更为优越的涡旋压缩机,文章建立圆渐开线变截面涡旋压缩机压缩比和轴向气体力的数学模型,分析压缩比和轴向气体力随型线参数的变化趋势;结合几何性能和力学性能,以压缩比倒数和轴向气体力为目标函数,利用多目标遗传算法对其进行优化,得到不同参数变化下的非劣解集。对优化型涡旋盘与未优化涡旋盘进行的定量分析结果表明,优化型涡旋盘的压缩比提高了16.14%,轴向气体力降低了5.62%,证明了优化的可行性。该研究为圆渐开线变截面涡旋压缩机设计时型线参数的选取提供了一定的参考。     

抗深度取证的多粒度融合图像修复网络

数字图像的真伪判别是图像安全领域中的基础问题,因数字媒体极易被攻击篡改,针对图像的取证技术得到了广泛的研究.另一方面,对图像篡改反取证技术的研究,不仅追求更逼真的图像篡改操作,也从相反的方向促进了取证技术的发展.图像修复作为基础的图像篡改操作,一直是国内外学者的研究热点.针对被修复篡改后的图像会被深度取证网络取证的问题,提出了一种抗深度取证的多粒度融合图像修复(multi-granularity fusion-based image inpainting network resistant to deep forensics,MGFR)网络.MGFR网络包括编解码器、多粒度生成模块以及多粒度注意力模块.首先,输入的破损图像被编码器编码成深度特征,深度特征通过多粒度生成模块生成3个不同粒度中间特征;然后,采用多粒度注意力模块来计算不同粒度中间特征之间的相关性并将其融合;最后,融合特征通过解码器生成输出结果.另外,所提出的MGFR网络被重建损失、模式噪声损失、深度取证损失以及对抗损失联合监督.研究结果显示,所提出的MGFR网络在拥有较好的修复性能的同时能成功规避深度取证网络的取证.     

基于改进断裂点理论的机场吸引范围界定

合理界定机场吸引范围,是构建坚固民航运输网络的关键环节。现有的机场吸引范围界定方法,很少考虑与其衔接的地面交通网络,以及旅客出行偏好的影响。为提高机场吸引范围的实用性,本文以城市断裂点理论为基础,对其中的重要参数予以改进。首先,以综合交通运输为背景,指出发达的公路和铁路运输网络对民用机场具有很大的竞争与促进作用,并提出以地面交通出行时间为量化标准的吸引范围界定方法。然后,为分析旅客出行偏好的行为机理,针对于与机场衔接的地面交通网络来建立离散选择模型。其次,将研究区域的机场所在城市看作是一个整体,运用专家评价法和熵权法综合确定机场的吸引规模,并通过机场吞吐量与城市对外出行总量针对机场规模进行修正。最后,通过算例验证改进模型的实际可操作性,为确定多机场系统吸引范围界定提供新的思路和方法。     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...     

基于卡诺机的大规模MIMO通信容量建模及性能分析

信息本质上以能量和熵的形式在通信系统中流动,类似于传统热机中的能量流动过程。结合热力学卡诺机模型和经典香农信息论理论,建立了一个广义的热力学(multiple input multiple output, MIMO)通信系统模型,对大规模天线通信场景下使用前向纠错码的信道容量进行分析。利用通信系统中存在的自由度和熵的概念,推导了热力学模型下的广义信道容量,并对信道容量与噪声自由度及编码开销的关系进行验证仿真。仿真结果表明,所提出的热力学信道容量与香农信道容量是一致的。