自动网格体系在柱体绕流大涡模拟中的适用性评估

为了评估基于snappyHexMesh方法生成的自动网格体系在二维柱体绕流大涡模拟中的适用性,比较了该自动网格体系与人工网格体系对于Re为3 900圆柱绕流和Re为22 000方柱绕流的数值模拟结果。通过设置合理的计算域以及数值格式,采用snappyHexMesh自动网格以及人工网格的算例都表现出良好的数值稳定性。将不同网格体系的数值模拟结果与物理试验结果进行对比,结果表明,采用snappyHexMesh网格可以提高数值求解效率;圆柱绕流对网格体系的变化比较敏感,不同密度的snappyHexMesh网格会显著影响圆柱气动力特征以及尾流区域的流场结果;snappyHexMesh网格体系可以准确预测方柱绕流,在方柱绕流大涡模拟中具有相较于圆柱绕流更好的适用性。     

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...     

基于神经网络的船舶稳性预报研究

为省略船舶稳性计算中横摇阻尼以及船舶阻力等参数的复杂计算过程,提出一种采用径向基函数(RBF)神经网络对第二代完整稳性失效概率预报的方法.研究包括过度加速度、瘫船稳性以及骑浪/横甩3种失效模式.通过研究船舶相关参数对各失效模式失效概率的影响,确定采用RBF神经网络对每种失效模式进行预报时输入特征的选取,从而降低训练时长.使用训练后的网络对样本船稳性进行预报,采用均方误差和平均绝对百分比误差对预报结果进行评估.对3种失效模式预报结果的平均绝对百分比误差分别为6.49%、7.09%、5.70%,均小于10%,表明采用RBF神经网络可较为精准地对船舶稳性进行预报.     

基于离散特征系统的抛物方程源项反演方法

主要研究离散特征系统下抛物方程源项反演的对数型正则化方法。首先,用有限差分法离散椭圆算子,利用分块矩阵的特点计算出椭圆算子的离散特征值和相应的特征向量;然后,将它们应用到抛物型方程源项反演的对数型正则化方法中。通过数值实验表明,对数型正则化方法可以通过离散特征值及其对应的特征向量成功实现。     

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...     

变压器绕组短路故障多特征融合诊断

绕组匝间短路是变压器最常见的初期故障类型之一.为了提高轻度故障的诊断准确率,考虑绕组短路电流、绕组温度、电流密度和磁通偏移特征,提出了变压器绕组短路故障的多特征融合诊断方法.首先建立了变压器绕组短路的COMSOL空间模型,将仿真结果和理论计算结果进行对比,证明空间模型的正确性.然后,对变压器轻度故障时进行了故障模拟和故障特征分析,提取其电流特征参量、温度特征参量、电流密度偏移率和磁通偏移率作为故障特征.采用BP网络进行故障识别.变压器的工程诊断实例验证了本文方法的有效性.     

基于多级频谱分析和能熵比的应答器系统设计

为解决传统应答器系统在模拟不同距离水下目标时易受强噪声干扰及转发时延精度不高的问题,提出一种粗-细两级波达时刻估计方法并开发一套高精度时延的可靠应答器系统.该系统主要由以信号采集、信号处理为主的上位机和以功率放大器、换能器为主的下位机组成.其中上位机利用多级频谱分析及其峰均比大于设定门限进行粗估计,初步获取信号的波头;再利用基于能熵比的双门限检测算法进行细估计,获得更精准的波达时刻,进而解决了时延不准的问题;最后,系统下位机通过 TCP 接收上位机传输的应答信号并在预定时刻应答回波信号.湖试结果显示,该系统的时延误差小于 40 ms,具有高精度的转发时延优势,并且在强噪声干扰下具有良好的鲁棒性.     

空间听觉与虚拟听觉空间的计算机仿真

一些科学工作者对人类以及动物听觉的自由声场至耳膜的传递函数进行了测量,他们发现在宽带信号激励的情况下,不同频率分量之间的幅度差异是与声源的方向有关的,这一发现已被用于展现“真实”的三维听觉,称作虚拟听觉空间仿真。     

秦淮河流域典型排涝泵站前池水质与降雨特征响应关系

为分析排涝泵站前池水质与降雨特征的响应关系,对南京市城区秦淮河沿线2个排涝泵站前池水质以及降水量开展高频在线自动监测,结合回归树方法分析了不同降雨强度、前期干旱时间条件下排涝泵站前池水质变化规律,探讨了不同类型排涝泵站前池水质的主要影响因素。结果表明:晴雨天均有生活污水汇入的A泵站前池氨氮质量浓度在大雨强下降低,中雨强下先升高后降低,小雨强下平缓上升,A泵站前池污染物质量浓度主要受降雨强度和次降水量影响;主要接收降雨径流,雨量大时有生活污水溢流汇入的B泵站,前池污染物质量浓度在大雨强下先升高后逐渐降低,中雨强下降低,小雨强下变化不大,B泵站前池水质主要受次降水量、前期干旱时间和降雨强度影响;2个泵站前池CODMn质量浓度变化与降雨的响应规律相似,但更多受到与前期干旱时间关联的地表径流冲刷作用影响;连续降雨均导致泵站前池氨氮质量浓度和CODMn质量浓度波动变化较大,而前期干旱时间越长,降雨发生后泵站前池水质越差。     

知识经济的挑战和我们的对策

知识经济是工业经济发展的必然结果,是知识对经济增长的直接贡献率超过了其他生产要素贡献率之和的经济形态。知识经济在经济增长、经济活动、物质使用、劳动者素质、经济联系等方面,都有着鲜明的时代特征。知识经济时代的来临,既是机遇,又是挑战。我们应当在发挥社会主义制度优越性、广泛深入开展国际合作和深化教育体制改革等方面多做工作,力争走在新时代前列