过热器机理模型的遗传算法参数优化方法研究

针对过热器模型各参数存在的强耦合性,提出了基于遗传算法的机理模型参数优化方法。建立过热器数学模型,确定优化参数,应用遗传算法进行优化,直到模型精度达到要求。仿真研究表明,运用该方法建立的过热器模型达到预定精度要求;优化过程自动进行,缩短了建模和优化时间。这种方法具有通用性,简单易行,为火电厂仿真机数学建模和参数优化提供一种新的思路和方法。     

基于注意力机制的GRU神经网络安全态势预测方法

传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性.针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit,GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将...     

HD水电站库岸大型斜坡变形体成因机制及稳定性评价

近年来,受水库蓄水及降雨等因素影响,造成大量水电站库岸边坡变形加剧,一旦失稳极可能对电站的正常运行造成极大危害。本文选取距HD水电站坝址约6 km,方量约353万立方米的库岸边坡变形体作为研究对象,通过综合采用野外地质精细调查、室内试验、三维数值模拟和理论分析等方法对该变形体的稳定性及成因机制进行深入研究。结果表明：该岸坡变形体基岩以玄武岩、凝灰岩为主,覆盖层总体较薄,主要为碎石土,变形体的持续发育由多因素耦合作用引起;当暴雨或水库蓄水时,变形体有效应力减小,位移量增加,滑面剪应变增量增加且贯通性更好;三维数值模拟结果显示,在天然、暴雨、低蓄水位(1586 m)和高蓄水位(1691 m)工况下的最大变形量分别为33.9 cm、56.2 cm、79.5和88.6 cm;该变形体的发育过程可分为两个阶段,分别是天然情况下的稳定阶段和暴雨或水库蓄水后的加速变形阶段,暴雨和库水位上升是促进该变形体持续变形的主要原因。     

利用用户数据报协议数据驱动的液压六自由度并联机构虚拟现实技术

针对复杂系统虚拟现实技术应用时实现精准描述系统的动态工作原理,复现真实系统的运动控制功能比较困难的问题,以具有高阶、非线性、强耦合等特征的液压六自由度并联机构为研究对象,提出了一种利用用户数据报协议(user datagram protocol, UDP)实现专业软件MATLAB与虚拟现实开发软件Unity3D的虚拟现实技术。首先利用三维建模软件SolidWorks构建并联机构三维模型,将模型导入Unity3D软件中并对其施加关节约束;其次对并联机构进行运动学反解,建立MATLAB与AMESim联合仿真模型;最后通过UDP协议,实现MATLAB与Unity3D双向实时数据交互并驱动虚拟机构动作。仿真表明：虚拟机构动作完全符合真实物理系统的工作原理,基于UDP协议数据驱动的虚拟现实技术具有很好的准确性与实时性。     

高地应力水平岩层隧道滞后型岩爆时空倾向性机制分析

浙江杭温水平岩层隧道内滞后型岩爆频发,但目前对于其孕育机理和时空倾向性研究不足。故采用有限差分软件,通过地应力测试和统计现场岩爆资料的方法,研究分析滞后型岩爆时空特征机制。结果表明:(1)滞后型岩爆具有明显的时空倾向性特征。近70%的滞后型岩爆时间上发生在该区开挖6～30 d,空间上滞后于掌子面30～100 m之间;且多发生中等岩爆,岩爆等级及可能性随时空变化呈现倒“V”形趋势。(2)硬岩在高地应力环境中具有明显的延性与时效变形特征;在卸荷条件下,应力释放率的逐渐增加是诱发滞后型岩爆的最主要因素。(3)开挖一定距离后,隧道周边不同位置处都出现应变能突变,且保持较高的应变能密度,易发生等级较高的岩爆。上述结果为以后预测滞后型岩爆和施加相应支护措施提供了依据。     

轮足复合式爬壁机器人研究综述

当前轮足复合式机器人机构主要包含轮足结合、分离复合以及变形轮足,分别能够实现不同障碍通道的移动作业、复杂未知环境的探索操作以及突发应急救援等应用。然而,针对船舶、压力储罐等金属立面环境,轮足复合式爬壁机器人必须兼具壁面适应、越障和壁面过渡的全位置自主作业能力,应用于壁面焊接、清洗、检测等作业任务。对比分析当前的国内外研究,轮足复合式爬壁机器人针对在垂直和倾斜壁面的工程应用有良好的适用性,它具备适应复杂曲面工作面并能够应对非结构化工作场景。轮足复合式爬壁结构在应对曲率变化、非结构化壁面等工作将会有良好的应用前景。     

基于YOLOv5s-FCS的钢材表面缺陷检测

针对传统钢材表面缺陷检测方法易出现误检、漏检和部分缺陷种类检测精度低等问题,本文设计了一种钢材表面缺陷网络YOLOv5s-FCS。首先本文引用了FReLU激活函数构建了卷积模块CBF,有效增强了网络的空间解析能力,优化了网络检测精度;其次,本文将坐标注意力机制嵌入到网络的neck部分来增强网络特征融合的能力,从而使网络能够提取更加丰富的特征信息;最后,将YOLOv5s的损失函数替换为SIoU loss,提高了预测框的回归精度。通过在NEU-DET数据集上进行消融实验、可视化对比实验,结果表明,YOLOv5s-FCS网络的mAP值达到了0.747,相较于原YOLOv5s网络提高了8.3%,相较于YOLOv3网络提高了11.8%,相较于YOLOXs网络提高了4.2%,相较于YOLOv6s提高了1.4%,验证了该方法的可行性、有效性。     

基于多尺度特征混合注意力的连续帧深度估计

目的 估计获取拍摄物体到相机之间距离的深度信息是单目视觉 SLAM 中获取深度信息的方法,针对无监督单目深度估计算法出现精度不足以及误差较大的问题,提出基于多尺度特征融合的混合注意力机制的连续帧深度估计网络。 方法 通过深度估计和位姿估计的两种编码器解码器结构分别得到深度信息和 6 自由度的位姿信息,深度信息和位姿信息进行图像重建与原图损失计算输出深度信息,深度估计解码器编码器结构构成 U 型网络,位姿估计网络和深度估计网络使用同一个编码器,通过位姿估计解码器输出位姿信息;在编码器中使用混合注意力机制 CBAM 网络结合 ResNet 网络提取四个不同尺度的特征图,为了提升估计的深度信息轮廓细节在提取的每个不同尺度的特征中再进行分配可学习权重系数提取局部和全局特征再和原始特征进行融合。 结果 在 KITTI 数据集上进行训练同时进行误差以及精度评估,最后还进行了测试,与经典的 monodepth2 单目方法相比误差评估指标相对误差、均方根误差和对数均方根误差分别降低 0. 034、0. 129 和 0. 002,自制测试图片证明了网络的泛化性。 结论使用混合注意力机制结合的 ResNet 网络提取多尺度特征,同时在提取的特征上进行多尺度特征融合提升了深度估计效果,改善了轮廓细节。     

Yolov7-pose识别运动员姿态时关键点异常的消除方法

本研究首先构建了深度聚合网络（deep layer aggregation,DLA）,用于替换Yolov7-pose算法中原有的特征融合网络,增强了特征的表达;其次,将高效聚合网络（efficient layer aggregation Net, ELAN）和尺度感知注意力网络（scale-aware attention Net, SAAN）融合在一起,引入到Yolov7-pose算法中;然后,引入尺度因子到Yolov7-pose算法的损失函数中,并通过实验确定尺度因子最佳值。实验结果表明,经过本法改进的方法识别篮球比赛视频流中的多名运动员姿态时,不再出现关键点异常现象,姿态识别的精度达到95%以上,运行效率达到24 FPS以上,综合性能显著优于原始Yolov7-pose算法等算法。     

风险投资对高新技术企业创新绩效的影响机制研究

利用系统动力学方法,从资本增值、监督治理、社会资源3个方面,系统分析风险投资对高新技术企业创新绩效的影响机制,构建风险投资影响高新技术企业创新绩效的系统动力学模型,利用Vensim PLE软件对模型进行仿真和灵敏度分析,量化研究风险投资影响高新技术企业创新绩效的传导路径及作用机理。研究结果表明：资本增值中的资金提供特别是研发经费的投入,与高新技术企业创新绩效呈显著正相关关系;社会资源与高新技术企业创新绩效呈正相关关系;监督治理中的人才引进与高新技术企业创新绩效呈负相关关系。