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。     

基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

基于自注意力机制的新生儿胆道闭锁识别

新生儿胆道闭锁是新生儿常见的致命疾病之一,并且该病在亚洲的发病率高于世界其他地区.新生儿胆道闭锁需要及时发现及时治疗,然而由于缺少专业的儿科医生和辅助诊疗手段,新生儿父母往往不能及时发现而错过了最佳治疗时间.因此,本文开发了一个具有实际应用价值的预诊算法,通过新生儿粪便图片预测新生儿是否患有新生儿胆道闭锁,并提醒新生儿父母及时就诊.为了让算法在应用场景下识别率更高,本文的算法基于一个真实场景下拍摄的新生儿粪图片数据集开发.首先我们设计了一个自注意力网络模型BANet(Biliary Atresia Network),将图片的浅层特征和深层特征相结合,可以得到更好的分类效果.由于拍摄自应用场景下的图片存在过暗和过曝等问题.通过分析数据集的亮度分布,我们设计了一个自动亮度调节算法解决.此外,图片中的阴影也会对识别结果造成干扰,因此我们在训练阶段增加了一种阴影数据增强方式来缓解这一问题.为验证本文提出算法的有效性,本文设计了一个和医生的对比试验.结果证明BANet在四分类的识别率、二分类的识别率、特异性和敏感性等客观评价指标上占有明显优势.本文提出的BANet能够有效利用图片中的颜色、异常点...     

基于层次注意力机制的垃圾用户检测模型

目前基于网络的垃圾用户检测方法只考虑了简单社会关系,缺乏对更多复杂社会语义关系的利用,难以达到最优性能.针对这一挑战,提出一种基于层次注意力机制的垃圾用户检测模型(HAM-SD).模型首先使用异质信息网络对社交媒体进行建模,挖掘丰富的语义与结构信息,接着利用节点级注意力层聚合元路径邻居增强节点表示,同时利用自适应层级聚合模块选择不同层级特征提升表征能力,然后通过语义级注意力层融合不同元路径下的节点表示,最后带入分类检测模块实现垃圾用户检测.在公开数据集上的实验结果表明该模型能够有效检测垃圾用户,并在不平衡数据分布时保持较强的稳定性.     

基于网络药理学和分子对接探讨智脑胶囊改善阿尔茨海默病的作用机制

借助网络药理学和分子对接技术,探讨智脑胶囊改善阿尔茨海默病的干预机制。通过TCMSP、TCMID等多个数据库寻找与智脑胶囊相关的化学成分及其作用靶点;利用GeneCard等数据库获取阿尔茨海默病的作用靶点;运用Venny2.1网站筛选出药物与疾病的交集靶点;使用STRING平台和Cytoscape软件进行拓扑分析得到智脑胶囊治疗阿尔茨海默病的核心作用靶点;采用Metaspace数据库对潜在核心作用靶点进行GO(gene ontology)及KEGG(Kyoto encyclopedia of genes and genomes)通路富集分析;利用AutoDock软件使用分子对接验证活性化合物与核心靶点的结合能力。结果表明：在智脑胶囊中共筛选出44个活性成分和292个有效靶点,智脑胶囊与阿尔茨海默病共同靶点58个;蛋白质-蛋白质相互作用得出关键靶点包括AKT1、IL-6、TNF等;GO分析共包含1 419条,KEGG得到175条代谢通路,主要包括脂质与动脉硬化、TNF信号通路;分子对接显示关键成分与靶点具有良好的结合能力。研究表示智脑胶囊可能通过脂质与动脉硬化和TNF信号通路等途径来减轻...     

基于改进RPN的孪生小样本电力目标检测

为了解决当前电力系统巡检难度大、效率低、数据不足以支撑大规模训练的问题,提出一种基于孪生网络的小样本检测方法。首先,在Faster RCNN(faster region convolutional neural network)目标识别算法的框架下,搭建支持图片和查询图片共享的孪生网络模型;然后,利用改进的RPN(region proposal network)模块产生更高质量的proposals;最后,在检测头上对支持图片和查询图片的RoI(region of interest)进行关联匹配。结果表明,将算法应用于自主构建的EPD(electric power detection)数据集,在仅利用10张支持图片的情况下,就能实现对电力背景下鸟巢异物和绝缘子相关类别的检测,检测指标mAP达到18.92%。与其他算法相比,应用于电力行业目标检测的孪生网络小样本模型,在极端小样本情况下性能优良,同时具有更加轻量化的优势,可为电力检测新方法研究提供参考。     

带背景激波系的凹腔流动特性研究

凹腔作为超燃冲压发动机的一种火焰稳定器受到广泛关注,凹腔剪切层与背景激波系的相互作用影响凹腔火焰稳定器的性能。为深入分析背景激波系对凹腔流动的影响,设计了长深比为13.3的闭式凹腔,将凹腔模型前缘激波和风洞上壁面干扰激波作为背景激波系,在Ma=2的直连式风洞中开展了背景激波系与凹腔剪切层的相互作用的试验,采用高速纹影系统对瞬态流场进行了捕捉,重点关注背景激波系和凹腔剪切层的动态变化特性。采用纹影序列的本征正交分解来研究流场中的主要相干结构,采用快速傅里叶变换和连续小波变换对流场的频率域特征进行了分析。结果表明：在背景激波与剪切层相互作用下,激波结构产生大尺度振荡,凹腔内流动结构产生小尺度脉动。通过对激波位置的傅里叶变换分析,发现激波振荡的主导频率集中在90～400 Hz的范围内。通过对纹影图像的空间傅里叶变换分析,发现5 kHz以下的流场振荡主要由激波振荡引起,5 kHz以上的流场脉动主要由凹腔内流动结构引起。     

老龄化背景下城轨换乘站客流组织仿真分析

针对人口老龄化背景下的城轨换乘站客流组织问题,从影响因素分析出发,量化老年乘客生理特征对乘客行动力影响的外在表现,并运用社会力模型描述换乘站内行人运动。借助AnyLogic仿真软件,以重庆市某换乘站为实验对象构建地铁换乘站仿真模型。通过设计多场景仿真实验,结果发现老年乘客比例对站内客流速度、进站时间、换乘时间都有明显影响,尤其是在站内客流瓶颈处和高差变化处的影响更为明显。最后,对适老背景下城轨车站设计和运营提出针对性建议。     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

水力旋流分离器在油水分离领域的研究进展

水力旋流器利用密度差实现两相分离,具有结构简单、分离效率高等优点,因此在原油预脱水处理等油水分离领域得到广泛应用。 鉴于此,通过分析和收集水力旋流器相关文献,对油水分离领域水力旋流分离器的研究现状进行了阐述和总结,包括水力旋流分离器的发展历程、基本结构、内部流场和工作原理等相关方面;同时,对油水分离领域不同类型的水力旋流分离器进行了对比分析,发现在水力旋流器的结构参数优化以及内部液体流动规律等方面,单一结构的参数优化或单一、静态的系统分析不能系统全面地反映实际复杂工况。 因此,将计算机仿真模拟和相关先进检测技术相结合,用于旋流器的参数优化、内部液体流动规律分析以及构建预测模型等方面,对于旋流器的结构设计优化、分离效率提升等方面意义重大;另外,目前的研究多着重于旋流器的结构和流体特性等方面,对于旋流器内部的磨损、疲劳损伤等方面的研究较为缺乏;最后,对水力旋流分离器在油水分离方面研究的不足和发展方向进行了分析和展望。