重力坝深层抗滑稳定试验中结构面变位测试技术

软弱结构面内部相对变位的测试一直是重力坝深层抗滑稳定试验中的一个重点和难点。以电阻应变技术为基础,成功研制了适用于地质力学模型中软弱结构面相对变位量测的位移传感器。该传感器体积小,精度高,同时设置有隔热装置,不受升温降强的影响,稳定性好。介绍了该位移传感器的设计思路、工作原理,并将该传感器应用于某重力坝三维地质力学模型综合法试验中,获得了主要结构面的内部相对变位,为大坝稳定性分析提供了科学依据。     

深度神经网络技术在汉语语音识别声学建模中的优化策略

将深度神经网络作为声学模型引入面向汉语电话自然口语交谈语音识别系统。针对自然口语中识别字错误率较高的问题,从语音的声学特征类型选择、模型训练时元参数调节以及改善模型泛化能力等方面出发,对基于深度神经网络的声学模型建模技术进行了一系列的优化。针对训练样本中状态先验概率分布稀疏的情况,提出了一种状态先验概率平滑算法,在一定程度上缓解了这种数据稀疏问题,经平滑后,字错误率下降超过1%。在所采用的3个电话自然口语交谈测试集上,相对于优化前的深度神经网络模型,经过优化后的模型取得了性能的一致提升,字错误率平均相对降低15%。实验结果表明,所采用优化策略可以有效地改善深度神经网络声学模型性能。     

伺服拉深工艺曲线规划试验

伺服拉深工艺对304不锈钢的拉深效果和拉深效率有着重要影响,文中使用304不锈钢为拉深材料,结合压力机的机械特性和伺服拉深特性,提取曲线约束条件,构建了伺服拉深工艺曲线;然后对满足条件的工艺曲线进行仿真正交试验,得出理想的目标工艺曲线;最后在伺服曲柄压力机上,通过伺服控制系统和工艺编程自由曲线模式对304不锈钢进行了拉深试验,验证了自由曲线模式的可行性.试验结果表明,对于难成形的材料,规划的自由曲线模式能够在伺服和编程的条件下实现较为合理的拉深效果.     

深层砂泥岩薄互层的地震识别方法

深层砂泥岩薄互层油气藏是一类典型的低孔、低渗型油气藏,储层一般具有埋藏深、横向变化快、深层物性差的特点。利用常规的薄层定量描述方法只能识别地层厚度不小于λ／4的孤立薄层,很难实现精细解释。为此,采用正-反演联合预测技术,通过建立符合地下实际情况的的地球物理模型,从正演角度分析目的层的地震波场特征;同时对正演结果进行模型反演,定量分析反演砂体的横向及纵向展布特征。结果表明这种基于模型正演的地震识别方法既能够发挥地震资料在地层横向展布上的优势,又能够提高纵向上的解释精度,为识别前梨园地区深层砂、泥岩互层结构的隐蔽性储层提供参考。     

新安矿深部软岩巷道大变形特征及原因

新安煤矿是在建矿井,煤系地层属中生代地层。巷道埋深达1 000 m,不仅应力高,地质构造复杂,而且煤层顶底板以泥质岩石为主,含膨胀性矿物,岩石松散破碎、强度低。巷道开挖后,出现严重底臌、折帮和顸沉等非线性大变形破坏现象。运用工程地质学、软岩工程力学、黏土矿物学等多学科理论,采用工程地质调研、室内实验研究相结合的手段,对新安矿回风石门软岩巷道的变形破坏特征及其原因进行深入研究。研究认为:深部软岩巷道所处地质环境和围岩特征是产生非对称变形破坏的客观原因;普通支护的局限性是造成大变形破坏的主观原因。应该有针对性地采用有效支护方式,实现围岩与支护体在强度、刚度和结构变形三方面的耦合,有效控制变形,保证巷道稳定。该研究为下一步有针对性地进行支护设计提供了理论依据和指导性建议。     

工程陶瓷高效深磨工件表面粗糙度研究

介绍了工程陶瓷高效深磨的研究现状,阐述了高效深磨的实验方案.阐述了三种实验工程陶瓷材料的性能.对工程陶瓷高效深磨工件磨削表面粗糙度进行了实验研究.     

基于深度学习的CT影像肺结节检测

为辅助医生检测大量肺部CT( Computed Tomography) 图像中难以发现的肺结节的问题,提出使用深度U-Net网络对肺部结节进行分割。由于U-Net 网络出自于全卷积网络( FCN: Full Convolution Network) ,特点是端到端,像素到像素,网络对每个像素点进行分类,能将深层特征抽象的特征信息和浅层特征具象的位置信息相结合得到CT 图像的分割掩膜。实验结果表明,该方法对肺结节的检测效果良好。     

口语对话系统中对话管理的演变

为了对人机语言交互领域的主要工作进行归纳和总结,分析了口语对话系统的各个组成模块,包括主要研究内容和关键技术; 然后,针对其核心的对话管理技术进行了综述,通过详细分析并比较几类主要对话管理实现方法,力求在分析现有算法的同时勾勒出其技术的发展与演变过程; 最后,对对话管理领域的深入研究进行了分析与展望。     

基于特征语谱图和自适应聚类SOM的快速说话人识别

为获得说话人发音特征,基于仿生思想,提出一种基于语谱图统计的方法,通过对说话人短时语谱图的线性叠加获得可表征说话人稳定发音特征的特征语谱图。为解决资源受限的设备中说话人识别系统网络训练速度慢、识别效率低的问题,基于传统自组织映射(self-organizing feature map,SOM)神经网络提出了一种自适应聚类SOM (adaptive clustering-SOM,ACSOM)算法,随着待识别说话人数的增加,自动调节增加竞争层神经元个数,直至聚类数达到说话人个数。采用该AC-SOM模型对100人的自建特征语谱图样本库进行聚类识别,最大训练时间只需304 s,最大单张识别时间小于28 ms;在识别人数相同时,相对于所对比的其他识别方法,该方法大大提升了网络训练速度和识别速度,满足了边缘智能(edge intelligence)系统中对数据处理与执行的实时性的要求。     

卷积神经网络在MRl图像诊断中的应用

基于卷积神经网络对颅内组织器官疾病诊断提出了创新思路.选取帕金森病患者图像通过灰度映射、直方图均衡化、改进的小波去噪、图像增强等预处理,以VGG-Net网络模型为基础设计并搭建卷积神经网络,采取正则化策略避免过拟合问题,用患者MRI图像集对网络模型进行5次十折交叉验证,同时通过反卷积网络实现特征可视化,挖掘疾病潜在特征.实验结果和客观评价表明,本文搭建的网络可根据患者MRI图像实现良好的辅助诊断.