海杂波背景下基于四元数电磁矢量阵列DOA估计

针对复杂多变的海杂波常伴随待测信号混入雷达系统而严重干扰目标信号的波达角度估计的问题, 提出一种新的基于电磁矢量阵列的四元数模型, 通过分数低阶统计量特性抑制海杂波噪声的二维波达角度估计方法。首先推导出电磁矢量阵列的四元数导向矢量, 然后利用分数低阶概念得到四元数分数低阶协方差矩阵,最后根据奇异值分解MUSIC(Multiple Signal Classification)算法得到谱估计公式。仿真实验结果表明, 与标量阵列和非四元数电磁矢量阵列MUSIC 算法相比较, 该方法可较好地抑制海杂波噪声, 且能提高估计精度。     

基于卷积神经网络的入侵检测算法

作为深度学习的一种有效算法,深度卷积网络已成功应用在处理图像、视频和音频等领域.通过建立一卷积神经网络模型并应用于网络入侵检测,选取的卷积核与数据进行卷积操作提取特征的局部相关性从而提高特征提取的准确度.采集到的网络数据通过多层"卷积层-下采样层"的处理对网络中正常行为和异常行为的特征进行深度刻画,最后通过多层感知机进行正确分类.KDD 99数据集上的实验表明,文中提出的卷积神经网络模型与经典BP神经网络、SVM算法等相比,有效提高了入侵检测识别的分类准确性.      

基于深度学习的中文地名识别研究

基于深度学习的循环神经网络方法,面向中文字和词的特点,重新定义了地名标注的输入和输出,提出了汉字级别的循环网络标注模型.以词级别的循环神经网络方法为基准,本文提出的字级别模型在中文地名识别的准确率、召回率和F值均有明显提高,其中F值提高了2.88%.在包含罕见词时提高更为明显,F值提高了26.41%.      

川滇地区地壳结构的虚拟地表震源 反射测深法研究

基于中国地震局地质研究所在中国四川西部布设的流动地震观测台阵数据,用近年发展起来的虚拟地表震源反射测深方法研究川滇地区的地壳结构。结果表明,川滇地块、松潘-甘孜地块和杨子地块3个地块虚拟地表震源反射测深的莫霍面深度存在明显差异:1)四川盆地为40 km左右;2)川滇地块为45~50 km;3)松潘-甘孜地块为30~40 km。四川盆地虚拟地表震源反射测深的莫霍面深度与艾里重力均衡模型所预测的结果基本上一致,而川滇地块和松潘-甘孜地块虚拟地表震源反射测深的莫霍面深度明显小于前人得到的接收函数莫霍面深度和艾里重力均衡模型预测的结果。可能与四川盆地地壳结构简单,而川滇地块及松潘-甘孜地块地壳结构复杂有关。同时,结果显示,在鲜水河断裂和安宁河断裂处虚拟地表震源反射测深的莫霍面深度明显变浅,可能与这些深大断裂处地幔物质的上涌有关。研究结果可为认识青藏高原东南缘的构造变形模式提供新的约束。     

基于卷积神经网络的网络流量识别技术研究

近年来,深度包检测技术和基于统计特征的网络流量识别技术迅速发展,但它们分别存在不能识别加密流量和依赖人对特征主观选择的缺陷.文章提出了基于卷积神经网络的流量识别方法,将网络数据按照一定的规则转换为灰度图像进行识别,并根据TCP数据包的有序性和UDP数据包的无序性,对原始的网络数据进行了扩展,以进一步提高识别率.实验数据表明,该方法对应用程序和应用层协议两个层次的网络流量具有较高的检测率.     

超临界CO_2强化深层卤水开采的井群布设方法

超临界CO_2强化深层卤水开采可显著地提高卤水的开采效率,同时增强CO_2的封存安全也是一种实现卤水高效开发和减缓温室效应的双赢选择.本文通过数值模拟的方法对比研究了不同井群布设方法下超临界CO_2强化深层卤水开采的效果,得到的结论如下:无论是矩形井网法还是三角形井网法,超临界CO_2强化深层卤水开采的效果都是非常显著的.基于提出的4种布井方法,从卤水开采总量、卤水越流风险、CO_2注入总量、CO_2泄漏比和区域压力调控这几个方面对比分析:7B6C与9B4C相当、6B7C次之、4B9C效果略差,整体上集中式的三角形井网法略优于矩形井网法,但这两种布井方法没有明显的优势差别.因此,在实际的超临界CO_2强化卤水开采项目中,可根据现场地形和工程条件选择比较合适的布井方法.     

深水测试管柱-隔水管耦合涡激疲劳分析

在深水钻完井测试作业过程中,由于海流作用隔水管易发生涡激振动引起疲劳损伤,由隔水管涡激振动引起测试管柱疲劳损伤问题不容忽略。针对深水高压气井测试作业特点,考虑测试管柱和隔水管之间相互作用,建立测试管柱-隔水管耦合涡激振动模型,提出测试管柱-隔水管涡激疲劳分析方法。结合南海某深水高压气井,研究测试管柱-隔水管耦合系统涡激振动机理、疲劳损伤规律及影响因素。研究结果表明:测试管柱-隔水管耦合系统高流速下更易于发生多模态涡激振动,疲劳损伤沿水深方向呈现波动变化,顶部和下挠性接头附近疲劳损伤最为严重,其中测试管柱疲劳损伤约为0.2~0.25倍隔水管疲劳损伤,适当增大隔水管顶张力和测试管柱提升力可有效改善测试管柱-隔水管耦合系统涡激疲劳性能。     

输油管道泄漏检测技术综述

为进一步改善输油管道泄漏的检测方法, 概述了目前一些常用的输油管道泄漏检测方法, 如直接检测 法、 负压波检测法和基于神经网络的检测方法等。 分析了这些检测方法在应用时的优缺点。 然而, 随着对输油 管道泄漏检测要求的提高, 这些检测方法不能满足人们的要求, 仍需要进一步改善。 同时, 将深度学习引入了 输油管道的泄漏检测中。 深度学习是在神经网络基础上的进一步发展, 它在许多方面上的应用弥补了该应用 基于神经网络方法存在的不足。 其中, 深度学习已经在图像和语音识别应用中取得了成功。 这些情况为以后 将深度学习应用于输油管道的泄漏检测提供了部分理论支持。     

复杂海况下舰载机着舰的动力学研究

探究了舰载直升机着舰的动力学问题.首先提出了随机海浪信号的数学模型,利用舰艇的响应振幅算子(RAO),基于叠加原理分析出舰艇摇荡的运动规律,而后利用带有耗散能的拉格朗日方程建立着舰机身的动力学模型.通过结合经典的舰艇及舰载机的动力学模型,对舰载直升机着舰过程中的动力学特性进行模拟.最后通过运用Runge-Kutta法求解动力学方程得出了有效的数值解,并运用Matlab仿真软件对该动力学模型进行了验证.     

深度共熔溶剂分离提取玉米芯纤维素

为探索纤维素分离提取的新方法,采用以1,4丁二醇(BDO)和氯化胆碱(ChCl)为氢键供受体的深度共熔溶剂(DES),分离提取废弃生物质玉米芯中的纤维素。通过实验考察了常压下ChCl与BDO物质的量比、温度、时间、液固比对纤维物质得率和纤维素含量的影响,通过红外光谱(FT-IR)、热重分析(TG/DTG)、X射线衍射(XRD)、扫描电镜(SEM)等对原料和产品进行了表征分析。结果表明:当ChCl-BDO物质的量比为1∶3、温度为180℃、时间为4h、液固比为20∶1时,纤维物质的得率为44.6%,纤维素含量为77.8%,木质素的脱除率达到95%,半纤维素的脱除率为75%,纤维素基本不损失。FT-IR,TG/DTG,XRD,SEM分析表明,玉米芯经DES处理后,木质素、半纤维素被大量脱除,得到的纤维物质内部较松散,纤维素的结构基本未被破坏。DES在纤维素分离提取领域有着良好的应用前景。