陆上风电装配式基础结构研究综述

陆上风电结构的基础通常采用现场浇筑混凝土的施工方式,效率低,污染大,质量难以保障,不利于风电产业的高质量发展。装配式风电基础结构采用了标准化设计、工厂化生产的建造方式,能大幅缩短风电场建设周期,有效保障基础质量,并减少对环境的污染,是风电转型升级和降本增效的重要举措之一。搜集、整理和归纳陆上风电装配式基础结构及研究现状,针对风电装配式基础结构的特点,总结了梁板基础、多足基础等6类主要的风电装配式基础结构形式,并对每种形式的特点、研究现状做了详细的分析,列举了部分国内外应用装配式基础的陆上风电场项目。结果表明:陆上风电装配式基础结构需要进一步完善设计依据,优化结构形式,形成全寿命设计理论与性能控制方法,以支撑风电结构高质量发展。

面向声呐图像水下目标分类的类脑SNN研究

声呐图像被广泛应用于复杂海况的水下救援和海底探测中,长时的人工搜索极易造成视觉疲劳而错失目标。无人潜航器可大幅降低搜索工作量和主观误差,但这取决于无人自主系统的能效和自动分类性能。卷积神经网络的训练和推理需要比较高的能耗,难以在无人潜航器的移动环境下部署和应用,而且声呐图像训练数据稀少和样本不平衡也增加了模型训练的难度。脉冲神经网络通过二进制离散的时序脉冲信号可以避免卷积神经网络中高昂的乘法计算代价,具有低能耗和高精度的特性。构建了可用于合成孔径声呐图像分类的浅层脉冲神经网络,设计了一种基于脉冲神经网络的小样本水下目标分类算法。采用基于风格迁移的模拟声呐图像生成方法和加权随机采样方法,缓解了声呐图像训练数据稀少和样本不平衡问题。实验表明,在声呐图像样本稀少和不平衡的情况下,算法的分类准确率高于ResNet50、VGG19和MobileNet V2等架构的卷积神经网络,达到91.11%。计算复杂度和能耗分析也表明,脉冲神经网络相比于卷积神经网络具有很大优势。脉冲神经网络是研究和实现类脑计算非常合适的模型,可满足无人水下航行器的移动计算需求,该研究对实现无人自主设备的智能应用具有先进的技术优势。

浅析高中数学“问题链”教学的实践研究

数学是一门逻辑性较强的学科,相比于初中阶段高中数学的难度增大,学生在学习的时候也会感觉到一定的困难性,因此部分学生对数学科目会产生不良的心态.如何解决这种状况呢? 教师可以从学生入手,结合实际设置一系列相关的问题链应用于高中数学科目中,通过利用这些循序渐进的数学问题链的教学方法,让学生改善心态,对高中数学有一个正确的认识与改观.