-
题名海洋管线涡激振动流体力数据查询研究
- 1
-
-
作者
田中旭
汪俊
程敏杰
陈俊豪
王嘉松
阮宏洋
-
机构
上海海洋大学工程学院
华东理工大学机械与动力工程学院
上海交通大学船舶海洋与建筑工程学院
-
出处
《机械设计》
CSCD
北大核心
2019年第7期42-45,共4页
-
基金
上海海洋大学博士启动基金资助项目(A2-0203-00-100330)
-
文摘
在进行管线涡激振动快速预测程序或软件开发时,流体力查询匹配问题尤为关键。计算流体力数据的获取需要经过试验或CFD计算,过程十分繁琐和耗时,导致流体力数据的分布难以做到规则和全面。为此文中针对流体力杂乱特点,研究了流体力数据查询插值算法和程序,为海洋管线涡激振动预测软件提供基础。论文实现了反距离加权法的邻域插值算法和三角形插值算法,以及补全数据后的规则数据下的双线性插值算法,并通过算例对各种算法进行了评估,为海洋立管涡激振动快速预测软件开发提供基础。
-
关键词
涡激振动
邻域插值
三角形插值
双线性插值
流体力
-
Keywords
vortex-induced vibration
neighborhood interpolation
triangular interpolation
bilinear interpolation
fluid force
-
分类号
O35
[理学—流体力学]
-
-
题名C-3D可变形卷积神经网络模型的肺结节检测
被引量:6
- 2
-
-
作者
阮宏洋
陈志澜
程英升
杨凯
-
机构
上海海洋大学工程学院
上海建桥学院机电学院
上海市第六人民医院东院放射介入科
-
出处
《激光与光电子学进展》
CSCD
北大核心
2020年第4期144-154,共11页
-
基金
上海市教委“工业机器人应用学位点建设与研究”项目(230001-17-13)。
-
文摘
在C-3D卷积神经网络模型基础上,提出了一种三维可变形卷积神经网络以实现肺结节的检测。在模型的主体结构上,采用了三维可变形卷积和三维可变形池化的操作,解决了传统的方块卷积与池化在应对不规则的肺结节时,无法高效率地收集到肺结节像素点的问题。在模型的输入上,通过调整三维卷积神经网络的输入,实现了卷积神经网络对样本图片的32×32×32像素逐步扫描和识别,在扫描识别的同时进行定位,解决了肺结节定位问题。在模型的输出上,借鉴了全卷积神经网络的思想,将C-3D网络的第一层全连接层改为卷积层,解决训练时内存会溢出的问题。在模型参数上,提出了三种不同学习率和三种优化函数进行精确的实验对比,绘制了不同学习率和优化函数的参数对比图,根据实验结果找到最优的卷积神经网络模型学习率和优化函数参数。对实验结果的分析表明,该方法在受试者工作曲线下面积、分类准确率、召回率、F1值均取得了显著的提高。
-
关键词
图像处理
可变形卷积神经网络
肺结节
池化层
-
Keywords
image processing
deformable convolutional neural network
pulmonary nodules
pooling layer
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-