考虑地层变异性的新建隧道下穿引起既有盾构隧道纵向变形的随机分析方法

沿盾构隧道纵向的地层变异不可避免,现有对于新建隧道引起既有盾构隧道纵向变形计算的解析模型大多将隧道下卧土体视为均质地基,忽略了地层变异性。本文针对新建隧道施工引发的既有盾构隧道纵向变形问题,构建考虑地层变异性的盾构隧道纵向力学解析模型,基于随机场理论,结合蒙特卡罗模拟策略提出隧道下穿引起既有盾构隧道纵向变形的随机分析方法。依托1个工程案例,基于所建立的盾构隧道纵向变形随机分析方法,开展新建隧道下穿施工影响下既有盾构隧道纵向变形随机分析,并与实测结果进行对比。最后,分析地层刚度变异系数和水平波动距离对既有盾构隧道纵向变形的影响规律。研究结果表明:地层变异性对盾构隧道纵向变形的影响不可忽略;地层刚度变异系数对既有隧道纵向位移均值和离散程度影响较敏感,地层刚度变异系数对可靠度指标的影响较显著。

基于核磁共振谱图分段技术的流体性质识别方法研究

核磁共振录井近些年应用效果显著,可实现对现场岩石物性的快速分析,评价孔隙结构,定量分析含油气饱和度、可动流体饱和度、束缚流体饱和度等重要参数,但在流体性质识别方面,由于受T2截止值,以及可动流体、束缚流体饱和度及孔径分布等重要参数计算误差的影响,制约了核磁共振录井技术的进一步发展。通过引入核磁共振谱图分段技术(按照横向弛豫时间分段)对核磁谱图进行处理,依据重构的信号重新计算求取含油饱和度,并优选1~10 ms段含油饱和度与孔隙度建立二维解释图板,后期资料应用取得了较好的应用效果,解释符合率由75.6%提高到81.6%,提高了核磁共振录井解释评价精度,可满足现场快速识别流体性质的需要。

二次屏柜运行工况智能监测维护系统的研究

提出了电力系统中二次屏柜运行工况智能监测维护系统,其既可对二次设备进行集中的除尘清理,又可在日常巡维工作中实时监测机箱运行环境,及时辨别出运维工况差、积尘严重、运行工况恶劣的二次设备。该系统的研究和应用,有助于提升二次屏柜运维效率和智能化水平,延长易损器件的使用寿命,减少因积尘导致的二次屏柜异常缺陷的发生,提高二次设备的安全稳定性。

深层煤岩气二氧化碳泡沫压裂压后评价方法

为了评价CO_(2)泡沫压裂对深层煤岩气的适用性及分析深层煤的压裂地质特征,文章以鄂尔多斯盆地深层煤岩气水平井X1井的CO_(2)泡沫压裂作业为例,通过采用压裂停泵压降速率分析、G函数压降曲线分析及压裂注入沿程管路摩阻分析等压力诊断方法,评价了X1井的压裂地质特征、裂缝扩展特征及压裂液类型对压后效果的影响。研究结果表明:鄂尔多斯盆地的深部煤岩具有较好的渗透性;CO_(2)压泡沫压裂工艺能够满足鄂尔多斯盆地深层煤岩气水平井的压裂作业需要,增能助排优势突出,压后增产效果明显;与胍胶压裂液相比,CO_(2)泡沫压裂液改造后的停泵压降速率更快、渗透性更好;通过提高单簇进液强度、提高压裂的裂缝内压力能够改善地层的渗透性。此外,与砂岩相比,煤岩CO_(2)泡沫压后的CO_(2)喷势小、气体浓度低,见到了CO_(2)在地层中被吸附的预期。本研究可为深层煤岩气的压裂工艺优选及压裂参数优化提供经验及建议。

基于目标检测的VOC泄漏区域识别技术研究

为了解决红外气体成像仪在挥发性有机化合物(VOC)泄漏识别中存在的误识别率高、漏检率高、算法执行效率低以及模型泛化能力差等问题,提出了一种基于运动特征增强的VOC泄漏区识别方法。采用视频序列投影变化率统计的方法确定视频稳定性判定阈值,提取稳定状态下运动背景和运动前景;采用优化线性拉伸的方法对运动前景进行特征增强和异常值过滤;将运动前景与原始帧进行图像融合,并利用目标检测算法进行VOC泄漏区域识别;通过模型预训练和迁移学习的方法,以烟雾数据集和少量VOC泄漏数据集进行了识别模型训练,并将模型迁移至RK3588S嵌入式开发板上进行了执行效率测试。结果表明,该算法在交并比为0.5的情况下,平均精度均值为0.88;交并比在0.5~0.95范围内,平均精度均值为0.51,单帧平均识别时间为49 ms,具有较高的识别精度和识别效率,能够满足实时监测需求。本文中的算法能够保持稳定的模型性能且具有一定的抗干扰能力,为VOC泄漏识别提供了一定的参考。

消声室传声路径校准中传声路径位置偏差的影响因素研究

消声室声学测量作为衡量产品声学特性的重要手段,其性能直接影响相关声学试验准确度。测量过程的准确性不仅受理论计算限制,还受实际测量过程影响。由于传声装置和钢丝绳的自重,传声路径从理想直线变形为曲线,进而影响声学性能测量的精确性。因此,对于消声室传声路径的校准工作尤为重要。利用有限元仿真重点研究绳长、松紧度和倾角对传声路径的影响,通过相应实验验证仿真模型的准确性,并通过横向对比参数,研究不同参数对于传声路径的具体影响。针对参数对传声路径偏差的研究,从多角度为传声路径误差校准提供了思路,有助于提高消声室测量装置的精度,在一定程度上促进消声室高精度全自动校准系统的发展。

一种基于自注意力机制的自动人脸替换方法

针对DeepFakes人脸替换方法生成人脸图像分辨率低、质量差等问题,提出一种基于自注意力机制的生成对抗网络的自动人脸替换方法,生成对抗网络主体采用类似U型自编码对称结构减少特征信息的损失,引进自注意力机制能够更好地学习图像的纹理特征,提高生成图像的重建质量,应用卡尔曼滤波器平滑处理每一帧上的边界框位置,降低人脸抖动。在FaceForensics++数据集上与DeepFakes替换方法进行对比实验,定性和定量的实验结果证明了该方法能够较好地提升生成图像质量,减少脸部抖动。

基于CatBoost-NSGA-Ⅲ的盾构隧道施工参数分析及优化控制

由于盾构在施工过程中受环境、设备和作业等不确定因素的影响,导致隧道开挖的安全性、效率和成本难以协调。针对这种情况,以武汉轨道交通某标段施工为依托,采用基于梯度增强(CatBoost)和非支配排序遗传算法(NSGA-Ⅲ)的混合算法,在全面考虑掘进效率、成本、安全风险等因素的基础上,选择以推进速度、掘进比能、刀具磨损量为目标,构建施工参数智能控制决策系统。首先,通过CatBoost回归模型预测盾构隧道推进速度、掘进比能和刀具磨损量,得到控制目标的适应度函数;然后,基于CatBoost预测模型构建的适应度函数,利用CatBoost-NSGA-Ⅲ进行施工参数的多目标优化;最后,通过模糊决策法从多个Pareto最优解集中选出最佳的施工参数组合,为隧道盾构掘进参数智能预测与优化提供参考。结果表明:1)Catboost可以进行模型精准预测,拟合优度R2大于0.9,均方根误差RMSE和平均绝对误差MAE较小;2)Catboost-NSGA-Ⅲ多目标优化,模糊决策法确定最优方案。经过优化,相较于实测数据的平均值,掘进比能和刀具磨损量分别降低5.3%和13.5%、掘进速度提升6.3%,为盾构隧道的智能化掘进控制和管理决策提供依据。

基于多尺度自适应注意力的图像超分辨率网络

针对大多数图像超分辨率重建方法利用单尺度卷积进行特征提取,导致特征提取不充分的问题,提出基于多尺度自适应注意力的图像超分辨率网络。为充分利用各个层次特征中的上下文信息,设计了多尺度特征融合块,其基本单元由自适应双尺度块、多路径渐进式交互块和自适应双维度注意力依次串联组成。首先,自适应双尺度块自主融合两个尺度的特征,获得了更丰富的上下文特征;其次,多路径渐进式交互块以渐进的方式交互自适应双尺度块的输出特征,提高了上下文特征之间的关联性;最后,自适应双维度注意力自主选择不同维度注意力细化输出特征后,提高了输出特征的鉴别力。实验结果表明,在Set5,Set14,BSD100和Urban100测试集上,本文方法在PSNR和SSIM定量指标上相比于其他主流方法相均有提升,尤其对于纹理细节难以恢复的Urban100测试集,本文方法在比例因子为×4时,相较于现有最优方法SwinIR,PSNR和SSIM指标分别提升了0.05 dB和0.0045;在视觉效果方面,本文的重建图像具有更多的纹理细节。

黏土-金属界面剪切黏附特性试验研究

为解决高黏性地层盾构刀盘结泥饼而导致盾构掘进不畅的问题,针对高岭土、蒙脱土和伊利土3种典型黏土,采用多功能联合扭转剪切试验仪,通过不固结不排水剪切黏附试验系统性探究稠度指数、法向应力、黏粒含量、旋转速率等因素对土壤-金属界面剪切黏附特性的影响规律,分析3种黏土界面黏附特性的差异性。同时建立高岭土剪切黏附强度与显著影响因素的回归模型,并通过预测值与实测值对比验证回归方程的准确性。进一步采用正交试验探究稠度指数、法向应力、黏粒含量、旋转速率和圆盘材料对高岭土剪切黏附强度的影响规律及其显著性水平。研究结果表明:随着稠度指数的减小,高岭土、蒙脱土、伊利土剪切黏附强度均呈“钟型曲线”变化,即先增大再减小,最后趋于稳定;当稠度指数为1.2时,剪切黏附强度达到峰值;稠度指数减小到0.6时,剪切黏附强度稳定在10 kPa左右;在3种典型黏土中,蒙脱土黏附潜能最大,法向应力为300 kPa时,蒙脱土剪切黏附峰值强度分别是高岭土和伊利土的2.2和2.8倍。剪切黏附强度与法向应力和旋转速率近似呈线性正相关,且法向应力和旋转速率对蒙脱土剪切黏附强度的影响最为显著;剪切黏附强度可近似认为由剪切破裂面上的黏聚力和摩擦阻力组成,高黏粒含量土体的剪切黏附强度主要来源于黏聚力,摩擦阻力贡献较小,但摩擦阻力贡献占比随法向应力的增大而提高;随着土体中黏粒含量降低,剪切黏附强度构成中摩擦阻力逐渐占据主导作用。这些因素影响显著性排序从大到小依次为稠度指数、法向应力、黏粒含量、旋转速率、圆盘材料。研究结果可为进一步优化高黏性地层盾构刀盘泥饼防治措施提供参考。

基于归一化控制器的光伏图像无监督域适应缺陷检测

为解决在太阳电池数据集域偏移问题,提出一种针对动态开放场景下光伏缺陷检测的数据归一化控制器(DNC),以提高网络的域适应能力。在测试阶段,该文的DNC方法通过修改模型参数,根据小批次样本数据(0.5%)来实现领域统计纠正。DNC可将目标域产生域偏移的数据映射到与源域数据相同的分布空间,而无需提前标注数据或访问目标域的全部数据。实验结果表明,DNC能显著提高目标检测模型对域偏移数据的适应能力。仅使用少量未标记的目标域数据(少于0.5%)就可在分布外数据上获得显著的性能提升,同时不会降低模型的预测速度(FPS)。

一种基于深度学习的新型针灸针自动计数的云服务系统:提高针灸安全性的策略

目的病人针灸治疗时,漏针可能造成严重后果。为增强针灸安全性,本研究将开发一个基于深度学习的自动云端数针系统。方法本研究利用拍有针灸针的手机图片为曾预先训练的定向目标检测模型(Oriented R-CNN)进行转移学习,以开发一种能够自动计算图片中针灸针数量的目标检测算法。我们首先拍摄了一个包含590张图片的训练集以及一个包含1025张图片的验证集。随后在带有NVIDIA Tesla T4图形处理器(GPU)的Google Colab环境中部署了MMRotate工具箱为模型进行训练。我们将训练的模型与Telegram bot手机小程序界面集成,并评估模型的准确率、精确率和召回率。本小程序中云端数针系统的速度则以端到端处理时间计算。结果在每张图片20根针的验证集情景中,我们的定向检测模型在准确率、精确率和召回率上分别达到96.49%、99.98%和99.84%,平均端到端处理时间为1.535秒。结论这项云服务系统在速度、准确性和可靠性上的提升展示了深度学习物体检测技术改进针灸实践的潜力。

基于数字频谱余晖图的特定辐射源识别

在电子战、无线网络安全等军事和民用领域中,特定辐射源识别(SEI)具有极高的应用价值。传统方法以人工提取特征为主,依赖先验知识泛化性差;深度学习方法多以含有二维信息的图像为输入,易遗漏关键信息。针对以上问题,提出了以数字频谱余晖图作为深度学习模型输入的解决手段,从而实现了SEI任务。首先,搭建辐射源信号探测及数据采集系统,获取Wi-Fi辐射源信号的数字频谱余晖图,建立首个基于数字频谱余晖图的SEI数据集;其次,利用该图包含信息更丰富的特点,将信号识别问题转化为目标检测问题;最后,在Wi-Fi辐射源识别数据集(WFEID)上进行了实验验证。实验结果表明,YOLOv5s在WFEID上P、R、F1和mAP等指标均能达到87.5%以上,从而证明了以数字频谱余晖图作为深度学习模型的输入在SEI任务中是有效的。

柔直换流站柔性直流换流阀控制保护屏出口回路异常情况分析

通过对柔直换流站极2低端阀组站系统调试期间,极2低端A套阀控制保护带电跳闸试验时断路器操作箱三相出口不一致情况进行分析,对极2低端阀控跳闸出口逻辑、组控跳闸出口逻辑及断路器操作箱回路进行梳理,总结出阀控系统跳闸出口时,组控系统手跳与远跳命令同时下发,STJ继电器与TJR继电器由于动作时序不一致,导致断路器操作箱出口跳闸信号灯三相不一致。通过对该回路进行改进,取消了阀控系统跳闸启动组控系统手跳回路的逻辑,通过逻辑优化确保现场调试及后期运维工作安全有序开展。该策略可在柔直换流站阀控、组控逻辑配置中推广使用。

化学计量学方法在元素录井地质导向中的研究与应用

针对通过元素录井对岩性进行识别过程中存在的解释方法相对单一、精准度较差,尤其在地质导向中易出错等问题,利用化学计量学方法建立了一套元素录井水平井导向方法,通过计算机,利用数学方法对水平井目标层、上部围岩层、下部围岩层之间的不同岩性进行差异特征分析,从复杂的元素测量数据出发,利用主成分分析、夹角余弦相似度分析等算法进行分析并形成可视化二维图板,根据分析结果给出轨迹调整方案,指导钻头在目标层中水平钻进。该方法在鄂尔多斯盆地多口重点水平井进行了实际应用,均取得了较好的应用效果,提高了水平井油层钻遇率,也为水平井整体研究提供了十分有用的信息。

基于特征过滤与特征解耦的域泛化模型

针对跨场景情况下图像亮度不一致导致的深度缺陷检测模型泛化性能差的问题,提出基于特征过滤与特征解耦的域泛化(FF-FDDG)模型.模型包含设计的亮度过滤-残差模块(LFR),该模块通过实例归一化过滤亮度变化特征,并从被过滤的特征中提取缺陷高相关性且亮度低关联性的特征,并将这些特征与实例级归一化后的特征进行融合,以增强模型在跨场景图像亮度变换情况下的泛化能力.提出对比白化损失(CWL)函数,该函数通过解耦特征中亮度变换特征和缺陷纹理特征,引导模型学习缺陷纹理特征,以提升模型泛化能力.在从光伏电池制造环境中收集的跨场景光伏电池表面缺陷数据上进行实验,结果表明,相较于现阶段最先进的域泛化模型,所提出的FF-FDDG在跨场景情况下的平均检测精度(mAP)均值提升5.01%.

基于双维度注意力集成对抗网络的太阳能电池缺陷图像生成

针对太阳能电池缺陷图像稀缺问题,为了对太阳能电池缺陷检测模型进行训练,提出一种双维度注意力集成对抗网络的缺陷图像生成方法.首先构造双生成器与双判别器的集成对抗网络模型;然后将通道注意力与改进的空间注意力结合为双维度注意力,并将其融入生成器与判别器中;最后设计双生成器分时训练的方式解决模型训练不稳定的问题.在太阳能电池电致发光(EL)缺陷数据集上的实验结果表明,5种生成缺陷图像中的图像多样性指标和结构相似性指标比现有最优生成方法最高分别提升53.87和0.46;利用生成的缺陷图像进行yolov5检测模型的训练,5种缺陷的平均精度均值达到96.56%.

融合多尺度特征与注意力的太阳能电池表面缺陷检测

为提高对太阳能电池电致发光(EL)成像各类表面缺陷的检测精度并降低漏检率,提出融合多尺度特征与注意力机制的太阳能电池表面缺陷检测算法CMFAnet。首先,针对太阳能电池表面缺陷尺度跨度大的特点,设计了增强型多尺度特征融合方法,其基本单元由特征对齐模块和特征融合模块串联组成,对于不同语义级别的特征信息,特征对齐模块通过调整它们的尺度,使这些特征更容易融合在一起;其次,针对太阳能电池表面缺陷特征与背景特征相似程度高、几何形状多变的特点,设计了可形变幽灵卷积模块,其基本单元由可形变卷积、多路坐标注意力机制和幽灵卷积(Ghost conv)组成,多路坐标注意力机制优化了可形变卷积中offset的生成,幽灵卷积机制的引入则有效降低了网络模型的计算复杂度。实验结果表明,在光伏电池缺陷异常检测数据集PVEL-AD上,本文方法的平均检测精度(mAP)达91.4%,相较其他主流目标检测网络均有不同程度的提升。

基于IDOU-YOLO的红外图像无人机目标检测算法

低空小型无人机(unmanned aerial vehicle,UAV)侵扰敏感区域事件频发,使国家和社会面临严重安全威胁。针对基于热成像的无人机目标检测存在漏检率高、检测精度不足的问题,提出了IDOU-YOLO(infrared detection of UAV-YOLO)算法模型,通过构建多尺度融合特征金字塔机制,充分挖掘特征空间信息,聚焦尺度的信息融合及丰富模型的信息表征能力,增强目标检测能力;同时引入了边界框损失函数SIoU(Scylla IoU),在训练过程中提高模型的检测精度,加快模型的收敛速度。实验结果显示IDOU-YOLO模型的精确率、召回率、F_(1)分数、mAP@0.5和mAP@0.5:0.95分别达到99.2%、96.3%、97.7%、98.4%和70.2%,表明IDOU-YOLO算法模型在红外无人机目标检测任务中具有显著优势和应用潜力。

“两性一度”的“自动控制原理”实验课程改革探索

根据“两性一度”的金课标准,以工程教育专业认证为背景,以课程教学目标为指导,“自动控制原理”实验课程采用“实验箱+仿真实验+创新控制实验”迭代升级的实践教学和多元化综合考核的实验教学模式,实践表明,实验课程改革不仅促进了学生对自动控制原理基本知识的系统性学习和掌握,而且进一步提高了学生分析问题、解决问题、创新研究的综合能力,实现了“知识传授、能力培养、价值塑造”三位一体育人理念。