基于Matlab/Simulink的转速控制系统设计与应用

风力发电机组由于受到风切变的影响会产生各种冲击,造成行星齿轮的破损和风电设备的各种故障。针对不同转速下风力发电机行星齿轮故障信号及振动运行情况开展实验教学与研究,利用实验室现有风电齿轮箱试验台,基于Matlab/Simulink设计、开发一套转速控制模块。通过该模块可有效控制及模拟风电发电机组的启、停及波动情况下运行状态;利用采集到不同运行状态下行星齿轮断齿运行情况,通过后续数据分析对比验证了设备的可靠性,为今后开展行星齿轮各种运行状态下的实验教学及科研提供了实验平台。

区域旅游产业集聚对旅游经济韧性的影响及其空间效应研究——以长江经济带为例

科学洞悉区域旅游集聚对旅游经济韧性的影响及其空间效应,对提升区域旅游经济韧性和实现旅游经济高质量发展意义重大。文章构建区域旅游产业集聚影响旅游经济韧性的机理框架,以长江经济带11省市为案例地,采用区位熵和熵值法得到长江经济带旅游产业集聚度和旅游经济韧性水平,借助面板空间杜宾模型揭示出区域旅游产业集聚对旅游经济韧性的影响及其空间效应。结果表明:(1)研究期内,长江经济带旅游经济韧性水平整体呈上升趋势,且东部地区大于中西部地区,但存在明显的省际差异。长江经济带东部地区旅游经济韧性水平大于中西部,而中西部地区的旅游经济韧性水平增长率大于东部。(2)长江经济带省市旅游产业集聚水平整体上升,受旅游业在当地经济中的地位影响,呈现出西部高于中部,高于东部的格局。(3)区域旅游产业集聚对旅游经济韧性产生明显的正向空间效应,即区域旅游产业集聚不仅可以提升本省旅游经济韧性水平,并且可以产生显著的空间溢出效应来提升省周边区域的旅游经济韧性水平。

基于改进的YOLOv5安全帽佩戴检测算法

针对安全帽佩戴检测中存在的误检和漏检的问题,提出一种基于YOLOv5模型改进的安全帽佩戴检测算法。改进模型引入多尺度加权特征融合网络,即在YOLOv5的网络结构中增加一个浅层检测尺度,并引入特征权重进行加权融合,构成新的四尺检测结构,有效地提升图像浅层特征的提取及融合能力;在YOLOv5的Neck网络的BottleneckCSP结构中加入SENet模块,使模型更多地关注目标信息忽略背景信息;针对大分辨率的图像,添加图像切割层,避免多倍下采样造成的小目标特征信息大量丢失。对YOLOv5模型进行改进之后,通过自制的安全帽数据集进行训练检测,mAP和召回率分别达到97.06%、92.54%,与YOLOv5相比较分别提升了4.74%和4.31%。实验结果表明:改进的YOLOv5算法可有效提升安全帽佩戴的检测性能,能够准确识别施工人员的安全帽佩戴情况,从而大大降低施工现场的安全风险。

构建支持大模型训练的计算机系统需要考虑的4个问题

支持大模型训练的计算机系统有3种类型,其中基于国产AI芯片系统的生态系统不是很好,要想改变这个局面,需要做好AI编译器、并行加速等10个关键软件;基于超级计算机的系统需要做好软硬件协同设计,从而更好地服务于大模型训练。针对如何搭建大模型的基础设施,提出4点平衡设计,以确保系统的性能、可靠性和可扩展性。

基于Aspen HYSYS的LNG接收站全流程模拟

以某LNG接收站为仿真对象,使用Aspen HYSYS流程模拟软件,选取PRSV方程作为物性计算方程,建立了接收站稳态模型。根据各个设备的运行参数,对接收站进行全流程模拟,得到了各物流、设备能耗等详细参数,并利用此模型分析了外输流量、温度和压力变化时对接收站各流程性能参数的影响。实验结果表明:该流程模拟可以完全满足各种复杂工况变化与调整的模拟仿真需求。

一种基于SAM-MSFF网络的低照度目标检测方法

由于低照度图像具有对比度低、细节丢失严重、噪声大等缺点,现有的目标检测算法对低照度图像的检测效果不理想.为此,本文提出一种结合空间感知注意力机制和多尺度特征融合(Spatial-aware Attention Mechanism and Multi-Scale Feature Fusion,SAM-MSFF)的低照度目标检测方法 .该方法首先通过多尺度交互内存金字塔融合多尺度特征,增强低照度图像特征中的有效信息,并设置内存向量存储样本的特征,捕获样本之间的潜在关联性;然后,引入空间感知注意力机制获取特征在空间域的长距离上下文信息和局部信息,从而增强低照度图像中的目标特征,抑制背景信息和噪声的干扰;最后,利用多感受野增强模块扩张特征的感受野,对具有不同感受野的特征进行分组重加权计算,使检测网络根据输入的多尺度信息自适应地调整感受野的大小.在ExDark数据集上进行实验,本文方法的平均精度(mean Average Precision,mAP)达到77.04%,比现有的主流目标检测方法提高2.6%~14.34%.

利用HiFi读数和k-mer分布特征的序列组装方法

序列组装是利用测序技术得到的读数(read/序列片段)恢复完整基因组序列的方法.当前,第三代测序技术,如单分子实时(SMRT)测序技术和牛津纳米孔技术(ONT),能够产生长度超过10kbp的读数,从而可以解决序列组装中的重复区问题.但是,其测序错误率高达10~15%,使获得完整和准确的基因组序列仍然是一项具有挑战性的工作.最近出现的PacBio HiFi测序技术可以产生长度长(> 10kbp)并且准确性高(> 99.9%)的读数,促进了序列组装领域的研究发展.但是,如何充分利用HiFi读数的优势,开发设计高效的序列组装方法是当前的研究热点.alphaHiASM是一种新的基于HiFi读数和k-mer分布特征的序列组装方法,该方法首先针对HiFi读数长度长和准确性高的优势,设计了一种基于k-mer分布特征的HiFi读数重叠区检测策略.然后,根据上一步检测到的HiFi读数之间的重叠区,以HiFi读数为节点,构建读数重叠图,并提出一种可以衡量重叠区可信程度的边权重计算方法.接着,在该读数重叠图中,抽取路径,形成初始组装结果.最后对初始组装结果进行优化纠错,形成最终结果.该方法在4组不同的真实数据集上和当前流行的组装方法Flye,HiCanu和miniasm进行了性能比较.实验结果表明,alphaHiASM在组装完整性和正确性具有一定的优势.

面向边缘智能的神经网络模型生成与部署研究

随着移动计算、第五代移动通信技术(5G)以及物联网(IoT)技术的不断演进,各类终端设备的数量呈现指数级增长。这种激增的终端设备连接到网络产生了巨大的数据流,对于需要实时处理和快速响应用户任务的需求提出了新的挑战。尤其是在这些海量数据中,半结构化和非结构化数据所占比例较大,这使得神经网络因其独特的优势而得到了广泛应用。为了提高数据处理能力和推理精度,神经网络模型会被设计得非常复杂,其存储和运行均需要消耗大量的计算资源。然而,边缘设备通常只配置有限的计算资源,无法满足存储和运行复杂神经网络模型的需求,需要借助云计算中心来完成这些任务。这种云协同会引发响应延时和增加网络带宽消耗,并带来用户隐私数据泄露等潜在风险。为了解决这些问题,提出一种面向边缘智能的神经网络模型快速生成与自动化部署(NGD)方法,根据边缘设备的硬件配置和承载的具体计算任务需求,生成与其匹配的神经网络模型,并将其快速部署在目标设备上,实现设备本地推理。在3种典型的硬件平台上的神经网络模型生成与部署实验结果表明,NGD方法能够高效地为资源受限的边缘设备生成匹配的神经网络模型,并快速地将其部署在设备上进行推理任务。

基于仿真与人工智能的自动化实训课程研究

针对石油化工背景下自动化专业实训类课程面临的难以现场实践、操作,实验设备不足、难以维护、成本高、安全性差以及基于仿真技术的课程强调基本操作,难以培养综合能力、创新能力等问题展开研究。充分利用虚拟仿真技术与人工智能技术,以能力培养为目标,提出了石油化工自动化专业的实训课程层级模型与多维度评价体系,并加入了基于危险剧情的教学方法,充分调动学生的主观能动性,激发创新能力,培养科学决策能力,复杂工程问题解决能力。以《化工过程与控制仿真实习》课程为案例,构建实现了完整的仿真教学环境,为进一步提升教学质量,培养学生的创新能力、工程实践能力,提供了良好的解决思路与方案。

嵌于CAD系统的有限元建模方法及其应用

研究目的:当下,多数有限元分析应用的建模功能较为薄弱,导致复杂结构体系的有限元分析既琐碎又麻烦。另一方面,虽然计算机辅助设计(CAD)应用在建模方面十分强大,由CAD应用建立的模型通常无法用作有限元分析。为此,本文提出一种嵌于CAD系统的有限元建模方法,为说明其有效性及实用性,进一步研发了一款名为DirectMesh的Rhinoceros插件并将其应用于武汉站有限元分析中。研究结论:(1)利用CAD系统所提供的交互性环境及各种建模工具可大幅提高有限元建模的效率;(2)本文所提独立网格生成单元可生成代表单个对象的网格;(3)本文所提综合网格生成单元可生成含多个对象的综合网格系统;(4)本文所提有限元模型生成器可通过网格有效生成复杂结构系统的有限元模型;(5)本文所提方法可大幅提高有限元建模的易用性及效率,有助于提高机械工程、土木工程及岩土工程中仿真模拟工作的智能化程度。

聚落“双修”视角下少数民族传统村落旅游空间再生产研究——以坪坦村为例

传统村落是中国传统文化的重要载体,承载着丰富的文化遗产和自然资源。在当前新农村建设和乡村旅游快速发展的背景下,传统村落逐渐面临文化生态系统失衡等困境。为了探究传统村落旅游空间再生产的机制问题,基于聚落“双修”视角,结合旅游空间生产理论,采用文本分析、参与式观察等方法,以湖南省坪坦村为例进行再生产实证分析。研究发现:(1)对旅游空间生产和聚落“双修”进行了理论结合,两者虽具有现实导向的局部冲突性,但因二者具有多元耦合性,聚落双修可为实现旅游空间再生产提供更为动态和整体性的理论指导。(2)对坪坦村进行了聚落“双修”视角下旅游三元空间建构,从物质景观、文化符号和生活体验三方面给予空间分析并归纳现状发展问题。(3)结合聚落“双修”和旅游空间生产理论,对坪坦村提出了文化导向、肌理重塑等修复与修补路径。以期对传统村落旅游空间生产模式提供借鉴和指导,实现传统村落旅游物质、非物质空间的重塑发展。

数字孪生水利工程建设动态智能监测系统研发与应用

依托大型水利枢纽工程建设,结合项目进度、质量、安全等管理要求,提出数字孪生水利工程动态智能监测系统研发思路。通过研究水下定位和水陆一体化定位,建立水下机器人与无人机智能巡检的统一定位体系;研究海量影像数据存储管理,研究图像识别和机器学习技术自动找出异常点,从而实现施工现场的智慧监控等关键技术。建成集空、天、地、水一体化的监控系统,对各项感知信息进行融合集成和综合利用,对不同时期的数据进行比较分析;建立大数据平台,为大型水利工程设计、工程移民、水土保持、施工安全与质量管理、工程形象展示、水下建筑物安全监测等方面的数字孪生水利工程建设和动态监测提供技术支持,实现大型水利枢纽工程建设过程的智能巡检、智能监测和科学监管。

叉车液压缸性能测试实验平台设计

液压缸对叉车工作安全性和可靠性有重要的影响,需要出厂前对其进行各种性能实验。针对实际需求,使用工业现场总线、可编程控制器、组态软件等技术设计了叉车液压缸性能测试实验台,并且从液压系统原理、电气控制系统、程序设计、人机监控界面等方面详细地阐述了该系统。实验平台测试项目齐全,可完成压力30MPa以下、叉车用1-100kN倾斜油缸、转向油缸的试跑合、外泄漏及耐压、启动压力、全行程、内泄漏测试。实践证明,该系统自动化程度高,提高了叉车液压缸的检测水平,不仅运行稳定,安全可靠,能够确保设备连续运行,还大大降低了工人的劳动强度,提高了劳动生产率,从而有效、有序地进行叉车液压缸批量地性能检测,为企业取得了较好的经济和社会效益。

基于主题词向量中心点的K-means文本聚类算法

K-means由于其时间复杂度低运行速度快一直是最为流行的聚类算法之一,但是该算法在进行聚类时需要预先给出聚类个数和初始类中心点,其选取得合适与否会直接影响最终聚类效果。该文对初始类中心和迭代类中心的选取进行大量研究,根据决策图进行初始类中心的选择,利用每个类簇的主题词向量替代均值作为迭代类中心。实验表明,该文的初始点选取方法能够准确地选取初始点,且利用主题词向量作为迭代类中心能够很好地避免噪声点和噪声特征的影响,很大程度上地提高了K-means算法的性能。

文本语义哈希技术研究进展

文本语义哈希是在满足语义相似性约束下将文本转化为低维二值数据的神经编码技术,支持基于汉明距离的高效检索,以解决有限计算资源约束下海量文本的相似性计算问题。文本语义哈希技术存在诸多挑战,包括如何在低维二值编码中融入类别信息、如何丰富编码的语义信息以提升模型鲁棒性、如何解决离散输出的模型梯度估计等关键问题。文章首先综述文本语义哈希任务的重要研究发展,详细讨论了无监督文本语义哈希模型和融合类别信息的有监督文本语义哈希模型的技术细节,分析基于近邻文本、隐式主题等信息的语义增强技术以及模型优化等关键技术;然后,综述文本语义哈希任务相关数据集和评估指标,对比了各类文本语义哈希技术的特点和性能;最后,讨论了文本语义哈希技术的未来发展方向。

井下行车管理系统设计

胶轮车在井下辅助运输领域的应用越来越广泛,但井下行车主要还是采用人工管理方式,存在效率较低、安全隐患较大等问题。为适应智慧矿山的发展趋势,提高井下胶轮车的行车效率和安全性,设计一套胶轮车运输管理系统,分析和研究井下运输的数学模型和典型的三叉巷道的行车管理策略,并对行车管理系统软件框架及主要子程序流程图进行设计。这套系统可实时监测井下行车状况并对车辆进行调配和管理,大大提高井下车辆行车管理的效率和智能化程度。

嵌入式系统环形缓冲区快速读写方法的设计与实现

针对常用环形缓冲区读写数据运行效率低的弊端,提出了一种快速读写环形缓冲区数据的方法。在读写缓冲区数据时,通过位与逻辑运算修改读写指针值,利用读写指针的差值作为缓冲区有效数据个数实现环形缓冲区状态判断。通过仿真测试实验和测试数据分析,这种快速读写环形缓冲区的方法可以显著提高系统运行效率。

基于自然标注的跨平台虚拟账号关联方法研究

随着大数据时代的到来,跨平台虚拟账号的关联成为网络监管领域亟待解决的问题。该文以微博、微信等用户文本数据为研究对象,通过对数据的抽样和人工标注,开展开放式社交平台中跨平台账号自然标注行为的量化分析,并由此提出基于用户自然标注的跨平台虚拟账号的关联方法。该方法针对自然标注特点,构建基于上下字词特征的虚拟账号识别的模型,并利用二分类的深度学习模型进行昵称和用户的同一认证,最终实现对跨平台虚拟账号的识别,识别准确率达到85%以上。

通过Glibc堆信息提取检测house of spirit类型攻击

目前有关堆的取证研究主要是针对Windows系统的堆和NT堆,然而怎样从转储文件中提取出Linux系统Glibc堆信息并没有得到充分的研究。为了重现Linux系统中Glibc堆的内部信息,采用内存对象vtype描述信息中字段偏移定位结合在内存中Glibc堆实现的方法提取Glibc堆内部信息。并基于此方法研发了基于Rekall框架的3个堆信息提取插件。还研究了house of spirit类型的堆攻击,建立了攻击模型并提取其攻击特征。基于提取的攻击特征设计出针对house of spirit攻击的检测算法。在堆信息提取插件的基础上研发了攻击检测插件。实验结果表明本方法可以有效地提取Linux系统进程中堆在内存中的信息,并且基于这些信息结合攻击检测算法成功检测内存中的house of spirit类型攻击。

通过交叉验证堆栈和VAD信息检测Windows代码注入

Windows 32/64位代码注入攻击是恶意软件常用的攻击技术,在内存取证领域,现存的代码注入攻击检测技术在验证完整性方面不能处理动态内容,并且在解析内存中数据结构方面无法兼容不同版本的Windows系统。因此提出了通过交叉验证进程堆栈和VAD信息定位注入代码方法,将基于遍历栈帧得到的函数返回地址、模块名等信息结合进程VAD结构来检测函数返回地址、匹配文件名以定位注入代码,并且研发了基于Volatility取证框架的Windows代码注入攻击检测插件codefind。测试结果表明,即使在VAD节点被恶意软件修改,方法仍能够有效定位Windows 32/64位注入代码攻击。