PVA-钢纤维自密实混凝土早期干燥收缩研究

研究了钢纤维、PVA纤维、PVA-钢混杂纤维对自密实混凝土早期干燥收缩的影响。结果表明:纤维的掺入不会改变自密实混凝土干燥收缩的发展趋势;单掺钢纤维或PVA纤维均能抑制自密实混凝土的干燥收缩,其中,PVA纤维较钢纤维对自密实混凝土干燥收缩的抑制效果更好,但纤维体积掺量过高则会导致纤维的抑制效果减弱;PVA-钢混杂纤维对自密实混凝土干燥收缩的改善效果优于单一纤维,其中,0.3%体积掺量的钢纤维与0.06%体积掺量的PVA纤维混杂对自密实混凝土干燥收缩的改善效果相对最好,表现出显著的混杂效应。

一种基于自注意力机制的人脸图像补全算法

针对目前深度学习的方法在大面积信息缺失的人脸图像进行补全应用中,补全结果出现纹理细节模糊、结构变形扭曲等问题,提出一种基于自注意力机制的图像补全算法。该算法将待补全的图像输入基于跳跃连接的粗生成网络,得到初步修复;将初步结果输入自注意力感知分支和混合空洞卷积分支共同编码,再通过解码得到生成结果;由双判别器完成判别优化工作。通过人脸图像CelebA-HQ数据集进行实验与测试,所提方法的补全结果在客观和主观评价方面,优于deepfill和PLC两种算法。

基于偏正结构表示的加工命名实体识别方法

制造企业积累大量的零件加工经验多以文本形式存在,如何从文本中挖掘出高质量的零件加工知识是个尚待解决的问题。针对待识别实体存在的偏正结构特征,导致实体边界界定模糊的问题,提出一种多网络协调的中文命名实体识别方法。在BERT生成字向量的过程中,通过领域自适应方法,提高字向量对工艺实体的表征能力,同时,在BiLSTM-CRF模型中引入注意力机制和多门控制的混合专家网络捕获上下文特征与实体信息。实验表明,较于当前主流的命名实体识别模型,该文提出的方法对机械零件加工实体识别的F1值达到80.15%,取得优于其他模型的最好性能。

并列式双转子混合自励磁电机励磁源参数优化设计和磁场调节特性分析

针对永磁同步电机气隙磁场不可调以及传统电励磁电机的效率低等问题,提出了一种新型并列式双转子混合自励磁电机。首先,该电机利用谐波激励原理,通过调节谐波电压可灵活调整励磁电流,在中高速域更容易实现弱磁扩速。其次,保证功率不变的前提下,先分析两部分各占的比重,再分别对励磁源参数进行优化设计。最后,通过调节励磁电流的大小与方向且利用二维有限元模型对所提电机的性能进行验证。仿真结果证明:所提电机具有较好的调磁能力,在弱磁情况下,反电动势幅值接近于0,可以有效实现转速调节。

不同授粉方式对油用型牡丹结实性影响的研究

为提高油用牡丹产量,探索油用牡丹理想授粉方式,选择结实性良好、生长势强且自然花期相遇的常见油用型牡丹品种,开展自交、人工授粉、自然授粉等不同方式的授粉试验,调查其坐果率、结实率、种子千粒重等结实情况和蓇葖果单角大小、质量等果荚干物质性状。结果表明,油用型牡丹存在一定自花结实性,自交处理Ⅰ没有结实,处理Ⅱ3个品种结实,处理Ⅲ全部结实,其中‘凤丹白’结实最好,为每个果角0.54粒;将参试的牡丹品种进行4×4人工定向安全双列杂交,所有组合全部结实,平均坐果率高达92%,单果角结实率达到3.87粒,结实率最高的组合为‘凤丹白×景泰蓝’,单果角结实率达到6.96粒;田间自然授粉均有结实,‘凤丹白'结实率最高,3.19粒/个;‘景泰蓝’和‘凤丹白’杂交的种子千粒重较高,达到436.89 g;蓇葖果果荚大小和质量与杂交母本关系较密切,以‘景泰蓝’为母本时表现突出;通过不同授粉方式所对应的坐果率、结实率和复果荚重等指标综合分析,从高到低依次为:人工授粉>自然授粉>自交,母本是影响杂交成功率和果荚性状的重要因素;油用牡丹生产中可通过品种合理搭配间植、相互授粉,如‘景泰蓝’和‘凤丹白’,获得更高种子产量。

基于在线开放课程的混合式实践教学研究与实施——以数字图像处理课程为例

数字图像处理是一门以人工智能、信息技术和云计算为依托的新工科专业的重要基础课程。为解决传统课堂实验教学模式存在的问题,基于自组织学习理念开展以混合式为载体的线上线下混合式实践教学模式改革,以数字图像处理课程为研究对象,设计并实施在线开放课程混合式实践教学体系,实现课前自组织预习、课中交互式学习和课后多元立体评价的实践教学模式。该模式能够调动学生学习的积极性和主动性,培养学生创新能力和实践能力。

部分连接宽带毫米波全双工MIMO系统混合波束成形设计

毫米波全双工MIMO系统是满足未来无线通信大带宽、低时延等需求的一种可行方案.本文针对采用有限精度移相器和部分连接结构的宽带毫米波全双工MIMO系统的混合波束成形问题进行研究,提出了一种可行的混合波束成形方法.首先,不考虑自干扰信号,利用上行/下行各子信道的奇异值分解和注水算法得到各子带最优全数字发送和接收波束成形矩阵;然后,将得到的全数字波束成形矩阵分解为满足部分连接结构的模拟波束成形矩阵和各子带数字波束成形矩阵;最后,利用最小均方误差准则更新各子带数字接收波束成形矩阵以降低自干扰信号对频谱效率的影响.分析表明,所提方法的算法复杂度较低;仿真结果表明,所提方法的频谱效率要优于相关研究和半双工毫米波通信.

几个中原牡丹品种自交、杂交及开放性授粉研究

为了充分掌握中原牡丹的开花授粉和结实习性,分析其育种利用价值,更好地为牡丹新品种培育提供参考。试验选取有一定育性的‘满园春光’、‘红斑白’和‘亭亭玉立’等11个中原牡丹品种为试材,分析自交、杂交、开放性授粉等不同方式的结实情况研究,结果表明:中原牡丹品种自交也有微量的结实,异花高于自花结实率,自交自花为0.31粒/朵,自交异花为0.76粒/朵;不同授粉方式下,人工杂交的结实率(9.4粒/朵)和坐果率(90%)均高于开放性授粉和自交;平均种子干重均在0.31~0.36g/粒,种子干重最大的为杂交组合‘彩菊×蝴蝶飞舞’(0.5875 g/粒)。说明中原牡丹授粉方式是以异花授粉为主,人工定向杂交可有效提高其结实率。

基于AHP-CNN的加密流量分类方法

为了解决现有方法在加密流量特征提取方面不够充分的问题,本文提出一种基于自注意力混合池化卷积神经网络(Attention-based Hybrid Pooling Convolutional Neural Network,AHP-CNN)的加密流量分类方法。该方法对卷积神经网络(Convolutional Neural Network,CNN)的池化层进行改进,以并联形式将平均池化层和最大池化层相结合,形成双层同步池化的模式,从而实现对网络加密流量整体特征和局部特征的捕捉。再将自注意力模块嵌入到模型中,增强模型对于加密流量特征依赖关系的提取,从而更加精准地对加密流量进行分类。实验结果表明,本文所提出的网络模型在识别加密流量的准确率方面有着显著提升,并且F1分数达到了0.94以上。本文为网络加密流量分类提供了一种更为有效且精确的方法,有助于提升网络安全领域的研究与应用能力。

雨滴能量收集型摩擦纳米发电机的研究进展

简单阐述了摩擦纳米发电机(TENG)的工作原理及4种基本工作模式。总结了雨滴能量收集型TENG在基于垂直接触-分离结构、单电极结构、独立层结构3种工作模式及多种基本工作模式集成的结构优化及应用。介绍了开发出的其他结构类型的TENG及通过表面处理、结构优化等方式对雨滴能量收集效率的增强。此外,对其他类型如太阳能、风能等清洁能源收集装置与雨滴能量收集型TENG集成为互补的混合能源装置进行了介绍和分析。最后,对目前TENG在雨滴能量收集方面存在的问题和不足进行总结,并展望了未来的挑战和发展方向。

自持续HIRS辅助的MU-MISO系统公平性研究

针对自持续智能反射面(Intelligent Reflecting Surface,IRS)存在牺牲系统性能和实施难度大等问题,提出了一种包含被动元件和主动元件的混合IRS(Hybrid IRS,HIRS)自持续辅助多用户多输入单输出(Multi-User Multiple Input Single Output, MU-MISO)系统的公平性传输方案。为了实现多用户通信的公平,联合考虑基站的主动波束成形和HIRS系数矩阵,建立了以最大化最小用户速率为目标的优化问题。然而,由于约束条件和目标问题中存在多变量耦合,导致优化问题是非凸的。因此,将原始问题分解为2个单变量的子问题,然后利用逐次凸近似和半正定松弛方法获得每个子问题的近似解,最后利用交替优化算法迭代求解每个子问题。仿真结果表明,所提优化方案可有效提高系统的最小速率。

融合信息对抗及混合特征表示的社交网络谣言检测方法

[研究目的]针对现实社交网络中广泛存在的不实评论对谣言检测的负面影响问题,提出对抗学习框架下的谣言检测方法,从而在提升谣言检测准确率的同时,增强模型对噪声信息的容抗性。[研究方法]以信息对抗机制为基础,搭建具有融合结构及时序特征表示的生成网络,利用部分网络结构的共享及加强具有自注意力机制的二次鉴别网络,实现将非监督的对抗生成网络向有监督学习任务上的成功拓展。[研究结论]在PHEMEv5和新浪微博两个数据集上,该研究提出的模型在谣言检测的准确率上,相较于9种较为先进的基准模型至少提升了3.1%和4.1%;同时,实验显示,该研究提出的模型对于噪声信息并不敏感。充分证明了该模型在跨平台不同语言环境数据集上较高的谣言检测效果及较强的噪声容抗性。

杂糅奇观与自我神话——论近年来我国传统神话传说的影视改编

近年来,《哪吒之魔童降世》《封神第一部:朝歌风云》等古代神话传说的影视改编形成文化热潮。通过转置、扩展与修正等策略,改编者们打造了多元文本世界,并体现出构建故事世界的冲动。这些作品以挪用、拼贴等方式打造后现代/全球化情境下的杂糅奇观,并明显体现出二次元文化的数据库创作的特色。但是,过度杂糅也在一定程度上导致文本内部的分裂与文本之间的冲突。创作者有意构筑起现代个体的自我神话,将成长叙事与反叛精神嵌入现代家庭结构中,以反抗式认同实现个体叙事与宏大叙事的耦合。这波改编热潮体现出更为强烈的现实介入性和显著的神话现实主义趋向。

独塔斜拉-自锚式协作体系悬索桥合理约束体系研究

为研究独塔斜拉-自锚式协作体系悬索桥合理约束体系,以主跨2×350 m的济南绕城高速二环线北环段工程黄河特大桥主桥为背景,采用BNLAS软件建立主桥空间有限元模型,对比不同纵向、竖向约束体系方案下结构的荷载响应、自振特性,分析不同塔梁约束体系对独塔斜拉-自锚式协作体系悬索桥静、动力性能的影响。结果表明:塔梁处竖向双排支座有效约束了塔梁之间的相对转动自由度,使塔梁协调受力,相较于传统的全飘浮体系和竖向单排支座体系,竖向双排支座体系提供了更大的整体结构刚度;设置纵向约束能显著增强独塔斜拉-自锚式协作体系悬索桥结构纵向刚度,建议在纵向上设置固定约束;相较于传统塔梁墩固结体系,竖向双排支座体系对主梁提供了更强的转动约束,且塔梁间约束在构造上处理简单。该桥桥塔处设置竖向双排支座并设置纵向固定限位装置。

基于混合双层自组织径向基函数神经网络的优化学习算法

针对传统方法采用先训练后测试两阶段学习机制极易导致的过拟合或欠拟合问题,提出一种基于混合双层自组织径向基函数神经网络的优化学习(hybrid bilevel self-organizing radial basis function neural network optimization learning,Hb-SRBFNN-OL)算法。首先,将训练过程和测试过程集成到一个统一的框架中,规避过拟合或欠拟合问题。其次,基于进化学习机制,提出上下2层的交互式优化学习算法,上层基于网络复杂度和测试误差自组织调整网络结构,下层采用列文伯格-马夸尔特(Levenberg Marquardt,LM)算法作为优化器对自组织径向基函数神经网络(self-organizing radial basis function neural network,SO-RBFNN)的连接权值进行优化。最后,利用来自多个子网络的综合信息生成模型的最终输出,加速网络全局收敛。为验证所提方法的可行性,分别在多个分类和预测任务中进行了测试实验。结果表明,在与传统神经网络结构相似甚至更好的测试和分类精度下,该方法不仅能实现更快的训练收敛,而且能进化成更精简紧凑的径向基函数神经网络(radial basis function neural network,RBFNN)模型。尤其在污水处理过程中总磷的质量浓度预测实验中,测试集中均方根误差(root mean squared error,RMSE)最高可降低48.90%,实际场景实验结果验证了所提算法的精确性更佳且泛化能力更强。

预应力自复位节点有限元合理建模方法研究

预应力自复位结构具有良好的自复位性能,能显著降低震后的残余变形。节点的连接形式影响其自复位性能和抗震能力,为推动此类结构优化设计,需要大量研究分析工作和参数化分析,合理的建模方式可以更有效模拟出结构真实的受力情况。系统探讨了预应力自复位节点有限元分析中的核心问题,通过ABAQUS对内置耗能钢筋预应力自复位节点和角钢耗能预应力自复位节点试验数值模拟,得出结论:对于普通钢筋本构,使用滞回模型结果略好于双折线模型,但整体差异较小;降温法和MPC法均可以较好施加预应力,两者方法效果相同;虚筋法可以较好模拟出预应力筋的滑移,节点承载力和滞回曲线吻合度较高,同时工作量较耦合法和弹簧法更小。

PAW-YOLOv7:河道微小漂浮物检测算法

河道漂浮物检测对于船舶自动驾驶以及河道清理有着重大意义,但现有的方法在针对河道漂浮物目标尺寸小且互相遮挡、特征信息少时出现检测精度低等问题。为解决这些问题,本文基于YOLOv7,提出了一种改进模型PAWYOLOv7。首先,为了提高网络模型对小目标的特征表达能力,构建了小目标物体检测层,并将自注意力和卷积混合模块(ACmix)集成应用于新构建的小目标检测层;其次,为了减少复杂背景的干扰,采用全维动态卷积(ODConv)代替颈部的卷积模块,使网络具有捕获全局上下文信息能力;最后,将PConv(partial convolution)模块融入主干网络,替换部分标准卷积,同时采用WIoU(Wise-IoU)损失函数取代CIoU,实现网络模型计算量的降低,提高网络检测速度,同时增加对低质量锚框的聚焦能力,加快模型收敛速度。实验结果表明,PAW-YOLOv7算法在本文利用数据扩展技术改进的FloW-Img数据集上的检测精度达到89.7%,较原YOLOv7提升了9.8%,且检测速度达到54帧/秒(FPS),在自建的稀疏漂浮物数据集上的检测精度比YOLOv7提高了3.7%,能快速准确地检测河道微小漂浮物,同时也具有较好的实时检测性能。

深江铁路洪奇沥公铁两用大桥主桥方案构思与总体设计

深江铁路洪奇沥公铁两用大桥主桥采用(3×100+808+3×100)m超短边跨钢-混组合混合梁斜拉桥,一跨跨越通航水域。该桥公铁分层布置,上层布置8车道城市快速路,下层布置4线铁路。主梁采用倒梯形双主桁截面,桥面布置紧凑、受力明确、经济性好。中跨主梁采用板桁-箱桁组合结构钢梁,桥面结构参与主桁受力,具有高效综合性能。边跨主梁采用矩形钢管混凝土叠合板-桁组合梁,融结构受力和锚固压重于一体,叠合板采用32 cm厚预制板+40 cm厚现浇层。钢-混结合段采用“钢格室+承压板”构造,钢-混结合面位于桥塔向中跨侧4.6 m。桥塔采用H形混凝土塔,基础采用35根直径4.0 m的大直径钻孔灌注桩。斜拉索采用标准抗拉强度2000 MPa的平行钢丝成品索,最大规格为PES(C)7-547。索梁锚固采用副桁弦杆节点兜底钢锚箱结构,传力可靠、抗疲劳性能好。索塔锚固创新地采用自平衡交叉混合锚固技术,以适应大规格斜拉索锚固。钢桁梁采用“纵向分段、横向分区”制造、运输、现场吊装的施工方案。

老化制度和荷电状态对混合型超级电容器的自放电影响

混合型超级电容器(HSCs)正极采用活性炭和锂金属氧化物作为活性材料构建复合电极,在一个电解池中同时实现锂离子储能和双电层储能,负极采用高倍率碳材料,系统中一般采用多个单体进行串并联提高电压和能量,单体自放电一致性越高,系统的寿命及安全性越好,因此对其自放电和K值的影响因素进行研究具有重要意义。本文发现,不同的老化制度对混合型超级电容器的自放电和K值影响不一样,老化温度越高,越有利于K值的稳定,但是对自放电数值的影响不大;老化时间越长,K值越小,高温老化后72 h和96h的K值几乎一样,考虑到节能,采用72h的老化时间就可以有效筛选单体;老化电压对自放电和K值有较大的影响,老化电压越低,自放电越差,K值越大,老化电压越高,越有利于单体的自放电和K值的稳定性;不同SOC状态对自放电和K值的影响也较大,在3.0 V及以下的SOC状态下进行自放电测试时,在搁置过程中电压会略有所上升,K值为负数,当电压为3.0 V以上时,随着搁置时间的加长,电压缓慢下降,采用3.8 V搁置条件下K值在48 h后稳定在0.2 mV·h^(-1)左右。

基于自监督图神经网络和混合神经网络的入侵检测

为了解决现有网络入侵检测方法在特征提取单一、数据依赖强以及模型泛化能力差等方面的问题,提出了一种基于自监督图神经网络和混合神经网络的入侵检测方法。首先,通过自监督学习策略,利用图卷积网络提取网络流量数据中的结构特征,增强模型在无标签数据上的特征学习能力,从而降低对标注数据的依赖并提升泛化能力。其次,使用卷积神经网络提取网络流量中时间序列的空间特征,并通过长短时记忆网络建模时间依赖性,进行多视角特征提取,提高检测的全面性。最后,设计了一种特征融合策略,丰富模型特征表示,提升模型鲁棒性。在公开数据集上的实验结果表明,所提方法具有更高的准确率和F 1值。