基于元循环优化的多尺度感知孪生网络目标跟踪方法

离线训练的跟踪网络对目标多尺度特征的表征能力较弱,难以高效自适应目标外观变化.为此,提出一种基于元循环优化的多尺度感知孪生网络目标跟踪方法.首先设计一种高效的基学习器作为目标跟踪器,在此基础上,引入目标多尺度感知策略,通过构建残差分层使网络由粗到细地学习目标多尺度语义特征,增强模型对目标多尺度特征的表达;进而完成目标跟踪任务.其次,为了快速适应目标的表观变化,提出了元循环优化器来更新基学习器的模型参数,学习更有效的梯度更新规则,提高了模型更新的收敛速度.在5个数据集上实验证实本文方法在形变、遮挡、快速移动和背景干扰等复杂场景下仍然能够稳定地跟踪目标,大大提升了模型的跟踪性能.

双尺度粗粒化离散元方法及煤散料试验验证

离散元法(DEM)常用于工程尺度下颗粒系统的模拟,但计算效率仍是大规模颗粒系统运行的制约因素。现有的粗粒化处理方法适用性有限且缺乏普适的理论基础。为解决此问题,研究利用量纲分析描述精确缩尺系统中物理量的缩放定律,通过代表性体积单元(RVE),在粗粒化系统和原始系统之间建立了质量、动量和能量的近似守恒关系,并获得了2个不同尺度(宏观和细观)下相应物理量的缩放关系。为验证所提出的双尺度粗粒化离散元方法的正确性,将该方法应用于煤散料下落和回转试验中,真实试验中煤颗粒尺寸为4 mm,仿真中采用5组不同缩放系数的煤颗粒,其尺寸范围为4~12 mm,试验与仿真中煤散料总体积均为0.001 m^(3)。煤散料下落试验采用平均冲击力和堆积休止角作为对比指标,结果表明,随着煤颗粒尺寸增大,两者的相对误差总体呈现增大趋势(尺寸为12 mm时,冲击力误差为14.36%,休止角误差为19.05%)。煤散料回转试验采用上试样受力和煤散料堆积轮廓曲线相关系数作为对比指标,结果表明,随着颗粒尺寸增大,相对误差随之增大,相关系数总体降低(尺寸为12 mm时,受力误差为39.29%,相关系数为0.9574)。仿真所需时长比预测时长还要少,结果充分证明了双尺度粗粒化离散元法的有效性,粗粒化系统在可接受的误差范围内可显著提高计算效率。

基于多尺度特征和元学习的图像识别算法研究

在计算机视觉与图像识别技术中,随着输入分辨率的变化,卷积神经网络方法的识别效果也不同。多尺度特征学习可以将图像的精度和细节结合在一起,结合图像的多个尺度信息进行分析。元学习让计算机模拟人的大脑,学习如何去学习,可以更高效灵活地实现图像分类。因此,结合多尺度特征和元学习进行图像识别算法研究具有较高的研究价值。通过膨胀卷积产生了不同分辨率的输入图像;使用元学习产生不同输入分辨率下神经网络的卷积权重;对于不同输入分辨率的模型使用知识蒸馏。

多尺度熵方法在机械故障诊断中的应用研究进展

机械设备状态监测与故障诊断的关键是故障特征的表征与提取,采用基于熵及相关方法建立的非线性动力学指标能够提取蕴藏在振动信号中的非线性故障特征信息。自熵方法引入以来,通过不断修改和改进来提高熵估计的准确性,多尺度熵进一步拓展了时间序列其他尺度上包含的复杂度信息,其在设备状态监测与故障诊断中得到广泛应用。本文对单一尺度熵及多尺度样本熵、多尺度模糊熵、多尺度排列熵和多尺度散布熵等多尺度熵方法在机械智能故障诊断中的应用进行综述,总结不同方法的特点优势与不足;针对多变量数据处理问题,综述由单变量推广到多变量的多元多尺度熵的应用发展过程。最后结合多尺度熵相关方法在机械智能故障诊断中面临的问题与挑战,对未来发展方向进行展望,即在工业大数据应用、故障机理、可解释性角度构建基于熵的深度学习模型。

精细广义复合多元多尺度反向散布熵及其在滚动轴承故障诊断中的应用

多尺度反向散布熵能够有效度量时间序列的复杂性,但在粗粒化构造上存在缺陷,且在表征滚动轴承非线性故障特征时缺乏对其他通道同步信息的有效利用。为了准确提取轴承信号的故障特征,结合精细化和广义复合多尺度的思想,将表征同步多通道数据多变量复杂度的多变量熵理论应用到轴承故障诊断中,提出了精细广义复合多元多尺度反向散布熵(RGCMvMRDE)。在此基础上,提出了一种基于RGCMvMRDE与引力搜索算法优化支持向量机(GSA-SVM)的滚动轴承故障诊断方法。首先,利用RGCMvMRDE全面表征滚动轴承故障特征信息,构建故障特征集;其次,采用GSA-SVM对故障类型进行智能识别;最后,将所提方法应用于滚动轴承实验数据分析,并将其与现有基于多尺度反向散布熵、广义多尺度反向散布熵和精细复合多元多尺度排列熵的故障特征提取方法进行了对比。研究结果表明,所提RGCMvMRDE不仅能够有效和精准地诊断轴承的不同故障类型和故障程度,且诊断效果优于上述对比方法。

社区尺度斜入射波场下场地-建筑群耦合作用模拟方法

场地-城市相互作用(site-city interaction,SCI)效应会显著改变场地地震波场分布及建筑反应,基于SCI效应理论计算研究方法的发展现状,发挥谱元(spectral element,SE)法可快速高效求解三维地震波场传播和多自由度(multi-degree of freedom,MDOF)模型计算量小且可同时模拟大量建筑的优势,同时,结合频率波数域(frequency wave number analysis,FK)方法,以等效地震荷载的方式施加地震波场,建立了FK-SE-MDOF耦合方法,实现了SE-MDOF耦合模型中多种波型(P波、SV波和SH波)的斜入射输入,解决了当前三维SCI效应研究方法中未能同时考虑建筑非线性、频谱特性、地震波波型及入射角度影响的问题。首先对方法原理进行了介绍;然后,通过与振动台试验的对比,验证了方法的正确性;进而,采用该方法建立理想场地-城市建筑群相互作用耦合模型,主要探讨了入射角度和地震波波型对SCI效应的影响,得到了一些有益结论。该方法较为真实地反映SCI效应影响的同时,可反映建筑基础轮廓对地震波场的影响,适用于需考虑建筑轮廓信息的社区尺度SCI效应研究,可为城市规划、抗震设计、风险评估以及震后救援等工作提供定量指导。

基于FRL-Net的高鲁棒性多尺度小样本轨道入侵异物检测方法研究

针对轨道入侵异物严重威胁行车安全,而基于广义深度学习的目标检测方法无法打破大数据驱动的训练壁垒、小样本目标检测方法在复杂轨道环境中对多尺度入侵异物检测能力差、鲁棒性低等问题,本文提出了一种高鲁棒性多尺度小样本轨道入侵异物检测模型。该模型采用元学习策略,通过多尺度小样本入侵异物特征提取模块增强模型对于不同尺度小样本异物特征的表达能力。使用轨道入侵异物元特征精准重加权模块对小样本异物的元特征进行精准优化。提出小样本轨道入侵异物检测优化模块进一步提升模型的检测性能。实验结果表明,该模型在7-way 30-shot的小样本轨道异物检测任务中的平均检测精度为81.8%,比FSRW高3.2%,更适合在实际轨道环境中检测多尺度小样本入侵异物。

“尺度重组”与“元治理”视角下我国都市圈治理模式的建构思路研究

在我国发展现代化都市圈的过程中,“行政区”与“经济区”的错位愈加明显,既往的“行政区经济”模式往往会造成区域协调的尺度断裂现象,难以满足新时代都市圈的治理要求,亟待从新的视角加以探讨。文章对我国都市圈的治理现状进行了剖析,认为当前都市圈治理存在治理主体单一、体制机制缺位、保障体系缺失等显著问题,并基于“尺度重组”与“元治理”都市圈跨域治理的理论视角,结合对大都市圈治理的国际经验梳理,提出事权维度的“尺度重组”及相关体制机制建设是都市圈等跨域治理的关键所在,进而提出明确政府作为都市圈“元治理者”的角色定位、构建“一主多元”的都市圈“元治理”体系、完善都市圈“元治理”的组织平台架构等适宜我国现代化都市圈建设的“元治理”建构思路。

国家级开发区的尺度演化与元治理思考——以上海张江高新区为例

在近40年的发展历程中,我国开发区探索了多种基于尺度重组的治理手段。在历史制度主义框架下,结合尺度理论与元治理概念,回溯上海张江高新区的设立和发展历程,从尺度视角分析张江高新区治理体制和空间结构的演化特征;总结其治理中存在的若干关键问题,并探讨新发展阶段国家级开发区转型中的元治理策略。研究发现:张江高新区在国家政策和地方诉求的双重影响下,经历了“初期创设、聚焦张江、自主创新”等多个发展阶段;从尺度视角看,张江的管理主体多次重组、管理手段日趋精准,空间结构上则呈现总体泛化与核心集聚并存的特征。着眼于高质量发展,提出要从元治理角度明晰各级政府权责,协调好开发区与行政区的关系,从而推进开发区与城区的融合发展和高效治理。

基于改进复合多元尺度加权排列熵的轴承故障识别研究

轴承作为机械传动系统上不可缺少单元,在长期交变载荷作用下容易产生内部损伤,判断其故障状态尤为重要。综合复合多元多尺度加权排列熵(CMMWPE)与天牛须搜索支持向量机(BSASVM)算法优点,设计了一种基于CMMWPE-BSASVM复合算法的轴承故障智能诊断方法。以调心球轴承运行情况为例,开展故障诊断分析。研究结果表明:利用本文CMMWPE算法进行处理时形成了比MWPE、CMWPE算法更加平滑的熵值变化曲线,能够实现以上样本的精确区分,有助于更准确提取出滚动轴承的特征信号。采用CMMWPE可以实现更高效的故障模式识别性能;相比较其他分类器,BSASVM分类器处理效率更高,因此建立的CMMWPE和Isomap特征集识别运行故障获得了100%准确率,确保滚动轴承故障达到精确、高效识别的效果。该研究可以拓宽到相关机械传动领域,具有很好的应用价值。

光镊捕获和操控尺度极限的进展

光镊技术能够实现对介观乃至微观颗粒的稳定捕获和灵活操控,是对微纳物体和单个分子施加力并观测其响应的理想操控手段。受限于光的衍射极限,传统光镊难以实现对100 nm以下物体的捕获和操控。研究者们通过开发特殊的材料和结构,将它们与传统光镊技术结合,不断突破其在小尺度物体的捕获和操控极限。本文主要综述了近年来光镊的不同技术路线在突破捕获操控极限的研究进展,以及其在物理化学领域中的应用,并对其发展和应用进行展望。

基于多尺度特征度量元学习的玉米叶片病害识别模型研究

传统基于深度学习的玉米叶片病害检测模型检测精度不高、模型参数量大,基于此,提出一种融合多尺度、无参数度量学习的玉米叶片病害识别算法模型。首先,利用Vgg-16、Swin Transformer网络,将玉米叶片病害图片映射到全局和局部特征空间;然后,利用多尺度特征融合网络,实现全局和局部特征的深度融合,强化特征的分类能力;最后,利用无参数元学习网络,实现待测玉米叶片病害图片与特征集之间的度量,根据度量结果,实现玉米叶片病害的快速定位与识别。在开源Plant Village数据集、自建玉米叶片病害数据集上进行了测试,所提出模型的识别准确率分别为97.45%、96.39%,同时保持了较低的识别时间开销;相比其他经典玉米叶片病害识别模型,具有更强的鲁棒性和泛化性能。

纤维缠绕复合材料损伤演化多尺度表征方法构建

针对复合材料多尺度表征中以细观到宏观力学性能预测为主的问题,发展了包含细观到宏观结构力学性能预测和宏观到细观组分损伤演化表征的纤维缠绕复合材料损伤演化多尺度表征方法。通过确定纤维缠绕复合材料组分本构及力学参数,完成基于细观RFDRVE(Random fiber distributions representative volume element)的单向复合材料力学参数预测,进而实现了纤维缠绕复合材料NOL环的宏观力学性能预测。而后,通过分析NOL环宏观破坏情况,将损伤区域应变加载至RFDRVE,得到NOL环的细观损伤演化情况,并结合扫描电镜观测了细观损伤演化形貌。结果表明,不同缠绕张力下NOL环细观到宏观预测拉伸强度与平均试验拉伸强度的最大误差仅5.08%,且宏观到细观损伤分析能够表征NOL环细观组分上出现的纤维断裂、基体断裂和纤维-基体界面破坏。纤维缠绕复合材料损伤演化多尺度表征方法能实现细观到宏观结构力学性能预测和宏观到细观组分损伤演化表征。

元上都、大都与中都规划设计之比例、尺度与数术内涵探析(上)

结合考古实测数据、文献记载和几何作图分析,探讨元上都、大都与中都三座都城规划设计的构图比例、尺度规模及其背后所蕴含的数术内涵。在前人研究基础上,发现并指出:元代三都在规划设计上皆存在着清晰的构图比例,集中体现在每座都城的外城、皇城与宫城的平面形状与比例关系上;三座都城的外城面积与宫城(有时包括皇城)面积皆存在整数倍关系,而大都与中都的宫城面积与宫中主体建筑(前朝或后寝的正殿)所占据矩形地块的面积也存在整数倍关系——若套用《周礼·考工记》中“室中度以几,堂上度以筵,宫中度以寻,野度以步,涂度以轨”或者《营造法式》中“凡构屋之制,皆以材为祖”等古代术语,可将上述规律归纳为“都度以宫”“宫度以正殿”或者“凡营都之制,皆以宫为祖”“凡营宫之制,皆以正殿为祖”。此外,上述比例关系中所涉及的数字,以及各都城三重城垣、宫中正殿(甚至包括街区、街道等)的尺度换算成元代尺、步、丈、里、亩等数值,皆呈现出丰富而博大的中国传统数术内涵,尤其表现为对《周易》思想以及中国古代天文、律历的象征,这也恰恰与历史文献中所记上都、大都的主要规划者刘秉忠“于书无所不读,尤邃于《易》及邵氏《经世书》,至于天文、地理、律历、三式六壬遁甲之属,无不精通”的知识结构与思想体系高度契合。

基于空间尺度的道路网地图智能制图技术研究

针对传统数字地图制图技术中的分辨率较低且易出现误差的问题,本文对基于空间尺度的道路网地图智能制图技术进行研究。通过元胞自动机中的神经网络结构,建立空间尺度元胞自动机模型;将计算机作为技术手段,以地图学理论为基础建立数据库,将处理后的数据导入计算机网络,完成数字地图绘制;利用比例尺与内插权重函数,对道路网地图进行智能绘制。本文利用智能制图技术对道路网地图进行绘制,测试结果表明,本文方法绘制结果的平均准确率为92.75%,优化后的技术实现更加准确的道路网地图。

采用滑动平均多元多尺度色散熵的液压泵故障诊断方法

为了提高色散熵的信息提取能力,在兼顾计算效率和效果的前提下,引入多维嵌入重构理论,借鉴滑动平均的思想,更新了传统多尺度算法的粗粒化方式,提出了滑动平均多元多尺度色散熵(moving average multivariate multiscale dispersion entropy,MA_mvMDE)用以提取液压泵故障特征。首先,利用均匀相位经验模态分解(uniform phase empirical mode decomposition,UPEMD)将振动信号分解为多个本征模态分量(intrinsic mode functions,IMF),再采用相关系数法筛选敏感分量,将包含大量故障信息的模态分量作为多通道数据计算其MA_mvMDE值来提取故障特征。接着,采用MCFS方法选择故障敏感特征实现降维。最后,通过随机森林分类器完成故障识别。采用液压泵故障振动数据验证了该方法能够准确诊断不同类型和不同程度的故障。

基于集成精细复合多元多尺度模糊熵的齿轮箱故障诊断

针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模糊熵(ERCmvMFE)算法,在此基础上,结合t分布随机邻域嵌入(t-SNE)和人工鱼群算法优化的核极限学习机(AFSA-KELM),提出了一种新的齿轮箱故障综合诊断方法。首先,采用多种形式粗粒化方法的集成方法以及多通道信号处理方法,对模糊熵算法进行了改进,并进行了齿轮箱故障的初始特征提取;然后,通过t-SNE压缩原始故障特征,实现了维数的约简,并将低维故障特征输入至AFSA-KELM中进行了故障的分类识别;最后,为了对ERCmvMFE方法的特征提取性能进行测试,采用QPZZ-II旋转机械故障模拟测试平台进行了相关的实验。实验结果表明:采用新的齿轮箱故障综合诊断方法能够对不同类型的齿轮箱故障进行可靠诊断,对齿轮箱5种工况下的20次识别实验中,获得的平均准确率可达98.92%,标准差为0.956,识别准确率和稳定性均优于其他对比方法。研究结果表明:采用ERCmvMFE算法能够更充分地提取出齿轮箱的故障特征,因此,基于该特征提取方法的故障诊断方法具有更高的齿轮箱故障识别准确率。

元上都、大都与中都规划设计之比例、尺度与数术内涵探析(下)

结合考古实测数据、文献记载和几何作图分析,探讨元上都、大都与中都三座都城规划设计的构图比例、尺度规模及其背后所蕴含的数术内涵。在前人研究基础上,发现并指出:元代三都在规划设计上皆存在着清晰的构图比例,集中体现在每座都城的外城、皇城与宫城的平面形状与比例关系上;三座都城的外城面积与宫城(有时包括皇城)面积皆存在整数倍关系,而大都与中都的宫城面积与宫中主体建筑(前朝或后寝的正殿)所占据矩形地块的面积也存在整数倍关系——若套用《周礼·考工记》中“室中度以几,堂上度以筵,宫中度以寻,野度以步,涂度以轨”或者《营造法式》中“凡构屋之制,皆以材为祖”等古代术语,可将上述规律归纳为“都度以宫”“宫度以正殿”或者“凡营都之制,皆以宫为祖”“凡营宫之制,皆以正殿为祖”。此外,上述比例关系中所涉及的数字,以及各都城三重城垣、宫中正殿(甚至包括街区、街道等)的尺度换算成元代尺、步、丈、里、亩等数值,皆呈现出丰富而博大的中国传统数术内涵,尤其表现为对《周易》思想以及中国古代天文、律历的象征,这也恰恰与历史文献中所记上都、大都的主要规划者刘秉忠“于书无所不读,尤邃于《易》及邵氏《经世书》,至于天文、地理、律历、三式六壬遁甲之属,无不精通”的知识结构与思想体系高度契合。

雷达资料同化对一次飑线过程的次公里尺度数值模拟影响研究

针对2019年6月5日重庆地区发生的一次飑线天气过程,利用中尺度WRF(Weather Research and Forecasting)模式和ARPS(The Advanced Regional Prediction System)的3DVAR三维变分同化系统及其ADAS(ARPS Data Assimilation System)云分析系统,探究了不同模式水平分辨率下雷达资料同化对该飑线系统的模拟改进效果。结果表明:(1)未同化雷达资料时,模式水平分辨率从900 m提高到300 m,模式模拟结果无明显改进。(2)不同模式水平分辨率下,同化试验的模拟效果相比同化前,对于雷达回波的形状、强度和落区都有一定改善。(3)使用雷达资料同化的情况下,同时提高模式水平分辨率,能进一步优化调整模式的动力、热力及水汽条件,使得对本次飑线系统的发生发展和组织结构特征的模拟与实况更接近。

多元多尺度下的传统村落空间分布研究

本文以池州市为样本,基于多元多尺度视角探讨了传统村落的空间分布及影响因子。结果表明:(1)池州市传统村落的空间分布受到自然环境、社会经济因素的共同约束,存在统计显著的集聚效应,并且空间分布及制约因子在不同尺度上具有较好的统一性;(2)池州市传统村落的数量与镇域的海拔、平均降水及NDVI呈正相关,与镇域的平均气温、平均GDP、农田生产潜力、公路密度及人口密度呈负相关;传统村落点倾向于分布在平均降水、NDVI及气温较高,海拔、平均GDP、农田生产潜力、公路密度及人口密度较低的地方。