参数化单元边界元法解势流速度场问题

[目的]边界元法在海洋工程水动力学中有着广阔的应用前景,为推广边界元法在海洋工程水动力学中的应用,[方法]根据边界积分法建立积分方程,采用参数化单元边界元法对势流问题进行求解,得出流场速度势。对经典算例进行数值计算,与数学解析解比较,并进行误差分析。在二维问题下,分别采用非连续参数化单元和参数化单元边界元法求解势流速度场问题;在三维问题下,采用参数化单元边界元法求解势流速度场问题。[结果]结果显示,在二维问题下,采用非连续参数化单元边界元法求解势流问题具有较高的精度和效率,可以在采用较少单元数的情况下得到较为理想的数值解;在三维问题下采用参数化单元边界元法虽然计算速度较快,并可以得到较好的平均相对精度,但有些点误差较大,需要改进算法或使用其他单元进行求解。[结论]参数化单元边界元法在求解海洋工程势流问题时,数值计算实现过程更简洁,可发展成为求解船舶兴波等船舶水动力学问题的通用方法。

Cadence中的参数化单元（Pcell）的开发应用

以Pcell的形式来实现常用的MOS晶体管，通过改变PceU的CDF参数（W、L、gate number、串联、并联和阱的类型等等）来实现MOS晶体管的参数化单元功能，加速插入版图的数据，避免了单元的重复创建。正确地使用与掌握其技巧，能大大提高设计效率，加快产品的开发速度。

基于参数化单元的金属电容计算自动化

基于电路设计的实际需求,提出了一种新的Pcell开发思路,即利用SKILL语言开发输出输入接口程序引入第三方EDA工具,实现Pcell跨平台的工艺仿真参数计算和反馈,并以金属电容的计算自动化展开研究。通过参数化定义金属电容、模块化设计以及利用Cadence Skill程序编译,成功地实践了这一新的开发方式。这一方法能够支持电路设计者在前端电路设计时就能方便快速得计算金属电容,并能把计算结果实时反馈于电路中,大大地提高了电路设计效率。

基于柔性参数化功构单元模型的产品定制设计

根据产品功能结构映射关系,在面向功能需求的产品分解过程中,通过功能-行为-结构(FBS)的多次迭代,建立产品的功构单元模型,利用产品功构单元模型和客户需求之间的映射关系,建立能用虚拟参数单元形式表示的功构单元模型结构树。通过数据的输入实现产品的定制设计,满足大批量定制中客户的多样化、个性化需求。

关于Hough变换最小化参数空间的一点讨论

Hough变换因其固有的鲁棒性在众多视觉问题中得到了广泛应用.文中探讨了当Hough变换的参数空间均匀离散化后,如果要求不同的直线对应不同的计数器,则对应的离散参数空间所需的最少计数器个数的问题.以Hough变换的标准参数(ρ,θ)空间为例进行探讨,相关方法完全可以推广到Hough变换的其他参数化形式.文中的结果从一个侧面揭示了图像均匀噪声在Hough变换参数空间分布的固有的不均匀性现象,这种不均匀性必然导致Hough变换在直线检测时直线位置和朝向的依赖性对噪声的不同敏感程度,该结果对从事Hough变换研究的相关人员具有一定的参考作用.

基于SKILL语言的参数化抗辐射器件版图设计

SKILL语言是IC设计业界采用的主要软件Cadence EDA提供的编程开发语言,用户可以基于SKILL语言对EDA设计环境进行定制设计或拓展。参数化单元(Parameter Cell,PCELL)可以根据设计规则(Design Rule)通过器件的W、L等参数实现对器件版图层次(Layer)的控制。另一方面抗辐射器件版图的特殊设计形式对版图设计工作提出了新的要求。阐述了通过SKILL语言实现的一款参数化抗辐射器件版图的设计理念和方法,并且在Cadence Design Framework(DFII)中编译调试和优化,实现了该版图的结构,较大幅度地提高了版图设计工作的效率。

基于MicroStation插件PCS的构件参数化研究

三维模型是BIM后期应用的基础,使用Microstation软件建模时,部分构件不能参数化建模和重复利用,降低了工作效率。介绍了Microstation插件PCS创建参数化单元的方法,能够重复利用参数单元、并可根据需要设置二维出图符号,很好地弥补软件本身单元库的不足,提高了模型质量和工作效率。

基于OpenBuildings Designer的参数化建模在水工隧洞设计中的应用研究

文章以邵阳县犬木塘水库工程九龙岭隧洞为例,应用OpenBuildings Designer软件建立一段三维参数化隧洞模型,然后把三维参数化的隧洞模型做成参数化单元和自定义对象,有效减少了模型修改的工作量,提高建模效率,并且参数化模型可以直接利用于其他类似工程项目中,减少设计人员的重复性工作。同时OBD软件可以对参数化隧洞模型进行工程量统计、出图和结构计算,为BIM技术在水利设计工作中的应用提供参考。

基于重参数化多尺度融合网络的高效极暗光原始图像降噪

实用的暗光降噪增强解决方案往往需要具备计算速度快、内存效率高、能够实现视觉上高质量的降噪等优点。现有方法大多以提升降噪质量为目标,因此在速度和内存要求上有所折中,这在很大程度上限制了其实用性。文中提出了一种新的深度降噪网络——重参数化多尺度融合网络,用于极暗光单张原始图像降噪,在不损失降噪性能的同时加快模型的推断速度并降低内存开销。具体地,在多尺度空间提取图像特征,利用轻量级的空间通道并行注意力模块动态自适应地聚焦于空间及通道中的核心特征;同时使用重参数化的卷积单元,在不增加任何推断计算量的情况下进一步丰富模型的表征能力。该模型在常见CPU上(如Intel i7-7700K)可以在1s左右恢复超高清4K分辨率图像,在普通GPU(如NVIDIA GTX 1080Ti)上以24帧率的速度运行,在几乎4倍快于现有先进方法(如UNet)的同时仍保持具有竞争力的恢复质量。

基于绝对节点坐标方法的全参数一般四边形板单元研究

以绝对节点坐标方法为基础,利用经典有限元方法中单元参数化性质,将运动方程的质量矩阵、弹性力矩阵和广义外力参数化,进一步将现有矩形薄板单元扩展到一般四边形薄板单元。研究一般四边形薄板单元模型的有限转动和大变形,对矩形薄板单元模型和一般四边形单元模型的节点运动位置变化进行了对比,接着给出了一般四边形薄板单元的运动变形图。结果表明,一般四边形单元模型与矩形薄板单元模型的节点位置变化能够基本吻合,从而证明了所提方法的可行性。

基于退火遗传算法的单元测试方法

为提高单元测试的效率,提出一种基于退火遗传算法的自动化单元测试方法。将遗传算子与进化代数进行关联,使其更快收敛于最优解。采用基于分支距离的方法构造适应值函数,根据代码转换功能,将判定结点处的代码转换为平行结构、将分支距离量化为[0,1]之间的数。实验结果表明,该方法能以更短的时间获得更高的代码覆盖率。

基于符号执行的单元测试研究与应用

近年来随着测试的复杂性和重要性不断增加,软件测试技术逐渐成为软件领域研究的热点。符号执行技术是一种重要的形式化和自动化的分析技术,在程序自动化测试中具有重要的应用。重点描述运用符号执行技术进行参数化单元测试的实现过程,并选择运用动态符号执行技术实现的参数化单元测试软件Pex进行实验,从而更好地验证符号执行技术在自动化单元测试中的优势。

基于SimAM注意力机制的轴承故障迁移诊断模型

针对轴承故障在跨工况迁移诊断时,其域不变特征难以提取,易出现模型过拟合这一问题,提出了一种基于无参数注意力模块(SimAM)的轴承故障迁移诊断方法。首先,以一维卷积神经网络作为基本框架,利用自适应批量归一化(AdaBN)对各输出层进行了归一化处理,经两层卷积层和两层池化层后,对输出特征进行了随机节点失活操作;然后,利用改进后的参数化修正线性单元(PReLU)激活函数自适应提取负值输入权值系数,分别以交叉熵损失函数监督训练有标签的源域数据,以均方对数误差(MSLE)作为损失函数训练无标签的目标数据;最后,利用自制实验台数据和凯斯西储轴承公开数据对模型进行了验证,分别以不同的单一工况作为源域,其余工况作为目标域进行了迁移诊断任务研究。研究结果表明:基于SimAM的轴承故障迁移诊断方具有较好的域不变特征提取的性能,且所提特征具有较好的聚类效果;自制实验台中的平均迁移精度在89.1%以上,最高均值可达97.85%,CWRU数据集中的平均迁移精度达98.68%。该成果可为后续轴承故障由实验向工业现场的迁移诊断奠定基础。

大规模定制环境下的参数驱动产品配置设计方法研究

为了提高大规模定制环境下制造型企业产品配置设计的效率,提出了一种参数驱动产品配置设计方法。该方法以参数化配置单元(PCU)为基本元素构建产品结构模型,封装了功能、性能、结构、几何等特征相似的零部件,使用参数表征零部件的特征,并定义基于参数的驱动规则,将产品的配置知识转化为特征参数之间的约束关系。在此基础上设计了基于递归算法的快速配置求解过程。最后以某企业的防火门产品实际应用为例,验证了该方法的可行性。

隔河岩水电站边坡岩体宏观力学参数的有限元反演分析

首先根据隔河岩水电站边坡的特点,选择具有控制性影响的区域的岩体,建立数值模拟试验模型;接着采用卸荷岩体力学参数的分析方法,利用大型有限元分析程序ADINA对其进行反演分析,得出其宏观力学参数和这些参数的劣化规律。

用于验证工艺开发包的测试芯片自动生成流程

在工艺开发包的验证过程中,需要手动地在版图编辑器中对参数化单元进行实例化和摆放绕线,由此产生大量测试芯片。为此,提出一种用于验证工艺开发包的测试芯片自动生成流程,采用软件接口产生Skill脚本和工艺开发包交互,以获取工艺开发包的信息、发送命令对工艺开发包进行操作的方法,能自动地对参数化单元予以实例化,自动地摆放绕线,并实现测试芯片版图的布局规划。用该软件接口针对某代工厂的40 nm半导体工艺开发包开发一套测试芯片,产生一条测试芯片的平均时间为5.2 s左右,结果证明该方法是有效的,能缩短工艺开发包的验证时间。

基于改进YOLOv2模型的驾驶辅助系统实时行人检测

为解决驾驶辅助系统(ADAS)对复杂背景行人和小尺寸行人检测精度较低的问题,基于深度神经网络模型YOLOv2建立了ADAS实时行人检测模型YOLOv2-P。首先在特征提取网络中采用参数化修正线性单元激活函数,以从训练数据中自适应地学习参数,并在行人检测网络中采用多层特征图融合方法,将低层特征图信息与高层特征图信息进行融合;然后使用交叉熵损失函数替代YOLOv2模型中的sigmoid激活函数,并对宽度、高度损失函数进行归一化处理;最后采用迭代自组织数据分析算法对行人数据集中行人边界框尺寸进行聚类。试验结果表明:相比于YOLOv2,YOLOv2-P对复杂背景行人及小尺寸行人的检测精度有明显提升,能够满足ADAS行人检测准确性和实时性需要。

基于改进1DCNN+TCN的雷达辐射源快速识别方法

为了解决传统雷达辐射源识别方式识别速度慢、在低信噪比时很难准确识别等问题,结合深度学习提出了一种基于改进一维卷积神经网络(one-dimensional convolutional neural network,1DCNN)和时间卷积网络(temporal convolutional network,TCN)的雷达辐射源快速识别模型。在1DCNN的基础上加入了批归一化层,并在全连接层前加入注意力机制;同时在原有TCN的基础上进行改进,使用Leaky ReLU激活函数代替ReLU函数;将改进后的TCN与1DCNN相连接。仿真实验结果分析表明,该模型不仅能够迅速识别出辐射源信号,识别准确率也较高,能够有效平衡模型识别速度和识别精度。

面向驾驶场景的多尺度特征融合目标检测方法

针对驾驶场景中目标检测卷积神经网络模型检测精度较低的问题,提出一种基于改进RefineDet网络结构的多尺度特征融合目标检测方法。在RefineDet网络结构中嵌入LFIP(Light-weightFeaturizedImagePyramid,轻量级特征化的图像金字塔)网络,将LFIP网络生成的多尺度特征图与RefineDet中的ARM(AnchorRefinement Module,锚点框修正模块)输出的主特征图相融合,提升特征层中锚点框初步分类和回归的输出效果,为ODM(ObjectDetectionModule,目标检测模块)模块提供修正的锚点框以便于进一步回归和多类别预测;在RefineDet网络结构中的ODM之后嵌入多分支结构RFB(ReceptiveFieldBlock,感受野模块),在检测任务中获得不同尺度的感受野以改善主干网络中提取的特征。将模型中的激活函数替换为带有可学习参数的非线性激活函数PReLU(Parametric RectifiedLinearUnit,参数化修正线性单元),加快网络模型的收敛速度;将RefineDet的边界框回归损失函数替换为排斥力损失函数RepulsionLoss,使目标检测中的某预测框更靠近其对应的目标框,并使该预测框远离附近的目标框及预测框,可以提升遮挡情况下目标检测的精度;构建驾驶视觉下的目标检测数据集,共计48260张,其中38608张作为训练集,9652张作为测试集,并在主流的GPU硬件平台进行验证。该方法的mAP为85.59%,优于RefineDet及其他改进算法;FPS为41.7 frame/s,满足驾驶场景目标检测的应用要求。实验结果表明,该方法在检测速度略微下降的情况,能够较好地提升驾驶视觉下的目标检测的精确度,并能够一定程度上解决驾驶视觉下的遮挡目标检测和小目标检测的问题。

基于卷积神经网络的石刻书法字识别方法

针对石刻及书法字识别时笔迹特征提取复杂且缺乏通用性的问题,提出一种基于深度学习的卷积神经网络(CNN)的自学习特征的书法字识别方法。对拍摄的笔迹图像进行预处理,分割出单个字体并提取字体骨架;利用基于RPReLU(随机参数化修正线性单元)改进的卷积神经网络,分别对笔迹图像和骨架图像提取特征;将两种特征融合成新的特征后,利用三层神经网络提取更高层次的特征实现笔迹的准确识别。实验结果表明,该方法对石刻和书法字的识别率达到99.1%,是一种高效的石刻书法字识别方法。