引入上下文信息和Attention Gate的GUS-YOLO遥感目标检测算法

目前基于通用YOLO系列的遥感目标检测算法存在并未充分利用图像的全局上下文信息,在特征融合金字塔部分并未充分考虑缩小融合特征之间的语义鸿沟、抑制冗余信息干扰的缺点。在结合YOLO算法优点的基础上提出GUS-YOLO算法,其拥有一个能够充分利用全局上下文信息的骨干网络Global Backbone。除此之外,该算法在融合特征金字塔自顶向下的结构中引入Attention Gate模块,可以突出必要的特征信息,抑制冗余信息。另外,为Attention Gate模块设计了最佳的网络结构,提出了网络的特征融合结构U-Net。最后,为克服ReLU函数可能导致模型梯度不再更新的问题,该算法将Attention Gate模块的激活函数升级为可学习的SMU激活函数,提高模型鲁棒性。在NWPU VHR-10遥感数据集上,该算法相较于YOLOV7算法取得宽松指标mAP^(0.50)1.64个百分点和严格指标mAP^(0.75)9.39个百分点的性能提升。相较于目前主流的七种检测算法,该算法取得较好的检测性能。

特高压平板闸阀设计与密封性能分析

针对特高压井口平板闸阀设计指导空缺问题,参考API 6A和API 6D标准中的平板闸阀设计参数确定方法,给出175 MPa工作内压下阀体通径为78 mm的平板闸阀设计参数,补充并完善了国内外特高压井口平板闸阀设计方法,对所设计的平板闸阀采用有限元法分析其在螺栓预紧工况、额定工作内压工况和1.5倍静水压工况下的密封性能。所设计的平板闸阀可以满足密封准则,且能应对一定量的动载荷,可为特高压井口平板闸阀设计提供参考。

基于二次分解双向门控单元新型电力系统超短期负荷预测

在新型电力系统中,电力负荷随机性和波动性较强,现有预测方法难以对其实现高精度预测。为此,提出一种基于二次分解和双向门控循环单元的超短期负荷预测模型。首先,针对电力负荷的强随机性和强波动性,利用自适应噪声完备经验模态分解对电力负荷历史序列进行初步分解,使负荷序列更加平稳。随后,对初步分解得到的强非平稳分量运用连续变分模态分解进行二次分解,降低其预测难度。最后,为充分学习电力负荷的时序特征,在预测过程构建基于双向门控循环单元的超短期电力负荷预测模型。实验结果表明,该模型相较于现有优秀预测模型有更高的预测精度。

基于射击时机的坦克射击门分析及改进

针对坦克的射击门控制逻辑,分析现有射击门在坦克高速行进条件下在射击时机判断上的不足,提出基于预测机制的射击门改进方法,该射击门在考虑射击时延和炮口切向速度影响的情况下,去除了身管必须满足进入简单射击门的角度约束,可更大限度地把握有效射击时机,数字仿真结果验证了改进射击门的优越性。

基于相关性分离的逻辑电路敏感门定位算法

随着CMOS器件特征尺寸进入纳米量级,因高能粒子辐射等造成的电路失效问题日益严重,给电路可靠性带来严峻挑战。现阶段,准确评估集成电路可靠性,并以此为依据对电路进行容错加固,以提高电路系统可靠性变得刻不容缓。然而,由于逻辑电路中存在大量扇出重汇聚结构,由此引发的信号相关性导致可靠性评估与敏感单元定位面临困难。该文提出一种基于相关性分离的逻辑电路敏感门定位算法。先将电路划分为多个独立电路结构(ICS);以ICS为基本单元分析故障传播及信号相关性影响;再利用相关性分离后的电路模块和反向搜索算法精准定位逻辑电路敏感门单元;最后综合考虑面向输入向量空间的敏感门定位及针对性容错加固。实验结果表明,所提算法能准确、高效地定位逻辑电路敏感单元,适用于大规模及超大规模电路的可靠性评估与高效容错设计。

基于深度学习的盾构机土舱压力场预测方法

土舱压力是盾构机受力状态和掌子面稳定等核心问题中的关键因素。土舱压力具有显著的空间变异性,其形成演化机制源于装备与岩土之间的复杂耦合作用,与地质特征、掘进参数等多源参数相关。然而,现有土舱压力预测方法一般未考虑空间分布特征或地质参数影响。针对该问题,提出了一种基于空间分布物理特征函数导引深度学习的盾构机土舱压力场预测方法。该方法构建物理特征函数用于解耦土舱压力空间分布特征,采用卷积神经网络和门控循环单元分别提取多源参数历史信息的空间特征和特征系数的时序特征,结合多源参数实时信息对特征系数进行预测,从而实现土舱压力场的预测。以长沙地铁四号线某区段为案例,利用该方法准确预测了土舱压力空间分布实测数据,准确率高达0.98,验证了所提方法的有效性。敏感性分析表明,不同地层中土舱压力空间分布特征系数的主要敏感参数基本一致,但其敏感度随地层地质条件的变化规律差异显著,可为复杂地层盾构机土舱压力精细化调控提供参考。

激光距离选通三维成像技术研究进展(特邀)

随着人工智能时代的到来,同时获得反映目标辐射特性和纹理特征的高分辨率强度图像以及反映目标和所处场景的三维空间信息的稠密点云数据/三维图像的激光相机雷达技术已成为激光雷达的发展趋势。传统的摄像机与激光雷达复合的技术方案存在异源数据融合问题,尤其是在雾雨雪天气条件下以及水下等传输链路中存在严重散射的情况时难以有效工作。激光距离选通三维成像技术利用单一门控成像器件可同时获得高质量二维强度图像和高分辨率三维图像,其二维图像中的像素和三维图像中的体素一一对应,并继承了激光距离选通成像透散射成像的技术优势,具有实现高性能激光相机雷达的技术潜力。论文系统综述了步进延时扫描、增益调制、距离能量相关等激光距离选通三维成像技术的研究进展,介绍了该类技术的国内外典型应用情况,最后分析了该领域所面临的挑战及进一步发展方向和应用前景。

一种基于改进门控循环单元的叠前时变子波提取方法

子波的精确提取是地震勘探后续反演与成像的前提,针对传统时变子波提取方法受到的各类假设限制,且需分别提取子波振幅谱与相位谱的问题,本文提出了一种基于改进门控循环单元(GRU)网络的叠前时变地震子波提取方法.根据实际叠前地震数据分布特征与非平稳性质,本方法首先建立非平稳地震记录与添加随机噪声的时变子波训练数据集;为对提取出的时序特征进行拓展,提升传统GRU网络对长时序列的处理能力,本方法搭建起含多层GRU模块与全连接神经网络的改进门控循环单元网络模型;利用建立的训练数据集对网络模型进行训练使网络具备提取时变子波的能力;为提高训练效率与提取精度,本方法在训练的反向传播过程中应用自定义WaveLoss损失函数衡量误差,最终实现叠前时变子波的估计.经合成数据仿真实验与不同方法对比验证,本文提出的叠前时变子波提取方法具有更高的准确度;经对中国西部不同地区实际叠前地震资料处理与反褶积验证分析,该方法可有效提高目标区叠前地震剖面分辨率.

融合CNN-BiGRU和注意力机制的网络入侵检测模型

为提高网络入侵检测模型特征提取能力和分类准确率,提出了一种融合双向门控循环单元(CNN-BiGRU)和注意力机制的网络入侵检测模型.使用CNN有效提取流量数据集中的非线性特征;双向门控循环单元(BiGRU)提取数据集中的时序特征,最后融合注意力机制对不同类型流量数据通过加权的方式进行重要程度的区分,从而整体提高该模型特征提取与分类的性能.实验结果表明:其整体精确率比双向长短期记忆网络(BiLSTM)模型提升了2.25%.K折交叉验证结果表明:该模型泛化性能良好,避免了过拟合现象的发生,印证了该模型的有效性与合理性.

高压大功率SiC MOSFETs短路保护方法

碳化硅(SiC)MOSFETs短路承受能力弱,研究其短路保护方法成为保障电力电子设备安全运行的重要课题。现有方法大多围绕低压小功率SiC MOSFETs,然而随着电压和功率等级的提升,器件特性有所差异,直接套用以往设计难以实现高压大功率SiC MOSFETs的快速、可靠保护。该文首先详细研究了几种常用短路检测方法;其次基于高压大功率SiC MOSFETs器件特性,深入对比分析了不同短路检测方法的适用性,提出一种阻容式漏源极电压检测和栅极电荷检测相结合的短路保护方法;最后搭建了实验平台验证所提方法的可行性。结果表明,提出的方法在硬开关短路故障(hard switching fault,HSF)下,保护响应时间缩短了1.4μs,短路能量降低了62.5%;且能可靠识别负载短路故障(fault under load,FUL)。

基于动态工况实测数据图像和深度学习的锂电池容量估计方法

针对实际应用中基于动态工况下电池状态参数的片段数据进行电池健康状态(state of health,SOH)实时估计的问题,提出基于动态工况下锂离子电池状态参数(电压、电流、温度)实测数据二维特征图像和深度学习的锂离子电池容量估计算法。首先,将动态工况下电池状态参数监测量(电压、电流和温度)的片段数据转化为二维特征图像。其次,提出基于残差卷积神经网络(residual convolutional neural network,Res-CNN)和门控循环单元(gate recurrent unit,GRU)网络结合的多通道深度学习模型Res-CNN-GRU,以构建动态工况下电池状态参数特征图像和SOH之间的复杂非线性关系,其中电压、电流和温度的二维特征图像以三通道的方式输入到Res-CNN-GRU模型中,模型输出为对应电池的相邻参考充放电循环实验所获得容量的差值。研究结果表明:此方法在锂电池随机充放电工况下对电池健康状态估计效果更佳,且Res-CNN-GRU模型的泛化性和全局特征提取能力较强。论文研究为现实工况下电池健康状态估计的进一步深入研究提供了参考。

基于门控卷积生成对抗网络的西汉漆箱纹饰图案数字化修复研究

中国历史上漆器以其精美的纹饰技法闻名于世,针对古代漆器表面破损严重、纹饰信息大面积缺失的彩绘漆箱修复难题,提出了一种门控卷积生成对抗网络(GC-GAN)的古代漆箱表面图案修复方法.该方法采用门控卷积结构改进生成对抗网络模型,以提升模型对于图像中有效像素的学习能力并解决不规则大面积图像区域的高分辨率修复问题.在此基础上,首先对漆箱图案中的畸变、破损和缺失部分进行掩膜处理,然后使用GC-GAN生成掩膜区域的图案.针对漆箱纹饰图案样本数量少的问题,借助迁移学习思想,将模型在CelebA、SVHN等多种公共数据集上学习到的知识迁移到漆箱纹饰上.最终实现了“西安凤栖原西汉家族墓地”M1墓室中出土的大型木胎彩绘漆箱表面纹饰的数字化虚拟修复.

P2X7R过表达的巨噬细胞MSU晶体诱导痛风炎症反应过程中IL-1β、TNF-α、NLRP3表达观察

目的观察嘌呤能受体P2X配体门控离子通道7的配体(P2X7R)过表达白血病细胞诱导分化的巨噬细胞单钠尿酸盐(MSU)晶体诱导痛风炎症反应过程中NOD样受体家族3(NLRP3)蛋白、IL-1β、TNF-α表达情况。方法取人单核细胞白血病细胞系THP-1,并随机分为过表达组、空白组、模型组、对照组;过表达组和空白组分别转染P2X7R过表达质粒、空白载体质粒,转染5 d,将过表达组、空白组、模型组THP-1细胞用100 ng/mL的PMA刺激3 h后分化为巨噬细胞,另将MSU晶体用氢氧化钠溶解配制成浓度为100μg/mL的MSU乳糜状悬液加入培养液中孵育6 h;对照组正常培养。分别采用RT-PCR法和Western blot法测算巨噬细胞P2X7R mRNA、蛋白,ELISA法检测巨噬细胞上清液IL-1β、TNF-α,Western blot法测算巨噬细胞NOD样受体家族3(NLRP3)蛋白。结果与对照组比较,过表达组、空白组、模型组P2X7R mRNA和蛋白相对表达量升高,细胞上清液IL-1β、TNF-α水平升高,细胞NLRP3蛋白相对表达量升高(P均<0.05);与模型组、空白组比较,过表达组P2X7R mRNA、蛋白相对表达量升高,细胞上清液IL-1β、TNF-α水平升高,细胞NLRP3蛋白相对表达量升高(P均<0.05)。结论P2X7R过表达白血病细胞诱导分化的巨噬细胞MSU晶体诱导痛风炎症反应过程中IL-1β、TNF-α、NLRP3表达增加,IL-1β、TNF-α水平升高可能通过激活NLRP3蛋白来实现。

基于门控循环单元网络的钻井井漏智能监测方法

井漏是钻井过程中常见的钻井风险,若对该风险发现、处理不及时,极易导致井塌事故,轻则延长施工周期,重则危害现场人员人身安全。为了提高油气井钻井过程中井漏风险识别的准确性,降低风险识别对人为经验的依赖,结合钻井参数的非线性以及长时依赖特征,提出了一种基于门控循环单元(Gated Recurrent Unit,GRU)网络的井漏风险智能识别方法。该模型以池体积、出口流量和立管压力作为监测参数构建GRU网络,能够提取监测参数的时间序列特征,以实现对井漏风险的准确识别。利用现场实测钻井数据对模型进行了实验测试,结果表明,该方法对井漏风险的识别准确率达到了90.1%,优于长短期记忆网络的识别结果。

汽车侧裙板数值成型分析及模具设计

汽车侧裙板长度约为1 m,宽度约为0.1 m,卡扣、加强筋、嵌件孔等复杂结构较多,属于大型细长复杂塑件。大型细长复杂塑件成型难度较大,需要采用数值仿真与模具设计相结合的方法,仿真、设计和验证交叉进行、相互渗透。根据产品的特点拟定了3种进浇方案,仿真结果表明,方案Ⅲ(9点进浇)翘曲变形量最小,其值为4.51 mm。通过验证方案Ⅲ的缩水性、填充时间、填充等值线、填充末端时间差及压力差等参数可知,方案Ⅲ填充均匀、末端压力一致、产品无缩水,表面无质量缺陷,为可行方案。根据方案Ⅲ进行模具设计,包括浇注系统、成型零部件、推出机构、冷却系统等。模具设计完毕后对冷却系统进行验证,结果表明,凸凹模的模温温差小于10℃,模温趋于一致,无翘曲变形风险。基于方案Ⅲ的模具设计可作为最终方案,为模具制造和生产提供方向。

环核苷酸门控离子通道及其功能的研究进展

环核苷酸门控(CNG)离子通道是一种非选择性的四聚体阳离子通道,可以直接被细胞内信使小分子——环核苷酸活化,是钙离子进入细胞的主要通道之一。CNG通道蛋白由6种不同基因编码:4个A亚单位和2个B亚单位。CNG离子通道的活性可被钙离子/钙调素(Ca2+/CaM)及磷酸化或膜上磷酸肌醇作用调节,从而改变细胞内钙离子浓度,参与多种生物学功能的调控。自从在视杆细胞中发现CNG离子通道以来,经历了对其生理功能、克隆相关基因、理解调控方式、解析晶体结构和开发相关的基因治疗方法等研究过程,在视觉和嗅觉感觉神经元(OSNs)的信号转导中发挥着重要作用。现就CNG离子通道的功能、结构、调控机制及其与相关疾病关系等方面进行简要综述,以期为CNG离子通道相关疾病的治疗提供理论依据。

基于多尺度注意力的遥感影像建筑物提取研究

基于深度学习的遥感影像建筑物提取方法具有覆盖范围广、运算效率高的特点,在城市建设、灾害防治等方面有着重要的实际意义。主流方法大多采用多尺度特征融合的方式使神经网络能够学习到更丰富的语义信息,然而由于受到多尺度特征的复杂性以及其他类别地物的干扰,该类方法往往存在着目标漏检与噪声密集的问题。对此,文中设计并实现了一种结合注意力机制的特征解译模型MGA-ResNet50(MGAR)。该方法的核心在于利用多头注意力对高等级语义信息进行分层加权处理,以提取出表征效果较好的最优特征组合;而后使用门控结构将每维特征图与对应编码端的低级语义信息融合,来解决局部建筑物细节信息丢失的问题。在Massachusetts Building,WHU Building等公开数据集上的实验结果表明,与RAPNet,GAMNet,GSM等较为先进的多尺度特征融合方法相比,所提算法能够取得更高的F1与IoU指标。

肖特基结多数载流子积累新型绝缘栅双极晶体管

绝缘栅双极晶体管(insulated gate bipolar transistor,IGBT)是现代功率半导体器件的核心,因其良好的电学特性得到了广泛的应用.本文提出了一种具有肖特基结接触的栅半导体层新型多数载流子积累模式IGBT,并对其进行特性研究和仿真分析.当新型IGBT处于导通状态,栅极施加正向偏压,由于肖特基势垒二极管极低的正向导通压降,使得栅半导体层的电压几乎等于栅极电压,从而能够在漂移区中积累大量的多数载流子电子.除了现有的电子外,这些积累的电子增大了漂移区的电导率,从而显著降低了正向导通压降.因此,打破了传统IGBT正向导通压降受漂移区掺杂浓度的限制.轻掺杂的漂移区可以使新型IGBT具有较高的击穿电压,同时减小了关断过程中器件内部耗尽层电容,因此整体米勒电容减小,提升了关断速度,减小了关断时间和关断损耗.分析结果表明,600 V级别的击穿电压时,新型IGBT的正向导通压降,关断损耗和关断时间相比常规IGBT分别降低了46.2%,52.5%,30%,打破了IGBT中正向导通压降和关断损耗之间的矛盾.此外,新型IGBT具有更高的抗闩锁能力和更大的正偏安全工作区.新型结构的提出满足了未来IGBT器件性能的发展要求,对于功率半导体器件领域具有重大指导意义.

混合图神经网络和门控循环网络的短期光伏功率预测

为了能从大量历史光伏发电数据中提取出有效的时序特征以及在非欧几里得域中的关联,建立了基于混合图神经网络以及门控循环网络的短期光伏功率预测模型。该模型首先通过最邻近分类算法生成气象及出力数据的最邻近图,再将其结合图神经网络作为编码器对气象及出力数据进行编码形成时间序列,最后通过门控循环网络以及全连接层解码输出光伏功率预测结果。通过仿真分析验证,该模型具有更优的特征挖掘能力和分析性能,能更好地突出某时间节点的气象及出力数据特征,适应天气突变带来特征变化,从而提升光伏预测整体模型的表达能力。

^(99m)Tc-MIBI门控心肌灌注显像对行沙库巴曲缬沙坦治疗的冠心病患者心肌血流灌注及心功能的评估价值

目的:探究^(99m)Tc-MIBI门控心肌灌注显像(GMPI)评估冠心病患者沙库巴曲缬沙坦治疗后心肌血流灌注及心功能的价值。方法:选取冠心病患者78例,入组患者均接受沙库巴曲缬沙坦治疗,采用^(99m)Tc-MIBI GMPI对患者的心肌血流灌注情况及心功能指标进行检测,并以超声心动图及冠状动脉造影结果为参照,对^(99m)Tc-MIBI GMPI检查的准确性进行探究。结果:患者经冠状动脉造影检查结果与患者经^(99m)Tc-MIBI GMPI检查心肌血流灌注结果比较无统计学差异(P>0.05),经卡帕一致性检验,KAPPA值为0.826,一致性较好。患者经冠状动脉造影检查结果与患者经^(99m)Tc-MIBI GMPI心功能结果[舒张末期容积(EDV)、收缩末期容积(ESV)、左心室射血分数(LVEF)、心输出量(CO)]比较无统计学差异(均P>0.05),经ICC一致性检验,ICC=0.812,一致性较好。治疗后与治疗前比较,患者的心肌血流灌注有所好转,患者完全闭塞、重度狭窄占比降低,轻度狭窄占比升高(均P<0.05)。与治疗前比较,治疗后患者的EDV、ESV水平降低,LVEF、CO升高(均P<0.05)。78例患者经过治疗,出现8例症状性低血压,2例轻度血管性水肿,6例肾功能损伤,3例高钾血症,并发症发生率约为24.36%。结论:^(99m)Tc-MIBI GMPI评估心肌血流灌注及心功能情况与超声心动图及冠状动脉造影结果相一致,可以准确地反映冠心病患者经沙库巴曲缬沙坦治疗后的心肌血流灌注及心功能变化。经沙库巴曲缬沙坦治疗,患者的心肌血流灌注及心功能得到改善,但需要对患者的不良反应情况进行关注。