GH3128薄板搭接环芯组合光纤激光焊接焊缝形貌调控

航空发动机因内流道结构的入口端和出口端不同,其焊接问题是一大难题,如何在实际焊接中做到焊缝熔宽连续可控已成为研究热点。针对GH3128高温合金开展环芯组合光纤进行激光搭接焊研究,通过纯中心激光焊接得到了焊缝深度为1.5 mm的工艺参数,在此基础上通过环芯组合焊接得到了实际熔深为1.51~1.81 mm、熔宽为0.25~0.75 mm的焊缝,对环芯组合光纤激光器的中心光束和环形光束传播规律及焊缝形貌调控原因进行分析。分析发现,环形光束的加入有利于降低激光束照射到材料表面的温度梯度,从而影响焊缝成形,通过环芯组合的激光焊接可得熔深合理、熔宽连续调控的GH3128薄板搭接焊缝。

基于数据融合的磁致伸缩位移校正方法

针对换流变压器实际运行过程中铁芯振动信号高次谐波分量的测量准确性问题,提出一种数据校正方法,利用加速度传感器的高频敏感性特点,结合多传感器数据融合的卡尔曼滤波(KF)算法,对高频位移信号进行校正。通过分解换流变压器实际激励信号,同时搭建并改进单片硅钢片磁致伸缩特性测量实验平台,进而对不同激励下信号进行同步采集和数据融合。利用卡尔曼滤波将数据融合,并对融合前后的高频位移信号各分量占比以及信噪比进行计算对比。模拟换流变压器实际工作条件,在250Hz和350Hz单独激励时,数据融合后的位移信号的信噪比在其4倍频处分别提升7.6%、11.7%,在6倍频处的信噪比分别提升为9.5%、22.9%。实验结果表明,该方法提高了高频位移信号的测量准确性,有效地解决了传统位移传感器在高频测量方面的局限性。

面向现代GPU的Winograd卷积加速研究

卷积运算是现代卷积神经网络中必不可少的组成部分,同时也是最耗时的.为了解决卷积算子的性能问题,包括快速傅里叶变换(Fast Fourier Transform,FFT)和Winograd在内的快速卷积算法被提出. Winograd卷积可被用于提高小卷积核的推理性能,是目前卷积神经网络中的主流实现方法 .然而,Winograd卷积在许多高度优化的深度神经网络库和深度学习编译器中的实现比较低效.由于Winograd卷积的四个阶段的复杂数据依赖关系,面向GPU对其进行优化非常具有挑战性.本文针对现代GPU体系结构优化了Winograd卷积算子的性能.本文提出了Winograd计算阶段的等价变化及其利用Tensor Core进行计算的无同步实现,并进一步提出了利用不同GPU内存层级的部分计算核融合方法 PKF(Partial Kernel Fusion).基于张量虚拟机(Tensor Virtual Machine,TVM)和代码重构器PKF-Reconstructor(Partial Kernel Fusion Reconstructor),实现了高性能的Winograd卷积.对真实应用中卷积神经网络的卷积算子的评估表明,与cuDNN相比,本文所提算法实现了7.58~13.69倍的性能提升.

基于多核异构的异源图像融合抗晕光系统设计

针对异源图像融合抗晕光算法复杂,应用于视频实时处理困难,设计了基于嵌入式多核异构架构的异源图像融合抗晕光系统。将系统控制和图像融合抗晕光算法分别在ARM和FPGA中实现,解决了数据串行和任务顺序执行导致的系统实时性问题,消除了融合图像中的晕光痕迹。经实验验证,多核异构的抗晕光系统晕光消除度和系统实时性均满足系统需求。

核心素养视角下融合式闭环教学模式的探索

在核心素养视角下创新教学模式就是依托“立德树人”的教育目标探索适合学生发展的教育。以河北建筑工程学院数学课程为例,结合学校的学情分析,从提升大学生核心素养的角度,分析构建融合式闭环教学模式的依据,探索融合式闭环教学模式的内容,并给出具体实施方案;最后以某专业两个年级的教学数据分析验证了在《高等数学》教学中采用融合式闭环教学模式的必要性。

融合多维特征与兴趣漂移的虚拟学术社区群推荐模型

[目的/意义]为促进虚拟学术社区知识流转效率,弥补当前针对核心用户群组识别及动态兴趣漂移关注不足的问题,本文构建融合多维特征与兴趣漂移的虚拟学术社区群推荐模型。[方法/过程]以“科学网”为研究对象,从网络传播维度和网络结构维度出发,运用改进的信息熵公式综合识别核心用户并聚类发现用户群组。在此基础上,融合群组兴趣特征向量,基于滑动时间窗口和非线性遗忘曲线分析群组兴趣漂移过程,根据动态兴趣漂移结果进行群组推荐并验证该模型的适用性。[结果/结论]实验结果表明,该模型基于用户多维特征可以准确识别核心用户并能很好地反映群组兴趣漂移特征,同时,本文提出的群组推荐算法相比传统算法在推荐结果的准确率上明显提升。

运用多模态学习改进张量分解的知识补全方法

基于单一模态实体之间建立关联所形成的语义关系网难以准确理解现实世界中的多模态语义。为增强多源知识图谱的补全能力以及解决知识图谱语义缺失问题,提出一种基于多模态嵌入张量分解的方法ME-TD(multimodal embedding tensor decomposition)。利用由图像、描述文本和知识构成的三元组作为张量分解模型的输入,分别对图像和文本进行特征提取,研究3种融合方法:相加融合、相乘融合以及连接映射方法,通过高维映射形成一个多模态的三阶张量;经过三模式分解,产生一个核心张量与每一个维度因子矩阵的乘积,通过链接预测计算三元组正确的概率。实验结果表明,ME-TD方法在知识补全中对多模态矩阵预测效果相较于其它方法有较为明显提升。

基于多传感器融合声纹特征图谱的变压器铁芯松动故障诊断方法

变压器铁芯轻微松动故障给变压器安全稳定运行留下巨大隐患,目前尚缺乏切实可靠的诊断方法。提出一种基于多传感器融合声纹特征图谱的变压器铁芯松动故障诊断方法。首先,利用4个传感器采集声纹时序序列,通过小波变换生成声纹特征图谱,利用熵权法确定不同传感器信号的权重分配,将4个声纹特征图谱加权融合,从而形成多传感器融合声纹特征图谱。其次,将融合声纹特征图谱输入优化后的ShuffleNetV2模型,通过分组卷积和通道混洗得到铁芯松动程度。最后,通过现场试验验证了方法的有效性。结果表明,所提方法对25%,50%,75%及100%的松动程度均能实现可靠诊断,平均准确率高达99.6%。与采用傅里叶频谱(fast Fourier transform, FFT)、格拉米角场(Gramian angular field, GAF)、马尔可夫变换场(Markov transform field, MTF)以及混沌特征(recurrence plot, RP)等传统声纹特征图谱的诊断相比,所提方法识别准确率提高了12.2%;与采用单传感器声纹特征图谱的诊断相比,所提方法识别准确度提高了5.8%;与采用AlexNet、MobilleNetV2、GoogleNet以及ResNet等卷积神经网络模型的诊断相比,所提方法识别准确率提高了2.7%。

基于深度学习的磁芯表面缺陷检测研究

磁芯表面缺陷检测,是磁芯流水线上的关键一环;当前多种机器视觉检测方法已经被应用,但这些方法的准确性都依赖于提取的缺陷特征,有很强的专家性;而且针对不同的产品要重新设定特征,复用性低;基于深度学习的缺陷检测方法很好地克服上述问题,深度学习的准确性和训练数据的质量数量强相关;但在实际产品表面缺陷智能检测过程中,存在缺陷样本收集困难、样本不平衡、目标尺寸小和难以定位等问题;针对存在的这些问题进行了研究,提出了一种基于深度学习的图像增强和检测方法,首先利用结合高斯混合模型的深度卷积生成对抗网络生成磁芯缺陷图像,然后结合泊松融合方法产生增强的数据集,最后基于YOLO-v3网络,实现了磁芯表面缺陷的智能检测;实验表明,该方法能够生成质量更高、缺陷更明显的图像,检测准确度提升了5.6%。

基于MFF-SVM的阀芯球窝瑕疵检测

阀芯是控制燃油在汽车喷油器中流动的核心部件,针对目前人工目检阀芯球窝瑕疵所存在的效率低、准确性不高等问题,提出一种基于MFF-SVM的阀芯球窝瑕疵检测方法。首先,根据不同阀芯球窝缺陷类型之间的差异,以颜色均值、方差及HOG的特征提取方式提取融合特征;其次,以SVM作为瑕疵识别器,判断阀芯球窝的缺陷类型,最后通过对比实验,验证了该检测方法的有效性。

聚变驱动次临界堆聚变堆芯参数设计与分析

在建立零维堆芯物理模型的基础上,计算了FDS系统三组环径比(低、标准、高)的堆芯物理参数,利用平衡程序和1.5维演化程序对标准环径比情况,进行了等离子体平衡计算和位形演化模拟,结果表明设计方案先进可行。

纤芯错位对高功率光纤激光性能的影响

理论分析了纤芯错位对激光输出功率及光束质量的影响,研究表明,纤芯错位后纤芯中的各个模式均有一定的功率衰耗,且基模总会向高阶模耦合,导致光束质量下降。采用20/400μm的双包层掺镱光纤,搭建了高功率全光纤激光振荡系统,实验研究了谐振腔外纤芯错位、谐振腔内纤芯错位以及谐振腔内和谐振腔外纤芯同时错位几种不同的情况对输出激光性能的影响,结果表明,谐振腔内纤芯错位和谐振腔外纤芯错位都会造成激光器性能的下降,但谐振腔内纤芯错位将导致激光器功率明显下降,而谐振腔内和谐振腔外同时错位会导致激光器光束质量急剧下降。

聚变-裂变能源混合堆可行性及在我国核能发展中作用的分析

简要论述了核能在我国能源发展战略中的地位及聚变-裂变混合堆在核能持续发展中的重要作用。对以不久将来即可实现的ITER聚变装置作驱动堆芯、天然铀水冷裂变系统作包层的混合堆做了细致的分析。这种混合堆型可以实现GWe级净电功率输出,年造钚1 656 kg,支持2.68个同功率压水堆电站对易裂变燃料的需要。初步的经济评估说明,混合堆电的成本是同功率压水堆电成本的1.67倍;而在不计燃料成本的情况下,混合堆与压水堆组合系统电的成本是同功率压水堆电成本的1.18倍。考虑到一般压水堆需消耗大量的天然铀,加上铀浓缩成本,混合堆与压水堆组合系统电的成本,与压水堆电的成本是可以相比拟的。

多小波基的设计与地震图像并行融合实现

面向地震图像解释中的具体问题,开展图像融合算法研究,增强目标识别的准确性,提高对地震图像的解译能力.设计了一种具备对称性、短支撑性、二阶消失矩和正交性的高性能多小波基,提出了其并行融合算法实现.算法考虑了对配准误差的适应性问题,提高了图像空间频率.从实验结果来看,图像的整体和细节特征比单小波融合方法有较大的提高.通过将地震图像融合技术与并行程序设计相结合,在多核处理器下采用虚拟节点技术搭建多机并行图像融合平台.实验结果表明:针对多核系统的并行融合方法省去了并行处理的数据寻址时间,相比并行化前,算法执行时间随着节点数增加而减少,并且各并行操作更为规范、简洁,符合算法操作规则性强的实现特点.

禽类血管活性肠肽与乙肝病毒核心抗原融合基因的构建

:在制备以禽类血管活性肠肽 (VIP)为基础的基因工程疫苗工作中 ,选择乙肝病毒核心抗原 (HBcAg)作为载体来提高鹅VIP的免疫原性 .首先将克隆于鹅VIPcDNA和HBc基因第 1至 435bp的序列片段先后插入到质粒pRSETA的BamHI\EcoRI和NheI\BamHI克隆位点之间 ,构建成VIP序列位于HBc序列之后的VIP融合基因的重组质粒pHBc -VIP .其次将HBc第 1至 2 2 5bp序列的扩增片段和HBc第 2 44bp之后包括VIP的序列经扩增、EcoRI酶切、连接、再扩增的片段先后插入到质粒pBSKS + / -的BamHI\PstI和PstI\HindIII克隆位点 ,构建成VIP插入到HBc基因中间 (HBcAg的第 75和 82位氨基酸之间 )融合基因的重组质粒pVIP HBc .

PDGF受体结合域与乙肝病毒核心抗原的融合表达

化学合成血小板源性生长因子受体结合域１３肽基因，并与乙肝病毒核心抗原基因５′端融合，序列分析表明化学合成的１３肽基因及融合后基因的阅读框架正确．将融合基因亚克隆于ｔａｃ启动子控制的ｐＥＴ３ａ表达质粒中并于大肠杆菌中表达．表达产物经ＥＬＩＳＡ、ＷｅｓｔｒｅｎＢｌｏｔ鉴定表明，融合蛋白已被表达，其单位分子量与推算值一致．电镜观察证明所表达的融合蛋白能形成颗粒．

基于多分辨率图像融合算法的岩心图像拼接

针对岩心图像由于光照不均,及其自身因素导致的拼接图像出现明显拼接缝的问题,对比分析了多种图像融合算法,并将多分辨率图像融合算法引入到岩心图像拼接中,该算法利用拉普拉斯金字塔结构将图像按频率进行分解,对各个频率上的带通图像分别进行融合,再利用金字塔反变换还原出融合结果图,最终实现了岩心图像无缝拼接。

云计算是三网融合背景下广电行业之核心技术

在信息技术迅猛发展的今天，广电行业如何应对三网融合带来的机遇与挑战，是我们广电人必须认真思考的现实问题。本文从云计算、三网融合的概念入手，简要的分析了三网融合背景下云计算在广电行业中的应用、广电云计算与互联网的差异、安全问题等。

迈向知识城市:科技园区核心功能及其融合创新

创新驱动战略要求我国科技园区转型发展,强调园区的创新孵化功能。通过系统梳理科技园区功能演进的理论和实践历程,重新提炼了我国科技园区建设的核心功能、收益方式和可持续性要求,认为知识城市可以成为科技园区实现土地经营、产业集聚、创新孵化和社区服务4项功能融合的载体,并以深圳天安数码城为例,探讨了知识城市建设的实践路径。

融合密度与光谱特征的苹果霉心病无损检测

针对近红外漫反射光谱对苹果霉心病判别准确率较低的问题,提出了一种融合密度特征与漫反射光谱的苹果霉心病多因子无损检测方法。基于光谱采集平台获取195个富士苹果的漫反射光谱(200~1100 nm)信息,利用WLD-600密度仪获取苹果密度信息,采用标准正态变量变换(standard normal variable transformation,SNV)对光谱数据进行预处理,竞争性自适应重加权采样法(competitive adaptive reweighted sampling,CARS)和连续投影算法(successive projection algorithm,SPA)结合用于提取与霉心病相关的特征光谱,分别以密度、特征光谱、密度+特征光谱作为模型因子,建立偏最小二乘判别(partial least squares discriminant analysis,PLS-DA)、Fisher判别、支持向量机(support vector machine,SVM)和最小二乘支持向量机(least squares support vector machine,LS-SVM)4种不同的苹果霉心病判别模型。结果表明,在不同的霉心病判别模型中基于密度与特征光谱融合的模型总体判别率均高于分别基于密度、特征光谱的模型总体判别率,其中,基于密度与特征光谱融合的SVM模型总体判别率最高,为95.56%,而基于密度、特征光谱建立的SVM模型总体判别率分别为82.22%、91.11%,因此融合密度特征可进一步提高漫反射光谱对苹果霉心病的判别准确率,同时为开发基于漫反射检测原理的便携式苹果内部病害与品质一体化无损检测设备提供了可能。