跳连接变分自编码器与CNN相结合的滚动轴承故障诊断方法

针对滚动轴承故障率小、不易收集故障数据的问题,提出基于跳跃连接变分自编码器与宽核深度卷积神经网络相结合的小样本故障诊断方法。该方法首先在变分自编码器的编码和解码之间引入跳跃连接结构,并将Tanh作为网络的激活函数,进而提高生成样本的特征多样性;其次,构建宽核深度卷积网络诊断模型,该模型可以提高从振动信号中提取故障特征的能力;最后,经生成样本扩充的数据集作为模型输入,提高训练集包含的特征信息量,实现小样本下的故障诊断。实验分析表明,所提方法在小样本情形下能生成有效的伪样本并具有较高的诊断精度。

分布式高性能自组网节点技术研究

针对当前主流Mesh自组网技术节点传输带宽不足百兆,级跳数小于10的问题,提出采用多处理器构建实现分布式多跳、高带宽低时延的无线跳频的高性能自组网节点,对节点自动化组网连接、多信道选择避让、漫游切换及低时延高带宽网络多跳实现等关键技术进行研究实现。由测试结果分析可知,在20级跳内,文中节点组网带宽损失在30%以内且带宽保持在200 Mb/s以上,时延控制在100 ms内,可以满足现实应急场景下多终端智能硬件实时进行图像、视频等大数据量信息交互对高带宽低时延网络通信的需求。

改进YOLOV7的跌倒人员检测

随着人口老龄化的到来,老年人在跌倒后能否及时被发现并得到救治显得越来越重要。采用YOLOV7可以通过图像识别老年人跌倒,为提高原始YOLOV7的检测精度和速度,本研究对YOLOV7进行了一系列改进,并提出了一种新型YOLOV7结构——YOLOV7-CMJ。首先对收集到的图片进行处理,对部分图片进行了旋转、亮度等预处理,并对其进行标定以获取样本数据集;其次引入CBAM注意力机制,增强了通道注意力和空间注意力,从而提升模型的准确性;最后,将YOLOV7中原有的PANet特征融合改为MJPANet,即多跳动征融合结构,并将之前的Concat采用加权的方式进行替换,从而得到改进YOLOV7-CMJ结构。通过与原始YOLOV7进行实验对比可知,改进后的算法精度提高了7.4%、召回率提高了7.1%、平均精度提高了7.1%,证明了改进算法的有效性,更好地满足了摔倒检测要求。

一种增强型稠密连接网络模型应用于ECT图像重建

针对传统神经网络在电容层析成像图像重建中,存在难以较好地实现电容特征张量的底层位置特征和顶层语义特征融合的问题,提出了一种增强型稠密连接网络模型(enhanced dense connectivity network,EDC-net)。首先,训练全连接神经网络获得初步介电常数分布,利用全连接神经网络的输出特征图作为补偿型U-net网络的输入。其次,搭建补偿型U-net网络,在编码和解码器间添加类DenseNet结构的稠密跳跃连接机制,以保留大量的底层位置特征信息,减少模型多个输出节点的特征损失;同时利用多尺度密集空洞卷积模块替代补偿型U-net中普通卷积,扩大模型的感受野并丰富多尺度信息。最后采用高效通道注意力机制模块实现子解码器节点的输出特征跨通道交互,增强模型对重要信息的关注度,提高模型的非线性拟合能力。试验结果表明,与Landweber迭代算法、U-net算法对比,基于EDC-net算法的重建图像分辨率高,成像边缘清晰,且更具鲁棒性。

STRENGTH DESIGN OF PREMIUM THREADED CASING CONNECTION

Using premium casing connections instead of API ones is one of the mosteffective technique to prevent casing failure. The factors contribute to the strength of premiumcasing connections are studied with FEA and full-scale test. The criterions are presented thatensure the connection's strength higher than the pipe. At the same time, the method is given todecrease the peak stress of the connection so as to improve its anticorruption property. At last,full-scale tests are done to test the strength of the connections designed with the methoddescribed, the results show that the connection's strength is higher than the pipe. This indicatedthat the method described is effective in designing premium casing connection.

基于多尺度双阶段网络的图像超分辨率重建

针对目前图像超分辨率重建算法中所存在的特征信息提取不充分、重建图像细节信息模糊等问题,提出了一种多尺度双阶段网络来实现图像的超分辨率重建。首先,考虑到单尺度卷积层会出现特征信息提取不充分的现象,故而以多尺度卷积层为大体框架,设计网络模型;其次,考虑到重建后的图像效果,将整体网络分为2个阶段,第1阶段根据输入的低分辨率图像进行特征信息的提取和重建,第2阶段对重建后的图像进行更深一步的特征细化,从而提高重建图像的视觉效果;整体网络中还引入了跳跃连接和注意力模块,以加强特征信息的有效传播;最后,以数据集Set5、Set14、Urban100、BSDS100和Manga109作为测试集展开实验,峰值信噪比和结构相似度作为图像质量的评价指标。实验结果表明,二者的值相比以往均有所提高,且重建图像视觉效果较好。因此,该算法在客观评价和主观视觉上都取得了较好的结果。

计及锁相误差的双馈风电并网系统暂态过电压特性与抑制

风电并网系统交流短路时,锁相环(PLL)锁相误差导致风机功率耦合,在故障清除时产生暂态过电压,亟须开展计及锁相误差的暂态过电压机理、特性与抑制策略的研究。首先,分析PLL参数、故障位置及故障类型对暂态过电压的影响。然后,以三相故障为例揭示了相位跳变的特征及锁相误差引起暂态过电压的机理,提出基于改进型PLL结构与锁相误差补偿的转子侧变流器、定子侧变流器控制策略,实现对双馈风电机组(DFIG)暂态过电压的主动抑制。最后,仿真验证了所提策略在实现DFIG故障穿越的同时还能够进一步抑制暂态过电压。

改进ResNeSt网络的拓片甲骨文字识别

目前,拓片甲骨文字的识别方法存在局部细节特征提取能力弱,对部分高相似度的甲骨文字识别率较低的问题。为此,本文提出了一种基于改进ResNeSt网络的甲骨文字识别方法,通过设计跳转连接结构,逐步将网络浅层特征向网络深层传递并进行融合;同时结合甲骨文字“长条形”的特点,引入坐标注意力机制模块,从宽度和高度两个方向上对所得特征进行加权融合;最后通过去掉网络最后一层的激活函数和全连接层以及对最后一个卷积层输出通道数的重新设置,对网络分类器进行了有效优化。实验结果表明,本文提出的改进拓片甲骨文字识别模型在OBC306数据集上识别准确率达到93.53%,取得了目前最好的识别效果。

基于YUV颜色空间GAN网络的图像去雾算法研究

针对目前单幅图像去雾算法存在有色差,去雾效果不理想等问题,提出了一种基于YUV颜色空间的单幅图像去雾算法。该方法应用了GAN图像着色任务的思想,从正向的角度对雾霾图像实现重新上色。将雾霾图像转换至YUV颜色空间,在Y通道采用密集残差模块采集图片的亮度特征,根据特征对雾霾图像的亮度信息进行调整,降低雾霾对图像的影响。在UV通道上采用4个残差模块对图像颜色信息进行多次提取,根据提取的颜色信息通过模型预测对图像进行重上色。采用包含跳跃连接结构的特征融合网络将底层特征与高层特征进行融合,在融合过程中加入注意力模块以实现更加精细的去雾。实验结果表明,该算法在合成雾霾图像数据集上,RMSE,SSIM和PSNR 3种指标均达到了较高的水平,在真实雾霾图像上,对浓雾和薄雾图像均表现出了优异的去雾效果,具有良好的稳定性。

基于BEDU-Net算法的皮肤病灶分割研究

针对皮肤病灶区域存在多样性、边缘模糊和毛发噪声等情况,提出了一种皮肤病灶分割算法(BEDU-Net)。首先,融合密集块连接和高效通道注意力模块以捕捉皮肤病变图像中的多尺度信息;其次,在编码器最后一层使用空洞空间金字塔结构来提升网络的感受野,从而更好地捕捉皮肤病灶区域的边缘信息;最后,使用带有双向循环特征增强残差模块进行跳跃连接,细化了皮肤病灶图像的边缘的同时增强了网络的抗干扰能力。此算法在ISIC2018和PH2两个数据集上进行了实验,其准确率分别为95.4%和94.8%,特异性分别为0.979和0.971,灵敏度分别为87.1%和87.9%,F_(1)评分分别为91.2%和91.4%,通过与U-Net、BCDU-Net、BUSU-Net、MCGU-Net的实验对比表明,此算法具有更好的分割效果。

基于全尺度跳跃连接的TransUNet医学图像分割网络

医学图像分割是医学图像智能分析的关键技术之一,其中深度学习更是为医学图像分割作出了不少的贡献。为进一步提高U型网络对医学图像分割的精确度,提出基于全尺度跳跃连接和权重深度监督的改进Transformer医学图像分割网络(full-scale jump connectivity and weight depth supervision for improved Transformer medical image segmentation networks, FS-TransUNet3+),该模型通过全尺度跳跃连接的结构,使模型聚合了多层抽象语义特征和空间信息,并且降低了模型的网络参数,提高计算效率。同时采用权重深度监督(weight depth supervision, WDS)的方式,提高了特征学习的表征能力和图像识别精度,细化了目标区域的边界,以及改进了特征聚合机制,将混合编码器与解码器的语义信息进行拼接,强化模型在图像的边缘注意力。在多个医学图像复杂场景分割,如细菌图像数据集、肝脏肿瘤分割挑战数据集、多模态脑肿瘤分割挑战数据集上的参数量、FLOPS、样本相似性指标(DSC)、交并比(IoU)、像素精度(PA)、95HD指标有所改进,有效验证了各个部分的性能,综合分割效果优于其他网络。

某井N80钢级套管脱扣和粘扣原因分析

对某井Φ139.7mm×7.72mm N80钢级长圆螺纹套管脱扣和粘扣事故进行了详细的调查研究。分析认为套管发生脱扣的原因主要是由于下套管上扣时螺纹接头发生严重粘扣,使其连接强度大幅度降低所致。该井井口中心与管柱轴线偏离较多,且采用钻杆液压钳下套管,在上扣过程中套管接箍严重夹持变形,外螺纹接头与严重夹持变形的接箍上扣配合之后导致套管严重粘扣损坏。套管严重粘扣还与套管本身抗粘扣性能差有一定关系。

套管接头泄漏和滑脱机理探讨

在深井、超深井、大位移井和水平井中 ,套管接头泄漏和滑脱特性是国内外油气井管柱力学研究的永恒主题。通过调研国内外大量文献资料 ,探讨了套管螺纹泄漏机理、螺纹滑脱机理研究的思路和研究方向———除实物试验外 ,有限元法是可行的简便方法之一。运用有限元法 ,对套管偏梯形螺纹接头和圆形螺纹接头进行了研究 ,得出了偏梯形螺纹接头在牙侧角为 3°、5°和 10°时 ,滑脱载荷随加载过程的变化曲线 ;圆形螺纹接头在锥度为 1/14、1/16和 1/17时 ,滑脱载荷随加载过程的变化曲线。其研究结果 ,在深井、超深井和复杂井套管柱设计中 ,为套管接头螺纹的选择提供了理论数据。

竞技武术套路中腾空摆莲B和C级跳跃落地稳定性的研究

竞技武术套路中腾空摆莲B和C级跳跃落地接马步是长拳、南拳武术项目的两个难度动作。通过对该组动作落地技术的动力学及相关稳定性因素的分析,提出合理的落地技术和训练中需解决的问题。采用录像观察与试验分析相结合的方法,针对男女运动员的腾空与落地的特点,提出相应的解决办法和训练理论。

基于petri网跳面节点的空间信息网可靠性评估

空间信息网节点都暴露于空间的复杂环境,导致其很容易遭受攻击,出现卫星或链路的故障或失效,从而影响空间信息网通信的可靠性。因此,提出一种基于跳面节点与petri网的空间信息网可靠性评估算法,完成了可靠性评估指标的建立、可靠性评估两部分。构建petri网评估模型,在此模型上建立单颗卫星的静态拓扑并组建跳面。利用petri网跳面节点计算网络的连通可靠度,评估连通可靠性和抗毁性。在业务可靠性评估过程中,利用基于选择复制的动态数据传输算法,采集petri网评估时所需数据,通过petri网中变迁置信度计算,对业务可靠性评估。仿真结果表明,算法能够有效评估空间信息网的可靠性,为构建可靠性较高的拓扑、保证数据的可靠传输提供有力的依据,可以有效避开故障部位或拥塞区域,提高了网络的抗毁性。

不可靠通信的云控场景下网联车辆控制器的设计

鉴于不可靠的网络通信给车辆网联控制带来的隐患,本文研究了考虑时延、丢包等因素的网联车辆控制器设计方法。首先基于马尔可夫跳变线性系统,建立包含随机丢包和时延事件的网络控制系统模型,提出了马尔可夫跳变线性系统稳定的线性矩阵不等式条件,给出了随机丢包的量化控制器设计方法。在此基础上,通过对系统方程矩阵的增广,提出了离散时延的跳变控制器设计方法。最后,分别对网联车辆横向与纵向控制两个典型云控场景进行仿真。结果表明,用本文提出的方法,在时延或丢包概率分布已知的条件下所设计的网联车辆控制系统量化控制器,能保证在不可靠通信情况下系统的稳定性和安全性。

我国优秀女子跳远运动员助跑与起跳衔接技术运动因素研究

选取我国优秀女子跳远运动员作为研究对象,把倒二步着地至起跳作为研究范围,以三维录像解析和数理统计为主要研究方法,论证了影响助跑与起跳衔接技术的诸因素及其运动学意义上的因果关系。

多通路高分辨率网络与注意力机制融合的车辆检测模型

为改善道路交通监测和保证智能网联交通系统的安全、可靠与稳定运行,提出了在路侧边缘平台中基于多通路高分辨率网络与注意力机制融合的车辆检测模型MCHRANet。该模型采用多通路的高分辨率网络的结构设计,保留高分辨率特征并保障识别准确率。融入注意力机制的特征融合方法,通过特征连接权重自学习实现多尺度特征的深度融合。各通路网络采用跳跃连接促进跨层特征融合,加速网络收敛,并利用公开数据集对车辆检测性能进行评估并验证。结果表明:所提模型的车辆检测性能优于3个传统模型,改进后的网络识别平均精度均值(mAP)指标接近95%,且对于不同场景下的检测具有良好的鲁棒性。

基于相位偏移的主动移频式孤岛检测方法

针对传统过压/欠压、过频/欠频、相位突变、主动频率偏移孤岛检测方法的不足,提出了一种改进方法。将相位偏移量作为辅助量加入主动移频孤岛检测方法中,使检测容性负载的孤岛现象具有与感性负载同样的快速性,并能有效降低主动频率偏移法对电网电能的影响。该方法实现简单,检测快速,仿真结果验证了其快速性和有效性。

不同统计方法对跳高成绩分析的比较研究

以全回归、逐步回归、灰色关联和斜关联分析等方法 ,利用参考文献中的原始数据 ,对影响跳高成绩的因素重新进行分析 ,结果表明 :尽管各种统计分析得出了一个大致的结论———助跑摸高是影响跳高成绩的主要因素 ,但是 ,各分析统计方法的结果都有不同程度的缺陷。这可能与样本含量的大小、统计方法的局限。