基于超大型三轴仪的堆石料动力特性缩尺效应研究

堆石料的缩尺效应是导致高土石坝变形预测不准的重要因素之一,目前针对堆石料静力缩尺效应的影响已有部分研究,但针对堆石料动力变形特性的缩尺效应研究仍十分鲜见。本文对两河口板岩及古水玄武岩开展了超大型(试样直径800 mm,最大粒径为160 mm)和常规大型三轴(试样直径300 mm,最大粒径为60 mm)动剪切模量和阻尼比试验,研究了平行相似级配条件下最大粒径对最大动剪切模量、动剪切模量比、阻尼比以及沈珠江等效线性模型参数的影响。试验结果表明:①超大型三轴试验的最大动剪切模量大于常规大型三轴试验,随着动剪应变的增大,超大型和常规大型三轴试验的最大动剪切模量差别逐渐减小;②超大型三轴试验的动剪切模量比G_(d)/G_(dmax)小于常规大型三轴试验,即超大型三轴试验的动剪模量比衰减得更快;③超大型三轴试验的阻尼比大于常规大型三轴试验,随着动剪应变的增加,二者的差距逐渐增大;④超大型三轴试验得到的沈珠江等效线性模型参数k_(2)、k_(1)以及λ_(max)分别是常规大型三轴试验的1.14~1.32倍、1.26~1.31倍以及1.31~1.44倍,超大型和常规大型三轴试验得到的模量指数n差别不大。本文研究成果可为同类工程动力响应分析提供更加合理的试验与数值计算依据。

结合多尺度多注意力的遥感图像超分辨率重构

视觉Transformer在改进图像超分辨率性能方面展现了良好的潜能.然而,遥感图像中不同目标表现的尺度多样性限制了其超分辨率的图像质量.为此,研究了一种结合多尺度多注意力的Transformer遥感图像超分辨率网络,旨在增强其特征学习能力,从而有效提升遥感图像的超分辨率性能.具体来说,输入特征首先通过多级下采样,得到多个尺度的特征;然后,逐级将低维特征通过一种交替密集注意力与稀疏注意力的Transformer网络进行变换,并将输出结果升维后与高维特征融合.密集注意力与稀疏注意力的结合可同时兼顾对局部相关性和全局相关性的有效提取,而多通路多尺度变换能够增强对图像小目标的建模能力.基于两个开源的遥感数据集的大量实验结果,验证了该方法的有效性.

跨尺度混合注意力的遥感图像超分辨率重建

为了解决现有遥感图像超分辨率重建模型对长期特征相似性和多尺度特征相关性关注不足的问题,提出了一种基于跨尺度混合注意力机制的遥感图像超分辨率重建算法.首先提出了一个全局层注意力机制(global layer attention,GLA),利用层注意力机制加权融合不同层级的全局特征,建模低分辨率与高分辨率图像特征间的长期依赖关系.同时,设计了跨尺度局部注意力机制(cross-scale local attention,CSLA),在多尺度的低分辨率特征图中寻找与高分辨率图像匹配的局部信息补丁,并融合不同尺度的补丁特征,以优化模型对图像细节信息的恢复能力.最后,提出一种局部信息感知损失函数来指导图像的重建过程,进一步提高了重建图像的视觉质量和细节保留能力.在UC-Merced数据集上的实验结果表明,本文方法在3种放大倍数下的平均PSNR/SSIM优于大多数主流方法,并在视觉效果方面展现出更高的质量和更好的细节保留能力.

多尺度残差密集注意力网络图像超分辨率重建

目的使用单一尺度卷积网络提取低分辨率(low-resolution,LR)图像特征会造成大量图像高频特征丢失,为了获取更多高频特征,重建更清晰的超分辨率图像,方法提出一种基于多尺度残差密集注意力网络(multi-scale residual dense attention network)的单幅图像超分辨率重建算法。首先,使用卷积网络从低分辨率图像中提取浅层特征并将其作为后续网络各级输入;其次,采用各级多尺度残差密集注意力块(multi-scale residual dense attention block)处理前级网络图像特征并从中提取图像高频特征,多尺度残差密集网络善于提取更丰富的图像特征,并融入注意力机制,增强网络对高频区域特征的关注;然后,将网络各级提取不同深度的图像特征进行全局特征融合;最后,融合后的特征经上采样输出重建的超分辨率图像。结果放大因子为4时,网络在SET5,SET14,BSDS100,URBAN100和MANGA109数据集上测试,峰值信噪比分别为31.97,28.58,27.57,25.85,29.79 dB;网络中基本模块分别由多尺度残差密集注意力块、残差块和密集块替换提取特征,以峰值信噪比作为模块性能评估标准,多尺度残差密集注意力块表现更优异。结论该网络结合多尺度残差密集网络能够获取更丰富图像高低频信息,融入注意力机制有效对网络中高频信息进行提取,能重建纹理更清晰的超分辨率图像。

适用于图像超分辨率的多路径融合增强网络

卷积神经网络(Convolutional Neural Network,CNN)在单幅图像的超分辨率重建方面表现出了非常强大的能力,相比传统方法有着明显的改进。然而,尽管这些方法非常成功,但是由于需要大量的计算资源,直接应用于一些边缘设备并不现实。为了解决该问题,设计了一种轻量级的图像超分辨率重建网络——多路径融合增强网络(Multi-path Fusion Enhancement Network,MFEN)。具体来说,提出了一个新颖的融合注意力增强模块(Fusion Attention Enhancement Block,FAEB)作为多路径融合增强网络的主要构建模块。融合注意力增强模块由一条主干分支和两条层级分支构成:主干分支由堆叠的增强像素注意力模块组成,负责对特征图实现深度特征学习;层级分支则负责提取并融合不同大小感受野的特征图,从而实现多尺度特征学习。层级分支的融合方式则是以相邻的增强像素注意力模块输出为分支输入,通过自适应注意力模块(Self-Adaptive Attention Module,SAAM)来动态地增强不同大小感受野特征的融合程度,进一步补全特征信息,从而实现更全面、更精准的特征学习。大量实验表明,该多路径融合增强网络在基准测试集上具有更高的准确性。

基于InSAR技术的夏藏滩滑坡区地表变形监测与分析

黄河上游两岸巨型滑坡发育,对以龙羊峡水电工程为代表的黄河上游梯级电站以及当地居民生产生活和生命财产安全等带来一定影响和潜在危害。为研究黄河上游巨型滑坡分布区地表形变特征,以位于青海尖扎境内的黄河上游右岸夏藏滩滑坡分布区为研究区,利用升轨、降轨Sentinel-1A影像数据,采用InSAR技术对滑坡体地表形变信息进行提取和分析,并通过实地调查对基于InSAR技术监测结果进行现场验证。结果表明:采用升轨、降轨Sentinel-1A影像数据所获得的区内滑坡体地表最大形变速率分别为24mm/a和21mm/a,最大累计变形量分别为133mm和128mm;2017—2022年监测周期内,随着监测时间增加,位于夏藏滩滑坡前缘的次级滑坡特征点A和B累计位移量呈逐渐增加的变化趋势;基于PS-InSAR和SBAS-InSAR两种方法所得到的滑坡体地表累计变形量具有一致性特征,该结果表明InSAR技术适用于黄河上游拉干峡—寺沟峡流域巨型滑坡体地表变形的监测。该研究结果不仅为开展黄河上游巨型滑坡地表变形监测提供有效方法,而且为该流域有效防治古滑坡复活提供数据支撑和实际指导。

基于多尺度自适应注意力的图像超分辨率网络

针对大多数图像超分辨率重建方法利用单尺度卷积进行特征提取,导致特征提取不充分的问题,提出基于多尺度自适应注意力的图像超分辨率网络。为充分利用各个层次特征中的上下文信息,设计了多尺度特征融合块,其基本单元由自适应双尺度块、多路径渐进式交互块和自适应双维度注意力依次串联组成。首先,自适应双尺度块自主融合两个尺度的特征,获得了更丰富的上下文特征;其次,多路径渐进式交互块以渐进的方式交互自适应双尺度块的输出特征,提高了上下文特征之间的关联性;最后,自适应双维度注意力自主选择不同维度注意力细化输出特征后,提高了输出特征的鉴别力。实验结果表明,在Set5,Set14,BSD100和Urban100测试集上,本文方法在PSNR和SSIM定量指标上相比于其他主流方法相均有提升,尤其对于纹理细节难以恢复的Urban100测试集,本文方法在比例因子为×4时,相较于现有最优方法SwinIR,PSNR和SSIM指标分别提升了0.05 dB和0.0045;在视觉效果方面,本文的重建图像具有更多的纹理细节。

复杂条件超大规模连续盘区多中段开采应力扰动规律研究

以某超大规模开采铁矿为研究对象,模拟了矿区超大规模连续盘区多中段充填采矿过程,重点对回采过程中的围岩扰动应力演化规律进行了分析。结果显示多中段开采的扰动叠加效应对26 m矿柱稳定性影响显著。两中段之间存在卸压现象,深部采区-580 m水平以下应力集中明显。研究结果可供连续盘区超大规模开采、深井矿山卸压开采等借鉴参考。

多阶段特征蒸馏加权的轻量级图像超分辨率网络

针对在轻量化网络中提取底层特征感受野不足以及缺乏对局部关键特征强化的问题,提出一种多阶段特征蒸馏加权的轻量级图像超分辨率网络LMSWN。首先,通过类金字塔模块扩大对浅层特征提取时的感受野,融合不同尺度的特征信息,丰富网络的信息流;其次,设计多阶段残差蒸馏加权模块用于增强方形卷积提取局部关键特征的能力,以恢复更多细节信息提高重建性能,同时将通道分离与1×1卷积结合共同实现对特征的逐级蒸馏,减少网络参数量;最后,引入2个自适应参数对多阶段残差蒸馏加权模块的2条支路特征进行联合学习,提升对不同层次特征信息的关注度,进一步增强网络的表征能力。实验结果表明,在Set 5、Set 14、BSD 100、Urban 100和Manga 109这5个基准测试集上的实验充分验证了所提网络的有效性,其性能超过了当前主流轻量级网络。

多尺度双注意力的图像超分辨率重建方法

针对当前已有的图像超分辨率重建方法存在提取的特征信息单一、特征利用率低等问题,提出一种多尺度双注意力的图像超分辨率重建方法(MSDA)。首先,该方法通过多尺度特征提取块,提取输入图像不同尺度的特征信息;其次,引入双注意力机制使网络快速关注图像高频信息区域,利用跳跃连接来减少特征信息在深层次网络递进过程中的信息丢失;最后,使用dropout层来均衡化特征通道重要性,防止网络协同适应,提升模型的泛化性。在公共测试集Set5、Set14、BSD100、Urban100、Manga109上的实验结果表明:MSDA取得了较好的效果,重建后的图像具有更多高频信息,纹理细节丰富,观感上更接近原始高分辨率图像。

基于超分辨率网络的级联信道估计方法

为了提高无线通信系统中级联信道估计的精度和稳定性,提出一种新颖的级联信道估计方法,融合了压缩感知模型和深度学习技术。具体地,将信道估计问题转化为角度域上稀疏信号恢复问题,进一步设计了基于超分辨率网络的角度估计模块,结合多尺度注意力机制,提高相关矩阵的分辨率,获得精细的角度估计结果。最后逐径估计幅度,完成信道重建。仿真表明,所提算法在估计精度方面优于基准算法,导频数目较少时依旧表现出良好性能。

多种及多尺度注意力混合的图像超分辨率重建

图像自身信息对图像重建具有天然鲁棒性,但多数超分辨率方法并未充分利用全局特征信息。文中提出了一种新图像超分辨率模型,混合了多种及多尺度注意力,包括多尺度混合非局部注意力上采样模块和残差密集注意力模块两个新的模块。与以往非局部方法不同,多尺度混合非局部注意力上采样模块混合了基于像素和基于块的非局部注意力,并在多个尺度上建立块级别的上采样映射关系,使全局搜索空间更广。残差密集注意力模块建立通道和空间维度的注意力关联,通过密集连接增强了前后注意力信息的传递和融合。在多个基准数据集上进行了定量和定性评估,实验结果表明,该模型在性能和重建质量方面优于同类超分辨率模型。

磁性功能梯度圆柱壳磁热弹性超谐波共振研究

研究温度场和磁场中功能梯度(functionally graded, FG)圆柱薄壳1∶3阶超谐波共振问题。针对金属-陶瓷FG圆柱薄壳,采用热传导方程表征一维温度场沿壳体厚度分布特性;结合热弹性理论,并考虑几何非线性,确定了壳体物理中面下的本构关系;基于磁弹性理论,建立磁场环境下壳体所受洛伦兹力和磁化力模型。应用哈密顿变分原理推得磁热弹耦合非线性振动方程。利用伽辽金积分法得到两端简支FG圆柱薄壳的无量纲化非线性振动微分方程,确定了由静磁力和热内力所产生的静挠度特征方程。应用多尺度法对系统的1∶3阶超谐波共振问题进行近似解析求解,得到系统稳态运动下的幅频响应方程,并应用李雅普诺夫稳定性理论对稳态解进行稳定性分析。通过数值算例,得到不同物理和几何参数影响下系统的共振幅值变化曲线图、动相轨迹图及多值解的区域划分图。结果表明:系统体现为硬弹簧特性;增大激励力幅值、陶瓷侧温度,临界多值解的分岔点右移,共振区域变大;增大磁场强度,稳定解振幅减小。

堆石料缩尺效应试验及其数值模拟

堆石料的缩尺效应影响其力学参数的准确性。对某堆石料开展的超大型三轴(试样尺寸分别为直径500mm,高1000mm最大粒径为100mm)和大型三轴(直径300mm,高700mm最大粒径为60mm)剪切试验,用PFC3D对试验过程进行模拟,进一步探索缩尺对堆石料应力-应变、泊松比和弹性模量的影响。结果表明:大型三轴试验所得的粘聚力小于超大型三轴,内摩擦角则大于超大型三轴;相同围压下,大型三轴试验率先到达破坏的峰值应力,且比超大型三轴的峰值应力高;数值试验能较好地再现三轴试验剪切过程,也为堆石料的缩尺效应试验研究提供了简便方法。

论文摘要编写要点

论文摘要十分重要,它是沟通读者和作者之间的桥梁。在今天信息时代,读者不可能阅读刊物的每一篇论文去查找所需的信息,只有通过摘要了解论文的主要内容,从而判断有无必要阅读全文。国内外的检索系统为了信息交流,更建立了各种二次文献数据库,帮助读者通过查找论文摘要,以便提取原文。而二次文献数据库的基础是作者的论文摘要。但许多作者却往往忽视了论文摘要的这一重要意义,没有下工夫把论文摘要写好,尤其是英文摘要。当今科技领域,英文已经成为国际交流语言,世界各国学者想追踪了解某一学科的发展情况,多会用英文工具书、数据库进行检索。而国外的检索系统也主要通过英文摘要判断论文是否被收录进数据库。为了帮助作者写好摘要,我编辑部在给作者的论文修改通知中都附有《摘要编写要点》,供作者参考。现再刊登于下,以便作者查阅。

超大规模海上风电海陆一体直流输电技术探讨

海上风电的大规模开发是“双碳”战略目标实现的重要举措之一。常规的海上风电经柔性直流送出方案中,风电登陆后依赖交流架空线实现陆上电能传输,存在陆上输电走廊占用大、需要建设大量陆上换流站等不足,难以支撑我国海上风电资源大规模集中开发的需求。在分析我国海上风电开发需求的基础上,提出了超大规模海上风电海陆一体协同输电技术方案,为千万千瓦级海上风电基地开发提供一种新的解决思路。在PSCAD/EMTDC仿真平台上搭建了6000MW海上风电经三送、两受多端直流海陆一体送出系统模型,验证了所提技术方案的有效性和可行性。

全局-局部注意力引导的红外图像恢复算法

针对真实世界的红外图像恢复算法中存在的图像模糊、纹理失真、参数过大等问题,提出了一种用于真实红外图像的全局-局部注意力引导的超分辨率重建算法。首先,设计了一种跨尺度的全局局部特征融合模块,利用多尺度卷积和Transformer并行融合不同尺度的信息,并通过可学习因子引导全局和局部信息的有效融合。其次,提出了一种新颖的退化算法,即域随机化退化算法,以适应真实红外场景图像的退化域。最后,设计了一种新的混合损失函数,利用权重学习和正则化惩罚来增强网络的恢复能力,同时加快收敛速度。在经典退化图像和真实场景红外图像上的测试结果表明,与现有方法相比,该算法恢复的图像纹理更逼真,边界伪影更少,同时参数总数最多可减少20%。

层次信息自适应聚合的图像超分辨率重建算法

随着卷积神经网络的发展,图像超分辨率重建算法取得了一定的突破。尽管如此,现有的图像超分辨率算法很少区分利用层次特征,并且存在多尺度特征提取代价大的问题。针对这些问题,提出了层次信息自适应聚合的图像超分辨率重建算法。具体来说,采用多层次信息精炼机制对不同层次的特征进行自适应增强处理,解决层次特征没有区分利用的问题。构造细粒度的多尺度信息聚合块,解决多尺度信息提取代价大,特征表征能力弱的问题。提出对比度增强的重组注意力块,以较低的代价同时利用特征的通道和空间信息,实现对特征的自适应校准。大量实验表明,相比其他先进的算法,所提方法在Urban100等五个基准数据集上能取得更好的指标和视觉效果。

超大型取水工程取水头部及引水管线设计

为减少水源保护与城市发展的矛盾,同时降低钱塘江盐水入侵对取水安全的威胁,杭州市启动了取水口上移工程。结合杭州市主城区水厂布局调整及千岛湖引水工程事故工况等因素,新建取水工程土建规模按远景300万m^(3)/d考虑,近期设备安装规模为170万m^(3)/d。根据本工程取水口涉水专题研究,取水口上移位置位于富春江石门沙南岸,现状萧山江东取水口上游约250 m处。通过综合比选,采用箱式取水头部,可有效保证取水安全,降低工程投资。根据取水头部和取水泵站两者位置,对引水管线路进行布置,通过水力计算确定采用2根DN3400钢管,全线采用顶管施工。为保障运行安全,设计考虑了引水管防淤积措施和取水头部防护警示设施。

基于多尺度通道搅乱网络的CT图像超分辨率重建

将超分辨率重建技术引入医学领域,提升医学图像分辨率辅助医生分析病情,针对目前深度学习方法特征提取感受野低,训练难度过大的问题,提出了一种轻量级的医学图像超分辨率方法。首先多尺度特征提取模块,使用多个小卷积核级联方式扩大感受野;其次通道搅乱注意力模块,通过通道搅乱方式增强各个信息通道之间的联系,通过空间注意力模块进行特征聚合;最后使用亚像素卷积层进行上采样操作得到最终输出的高分辨率图像。经实验验证,所提出方法与RDN(Residual Dense Network for Image Super-Resolution)相比,参数量显著下降,同其他轻量级算法相比,图像的重建质量更好。