基于多元协同的大学生劳动教育实践研究

我国人民历来有热爱劳动的传统美德。劳动教育是中国特色社会主义教育制度谱系的重要内容,是以改革创新为核心的时代精神的有机组成。大学生劳动教育是树立劳动观念、培养劳动态度、淬炼劳动能力、锻造劳动品德的重要途径。针对劳动教育观念松懈、日常劳动与专业劳动混淆、学校劳动与企业实践脱节、劳动形式浮于表面等问题,构建以专业劳动为核心、以校企协同为引领、以校内实践平台为抓手、以创新创业为突破点的多元协同劳动教育实践模式。

基于工程临界分析法的相控阵超声检测焊缝缺陷定量研究

本文分析了相控阵超声检测对缺陷定量的特点,介绍了相控阵超声采用工程临界分析法(ECA)对缺陷定量的特殊性。通过多种检测方法对焊缝中预制缺陷进行检测和分析,发现采用工程临界分析法定量不仅能合理地分析评定缺陷,还能保证检测结果一致。得出相控阵超声检测采用工程临界分析法对缺陷定量既科学合理,又准确可靠。

基于偏振特征与强度信息融合的工件目标检测

针对目前工件尺寸测量在工件关键测量点的准确提取阶段存在的问题,因此本文提出一种基于偏振特征与强度信息融合的工件目标检测方法。在工件强度图像的基础上引入偏振特征,建立强度信息与偏振特征差异化式高效交互的双流网络模型,以实现更高效的偏振特征和强度信息融合。为验证算法的效果,本文建立了偏振图像工件目标显著性检测数据集。在此数据集上,本文提出的算法在精确度Precision、max-F和相似性值S-measure三个指标上和视觉结果均在对比算法中达到了最优结果,充分表明了本文算法出色的工件目标检测性能,具有极佳的工件目标检测效果。

下一代海洋信息网络隐私安全保护方法及趋势

为保障和促进沿海地区经济社会发展,提高海洋经济对国民经济的贡献力量,需要加强对海洋信息网络的建设。空天地海一体化的海洋信息网络满足了对海洋环境监测、海域通信和海上交通等服务的支持,而网络数据安全传输和隐私保护是其建设前提。对下一代空天地海一体化的海洋信息网络的网络结构和安全需求进行分析,并对隐私安全保护方法发展趋势做出展望。海洋信息网络是国家经略海洋的重要基础设施,其隐私安全保护研究将为海洋产业建设提供强有力的安全保障。

基于数据驱动的配电网无功优化

传统无功电压控制由于分布式电源、储能以及柔性负荷的接入面临计算速度和精度上的挑战。该文提出了一种基于数据驱动的配电网无功电压优化方法,通过跟踪实际系统的运行参数,实现无功电压的主动控制。在极限学习机中引入自动编码器构建深度学习机制,利用自动编码器建立极限学习机输入-输出的直接耦合关系,实现无监督学习和有监督学习有机结合,缩短训练模型的迭代过程;利用蒙特卡洛法基于分布式电源、负荷预测信息构建配电网运行场景,利用深度极限学习机挖掘运行场景优化运行与无功调压设备状态间的内在联系,建立电网运行场景与系统无功调压策略的映射关系。该文提出的基于数据驱动的无功优化方法不依赖实际系统潮流计算,能够实现配电网运行状态的跟踪和无功调节设备的优化调度,为配电网无功电压的主动控制打下基础。

基于共享视角的黄河流域综合生态补偿机制

生态补偿机制是打破黄河流域零散化环境保护,应对流域生态环境变化,推动流域高质量发展的重要制度创新。该研究在共享视角下,利用微分博弈模型和最优控制理论,结合黄河流域生态保护具体情况与出台的相关支持政策,引入径流增加量和泥沙治理量两个环境保护衡量指标构建了黄河流域综合生态补偿机制的博弈模型,探讨在完全共享生态补偿机制、不完全共享无横向生态补偿机制以及不完全共享有横向生态补偿机制3类情形下的最优策略,并针对共享效益系数、生态补偿系数等展开了参数影响分析。结果显示:①完全共享生态补偿机制以及不完全共享有横向生态补偿机制均可以提高政府对生态保护的投入,完全共享生态补偿机制是最优机制,不完全共享有横向生态补偿机制更具有实践性和操作性。②区域政府的生态保护投入、环境改善效果以及流域整体的经济利益与生态保护成本系数负相关,与生态保护效果系数正相关,共享效益系数是各区域政府关于环境保护与经济发展博弈后的结果,实现合理的共享效益系数有利于加强长期跨界合作关系的稳定。③在预期收益对生态环境更加敏感的区域,开展综合生态补偿机制有利于形成生态环境改善与预期收益增加相互促进的良性循环。最后通过实证分析验证了结论的有效性,并从发挥中央政府统筹作用、健全流域信息共享机制以及均衡生态保护与经济发展关系3个方面为构建黄河流域综合生态补偿机制提出了对策建议,进一步推动了黄河流域的协同治理,完善了黄河流域生态补偿制度。

混凝土缺陷信号变分模态分解与超声成像方法

混凝土的强散射特性限制了其中缺陷声波成像的分辨率。该文采用一种依据变分模态分解与全聚焦成像相结合的方法,将接收信号分解成多个本征模态函数,计算各本征模态函数与激励信号的相关系数,对信号加权重构以实现对特征信号的提取,从而提高成像算法对混凝土缺陷间散射波互干扰的鲁棒性。通过设置对比试验,研究了不同缺陷混凝土结构中该信号处理方式对于成像结果的影响。试验结果表明,该方法对于弱散射及散射干扰具有更好的鲁棒性,相比基于原始数据的成像方法能够更好地还原混凝土内部结构。

基于空域自适应单脉冲的抗干扰雷达多目标参数估计算法

基于空时级联单脉冲的多目标参数高效估计算法(M-STCMP)是一种高效的雷达多目标参数估计算法,但在干扰环境下其参数估计性能将严重下降。文中提出了基于空域自适应单脉冲的抗干扰多目标参数估计(AM-STCMP)算法。首先,将空域自适应单脉冲技术引入M-STCMP算法,自适应形成和差波束抑制干扰信号,提高各目标的信干噪比,并迭代修正自适应和差波束的鉴角曲线;其次,采用空时级联单脉冲技术估计各目标的距离-速度两维参数;最后,采用Relax算法高精度迭代估计各目标的角度-速度-距离三维参数。理论分析和仿真结果验证了AM-STCMP算法的有效性,其参数估计性能接近无干扰情形。

可重构智能超表面辅助的大规模机器类通信深度学习大规模MIMO信道估计

大规模机器类通信(mMTC)是第5代移动通信系统的重要应用场景之一,可实现每平方公里近百万级设备的连接。考虑到mMTC传播环境的复杂性,该文引入可重构智能超表面(RIS)进行上行免授权的传输,由此级联形成用户与RIS、RIS与基站(BS)之间的信道链路,从而有效控制无线信号传输的质量。在此基础上,建立Turbo译码消息传递思想下的降噪学习系统,通过大量的训练数据,以学习RIS辅助的级联信道状态信息,并对其进行估计。此外,该文对RIS辅助的mMTC信道估计结果进行了统计分析,以验证所提方案的准确性。数值仿真结果和理论分析结果表明,该文方法优于其他压缩感知类的方法。

基于改进VMD-MCKD和深度残差网络的风机齿轮箱故障诊断

行星齿轮箱是风电机组传动系统中的重要部件,其运行工况复杂,背景噪声大,导致齿轮早期故障信号微弱且极易受背景噪声的影响。针对风电机组齿轮箱早期故障特征难以有效提取,齿轮故障难以识别的问题,提出一种风机齿轮箱故障诊断方法。首先,通过变分模态分解算法(variational mode decomposition,VMD)分解风机齿轮箱原始振动信号,获得振动信号故障的最优模态分量;接着,利用最大相关峭度解卷积算法(maximum correlated kurtosis decnvolution,MCKD)通过解卷积重构最优模态分量,削弱背景噪声增强故障冲击成分,获得故障特征;同时利用麻雀搜索算法(sparrow search algorithm,SSA)优化惩罚因子α、模态分解个数K、滤波器阶数L和反褶积周期T等参数,提升振动信号故障特征提取的准确度;最后,构建基于深度残差网络(deep residual network,ResNet)的齿轮箱故障诊断模型,建立齿轮箱故障特征与类别的非线性映射关系,实现风机齿轮箱故障分类识别。实验结果表明,所提风机齿轮箱故障诊断方法的准确率达到97.48%,相较其他方法在信号特征提取和故障诊断效率方面有明显提高。

数据与知识驱动的零件特征工艺决策方法

在零件的工艺设计阶段,加工工艺方案的生成强依赖于设计人员选择和应用的工艺知识.而由于实际的生产环境与设计人员选择工艺知识存在着诸多偏差,加工方案与实际的工艺过程不匹配成为当前零件制造领域关注的难题.为解决上述问题,本文提出了一种数据与知识双驱动的零件特征工艺决策方法.本方法使用基于注意力机制的MLP深度学习算法,从结构化工艺数据中挖掘工艺知识,关联零件特征与特征工艺标签.将其经过数据加工后,用于训练神经网络模型.经过验证,该方法能够以零件特征的工艺数据为输入,输出其对应的特征工艺标签的概率分布,为零件工艺方案的选择提供决策支持.

基于深度强化学习的复杂网络节点影响力排序算法

针对当前节点影响力评估算法准确度较低的情况,提出了一种基于深度强化学习的节点影响力排序算法。该算法从网络拆解的视角看待节点影响力,将节点影响力的排序问题转换为网络拆除策略的优化问题。算法首先利用排序学习训练图神经网络模型的节点特征提取能力,然后使用强化学习对依赖于网络状态的节点断连行为做价值学习,最后使用训练完成的模型预测网络拆除的最佳策略,即节点影响力的最准确排序。仿真实验证明,所提算法在典型真实数据集的CN(Crtical Node)与ND(Network Dismantling)问题上,相较于PageRank算法,准确度分别提升了31.1%与29.0%。同时,该算法具有较低的复杂度,可为网络稳定性分析和网络性能优化提供技术支撑。

混合可重构智能表面和人工噪声辅助的物理层安全通信

针对可重构智能表面(Reconfigurable Intelligent Reflecting Surface,RIS)辅助的物理层安全通信,该文设计了基于混合有源-无源RIS和人工噪声(Artificial Noise,AN)辅助的安全传输方案。考虑基站和RIS的功率约束以及RIS无源反射元件的反射系数恒模约束,以最大化系统安全传输速率为目标,构建基站发射波束成形、AN波束向量、RIS反射系数矩阵联合优化问题。使用交替优化(Alternating Optimization,AO)、权值最小均方误差(Weighted Minimum Mean Square Error,WMMSE)和半定松弛(Semi-definite Relaxation,SDR)算法,求解所构建的变量高度耦合的非凸优化问题。仿真结果表明,混合RIS辅助安全传输方案,能够有效提高系统的安全速率,与无源RIS相比,能够有效克服“双衰落”效应导致的安全速率降低,与有源RIS相比,具有更高的能量效率。

基于TPA‑MBLSTM模型的超短期风电功率预测

风速变化的间歇性和波动性给风功率的精准预测带来极大挑战,充分挖掘风电功率与风速等关键因素的内在规律是提高风电功率预测精度的有效途径。提出一种结合时间模式注意力(time pattern attention,TPA)机制的多层堆叠双向长短期记忆网络的超短期风电功率预测方法。首先,利用基于密度的含噪声空间聚类方法(den⁃sity based spatial clustering with noise,DBSCAN)和线性回归算法进行风功率数据集的异常值检测,利用k最邻近(k⁃nearest neighbor,KNN)插值法重构异常点数据;其次,综合考虑风电功率与各气象特征的内在关联性,在MBLSTM网络中引入TPA机制合理分配时间步长权重,捕捉风电功率时间序列潜在逻辑规律;最后,利用实验仿真数据进行分析验证本文方法的有效性,该方法能够充分挖掘风功率与风速影响因素的关系,从而提高其预测精度。

大棕蝠声呐信号仿生模型测向特性研究

采用计算机仿真建立了蝙蝠生物声呐的仿生模型,并研究了其测向性能。基于双耳干涉谱建立了模拟蝙蝠方位感知的双耳宽带干涉仪模型,结合卷积神经网络(CNN)实现了方位特征的提取与感知,同时阐述了该模型多频点解模糊的原理。仿真结果表明,当信噪比为25 dB时,所提仿生模型在粗略搜索模式下测向精度为0.87°,在精确搜索模式下测向精度为0.116°,获得了较高的方位识别精度,且具有解模糊能力。与采用宽带相位差计算目标方位信息的方法相比,所提模型具有相近的测向性能,但解模糊能力更强。

基于多节点策略的雷达智能干扰调制类型识别技术研究

采用认知雷达架构有助于实现雷达抗干扰技术的智能化程度提升。针对认知抗干扰技术领域中雷达对电磁干扰环境的感知问题,文中提出了一种基于深度学习的多节点干扰调制类型识别方法。该方法针对雷达信号处理的不同节点,如数字波束形成、自适应副瓣对消、脉冲压缩前后以及动目标检测之后,采用多个节点的时频平面和距离多普勒平面作为干扰信号的联合特征提取对象,建立了基于深度学习的多节点干扰识别策略模型,以提高多种干扰场景下的干扰识别正确率。为了提升干扰特征的提取能力和网络的训练效率,将用于干扰识别的深度学习算法在卷积神经网络的基础上引入了注意力机制和残差网络,建立了针对多节点策略下的干扰类型识别网络结构,实现了对多种不同干扰场景下的干扰类型识别。仿真结果表明:在单一干扰场景下,当干噪比为14 dB时,所提算法的干扰识别准确率可达92%;在多干扰场景下,所提算法在不同节点策略的加持下,识别准确率可达90%。

一种捷变频雷达距离速度超分辨-恒虚警-自适应重构参数估计算法

针对捷变频雷达目标参数估计与强欺骗干扰抑制问题,提出了一种适用于距离-速度维稀疏处理模型的超分辨-恒虚警(CFAR)-自适应重构算法,实现了目标搜索、距离-速度参数估计及欺骗干扰抑制。基于量化格点的距离-速度超分辨谱实现了目标距离-速度参数与字典元素的匹配,并采用CFAR算法对距离速度平面进行二维搜索,以实现目标检测与距离速度参数估计。采用自适应重构对消方法从观测向量矩阵中减去已估计目标分量,迭代过程中更新二维谱噪声子空间维度,循环采用距离-速度谱、CFAR及自适应对消实现剩余目标估计。通过每次迭代过程中的多目标估计与对消,解决了强欺骗干扰情况下的弱目标参数估计问题。该方法为捷变频雷达距离速度维稀疏表示欠定方程数学模型提供了另一种求解途径。

基于特征点匹配的排水管道声点云模型配准算法

三维重建技术逐渐成为获取全面、完备、准确的排水管道信息的关键手段;而实际检测受到管道堵塞等工况与管道检测规程等因素限制,造成所获得的管道声呐点云模型会出现位姿不同、部分重叠或空缺等情况,需要通过配准获取完整管道模型;同时,传统ICP算法针对管道模型存在效率低、精度差的问题;因此,文章提出基于特征点匹配的粗配准与改进的ICP精细配准相结合的点云配准算法;首先,利用ISS特征点检测法检测出模型特征点,通过FPFH对特征点进行进一步的描述;其次,采用RANSAC算法筛选出正确特征匹配点集,利用四元数法解算出初始变换参数完成粗配准;最后,在粗配准基础上,通过改进最近对应点查询的ICP算法完成精细配准;实验结果表明了该文算法的可行性与优越性,能为后续排水管道缺陷检测提供高完备、全面、准确的点云模型。

基于近似非凸RPCA的Lamb波损伤监测

在结构健康监测(Structural Health Monitoring,SHM)技术中,基于Lamb波的损伤监测方法在板状结构中显示出了巨大的潜力。提出了一种基于近似非凸鲁棒主成分分析(Approximate Non-Convex Robust Principal Component Analysis,ANC-RPCA)的异常值分析方法。该算法对于高维测量信号,能够在降维条件下实现有效的损伤诊断。通过使用秩近似函数逼近矩阵的秩,采用非凸惩罚函数逼近?_(0)范数,非凸惩罚函数在一定条件下可以保证稀疏解的唯一性。随着数据矩阵规模的扩大,传统的RPCA采用核范数近似时,奇异值分解的计算复杂度也会上升。新的近似方法能在使计算效率更高的情况下,针对波场图像能够在更低秩的水平下保留有效信息,识别出异常值。将该算法运用到基于Lamb波的波场图像中,通过仿真和实验数据验证其有效性,使用非精确增广拉格朗日乘子(Inexact Augmented Lagrange Multiplier,IALM)法求解,并与目前使用较多的主流RPCA算法进行了效果对比。实验结果表明ANC-RPCA算法在异常值识别中具有良好的性能,相较于其他算法,在计算效率和低秩性等方面具有巨大的优势,证明了所提算法的可靠性和完整性。

“新工科”背景下“物联网综合实践”课程改革探索与实践

为满足新兴产业对人才的需求,针对“物联网综合实践”课程学科交叉性强、内容更新速度快、实践延展性强的特点,以“新工科”理念为指导,进行了课程改革探索与实践,围绕“新工科”人才核心要素设计教学目标,多学科交叉重构教学内容,遵循工程逻辑实施项目式混合教学,为物联网工程专业实践教学改革提供了一种新的思路。