SPE 水电解槽阳极温度场数值模拟

基于计算流体动力学原理建立了蛇形流道固体聚合物电解质(SPE)水电解槽阳极的三维稳态气液混合两相流动数学模型,应用通用计算流体动力学(CFD)软件fluent进行了数值模拟,得到了电解槽阳极的温度分布特点,分析了不同流道宽度、肋宽和流道深度对电解槽阳极温度分布的影响,为电解槽阳极流场板的优化设计提供一定的参考。     

频率选择性衰落信道下的STBC调制识别技术

针对频率选择性衰落信道下空时分组码(Space Time Block Codes,STBC)信号的调制识别问题,改进了一种基于四阶时延矩的调制识别算法.研究的调制方式主要包括BPSK,QPSK,8PSK和16QAM四种典型调制星座,在单接收天线条件下,首先对STBC信号及频率选择性衰落信道进行建模,计算接收端STBC信号四阶时延矩的理论值;然后采用阈值检测方法,将四阶时延矩的估计值同理论值的阈值区间对比,从而自动判别出信号的调制方式.推导和仿真结果表明,上述算法不需要噪声、空时分组码类型等先验信息,在较低信噪比条件下,对四种调制方式也具有良好的识别性能,且对频偏、多普勒频移和时延的鲁棒性能好,计算量较低,具有较高的实用价值.     

一种基于深度谱空网络的高光谱图像聚类方法

通常无监督算法在对高光谱数据进行聚类时仅使用光谱信息,忽略了空间信息,使得聚类准确率较低.针对上述问题提出一种基于深度谱空网络和无监督判别极限学习的高光谱图像聚类算法.利用深度谱空网络对高光谱数据进行光谱特征和空间特征的分层交叉学习,通过反复学习获得深度空谱特征,为后续无监督聚类提供方便.在三种高光谱图像上进行实验,结果表明,该算法获得的聚类效果优于其他基于极限学习机的方法和其他无监督方法.     

不平衡时间序列集成分类算法

针对现有集成分类方法对不平衡时间序列数据学习能力欠佳的问题,采用优化组件算法性能和集成策略的思路,以异构集成方法即基于变换的集合的层次投票集合（HIVE-COTE）为基础,提出一种不平衡时间序列集成分类算法IMHIVE-COTE。该算法主要包含两个改进内容：首先,增加了一个新的不平衡分类组件SBST-HESCA,引入Boosting结合重采样的思路,并通过交叉验证预测结果来更新样本权重,从而使数据集的重采样过程更有利于提升少数类样本的分类质量;其次,结合SBST-HESCA组件对HIVE-COTE计算框架进行改进,通过优化组件算法的权重使不平衡时间序列分类算法对分类结果拥有更高的投票比重,从而再次提升集成算法整体的分类质量。实验部分对IMHIVE-COTE的性能进行了验证和分析：和对比方法相比,IMHIVE-COTE有最高的整体分类评价,并且在三个不平衡分类指标值上分别得到了最优、最优、第三优的整体分类评价,可以证明IMHIVE-COTE解决不平衡时间序列分类问题的能力明显较高。     

一种可用于数据和模型分享的模型链

机器学习开始在越来越多的行业中得到应用,但使用机器学习执行任务的软件一直受限于第三方软件商更新模型.文中基于区块链,将训练神经网络消耗的算力和区块链的工作量证明机制相结合,提出并实现了模型链.模型链作为一种可用于分享数据和机器学习模型的区块链,基于骨架网络训练神经网络模型,以全网节点匿名分享的数据作为训练模型的数据集,实现了不依赖第三方更新神经网络模型.模型链使用环签名来保护用户数据隐私,节点训练的模型使用统一的测试集评估,通过评估的模型将作为节点的工作量证明用于投票达成一致共识.文中提出了两种可行的激励机制,即物质奖励和模型奖励.对于潜在的威胁,如账本分析、脏数据攻击和欺骗投票,给出了相应的解决方案.实现了一个用于数字识别的模型链.实验结果表明,模型链中的模型可以适应实际场景下发生的用户变迁和数据变化.     

动态数据校正技术用于GMVC控制器性能评估的改进

在实际工业生产过程中,控制器性能的好坏直接影响了系统的收益;事实上,由于工作环境的复杂性,控制器容易受到各种干扰信号的影响,这通常会导致控制效果不符合预期;因此,对控制器的性能进行评估显得尤为重要;针对反馈系统中测量噪声的干扰问题,分析了测量噪声对基于广义最小方差控制(GMVC)的控制器性能评估(CPA)结果的影响;为了提升CPA的精度,提出了一种动态数据校正(DDR)方法来降低测量噪声对系统性能的影响;首先,在SISO和MIMO系统中引入基于GMVC的CPA;接着讨论了测量噪声对CPA结果的影响;最后,采用DDR滤波器来提升CPA结果的准确性;仿真中系统在不同情况下输出的比较验证了DDR滤波器的良好性能.     

基础算力的量化测算方法

0引言 2018年底召开的中央经济工作会议对基础设施建设进行了新的定义,5G、人工智能、工业互联网等技术被定义为"新型基础设施建设".随后"加强新一代信息基础设施建设"被列入2019年政府工作报告,2020年1月国务院常务会议和2020年3月中共中央政治局常务委员会会议再次强调新型基础设施的重要性,"新基建"在国家层面的重要性日益凸显.     

融合迁移学习的AlexNet神经网络不锈钢焊缝缺陷分类

针对不锈钢焊缝缺陷特征提取存在主观单一性和客观不充分性等问题,提出一种融合迁移学习的AlexNet卷积神经网络模型,用于不锈钢焊缝缺陷的自动分类。首先,由于不锈钢焊缝缺陷数据较为缺乏,通过采用迁移学习对网络前3层冻结,减少网络对输入数据量的要求;对后2层卷积层提取的特征信息批量归一化(batch normalization, BN),以加快网络的收敛速度;并使用带泄露线性整流(leaky rectified linear unit, LeakyReLU)函数对抑制神经元进行激活,从而提高模型的鲁棒性和特征提取能力。结果表明,该模型最终达到了95.12%的准确率, 相比原结构识别精度提高了9.8%。验证了改进后方法能够对裂纹、气孔、夹渣、未熔合和未焊透5类不锈钢焊缝缺陷实现高精度分类。相比现有方法,其识别面更广,精度更高,具有一定的工程实践意义。     

分辨矩阵在逻辑优化中的应用

真值表的化简对于逻辑电路的分析与设计具有及其重要的意义.对真值表的化简问题进行研究,提出了一种利用分辨矩阵从真值表中获取最小布尔表达式的粒分辨矩阵方法,实现其在逻辑优化中的应用.首先,将真值表视为逻辑信息系统,将真值表的化简问题转化为逻辑信息系统的最简规则发现问题.然后,在传统分辨矩阵的基础上,利用等价关系模型构造粒分辨矩阵,找出可以组织成最小布尔表达式的信息粒,利用信息粒的析取合取运算获得逻辑信息系统的最小布尔表达式.为进一步加快算法的收敛速度,引入启发式信息的概念,给出了组织信息粒的判定法则,避免在最小布尔表达式的获取中出现冗余逻辑项,使得布尔逻辑表达式最简,同时提高最小布尔表达式的获取效率,解决大规模逻辑电路的优化问题.最后,给出了详细的算法,并通过实例和理论证明说明了该方法的正确性和有效性.     

灰岩单轴压缩过程中干燥与饱水状态对声发射特征的影响

为探究水岩耦合条件下的声发射规律,通过开展干燥与饱水灰岩单轴压缩条件下的声发射监测试验,并结合快速傅里叶变换、短时傅里叶变换与离散小波变换这3种常用的声发射信号分析方法,对比分析了干燥与饱水灰岩的时域参数、频率特征与典型破裂信号的时频特征。结果表明:水对于岩石的变形破坏特征影响显著,相对于干燥状态,饱水试样的单轴抗压强度下降明显,且幅值、能量以及振铃计数等基本时域特征参数均呈现出大幅降低的特点;岩样破坏前,干燥与饱水灰岩都表现出由“高主频、低幅值”向“低主频、高幅值”过渡的总体变化趋势;干燥岩样破坏前主频值高于饱水岩样,完全破坏后却低于饱水岩样,主频下降幅度大,而饱水岩样的主频值波动较小,频率较为稳定。研究结果对于工程尺度的防突机构声发射监测具有一定的参考价值。