环状扫描的强深度森林

深度森林（Deep Forest,DF）,由于此模型超参数少,且参数设置没有过多的要求,训练方便,鲁棒性高,因此在处理大型数据时比神经网络算法更加具有优势。但是,传统的深度森林中,多粒度扫描忽略了边缘数据携带的隐含信息,无法充分地获得各个特征子集,进而会对以后的级联部分产生影响。而且,级联部分每次得到的新特征有限,影响了模型的表征学习能力。针对以上问题,提出一种环状强深度森林（Circular Strong Deep Forest,CSDF）,其通过环状扫描过程,一定程度上得到更充分的特征子集,且强级联森林通过特征选择提高了模型的表征学习能力。经过在不同数据集上的测试,结果表明,CSDF的性能更加优越,尤其是高维数据上更为明显。     

智能视觉检测平台的控制系统研究与开发

产品质量检测是工业自动化生产线上的重要环节,基于机器视觉的智能检测的是产品质量检测的重要方法.文中介绍了多功能、通用型的智能视觉检测平台的控制系统策略,提出了一种PC＋运动控制卡＋数据I/O卡的控制方式,分析了各控制单元的软硬件结构和基本工作原理.并以VC＋ ＋为工具,开发了具有良好的通用性、移植性和可扩展性的控制系统软件.     

基于模糊神经网络的电网运营效率评估方法研究

在充分考虑电网公司运行情况的基础上,提出了一种电网运营效率评估方法,建立了电网运营效率综合评价指标体系,并给出了相应的模糊神经网络评价模型,以湖北省5个地区电网为算例,综合评估计算,结果表明该电网运营效率综合评价方法有效实用,能够充分考虑评价专家的经验和直觉思维模式,科学评估电网运营情况。     

奥氏体化温度对C-Si-Mn钢淬火-配分后显微组织与拉伸性能的影响

将初始组织为马氏体的0.2C-1.6Si-1.8Mn钢在不同温度(840,870,910℃)奥氏体化后进行淬火-配分(Q&P)处理,研究了奥氏体化温度对该钢显微组织与拉伸性能的影响。结果表明：当奥氏体化温度在两相区时,Q&P处理后试验钢中的铁素体主要呈带状,残余奥氏体呈块状和薄带状;随着奥氏体化温度升高,铁素体和残余奥氏体含量减少,马氏体含量增加,对应的屈服强度和抗拉强度增大,断后伸长率和强塑积下降;840℃奥氏体化+Q&P处理后试验钢更高的断后伸长率与其更高含量的残余奥氏体且残余奥氏体呈块状和薄带状2种形态有关,这能有效扩展相变诱导塑性效应区间。     

不同矿物掺合料对蒸养水泥胶砂力学性能的影响

通过对不同品种掺合料胶砂抗压强度、抗折强度、蒸养活性指数、流动度值、流动度比的试验,研究不同掺合料对蒸养水泥胶砂力学性能的影响。在进行90℃恒温蒸养后再分别进行3 d,7 d,28 d标准养护,与对比胶砂相比较,试验胶砂的抗压强度和抗折强度有所提高,流动性有所降低。实验结果表明,蒸养水泥胶砂中添加掺合料有利于提高蒸养水泥胶砂的力学性能。     

基于多线程的多传感器融合空瓶检测系统

该介绍用于在线检测的多传感器融合空瓶检测系统的硬件结构和系统工作原理，结合Windows环境下的多任务并发机制和MATROX图像采集卡的特有功能，以VC＋＋为工具，开发了基于多线程技术的多传感器融合空瓶检测系统的软件部分，并验证了系统的可靠性。     

考虑可再生能源和需求管理的电源优化规划问题研究

提出了一种考虑混合风电、水电和地热发电的综合电源优化规划(GEP)数学模型。通过将运行时间分为3个子阶段的方式,该数学模型能够用来模拟电力系统动态规划问题。在每个子周期的运行过程中,新增的发电设施数量被设定为已知变量。构造了一种考虑多目标函数的数学优化模型,该目标函数包含了建造成本、碳排放成本、能耗成本、能源价格风险和系统可靠性等指标,以期尽可能地降低系统的综合投资成本。考虑到传统求解方法的局限性,采用基于"教与学"遗传算法(TLBO-GA)的方法来求解多目标多周期规划问题。仿真算例验证了所提模型和求解算法的有效性。     

基于双通道注意力的轻量化PCB缺陷检测研究

印刷电路板 (printed circuit board,PCB)在实际生产过程中存在缺陷样式多种多样、缺陷小、缺陷位置难以定位的问题,而一个巨大的模型难以实现实时检测的要求,且大量的深度可分离卷积层建立的轻量级模型也不能达到足够的精度,为此提出一种基于YOLOv5s的PCB缺陷检测算法。 将原始Backbone的Conv模块跟C3模块用GhostConv替换,在Neck部分则引入了一种新的轻量级卷积技术GSConv,减轻模型大小的同时保持精度,GSConv在模型的准确性和速度之间完成了一个极好的权衡,针对许多注意力模块无法关注全局信息同时模型大的问题,提出了多尺度的轻量化双通道注意力模块(double channel depthwise attention module,DWAM),进一步提高模型精度。通过多组实验, 结果表明,改进算法所有类别的平均mAP为99.14%,且模型的GFLOPs为7.194 G,Params为7.175,原始的YOLOv5s平均mAP为96.86%,GFLOPs为6.89 G,Params为6.596,虽然Params以及GFLOPs有所增大,但是还是满足轻量网络的要求,并且精度相对于YOLOv5s提高了2.25%,且对于每个类别的缺陷识别准确率都有改善,大幅减少计算量和模型参数的同时保证了准确率,满足工业检测生产需求的同时便于移动端部署。     

巴西大停电的思考

2018年3月21日15：48,巴西发生了大停电事故,巴西北部和东北部电力系统与主网解列,切除负荷19760 MW,约占电网总负荷的25%,85%的州受到影响,造成巨大的经济损失。为避免大面积停电事故的发生,介绍了历史上历次大停电事故的主要过程及危害,总结了大停电事故的经验教训。从自然因素、设备故障、事故处理不当、策略失误等方面,分析了大停电事故的主要原因并提出了相应的改进对策。结合新能源接入、交直流混合电力系统、能源互联网、信息物理电力系统、人工智能等当前电网发展和研究的热点,提出应对大停电事故的主要研究方向。